IT ▾
Ottieni la chiave API

API LLM per prompt di Flux: un flusso di lavoro pratico

Se vuoi un'API LLM per prompt di Flux, il lavoro è semplice: invia un'idea breve a un modello testuale e ricevi un prompt dettagliato che il tuo servizio di immagini può utilizzare. Questa pagina mostra il prompt di sistema, le impostazioni e il codice, e spiega chiaramente cosa un modello solo testuale non può fare.

Aggiornato

Un terminale che trasmette strisce di testo lungo un nastro trasportatore verso una cornice vuota, che mostra i prompt scritti prima delle immagini

Punti chiave

  • Usa un messaggio di sistema per fissare formato e stile una volta per tutte, poi invia solo l'idea breve per richiesta.
  • La modalità JSON restituisce un elenco di varianti di prompt che uno script può iterare senza dover analizzare il testo.
  • La finestra di contesto da 100.000 token ti permette di incollare una guida di stile o prompt passati nella richiesta.
  • Un'espansione completa costa una frazione di centesimo e il modello non vede né genera l'immagine.

La versione breve

Crea una chiave, punta un client OpenAI a https://api.fluxapikey.com/v1, imposta il modello su uncensored e inserisci le regole del prompt nel messaggio di sistema. Ogni messaggio utente è quindi solo l'idea: poche parole, una scena, un personaggio. La risposta è il prompt completo. Copialo nello strumento di immagini che usi, che ha la propria chiave e la propria fatturazione.

Qui non viene generata alcuna immagine. L'API è solo testuale, non è un servizio di un fornitore di immagini e non può analizzare i tuoi rendering. Ciò che fa bene è la scrittura: struttura, vocabolario, coerenza in un batch. Il resto di questa pagina è il dettaglio pratico.

Perché usare un modello linguistico per i prompt

I modelli di immagini premiano input specifici e penalizzano input vaghi. Una riga come "un castello" ti dà il castello medio. Un paragrafo che nomina il materiale dei muri, l'ora del giorno, l'obiettivo e la palette di colori ti dà qualcosa di più vicino all'immagine nella tua testa. Scrivere quel paragrafo a mano per ogni immagine è lento e tendi a dimenticare gli stessi dettagli ogni volta.

Un modello linguistico è bravo esattamente in questo tipo di espansione. Aggiungerà i dettagli mancanti, manterrà un ordine fisso degli elementi e manterrà uno stile coerente in centinaia di richieste. Poiché questo modello non rifiuta di default, gestisce anche la narrativa, i temi oscuri e i personaggi per adulti che i modelli ospitati più cauti spesso rifiutano. Si applica il limite usuale: solo uso legale da parte di adulti, e nessun contenuto sessuale che coinvolga minorenni sotto nessuna forma.

Un prompt di sistema che funziona

La maggior parte della qualità deriva dal messaggio di sistema. Tienilo breve, concreto e verificabile. Ecco un punto di partenza che puoi modificare:

SYSTEM = '''You write prompts for a text-to-image model.
Output exactly one prompt, one paragraph, no preamble, no quotes.
Order: subject, action, setting, lighting, camera or medium, palette, mood.
Use concrete nouns and visual adjectives. Avoid abstract words like beautiful.
Do not mention the words prompt, image or render.
Keep it under 90 words.'''

Nota cosa il messaggio non dice. Non fa una lunga lezione sulla creatività e non elenca gli argomenti proibiti. Regole brevi con un ordine fisso sono più facili da seguire per un modello e più facili da debuggare per te. Se l'output devia, cambia una riga e riavvia la stessa idea. Se vuoi uno stile diverso per un altro progetto, tieni un secondo messaggio di sistema e scegline uno per richiesta.

Mostra, non descrivere

Quando le regole da sole non bastano, aggiungi una o due coppie di esempio come messaggi precedenti nella conversazione: un'idea breve come messaggio utente e il prompt che ti piace come messaggio dell'assistente. Una o due coppie di solito fissano il tono meglio di un altro paragrafo di regole.

Invio della richiesta

La chiamata è un completamento chat standard. Le impostazioni più importanti per l'espansione creativa sono la temperatura e il seed.

from openai import OpenAI

client = OpenAI(base_url="https://api.fluxapikey.com/v1", api_key="YOUR_KEY")

def expand(idea, seed=None):
    r = client.chat.completions.create(
        model="uncensored",
        messages=[
            {"role": "system", "content": SYSTEM},
            {"role": "user", "content": idea},
        ],
        temperature=0.9,
        top_p=0.95,
        max_tokens=200,
        seed=seed,
    )
    return r.choices[0].message.content.strip()

print(expand("an abandoned observatory on a cliff", seed=7))

Una temperatura intorno a 0,8-1,0 dà formulazioni varie, che è ciò che vuoi quando fai brainstorming. Abbassala verso 0,3 quando ti serve un output quasi identico per un template ripetuto. Il seed, top_p, stop e i parametri di penalità vengono passati al modello, quindi puoi usarli come faresti altrove. Il limite max_tokens è opzionale; impostarlo vicino alla lunghezza prevista evita che una risposta si allunghi senza controllo. Consulta la documentazione per ogni parametro supportato.

Batch di varianti con modalità JSON

Per un batch, chiedi un elenco e attiva la modalità JSON con response_format. Il messaggio di sistema deve ancora dire al modello che forma restituire, poiché la modalità JSON rende l'output JSON valido ma non sceglie le tue chiavi per te.

# client as above: base_url https://api.fluxapikey.com/v1
import json

def variations(idea, n=8):
    r = client.chat.completions.create(
        model="uncensored",
        response_format={"type": "json_object"},
        messages=[
            {"role": "system", "content": SYSTEM + f"\nReturn JSON: {{\"prompts\": [{n} strings]}}."},
            {"role": "user", "content": idea},
        ],
        temperature=1.0,
    )
    return json.loads(r.choices[0].message.content)["prompts"]

for p in variations("a night market in the rain"):
    print(p)

Avvolgi json.loads in un blocco try comunque. Se una risposta è tagliata da un max_tokens molto basso, non verrà analizzata, quindi lascia quel parametro generoso per le richieste di elenco. Ogni prompt nell'elenco può andare direttamente nel tuo servizio di immagini in un ciclo.

Uso della finestra da 100.000 token

La finestra di contesto è di 100.000 token, contando il prompt più il completamento. Per il lavoro di prompt è più di quanto ti serva per richiesta, ma è utile in due modi. Puoi incollare una guida di stile lunga, un foglio personaggio o un elenco di prompt passati funzionanti, e il modello li seguirà. E puoi mantenere viva una conversazione: chiedi un prompt, dì "più scuro, aggiungi nebbia", e ottieni una versione rivista che ricorda la prima.

L'input lungo costa denaro, quindi limita la guida di stile fissa a ciò che cambia l'output. Cinquecento token di regole sono economici. Cinquantamila token di vecchi prompt inviati con ogni richiesta si accumulano, come mostra la sezione sui prezzi: 50.000 token di input extra sono $0,0075 per richiesta, o $3,75 su 500 richieste.

Pattern di prompt per compiti comuni

Lo stesso endpoint copre diversi compiti. Ciò che cambia è il messaggio di sistema.

  • Fogli personaggio. Tieni una descrizione fissa di un personaggio ricorrente (capelli, abbigliamento, età, corporatura) nel messaggio di sistema e istruisci il modello a ripeterla parola per parola in ogni prompt. Questo è il modo più economico per mantenere un personaggio riconoscibile in una serie di render.
  • Trasferimento di stile per parole. Fornisci un elenco di termini di stile che ti piacciono, come "gouache, palette spenta, grana", e chiedi di inserirli nell'ultima frase di ogni prompt.
  • Formulazioni negative. Se il tuo strumento di immagini accetta un prompt negativo separato, chiedi al modello di restituire due campi in modalità JSON: prompt e negative. Tieni l'elenco negativo breve e specifico.
  • Accorciamento. Alcuni strumenti tagliano l'input lungo. Aggiungi un limite di parole alle regole e testalo, poiché i modelli contano le parole in modo approssimativo.

La narrativa per adulti e l'arte per il roleplay sono un caso legittimo qui. Il modello scriverà la descrizione della scena in linguaggio semplice e non esplicito se glielo chiedi. Se lavori su una piattaforma con regole di contenuto proprie, inserisci anche quelle regole nel messaggio di sistema, così i prompt corrispondono dove le immagini verranno pubblicate.

Test e ottimizzazione del ciclo

Tratta il messaggio di sistema come codice. Scegli cinque idee di test che coprano la tua gamma abituale, eseguile con un seed fisso e una temperatura bassa e salva gli output. Dopo ogni modifica alle regole, riavvia le stesse cinque e confronta. Questo cattura il fallimento comune in cui una correzione per un caso ne rompe un altro.

Cerca tre sintomi. Prompt che ripetono le stesse parole iniziali in un batch significano che la temperatura è troppo bassa o gli esempi sono troppo uniformi. Prompt che ignorano il tuo limite di parole significano che la regola è sepolta; spostala alla fine del messaggio. Prompt che includono introduzioni chiacchierone come "Ecco il tuo prompt" significano che la regola di formato deve essere più rigorosa, oppure puoi rimuovere la prima riga nel codice. Lo streaming con stream: true è disponibile se mostri i risultati in un'interfaccia, e l'utilizzo viene segnalato alla fine dello stream.

Limiti da considerare nella pianificazione

Tre limiti onesti. Primo, il modello è solo testuale: non può vedere un'immagine, quindi non può giudicare se un prompt ha prodotto una buona immagine. Sei tu il giudice e il ciclo è scrivi, renderizza, regola le regole. Secondo, non sa nulla delle particolarità del tuo modello di immagini specifico a meno che tu non glielo dica, quindi inserisci quelle particolarità nel messaggio di sistema. Terzo, limiti di velocità: una chiave completa permette 8 richieste concorrenti e 300 al minuto, e una chiave di prova 2 e 60. Se un ciclo supera quello ottieni HTTP 429 con il codice concurrency o rate_limited; aspetta un momento e riprova. Un 429 con un'intestazione Retry-After: 5 significa sovraccarico temporaneo e si applica lo stesso consiglio.

Quanto costa per prompt

La tariffazione è $0,15 per 1M di token di input e $0,50 per 1M di token di output. Supponiamo che ogni richiesta invii un messaggio di sistema da 800 token più l'idea e restituisca un prompt da 200 token. Su 500 richieste sono 400.000 token di input e 100.000 di output. Input: 0,4 x $0,15 = $0,06. Output: 0,1 x $0,50 = $0,05. Totale: $0,11 per 500 prompt.

Il batch JSON sopra, a circa 400 token in entrata e 700 in uscita per chiamata, costa 0,0004 x $0,15 più 0,0007 x $0,50, che è $0,00006 + $0,00035 = $0,00041 per otto prompt. Il credito di prova è $0,50, attivato con un clic dopo la registrazione. Le ricariche partono da $20; vedi la pagina dei prezzi per i livelli bonus, e la pagina delle chiavi per iniziare.

Domande e risposte

Il modello può scrivere prompt per qualsiasi generatore di immagini?

Sì, perché produce solo testo. Gli indichi il formato che il tuo strumento di immagini preferisce nel messaggio di sistema, poi copi il risultato.

Rifiuterà temi maturi o oscuri?

È ottimizzato per rispondere senza rifiuti di contenuto per l'uso adulto legale. Il contenuto sessuale che coinvolge minorenni non è mai consentito.

Quanti prompt posso creare al minuto?

Una chiave completa permette 300 richieste al minuto e 8 in parallelo. Con la modalità JSON, una richiesta può restituire diversi prompt.

Genera anche le immagini?

No. L'API è solo testo, senza generazione di immagini, audio o video.

La tua chiave è a un modulo di distanza

Crea un account, copia la chiave, modifica l'URL di base. È tutta la configurazione.

Ottieni la chiave API