Texte vers image

Modèles populaires

Aperçu

Générez des images à partir de descriptions textuelles en utilisant Flux, Nano Banana Pro et d’autres modèles d’IA à la pointe. Cet exemple vous guide à travers le workflow complet, depuis la soumission d’une requête de génération jusqu’à la récupération de l’image finale.

La génération d’image est asynchrone. Vous recevez immédiatement un ID de job, puis vous interrogez le statut jusqu’à ce que l’image soit prête.

Playground interactif

Voici un exemple complet dans différents langages :

// 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"

Remplacez par votre jeton APIPour remplacer l’espace réservé YOUR_API_TOKEN dans les exemples ci-dessus, vous devrez générer un jeton API sur krea.ai/settings/api-tokens. Suivez les instructions de la page Clés API et facturation si vous avez besoin d’aide.

Pour trouver tous les modèles disponibles, consultez la page API des modèles.

Détails

Ci-dessous, nous vous guidons à travers le workflow complet, depuis la soumission d’une requête de génération jusqu’à la récupération de l’image finale.

Étape 1 : Créer un job de génération d’image

Effectuez une requête POST vers /generate/image/bfl/flux-1-dev avec votre prompt et vos paramètres. L’API renvoie immédiatement un ID de job — la génération se déroule de manière asynchrone.

// 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"])
}

Exemple de réponse

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

Étape 2 : Interroger les résultats

Interrogez /jobs/{job_id} toutes les 2 secondes jusqu’à ce que le job soit terminé. L’API Krea fournit des sorties de génération intermédiaires pour certains modèles.

// 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 !Configurez des webhooks pour recevoir des notifications lorsque les jobs sont terminés. Consultez le guide des Webhooks pour commencer.

Pour une liste détaillée des paramètres de tous les modèles, consultez la page API des modèles.

Exemple de réponse terminée

{
  "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"
    ]
  }
}

Pour en savoir plus sur tous les statuts de job possibles et le cycle de vie complet d’un job, consultez la page Cycle de vie d’un job.

Overview

Creative Tools

AI Models

Texte vers image

Modèles populaires

Aperçu

Playground interactif

Détails

Étape 1 : Créer un job de génération d’image

Étape 2 : Interroger les résultats

​Modèles populaires

​Aperçu

​Playground interactif

​Détails

​Étape 1 : Créer un job de génération d’image

​Étape 2 : Interroger les résultats

Modèles populaires

Aperçu

Playground interactif

Détails

Étape 1 : Créer un job de génération d’image

Étape 2 : Interroger les résultats