Família Seedream (Doubao)

Os modelos de imagem Doubao da ByteDance, três no total. São chamados pelo endpoint compatível com OpenAI /v1/images/generations, que é usado tanto para texto para imagem quanto para edição.

Escolha de modelo

Preços atuais na página do modelo .

Texto para imagem

import base64
from openai import OpenAI
 
client = OpenAI(api_key="YOUR_OFOX_API_KEY", base_url="https://api.ofox.ai/v1", timeout=600)
 
resp = client.images.generate(
    model="volcengine/doubao-seedream-5.0-pro",
    prompt="Uma maçã vermelha sobre uma mesa branca",
    size="2560x1440",
)
 
with open("output.jpg", "wb") as f:
    f.write(base64.b64decode(resp.data[0].b64_json))

curl https://api.ofox.ai/v1/images/generations \
  --max-time 600 \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "volcengine/doubao-seedream-5.0-pro",
    "prompt": "Uma maçã vermelha sobre uma mesa branca",
    "size": "2560x1440"
  }' | jq -r '.data[0].b64_json' | base64 --decode > output.jpg

O formato de saída é sempre JPEG; salve com a extensão .jpg. Por padrão, o retorno é base64; envie "response_format": "url" para receber um link da imagem.

Tamanho (size)

size aceita duas formas:

• Nível de resolução 1k, 2k, 4k (sem distinção entre maiúsculas e minúsculas): define só a resolução, e o modelo decide a proporção a partir do prompt. Em nossas medições, o 4.5 com 2k gerou tanto 2048×2048 quanto 1664×2496.
• Largura e altura exatas LARGURAxALTURA: a proporção é fixa, e o total de pixels precisa estar dentro da faixa da tabela abaixo.

”—” indica que não foi medido nesta rodada; consulte a documentação oficial do Volcano Engine Ark .

Larguras e alturas válidas comuns (atendem ao mínimo de pixels do 4.5 e do 5.0 Lite):

Edição e várias imagens de referência

import base64
from openai import OpenAI
 
client = OpenAI(api_key="YOUR_OFOX_API_KEY", base_url="https://api.ofox.ai/v1", timeout=600)
 
with open("apple.jpg", "rb") as f:
    ref = "data:image/jpeg;base64," + base64.b64encode(f.read()).decode()
 
resp = client.images.generate(
    model="volcengine/doubao-seedream-5.0-pro",
    prompt="Deixe a maçã roxa e mantenha todo o resto igual",
    size="2k",
    extra_body={"image": [ref]},
)
 
with open("apple_purple.jpg", "wb") as f:
    f.write(base64.b64decode(resp.data[0].b64_json))

# O base64 é muito longo; colocá-lo direto na linha de comando gera Argument list too long, por isso grave-o antes em um arquivo
printf 'data:image/jpeg;base64,%s' "$(base64 < apple.jpg | tr -d '\n')" > apple.b64
jq -n --rawfile img apple.b64 '{
  model: "volcengine/doubao-seedream-5.0-pro",
  prompt: "Deixe a maçã roxa e mantenha todo o resto igual",
  size: "2k",
  image: [$img]
}' > body.json
 
curl https://api.ofox.ai/v1/images/generations \
  --max-time 600 \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -d @body.json | jq -r '.data[0].b64_json' | base64 --decode > apple_purple.jpg

• image é um array; cada item é uma URL de imagem ou uma string iniciada por data:image/...;base64,. Coloque as várias imagens de referência no array, em ordem, e explique no prompt a função de cada uma.
• input_images é um campo exclusivo do Qwen-Image e não é suportado pelo Seedream.
• O Seedream não suporta /v1/images/edits; para editar, use o campo image desta seção.

Conjuntos de imagens e várias imagens

Exemplo de conjunto de imagens:

{
  "model": "volcengine/doubao-seedream-5.0-lite",
  "prompt": "Gere 3 imagens independentes: a mesma raposa na primavera, no verão e no outono",
  "size": "2k",
  "sequential_image_generation": "auto",
  "sequential_image_generation_options": { "max_images": 3 }
}

• auto significa que o modelo decide quantas imagens gerar; max_images é apenas o limite. Em nossas medições, com a mesma requisição, o 4.5 juntou uma tirinha de três quadros em uma única imagem e retornou só 1. Para um número fixo de imagens, escreva explicitamente no prompt “gere N imagens independentes”.
• Cada imagem é cobrada separadamente; usage.output_tokens é o total de todas as imagens.

Marca d’água

Em nossas medições, chamadas pela OfoxAI não têm marca d’água por padrão; não é preciso enviar nenhum parâmetro.

Latência

Em nossas medições, 2K leva cerca de 12 a 40 segundos, e um conjunto de 3 imagens, cerca de 76 segundos. Recomenda-se definir o timeout do cliente em 300 segundos ou mais.

Erros comuns

O Request id: 0217… no fim da mensagem de erro é o número da requisição upstream; ao entrar em contato com o suporte técnico, informe-o junto com o request_id da resposta.

The parameter `size` specified in the request is not valid: image size must be at least 3686400 pixels.
The parameter `size` specified in the request are not valid: image area must be at least 921600 pixels.
The parameter `size` specified in the request is not valid: image size must be at most 16777216 pixels.
The parameter `size` specified in the request is not valid: the specified size is not supported for model doubao-seedream-4-5.
The parameter `size` specified in the request are not valid: must be 'WIDTHxHEIGHT' or a supported size preset.
The parameter `size` specified in the request is not valid: size must be one of 'WIDTHxHEIGHT', '1k', '2k', or '4k'.
The parameter `sequential_image_generation` specified in the request are not valid: the parameter `sequential_image_generation` is not supported by the current model.
The parameter `output_format` specified in the request is not valid: the parameter `output_format` is not supported by the current model.

Documentação oficial

A documentação oficial descreve o comportamento das chamadas diretas ao Volcano Engine Ark; ao chamar pela OfoxAI, prevalecem as conclusões medidas nesta página.

• Central de documentação do Volcano Engine Ark 

Perguntas frequentes