Text to Image

Modelli popolari

Panoramica

Genera immagini a partire da descrizioni testuali usando Flux, Nano Banana Pro e altri modelli di IA all’avanguardia. Questo esempio ti guida attraverso il flusso completo, dalla richiesta di generazione al recupero dell’immagine finale.

La generazione di immagini è asincrona. Riceverai immediatamente un job ID, poi effettuerai polling per i risultati finché l’immagine non è pronta.

Playground interattivo

Ecco un esempio completo in diversi linguaggi:

// 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"

Sostituisci con il tuo token APIPer sostituire il segnaposto YOUR_API_TOKEN negli esempi qui sopra, dovrai generare un token API su krea.ai/settings/api-tokens. Segui le istruzioni nella pagina Chiavi API e fatturazione se hai bisogno di aiuto.

Per trovare tutti i modelli disponibili, consulta la pagina Model APIs.

Approfondimento

Di seguito ti guidiamo attraverso il flusso completo, dall’invio della richiesta di generazione al recupero dell’immagine finale.

Step 1: Crea un job di generazione immagine

Effettua una richiesta POST a /generate/image/bfl/flux-1-dev con il tuo prompt e i parametri. L’API restituisce immediatamente un job ID — la generazione avviene in modo asincrono.

// 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"])
}

Esempio di risposta

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

Step 2: Effettua il polling per i risultati

Effettua polling su /jobs/{job_id} ogni 2 secondi finché il job non si completa. La Krea API fornisce output intermedi di generazione per alcuni modelli.

// 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)
    }
}

Webhook disponibili!Configura i webhook per ricevere notifiche al completamento dei job. Consulta la guida ai Webhook per iniziare.

Per l’elenco dettagliato dei parametri di tutti i modelli, consulta la pagina Model APIs.

Esempio di risposta completata

{
  "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"
    ]
  }
}

Per conoscere tutti gli stati possibili dei job e l’intero ciclo di vita, consulta la pagina Ciclo di vita del job.

Overview

Creative Tools

AI Models

Text to Image

Modelli popolari

Panoramica

Playground interattivo

Approfondimento

Step 1: Crea un job di generazione immagine

Step 2: Effettua il polling per i risultati

​Modelli popolari

​Panoramica

​Playground interattivo

​Approfondimento

​Step 1: Crea un job di generazione immagine

​Step 2: Effettua il polling per i risultati

Modelli popolari

Panoramica

Playground interattivo

Approfondimento

Step 1: Crea un job di generazione immagine

Step 2: Effettua il polling per i risultati