Texto a imagen

Modelos populares

Descripción general

Genera imágenes a partir de descripciones de texto usando Flux, Nano Banana Pro y otros modelos de IA de última generación. Este ejemplo te guía por el flujo completo, desde enviar una solicitud de generación hasta obtener la imagen final.

La generación de imágenes es asíncrona. Recibirás un ID de trabajo de inmediato y luego consultarás el estado hasta que la imagen esté lista.

Playground interactivo

Aquí tienes un ejemplo completo en diferentes lenguajes:

// npm install @krea-ai/sdk
import { Krea } from "@krea-ai/sdk";

const krea = new Krea({ apiKey: process.env.KREA_API_KEY });

const result = await krea.subscribe("image/bfl/flux-1-dev", {
  input: {
    prompt: "a serene mountain landscape at sunset",
    width: 1024,
    height: 576,
    steps: 28
  }
});

console.log(`Image ready: ${result.data?.urls[0]}`);

import requests
import time

API_BASE = "https://api.krea.ai"
API_TOKEN = "your-token-secret"

# Step 1: Create generation job
response = requests.post(
    f"{API_BASE}/generate/image/bfl/flux-1-dev",
    headers={
        "Authorization": f"Bearer {API_TOKEN}",
        "Content-Type": "application/json"
    },
    json={
        "prompt": "a serene mountain landscape at sunset",
        "width": 1024,
        "height": 576,
        "steps": 28
    }
)
job = response.json()
job_id = job["job_id"]

# Step 2: Poll for completion
while True:
    response = requests.get(
        f"{API_BASE}/jobs/{job_id}",
        headers={"Authorization": f"Bearer {API_TOKEN}"}
    )
    job = response.json()

    if job["status"] == "completed":
        image_url = job["result"]["urls"][0]
        print(f"Image ready: {image_url}")
        break
    if job["status"] in ("failed", "cancelled"):
        raise Exception(f"Job failed: {job['status']}")

    print(f"Status: {job['status']}")
    time.sleep(2)

package main

import (
    "bytes"
    "encoding/json"
    "fmt"
    "net/http"
    "time"
)

func main() {
    apiBase := "https://api.krea.ai"
    apiToken := "your-token-secret"
    client := &http.Client{}

    // Step 1: Create generation job
    payload := map[string]interface{}{
        "prompt": "a serene mountain landscape at sunset",
        "width":  1024,
        "height": 576,
        "steps":  28,
    }
    jsonData, _ := json.Marshal(payload)

    req, _ := http.NewRequest("POST", apiBase+"/generate/image/bfl/flux-1-dev", bytes.NewBuffer(jsonData))
    req.Header.Set("Authorization", "Bearer "+apiToken)
    req.Header.Set("Content-Type", "application/json")

    resp, _ := client.Do(req)
    var job map[string]interface{}
    json.NewDecoder(resp.Body).Decode(&job)
    resp.Body.Close()

    jobID := job["job_id"].(string)

    // Step 2: Poll for completion
    for {
        req, _ := http.NewRequest("GET", apiBase+"/jobs/"+jobID, nil)
        req.Header.Set("Authorization", "Bearer "+apiToken)

        resp, _ := client.Do(req)
        var jobStatus map[string]interface{}
        json.NewDecoder(resp.Body).Decode(&jobStatus)
        resp.Body.Close()

        switch jobStatus["status"] {
        case "completed":
            result := jobStatus["result"].(map[string]interface{})
            imageURL := result["urls"].([]interface{})[0].(string)
            fmt.Printf("Image ready: %s\n", imageURL)
            return
        case "failed", "cancelled":
            fmt.Printf("Job failed: %s\n", jobStatus["status"])
            return
        }

        fmt.Printf("Status: %s\n", jobStatus["status"])
        time.Sleep(2 * time.Second)
    }
}

# Step 1: Create generation job
curl -X POST https://api.krea.ai/generate/image/bfl/flux-1-dev \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "a serene mountain landscape at sunset",
    "width": 1024,
    "height": 576,
    "steps": 28
  }'

# Response: {"job_id": "550e8400-e29b-41d4-a716-446655440000", ...}

# Step 2: Poll for completion (repeat until completed)
curl -X GET https://api.krea.ai/jobs/550e8400-e29b-41d4-a716-446655440000 \
  -H "Authorization: Bearer YOUR_API_TOKEN"

Reemplaza con tu token de APIPara reemplazar el marcador YOUR_API_TOKEN de los ejemplos anteriores, necesitarás generar un token de API en krea.ai/settings/api-tokens. Sigue las instrucciones de la página API Keys & Billing si necesitas ayuda.

Para ver todos los modelos disponibles, consulta la página de Model APIs.

Desglose

A continuación, te guiaremos por el flujo completo, desde enviar una solicitud de generación hasta obtener la imagen final.

Paso 1: Crear un trabajo de generación de imagen

Realiza una solicitud POST a /generate/image/bfl/flux-1-dev con tu prompt y parámetros. La API devuelve un ID de trabajo de inmediato — la generación ocurre de forma asíncrona.

// npm install @krea-ai/sdk
import { Krea } from "@krea-ai/sdk";

const krea = new Krea({ apiKey: process.env.KREA_API_KEY });

const job = await krea.image("bfl/flux-1-dev", {
  prompt: "a serene mountain landscape at sunset",
  width: 1024,
  height: 576,
  steps: 28
});

console.log(`Job ID: ${job.job_id}`);

curl -X POST https://api.krea.ai/generate/image/bfl/flux-1-dev \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "a serene mountain landscape at sunset",
    "width": 1024,
    "height": 576,
    "steps": 28
  }'

import requests

API_BASE = "https://api.krea.ai"
API_TOKEN = "your-token-secret"

response = requests.post(
    f"{API_BASE}/generate/image/bfl/flux-1-dev",
    headers={
        "Authorization": f"Bearer {API_TOKEN}",
        "Content-Type": "application/json"
    },
    json={
        "prompt": "a serene mountain landscape at sunset",
        "width": 1024,
        "height": 576,
        "steps": 28
    }
)

job = response.json()
print(f"Job ID: {job['job_id']}")

package main

import (
    "bytes"
    "encoding/json"
    "fmt"
    "net/http"
)

func main() {
    apiBase := "https://api.krea.ai"
    apiToken := "your-token-secret"

    payload := map[string]interface{}{
        "prompt": "a serene mountain landscape at sunset",
        "width": 1024,
        "height": 576,
        "steps": 28,
    }

    jsonData, _ := json.Marshal(payload)
    req, _ := http.NewRequest("POST", apiBase+"/generate/image/bfl/flux-1-dev", bytes.NewBuffer(jsonData))
    req.Header.Set("Authorization", "Bearer "+apiToken)
    req.Header.Set("Content-Type", "application/json")

    client := &http.Client{}
    resp, _ := client.Do(req)
    defer resp.Body.Close()

    var job map[string]interface{}
    json.NewDecoder(resp.Body).Decode(&job)
    fmt.Printf("Job ID: %s\n", job["job_id"])
}

Ejemplo de respuesta

{
  "job_id": "550e8400-e29b-41d4-a716-446655440000",
  "status": "queued",
  "created_at": "2025-01-15T10:30:00.000Z"
}

Paso 2: Consultar los resultados

Consulta /jobs/{job_id} cada 2 segundos hasta que el trabajo se complete. La API de Krea ofrece salidas intermedias de generación para algunos modelos.

// npm install @krea-ai/sdk
import { Krea } from "@krea-ai/sdk";

const krea = new Krea({ apiKey: process.env.KREA_API_KEY });

async function waitForJob(jobId) {
  const completed = await krea.jobs.wait(jobId, { intervalMs: 2000 });
  return completed.result.urls[0];
}

const imageUrl = await waitForJob(job.job_id);
console.log(`Image ready: ${imageUrl}`);

# Check job status
curl -X GET https://api.krea.ai/jobs/YOUR_JOB_ID \
  -H "Authorization: Bearer YOUR_API_TOKEN"

import time

def wait_for_job(job_id):
    while True:
        response = requests.get(
            f"{API_BASE}/jobs/{job_id}",
            headers={"Authorization": f"Bearer {API_TOKEN}"}
        )
        job = response.json()

        if job["status"] == "completed":
            return job["result"]["urls"][0]
        if job["status"] in ("failed", "cancelled"):
            raise Exception(f"Job failed: {job['status']}")

        print(f"Status: {job['status']}")
        time.sleep(2)

image_url = wait_for_job(job["job_id"])
print(f"Image ready: {image_url}")

func waitForJob(jobID string) (string, error) {
    for {
        req, _ := http.NewRequest("GET", apiBase+"/jobs/"+jobID, nil)
        req.Header.Set("Authorization", "Bearer "+apiToken)

        resp, _ := client.Do(req)
        var job map[string]interface{}
        json.NewDecoder(resp.Body).Decode(&job)
        resp.Body.Close()

        switch job["status"] {
        case "completed":
            result := job["result"].(map[string]interface{})
            urls := result["urls"].([]interface{})
            return urls[0].(string), nil
        case "failed", "cancelled":
            return "", fmt.Errorf("job failed: %s", job["status"])
        }

        fmt.Printf("Status: %s\n", job["status"])
        time.Sleep(2 * time.Second)
    }
}

¡Webhooks disponibles!Configura webhooks para recibir notificaciones cuando los trabajos se completen. Consulta la guía de Webhooks para comenzar.

Para ver la lista detallada de parámetros de todos los modelos, consulta la página de Model APIs.

Ejemplo de respuesta completada

{
  "job_id": "550e8400-e29b-41d4-a716-446655440000",
  "status": "completed",
  "created_at": "2025-01-15T10:30:00.000Z",
  "completed_at": "2025-01-15T10:30:25.000Z",
  "result": {
    "urls": [
      "https://krea.ai/generations/your-image.png"
    ]
  }
}

Para aprender sobre todos los posibles estados de trabajo y el ciclo de vida completo, consulta la página Job Lifecycle.

Overview

Creative Tools

AI Models

Texto a imagen

Modelos populares

Descripción general

Playground interactivo

Desglose

Paso 1: Crear un trabajo de generación de imagen

Paso 2: Consultar los resultados

​Modelos populares

​Descripción general

​Playground interactivo

​Desglose

​Paso 1: Crear un trabajo de generación de imagen

​Paso 2: Consultar los resultados

Modelos populares

Descripción general

Playground interactivo

Desglose

Paso 1: Crear un trabajo de generación de imagen

Paso 2: Consultar los resultados