静觅丨崔庆才的个人站点

API 开发教程 Python SDK 接入教程

acedatacloud 是 Ace Data Cloud 官方 Python SDK，把 api.acedata.cloud 上所有服务封装成类型化的 client.openai.chat.completions.create(...)、client.images.generate(...)、client.search.google(...) 等方法，同时提供同步和异步两套客户端。

底层基于 httpx，支持 SSE 流式、自动重试、类型化异常和 pydantic 类型校验。

源码与包地址：

SDK 仓库：https://github.com/AceDataCloud/SDK
PyPI：https://pypi.org/project/acedatacloud/

安装

1 2	pip install acedatacloud # 或 uv add / poetry add

如果需要 X402 链上付费（无 API Token 路径），再装一个：

1	pip install acedatacloud-x402

干净 venv 的版本检查输出：

$ python -c "import importlib.metadata as m; print(m.version('acedatacloud'))"
2026.4.26.1

$ python -c "from acedatacloud import AceDataCloud, AsyncAceDataCloud; print('ok')"
ok

结果说明：

包版本是 2026.4.26.1（CalVer，2026 年 4 月 26 日修订）。
AceDataCloud 是同步客户端，AsyncAceDataCloud 是 asyncio 异步客户端。
本 SDK 不依赖 pydantic，响应体统一返回 dict。这一点和 openai-python 不同，迁移时需要注意。

准备 API Token

参考 SDK 总览 - 申请 API Token 取到 token，然后在 shell 里 export：

1	export ACEDATACLOUD_API_TOKEN={token}

构造客户端时不传 api_token，SDK 会自动读取 ACEDATACLOUD_API_TOKEN 环境变量。如果你的环境里已经存了 ACEDATACLOUD_API_KEY（项目仓库约定），请显式传入：AceDataCloud(api_token=os.environ["ACEDATACLOUD_API_KEY"])。

示例 1：chat.completions（同步）

import os, time, json
from acedatacloud import AceDataCloud

client = AceDataCloud(api_token=os.environ["ACEDATACLOUD_API_KEY"])

t0 = time.time()
res = client.openai.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "Reply with exactly: ADC_PY_SDK_OK"}],
    max_tokens=20,
    temperature=0,
)
print("elapsed_ms", int((time.time() - t0) * 1000))
print("id", res["id"])
print("model", res["model"])
print("content", res["choices"][0]["message"]["content"])
print("usage", json.dumps({k: v for k, v in res["usage"].items()
                            if k in ("prompt_tokens","completion_tokens","total_tokens")}))

程序运行结果：

elapsed_ms 2963
id chatcmpl-DldFdnIlhSUXINpupgsUmZL78MnBu
model gpt-4o-mini
content ADC_PY_SDK_OK
usage {"prompt_tokens": 17, "completion_tokens": 7, "total_tokens": 24}

结果说明：

id 是上游响应 ID，可以在使用历史里搜到。
content ADC_PY_SDK_OK 是模型真实返回的固定标识。
res["usage"] 返回 dict，不是 pydantic model；一次调用大约消耗 24 token。

示例 2：chat.completions（SSE 流式）

stream=True 时 create 返回一个普通生成器，每次 yield 一个解析好的 chunk dict。

import os, time
from acedatacloud import AceDataCloud

client = AceDataCloud(api_token=os.environ["ACEDATACLOUD_API_KEY"])

t0 = time.time()
first_chunk_ms = None
chunks = 0
collected = []

for chunk in client.openai.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "Count from 1 to 5, separated by single spaces, no extra text."}],
    max_tokens=30,
    temperature=0,
    stream=True,
):
    if first_chunk_ms is None:
        first_chunk_ms = int((time.time() - t0) * 1000)
    chunks += 1
    delta = (chunk.get("choices") or [{}])[0].get("delta", {}).get("content")
    if delta:
        collected.append(delta)

print("total_elapsed_ms", int((time.time() - t0) * 1000))
print("first_chunk_ms", first_chunk_ms)
print("chunks", chunks)
print("collected", "".join(collected).strip())

程序运行结果：

total_elapsed_ms 2111
first_chunk_ms 2104
chunks 12
collected 1 2 3 4 5

结果说明：

首帧延迟 2104 ms，后续 11 帧只用了 7 ms 就到齐——一旦上游开始流，本地是顺手就能消费。
chunk 是普通 dict，按 OpenAI SSE 格式逐层 .get() 安全取值即可。
实际生产里推荐边 yield 边推 SSE 给前端，整体首字延迟接近 2 秒。

示例 3：AsyncAceDataCloud（异步）

AsyncAceDataCloud 的 API 跟同步版完全对称，只是所有 IO 方法返回 coroutine。适合 FastAPI / aiohttp / asyncio 服务。

import os, asyncio, time
from acedatacloud import AsyncAceDataCloud

async def main():
    client = AsyncAceDataCloud(api_token=os.environ["ACEDATACLOUD_API_KEY"])
    t0 = time.time()
    res = await client.openai.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": "Reply with exactly: ADC_PY_ASYNC_OK"}],
        max_tokens=20,
        temperature=0,
    )
    print("elapsed_ms", int((time.time() - t0) * 1000))
    print("id", res["id"])
    print("content", res["choices"][0]["message"]["content"])
    await client.close()

asyncio.run(main())

程序运行结果：

1
2
3

elapsed_ms 2392
id chatcmpl-DldFwRlrgtYDBpIr0T55aDQI4GlbF
content ADC_PY_ASYNC_OK

结果说明：

异步版本和同步版本走的是同一条 HTTP 路径，只是连接池实现不同（httpx.AsyncClient）。
退出时显式 await client.close() 把连接池关掉；长生命周期服务里只需要在进程退出前关一次。
单次延迟跟同步差不多，并发场景下异步才显出优势——一个 event loop 可以同时跑几十上百个 inflight 请求。

示例 4：images.generate（NanoBanana）

NanoBanana 是同步生成的图像服务，不要传 wait——SDK 调用就会一直阻塞到上游 200 返回。

import os, time
from acedatacloud import AceDataCloud

client = AceDataCloud(api_token=os.environ["ACEDATACLOUD_API_KEY"])

t0 = time.time()
res = client.images.generate(
    provider="nano-banana",
    model="nano-banana",
    prompt="A minimalist logo of a yellow banana on a white background, flat design",
)
print("elapsed_ms", int((time.time() - t0) * 1000))
print("task_id", res.get("task_id"))
print("trace_id", res.get("trace_id"))
data = res.get("data") or []
if data:
    print("image_url", data[0].get("image_url"))

程序运行结果：

elapsed_ms 18977
task_id 9e71f40f-1579-480d-adf4-07a95450904f
trace_id 5aa21d7f-af84-48e6-9ce0-9c6c36c8e5d9
image_url https://platform.cdn.acedata.cloud/nanobanana/884e92df-a497-44e0-9681-35c7a00e0a6c.png

结果说明：

image_url 是 CDN 上的稳定地址，可以直接下载或嵌入网页。
18.9 秒里几乎都是上游模型推理；本地 SDK 开销只有几毫秒。
对于 Midjourney、Sora、Veo、Suno 这种真正异步的任务，需要用 wait=True 或手动 TaskHandle.wait() 轮询，详见 SDK 任务轮询与流式响应。

示例 5：类型化错误处理

import os
from acedatacloud import AceDataCloud
from acedatacloud import AuthenticationError, RateLimitError, ValidationError

bad = AceDataCloud(api_token="definitely-not-a-real-token")

try:
    bad.openai.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": "hi"}],
        max_tokens=5,
    )
except AuthenticationError as err:
    print("err_class", type(err).__name__)
    print("status", err.status_code)
    print("code", err.code)
except RateLimitError as err:
    # 429，SDK 已经自动指数退避重试 2 次仍失败才会抛
    print("rate limited:", err.code)
except ValidationError as err:
    # 400，例如缺字段、模型名不存在
    print("bad request:", err.code, err.message)

异常层级跟 TypeScript 一致：AuthenticationError (401)、TokenMismatchError (token 与服务不匹配)、InsufficientBalanceError (余额不足)、ResourceDisabledError (服务被禁用)、ValidationError (400)、RateLimitError (429)、ModerationError (403 内容审核)、APIError (兜底)、TimeoutError（超时）、TransportError（网络层）。

配置选项

from acedatacloud import AceDataCloud

client = AceDataCloud(
    # 必填之一：显式 token 或环境变量 ACEDATACLOUD_API_TOKEN
    api_token="...",

    # 平台 API 根地址，默认 https://api.acedata.cloud
    base_url="https://api.acedata.cloud",

    # 部分服务（如 dashboard 元数据）走 platform 域名
    platform_base_url="https://platform.acedata.cloud",

    # 单次请求超时，秒；默认 300.0
    timeout=300.0,

    # 自动重试次数，默认 2；重试条件：408 / 409 / 429 / 5xx / 网络错误
    max_retries=2,

    # 自定义请求头
    headers={"x-app": "my-service/1.0"},
)

Python SDK 的 timeout 和 TaskHandle 的 poll_interval / max_wait 单位都是秒，TypeScript SDK 用的是毫秒，跨语言迁移时要特别注意。详见 SDK 任务轮询与流式响应。

SDK 默认读取 ACEDATACLOUD_API_TOKEN 环境变量；本文为了和 Claude Code VS Code 教程等其它教程统一，示例里用的是 ACEDATACLOUD_API_KEY，需要 api_token=os.environ["ACEDATACLOUD_API_KEY"] 显式注入。

进阶：X402 支付钩子

from acedatacloud import AceDataCloud
from acedatacloud_x402 import create_x402_payment_handler

client = AceDataCloud(
    payment_handler=create_x402_payment_handler(
        network="base",
        evm_signer=my_evm_signer,
        prefer_scheme="exact",   # 或 "upto"
    )
)

完整流程和真实链上结果见 SDK + X402 支付钩子。

如何查看剩余额度

通过 Ace Data Cloud 控制台 - 应用列表，即可查看当前账户的剩余额度。

通过 Ace Data Cloud 控制台 - 使用历史即可查看所有使用历史和扣费详情。

了解更多

作者崔庆才发表于 2026-06-11 阅读次数：本文字数： 6.9k 阅读时长 ≈ 6 分钟

API 开发教程 OpenAI Images Generations API 申请及使用

OpenAI Images Generations API 目前支持多种图像生成模型，包括经典的 dall-e-3、文字渲染能力更强的 gpt-image-1、最新一代的 gpt-image-2，以及通过同一接口接入的 nano-banana / nano-banana-2 / nano-banana-pro 系列模型。它们都能根据文本描述生成高质量的图像。

本文档主要介绍 OpenAI Images Generations API 操作的使用流程，利用它我们可以轻松使用 OpenAI 系列的图像生成功能。

申请流程

要使用 OpenAI Images Generations API，首先可以到 OpenAI Images Generations API 页面点击「Acquire」按钮，获取请求所需要的凭证：

如果你尚未登录或注册，会自动跳转到登录页面邀请您来注册和登录，登录注册之后会自动返回当前页面。

在首次申请时会有免费额度赠送，可以免费使用该 API。

GPT-Image-2 模型

gpt-image-2 是 OpenAI 推出的新一代图像生成模型，相比 dall-e-3 和 gpt-image-1，在以下方面有明显提升：

指令遵循能力更强：能够准确理解复杂构图、计数、位置关系等结构化指令。
文字渲染更清晰：海报、菜单、信息图、标志等场景下的英文与数字几乎不会出现错乱。
风格表现更丰富：原生支持电影感人像、复古海报、儿童插画、产品摄影、信息图等多种风格。
原生多比例 + 高分辨率支持：覆盖 5 种比例（1:1、4:3、3:4、16:9、9:16）共 3 档分辨率（1K / 2K / 4K）。

调用方式与其它模型完全一致，只需将 model 字段设置为 gpt-image-2 即可。返回结果中的 url 是一个永久托管在 platform.cdn.acedata.cloud 上的图片链接，可以直接在浏览器中打开或嵌入到网页中。

支持的 `size` 取值

gpt-image-2 只检查 size 的格式，只要不是 auto 或空串，就需要匹配 WIDTHxHEIGHT（例如 1024x1024、2048x1152、800x600）；任何其他形态会返回 400。所有尺寸（1K / 2K / 4K / 自定义）按单张统一扣费，不按尺寸加价。

上游对自定义尺寸的硬约束：宽高均为 16 的倍数、长边 ≤ 3840、总像素数 ≤ 8,294,400。超出范围会被上游拒绝并以 4xx 返回。

比例	1K 推荐	2K 推荐	4K 推荐
1:1	`1024x1024`	`2048x2048`	`2880x2880`
4:3	`1536x1024`	`2048x1536`	`3264x2448`
3:4	`1024x1536`	`1536x2048`	`2448x3264`
16:9	`1792x1024`	`2048x1152`	`3840x2160`
9:16	`1024x1792`	`1152x2048`	`2160x3840`

你也可以传 size: "auto" 或者省略 size 字段，此时由模型自行选择默认尺寸。

1K 档下上游输出不保证严格像素对齐——你传 1024x1024 可能拿到 1254x1254，比例保持一致。如果你重新把它当作 size 传进来，计费不变。

4K 单次调用通常需要 4–8 分钟，建议配合后文的 callback_url 异步回调使用。

关于 n 参数

gpt-image-2 目前不支持 n > 1：该参数会被静默忽略，无论传 n=1 还是 n=10，单次请求都只会返回 1 张图，并且只按 1 张计费。如果你需要一次拿到多张候选图，请自行并发发起多次请求（建议同时传不同的 prompt 或不同的 seed，否则得到的几张图可能高度相似）。该限制同样适用于 gpt-image-1 / gpt-image-1.5，以及 nano-banana / nano-banana-2 / nano-banana-pro 系列。dall-e-2 是目前唯一原生支持 n > 1 的模型；dall-e-3 仅支持 n = 1。

下面通过几个不同方位的真实示例来直观感受 gpt-image-2 的能力。

场景一：电影感人像

提示词中可以使用电影术语（35mm 胶片、浅景深、霓虹光等）来精准控制氛围与质感。

Python 样例调用代码：

import requests

url = "https://api.acedata.cloud/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "gpt-image-2",
    "prompt": "A cinematic portrait of a young woman standing in a convenience store at night, illuminated by soft pink and cyan neon signs through the window. Shot on 35mm film, shallow depth of field, slight grain, melancholic mood.",
    "size": "1024x1536"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

返回结果如下：

{
  "success": true,
  "task_id": "ab58a5df-6f46-4874-bff6-93169e2849a3",
  "created": 1777048800,
  "data": [
    {
      "revised_prompt": "A cinematic portrait of a young woman standing in a convenience store at night, illuminated by soft pink and cyan neon signs through the window. Shot on 35mm film, shallow depth of field, slight grain, melancholic mood.",
      "url": "https://platform.cdn.acedata.cloud/gpt-image/ab58a5df-6f46-4874-bff6-93169e2849a3_0.png"
    }
  ]
}

生成的图片如下所示：

场景二：复古旅行海报（带文字渲染）

gpt-image-2 在排版与字体渲染方面表现稳定，非常适合用来生成海报、菜单、贺卡等带文字的设计稿。

payload = {
    "model": "gpt-image-2",
    "prompt": "A vintage travel poster of the Amalfi Coast, Italy. Stylized art-deco illustration of cliffside lemon-yellow houses cascading down to a turquoise sea, with a small white sailboat in the harbor. Bold typography at the top reads AMALFI and at the bottom ITALIA 1958. Limited color palette: cream, sea-blue, lemon yellow, terracotta. Slight paper-grain texture.",
    "size": "1024x1536"
}

返回结果中的 url 字段对应的图片如下：

可以看到模型不仅准确还原了 Art Deco 海报的视觉风格，标题文字 AMALFI 与 ITALIA 1958 都被清晰、正确地渲染出来。

场景三：复杂构图与计数

下面这个提示词用来测试模型对“数量”和“位置”等结构化指令的遵循能力。

payload = {
    "model": "gpt-image-2",
    "prompt": "A wooden bookshelf consisting of three shelves: On the top shelf, there should be one book. On the second shelf, there should be three books. On the bottom shelf, there should be seven books. Soft warm lighting, photorealistic, cozy library atmosphere.",
    "size": "1024x1024"
}

生成的图片如下：

可以看到三层书架上的书本数量（1 / 3 / 7）与提示词完全一致，这是 dall-e-3 时代很难稳定做到的。

场景四：插画风格（横屏）

通过指定艺术媒介与情绪关键词，可以引导模型产出风格化的插画。

payload = {
    "model": "gpt-image-2",
    "prompt": "A soft, poetic children's book illustration of a small fox reading a book under a glowing mushroom in a moonlit forest. Watercolor and pencil texture, gentle pastel colors, dreamy atmosphere, hand-drawn feel.",
    "size": "1536x1024"
}

生成的横屏插画如下：

异步与回调

gpt-image-2 单次调用通常需要 60～90 秒，如果不希望保持长连接，可以使用本文后续介绍的 callback_url 异步回调机制，调用流程与其它模型完全一致。

Nano Banana 系列模型

nano-banana 系列是基于 Gemini 的图像生成模型，已通过同一个 /openai/images/generations 接口接入，无需切换 endpoint，只要把 model 改为下表中的任意一个即可。

模型	计费（Credits / 次）	适用场景
`nano-banana`	0.14	普通图像生成，速度最快、成本最低
`nano-banana-2`	0.28	质量与细节明显提升
`nano-banana-pro`	0.35	系列中的旗舰，构图、细节、文字均最佳

重要：参数支持范围

Nano Banana 通过适配层接入 OpenAI 协议，与 gpt-image-* 相比仅支持以下参数：model、prompt、size。

size 会按下表映射为内部 aspect_ratio，未列出的尺寸会退化为 1:1：

1024x1024 / 512x512 / 256x256 → 1:1

1792x1024 → 16:9

1024x1792 → 9:16

不支持 n、quality、style、response_format、background、output_format 等参数；填了也会被忽略。

返回结构遵循 OpenAI 格式（data[].url），但 created 固定为 0，且不会返回 b64_json，revised_prompt 始终等于原始 prompt。

基本调用

import requests

url = "https://api.acedata.cloud/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "nano-banana",
    "prompt": "a small red apple on a white table, photoreal",
    "size": "1024x1024"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

返回结果如下：

{
  "created": 0,
  "data": [
    {
      "url": "https://platform.cdn.acedata.cloud/nanobanana/6870b330-65c4-436c-bb80-819fdae7a7a4.png",
      "revised_prompt": "a small red apple on a white table, photoreal"
    }
  ]
}

生成的图片可以直接通过返回的 url 字段访问：

升级到旗舰模型 `nano-banana-pro`

只需把 model 改为 nano-banana-pro，其余参数完全一致：

payload = {
    "model": "nano-banana-pro",
    "prompt": "abstract painting",
    "size": "1024x1024"
}

返回示例：

{
  "created": 0,
  "data": [
    {
      "url": "https://platform.cdn.acedata.cloud/nanobanana/6227fcc9-3442-4aa3-a76c-4a4441a99649.png",
      "revised_prompt": "abstract painting"
    }
  ]
}

异步回调

callback_url 异步回调机制对 nano-banana 同样有效，调用流程与其它模型完全一致，详见下文异步回调一节。

基本使用

接下来就可以在界面上填写对应的内容，如图所示：

在第一次使用该接口时，我们至少需要填写三个内容，一个是 authorization，直接在下拉列表里面选择即可。另一个参数是 model， model 就是我们选择使用 OpenAI DALL-E 官网模型类别，这里我们主要有 1 种模型，详情可以看我们提供的模型。最后一个参数是prompt，prompt 是我们输入要生成图像的提示词。

同时您可以注意到右侧有对应的调用代码生成，您可以复制代码直接运行，也可以直接点击「Try」按钮进行测试。

Python 样例调用代码：

import requests

url = "https://api.acedata.cloud/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "dall-e-3",
    "prompt": "A cute baby sea otter"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

调用之后，我们发现返回结果如下：

{
  "created": 1721626477,
  "data": [
    {
      "revised_prompt": "A delightful image showcasing a young sea otter, who is born brown, with wide charming eyes. It is delightfully lying on its back, paddling in the calm sea waters. Its dense, velvety fur appears wet and shimmering, capturing the essence of its habitat. The small creature curiously plays with a sea shell with its small paws, looking absolutely innocent and charming in its natural environment.",
      "url": "https://dalleprodsec.blob.core.windows.net/private/images/5d98aa7c-80c6-4523-b571-fc606ad455b9/generated_00.png?se=2024-07-23T05%3A34%3A48Z&sig=GAz%2Bi3%2BkHOQwAMhxcv22tBM%2FaexrxPgT9V0DbNrL4ik%3D&ske=2024-07-23T08%3A41%3A10Z&skoid=e52d5ed7-0657-4f62-bc12-7e5dbb260a96&sks=b&skt=2024-07-16T08%3A41%3A10Z&sktid=33e01921-4d64-4f8c-a055-5bdaffd5e33d&skv=2020-10-02&sp=r&spr=https&sr=b&sv=2020-10-02"
    }
  ]
}

返回结果一共有多个字段，介绍如下：

created，生成此次图像生成的 ID，用于唯一标识此次任务。
data，包含图像生成的结果信息。

其中 data 是包含了模型生成图片的具体信息，它里面的 url 是生成图片的详情链接，可以发现如图所示。

图片质量参数 `quality`

接下来将介绍如何设置图像生成结果的一些详细参数，其中图片质量参数 quality 包含俩种，第一个 standard 表示生成标准的图片，另一个 hd 表示创建的图像具有更精细的细节和更大的一致性。

下面设置图片质量参数为 standard ，具体设置如下图：

同时您可以注意到右侧有对应的调用代码生成，您可以复制代码直接运行，也可以直接点击「Try」按钮进行测试。

Python 样例调用代码：

import requests

url = "https://api.acedata.cloud/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "dall-e-3",
    "prompt": "A cute baby sea otter",
    "quality": "standard"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

调用之后，我们发现返回结果如下：

{
  "created": 1721636023,
  "data": [
    {
      "revised_prompt": "A cute baby sea otter is lying playfully on its back in the water, with its fur looking glossy and soft. One of its tiny paws is reaching out curiously, and it has an expression of pure joy and warmth on its face as it looks up to the sky. Its body is surrounded by bubbles from its playful twirling in the water. A gentle breeze is playing with its fur making it look more charming. The scene portrays the tranquility and charm of marine life.",
      "url": "https://dalleprodsec.blob.core.windows.net/private/images/a93ee5e7-3abd-4923-8d79-dc9ef126da46/generated_00.png?se=2024-07-23T08%3A13%3A55Z&sig=wTXGYvUOwUIkaB2CxjK9ww%2FHjS8OwYUWcYInXYKwcAM%3D&ske=2024-07-23T11%3A32%3A05Z&skoid=e52d5ed7-0657-4f62-bc12-7e5dbb260a96&sks=b&skt=2024-07-16T11%3A32%3A05Z&sktid=33e01921-4d64-4f8c-a055-5bdaffd5e33d&skv=2020-10-02&sp=r&spr=https&sr=b&sv=2020-10-02"
    }
  ]
}

返回的结果与基本使用的内容一致，可以看到图片质量参数为 standard 的生成图片如下图所示：

与上述相同操作，仅需将图片质量参数设置为 hd ，可以得到如下图所示的图片：

可以看到 hd 比 standard 生成的图片具有更精细的细节和更大的一致性。

图片大小尺寸参数 `size`

我们还可以设置生成图片的尺寸大小，我们可以进行下面的设置。

下面设置图片的尺寸大小为 1024 * 1024 ，具体设置如下图：

同时您可以注意到右侧有对应的调用代码生成，您可以复制代码直接运行，也可以直接点击「Try」按钮进行测试。

Python 样例调用代码：

import requests

url = "https://api.acedata.cloud/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "dall-e-3",
    "prompt": "A cute baby sea otter"
    "size": "1024x1024"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

调用之后，我们发现返回结果如下：

{
  "created": 1721636652,
  "data": [
    {
      "revised_prompt": "A delightful depiction of a baby sea otter. The small mammal is captured in its natural habitat in the ocean, floating on its back. It has thick brown fur that is sleek and wet from the sea water. Its eyes are closed as if it is enjoying a moment of deep relaxation. The water around it is calm, reflecting the peacefulness of the scene. The background should hint at a diverse marine ecosystem, with visible strands of kelp floating on the surface, suggesting the baby otter's preferred environment.",
      "url": "https://dalleprodsec.blob.core.windows.net/private/images/9d625ac6-fd2b-42a9-84a6-8c99eb357ccf/generated_00.png?se=2024-07-23T08%3A24%3A24Z&sig=AXtYXowEakGxfRp8LhC2DwqL%2F07LhEDW40oCP%2BdTO8s%3D&ske=2024-07-23T18%3A00%3A45Z&skoid=e52d5ed7-0657-4f62-bc12-7e5dbb260a96&sks=b&skt=2024-07-16T18%3A00%3A45Z&sktid=33e01921-4d64-4f8c-a055-5bdaffd5e33d&skv=2020-10-02&sp=r&spr=https&sr=b&sv=2020-10-02"
    }
  ]
}

返回的结果与基本使用的内容一致，可以看到图片的尺寸大小为 1024 * 1024 的生成图片如下图所示：

与上述相同操作，仅需将图片的尺寸大小为 1792 * 1024 ，可以得到如下图所示的图片：

可以看到图片的尺寸大小很明显不一样，另外还可以设置更多尺寸大小，详情信息参考我们官网文档。

图片风格参数 `style`

图片风格参数 style 包含俩个参数，第一种 vivid 表示生成的图片是更加生动的，另一种 natural 表示生成的图片更加的自然一点。

下面设置图片风格参数为 vivid ，具体设置如下图：

同时您可以注意到右侧有对应的调用代码生成，您可以复制代码直接运行，也可以直接点击「Try」按钮进行测试。

Python 样例调用代码：

import requests

url = "https://api.acedata.cloud/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "dall-e-3",
    "prompt": "A cute baby sea otter",
    "style": "vivid"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

调用之后，我们发现返回结果如下：

{
  "created": 1721637086,
  "data": [
    {
      "revised_prompt": "A baby sea otter with soft, shiny fur and sparkling eyes floating playfully on calm ocean waters. This adorable creature is trippingly frolicking amidst small, gentle waves under a bright, clear, sunny sky. The tranquility of the sea contrasts subtly with the delightful energy of this young otter. The critter gamely clings to a tiny piece of driftwood, its small paws adorably enveloping the floating object.",
      "url": "https://dalleprodsec.blob.core.windows.net/private/images/6e48f701-7fd3-4356-839e-a2f6f0fe82d9/generated_00.png?se=2024-07-23T08%3A31%3A37Z&sig=4percxqTbUR1j3BQmkhvj%2FAhHzInKI%2FqiTo1MP69coI%3D&ske=2024-07-27T10%3A39%3A55Z&skoid=e52d5ed7-0657-4f62-bc12-7e5dbb260a96&sks=b&skt=2024-07-20T10%3A39%3A55Z&sktid=33e01921-4d64-4f8c-a055-5bdaffd5e33d&skv=2020-10-02&sp=r&spr=https&sr=b&sv=2020-10-02"
    }
  ]
}

返回的结果与基本使用的内容一致，可以看到图片风格参数为 vivid 的生成图片如下图所示：

与上述相同操作，仅需将图片风格参数为 natural ，可以得到如下图所示的图片：

可以看到 vivid 比 natural 生成的图片具有更加生动逼真。

图片链接的格式参数 `response_format`

最后一个图片链接的格式参数 response_format 也有俩种，第一种 b64_json 是对图片链接进行 Base64 编码，另一种 url 就是普通的图片链接，可以直接查看图片。

下面设置图片链接的格式参数为 url ，具体设置如下图：

同时您可以注意到右侧有对应的调用代码生成，您可以复制代码直接运行，也可以直接点击「Try」按钮进行测试。

Python 样例调用代码：

import requests

url = "https://api.acedata.cloud/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "dall-e-3",
    "prompt": "A cute baby sea otter",
    "response_format": "url"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

调用之后，我们发现返回结果如下：

{
  "created": 1721637575,
  "data": [
    {
      "revised_prompt": "A charming depiction of a baby sea otter. The otter is seen resting serenely on its back amidst the gentle, blue ocean waves. The baby otter's fur is an endearing mix of soft greyish brown shades, glinting subtly in the muted sunlight. Its small paws are touching, lifted slightly towards the sky as if playing with an unseen object. Its round, expressive eyes are wide in curiosity, sparking with life and innocence. Use a realistic style to evoke the otter's natural habitat and its adorably fluffy exterior.",
      "url": "https://dalleprodsec.blob.core.windows.net/private/images/87792c5f-8b6d-412e-81dd-f1a1baa19bd2/generated_00.png?se=2024-07-23T08%3A39%3A47Z&sig=zzRAn30TqIKHdLVqZPUUuSJdjCYpoJdaGU6BeoA76Jo%3D&ske=2024-07-23T13%3A32%3A13Z&skoid=e52d5ed7-0657-4f62-bc12-7e5dbb260a96&sks=b&skt=2024-07-16T13%3A32%3A13Z&sktid=33e01921-4d64-4f8c-a055-5bdaffd5e33d&skv=2020-10-02&sp=r&spr=https&sr=b&sv=2020-10-02"
    }
  ]
}

返回的结果与基本使用的内容一致，可以看到图片链接的格式参数为 url 的生成图片的链接为图片 URL 这是可以直接访问的，图片内容如下图所示：

与上述相同操作，仅需将图片链接的格式参数为 b64_json ，可以得到结果 Base64 编码后的图片链接，具体结果如下图所示：

{
  "created": 1721638071,
  "data": [
    {
      "b64_json": "iVBORw0..............v//AQEAAP4AAAD+AAADAQAAAwEEA/4D//8Q/Pbw64mKbVTFoQAAAABJRU5ErkJggg==",
      "revised_prompt": "A charming image of a young baby sea otter. The otter is gently floating on a calm blue sea, basking in the warm, golden rays of sunlight streaming down from a clear sky above. The otter's fur is a rich chocolate brown, and it looks incredibly soft and fluffy. The otter's eyes are bright and expressive, filled with childlike curiosity and joy. It has small, pricked ears and a button-like nose which adds to its overall cuteness. In the sea around it, twinkling droplets of water can be seen, pepped up by the sunlight, the sight is certainly a delightful one."
    }
  ]
}

异步回调

由于 OpenAI Images Generations API 生成图片的时间可能相对较长，如果 API 长时间无响应，HTTP 请求会一直保持连接，导致额外的系统资源消耗，所以本 API 也提供了异步回调的支持。

整体流程是：客户端发起请求的时候，额外指定一个 callback_url 字段，客户端发起 API 请求之后，API 会立马返回一个结果，包含一个 task_id 的字段信息，代表当前的任务 ID。当任务完成之后，生成图片的结果会通过 POST JSON 的形式发送到客户端指定的 callback_url，其中也包括了 task_id 字段，这样任务结果就可以通过 ID 关联起来了。

下面我们通过示例来了解下具体怎样操作。

首先，Webhook 回调是一个可以接收 HTTP 请求的服务，开发者应该替换为自己搭建的 HTTP 服务器的 URL。此处为了方便演示，使用一个公开的 Webhook 样例网站 https://webhook.site/，打开该网站即可得到一个 Webhook URL，如图所示：

将此 URL 复制下来，就可以作为 Webhook 来使用，此处的样例为 https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab。

接下来，我们可以设置字段 callback_url 为上述 Webhook URL，同时填入相应的参数，如以下代码所示：

import requests

url = "https://api.acedata.cloud/openai/images/generations"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "dall-e-3",
    "prompt": "A cute baby sea otter",
    "callback_url": "https://webhook.site/3d32690d-6780-4187-a65c-870061e8c8ab"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

点击运行，可以发现会立即得到一个结果，如下：

1
2
3

{
  "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c"
}

稍等片刻，我们可以在 Webhook URL 上观察到生成图片的结果，内容如下：

{
  "success": true,
  "task_id": "6a97bf49-df50-4129-9e46-119aa9fca73c",
  "trace_id": "9b4b1ff3-90f2-470f-b082-1061ec2948cc",
  "data": {
    "created": 1721626477,
    "data": [
      {
        "revised_prompt": "A delightful image showcasing a young sea otter...",
        "url": "https://dalleprodsec.blob.core.windows.net/private/images/..."
      }
    ]
  }
}

可以看到结果中有一个 task_id 字段，data 字段包含了和同步调用一样的图片生成结果，通过 task_id 字段即可实现任务的关联。

错误处理

在调用 API 时，如果遇到错误，API 会返回相应的错误代码和信息。例如：

400 token_mismatched：Bad request, possibly due to missing or invalid parameters.
400 api_not_implemented：Bad request, possibly due to missing or invalid parameters.
401 invalid_token：Unauthorized, invalid or missing authorization token.
429 too_many_requests：Too many requests, you have exceeded the rate limit.
500 api_error：Internal server error, something went wrong on the server.

错误响应示例

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

结论

通过本文档，您已经了解了如何使用 OpenAI Images Generations API 轻松使用官方 OpenAI DALL-E 的图像生成功能。希望本文档能帮助您更好地对接和使用该 API。如有任何问题，请随时联系我们的技术支持团队。

作者崔庆才发表于 2026-06-11 阅读次数：本文字数： 16k 阅读时长 ≈ 15 分钟

API 开发教程 连接器（Connector）使用教程

连接器（Connector）是 AceData Cloud / Nexior 平台为 AI 助手提供的「外部能力总线」。它把 GitHub、Google Drive、Notion、Slack、Linear 等 Web 应用，以及社区里所有遵循 MCP（Model Context Protocol）的工具，统一收编到对话窗口里 —— 你不需要切换页面，就能让模型读你的 PR、查日历、写 Issue、跑数据库查询。

谁会用到：使用 Nexior / Studio 等基于平台的对话产品的最终用户；以及希望在自己的 Subsite 中预集成第三方工具的站长。

接入入口：登录 studio.acedata.cloud → 顶部「Connector」标签。

三种连接器

类型	来源	配置方式	典型例子
Web Connector	平台预置 OAuth	一键 OAuth 授权	GitHub、Google Drive、Notion、Linear、Atlassian
Built-in MCP	平台托管的 MCP Server	一键开启，无需密钥	Suno、Sora、Veo、Flux、Midjourney、Nano-Banana、SERP
Custom MCP	你自己的 MCP 服务器	手动填 URL + 认证头	公司内网工具、Self-hosted MCP

5 分钟实操

第 1 步：进入 Connector 中心

登录 Studio 后，点击顶部导航 Connector。左侧会按状态分组：Web / Built-in / Custom / Not Connected。

第 2 步：连接 GitHub（Web Connector 示例）

在「Not Connected」分组中找到 GitHub 卡片，点击它；
右侧详情面板出现 Connect 按钮，点击；
浏览器弹窗跳转到 GitHub OAuth 同意页，确认授权；
回到 Studio 后，卡片移动到「Web」分组，状态变为 Connected。

第 3 步：调整工具权限

点击已连接的卡片，向下滚动到「Tool Permissions」：

Read-Only Tools（只读工具，例如 list_issues / get_pull_request）：默认允许；
Write Tools（写入工具，例如 create_issue / merge_pr）：默认每次询问；
你也可以为单个工具切换 Always allow / Always ask / Never use。

第 4 步：在对话中使用

回到任意聊天，输入：

1	帮我看一下 acedatacloud/Nexior 上 main 分支最近 10 个 PR 的标题和合入状态。

模型会自动调用 GitHub Connector 暴露的 list_pull_requests 工具，把结果格式化后发回给你。

添加自定义 MCP Server

如果你已经有一个对外暴露的 MCP HTTP Server（例如公司内部的数据库代理），可以这样接入：

Connector 页右上角 Add → Add Custom Connector；
填写：
- Name：Internal DB
- Endpoint URL：https://mcp.example.com/mcp
- Headers：Authorization: Bearer xxx（如有）；
保存后，平台会拉一次 tools/list，把扫描到的工具罗列在权限面板里。

协议要求：自定义 Connector 必须遵循 MCP HTTP/SSE 规范。直接的纯 REST API 暂不支持，请考虑用 MCPs 仓库里的脚手架包一层。

常见问题

Q：Connector 授权后立即显示 Coming Soon？
A：表示该提供商的 OAuth 应用本站点还未配置。请联系站点管理员（白标场景）或换用 studio.acedata.cloud 主站，主站已为常用 OAuth 全部开通。

Q：Built-in 和 Custom 有什么区别？
A：Built-in 由平台运行（你只用为模型 Token 付费），Custom 由你自己运行（消耗你自己的服务器资源 + 凭证）。两者对模型来说都是普通工具调用。

Q：能在 API 里使用 Connector 吗？
A：能。/openai/chat/completions 接口支持 tools 字段，平台会把已连接的 Connector 自动注入；详见 OpenAI Chat Completions 工具调用章节。

API 开发教程 获取 AceDataCloud 平台服务申请详情

通过 Application ID 获取单个服务申请的完整状态——比列表接口多出 service 完整对象（含 packages 套餐）、credentials_count 等字段，适用于详情页。

ℹ️ 本接口属于 AceDataCloud 平台管理 API，统一前缀 https://platform.acedata.cloud/api/v1/。完整接口索引见获取 AceDataCloud 平台文档列表。

接口概览

项	内容
方法	`GET`
URL	`https://platform.acedata.cloud/api/v1/applications/{application_id}`
鉴权	✅ 需要账户令牌

⚠️ URL 不要带尾部斜杠——/applications/{id} 不是 /applications/{id}/。

鉴权说明（如何获取账户令牌）

请求头：

1	Authorization: Bearer platform-v1-92eb****629c

详细获取方式见管理 AceDataCloud 平台账户令牌。

ℹ️ 与列表接口不同，详情接口的权限校验是直接对单一对象做，无需传 ?user_id=。但你访问别人的申请会得到 403 permission_denied。

路径参数

参数	类型	必填	说明
`application_id`	UUID	✅	Application ID

请求示例

cURL

1
2
3

curl 'https://platform.acedata.cloud/api/v1/applications/82f57141-2323-4453-8730-60f7d833a2da' \
  -H 'accept: application/json' \
  -H 'authorization: Bearer platform-v1-92eb****629c'

Python

import requests

app_id = "82f57141-2323-4453-8730-60f7d833a2da"
resp = requests.get(
    f"https://platform.acedata.cloud/api/v1/applications/{app_id}",
    headers={
        "accept": "application/json",
        "authorization": "Bearer platform-v1-92eb****629c",
    },
    timeout=10,
)
app = resp.json()
print(f"服务：{app['service']['title']}")
print(f"剩余 {app['remaining_amount']} {app['service']['unit']} / 已用 {app['used_amount']}")
print(f"已发凭证数：{app.get('credentials_count', 0)}")

Node.js

const appId = '82f57141-2323-4453-8730-60f7d833a2da'
const r = await fetch(`https://platform.acedata.cloud/api/v1/applications/${appId}`, {
  headers: { authorization: 'Bearer platform-v1-92eb****629c' },
})
console.log(await r.json())

响应示例（HTTP 200）

{
  "id": "82f57141-2323-4453-8730-60f7d833a2da",
  "service_id": "38ecf158-36f2-42f2-8e7f-6786cdfc2452",
  "remaining_amount": 100.0,
  "used_amount": 12.34,
  "paid": true,
  "user_id": "89518d07-5560-4b05-92c1-667f3ddf6a4b",
  "disabled": false,
  "allow_consume_global": false,
  "scope": "Individual",
  "type": "Usage",
  "expired_at": null,
  "tags": null,
  "metadata": null,
  "credentials_count": 3,
  "service": {
    "id": "38ecf158-36f2-42f2-8e7f-6786cdfc2452",
    "alias": "openai",
    "title": "OpenAI",
    "type": "Api",
    "unit": "Credit",
    "free_amount": 1.0,
    "packages": [
      { "id": "...", "type": "Usage", "price": 10.0, "amount": 100.0 }
    ]
  },
  "created_at": "2026-04-26T07:52:27.462400Z",
  "updated_at": "2026-04-26T08:42:13.123456Z"
}

响应字段说明

字段含义同列表接口，额外包含：

字段	类型	说明
`credentials_count`	integer	该 Application 当前已签发的 API 凭证数量
`service`	object	完整的服务对象（含 `packages` 套餐、`unit`、`free_amount`），可直接渲染服务详情面板

错误处理

HTTP	code	含义
401	`not_authenticated`	缺少账户令牌
403	`permission_denied`	该 Application 不属于你
404	`not_found`	Application 不存在或已删除
500	—	URL 末尾误加斜杠，去掉后重试

实用提示

详情接口比列表更贵：会跑额外的关联查询。如果只是周期性余额监控，应该用列表接口配合 ?low_balance=true。
credentials_count=0 是正常的：刚申请完还没创建凭证。这时跳创建 AceDataCloud 平台 API 凭证即可。
disabled=true 排查思路：检查工单 / 邮件通知，看是否因风控、欠费、违规调用被关停；不能通过 API 解除，必须联系客服。

产品推广 JetBrains 对接 Luma MCP

📘 完整指南：在 JetBrains（IntelliJ IDEA / PyCharm / WebStorm 等）里用全部 11 个 AceData Cloud MCP →

Luma AI 的 Dream Machine 视频模型，运镜自然、物理感强、支持 image-to-video。通过 MCP 接入 JetBrains（IntelliJ IDEA / PyCharm / WebStorm 等）后，可以直接在对话里调用，不用切窗口、不用复制粘贴。

获取 API Token

到 AceData Cloud 平台注册账号，复制首页的 API Token——一个 Token 即可使用全部 11 个 MCP Server。详细步骤见完整指南。

配置

编辑配置：Junie 或 Claude 插件设置 → MCP Servers → Add Server

Name: luma
Type: HTTP (Streamable)
URL: https://luma.mcp.acedata.cloud/mcp
Headers:
  Authorization = Bearer 你的Token

保存后在 Junie / Claude 插件的工具栏即可看到工具。

使用示例

用 Luma 生成一段 5 秒视频：海面上的灯塔，夜晚，浪花拍打

把这张产品图（链接 xxx）做成一个 360 度旋转展示视频

把前面这段 5 秒视频续写到 10 秒，保持镜头风格

工具

工具	说明
luma_generate_video	文生视频 / 图生视频 / 视频续写

产品推广 Gemini CLI 对接 Hailuo (MiniMax) MCP

📘 完整指南：在 Gemini CLI 里用全部 AceData Cloud MCP →

MiniMax 海螺是文生视频 / 图生视频模型，支持 Director Mode 精确控制运镜。通过 MCP 接入 Gemini CLI 后，可以直接在对话里调用，不用切窗口、不用复制粘贴。

获取 API Token

到 AceData Cloud 平台注册账号，复制首页的 API Token——一个 Token 即可使用全部 AceData Cloud MCP Server。详细步骤见完整指南。

配置

编辑配置：命令行一键添加（推荐）

gemini mcp add hailuo \
  --type http \
  --url https://hailuo.mcp.acedata.cloud/mcp \
  --header "Authorization: Bearer 你的Token"

或手动编辑 ~/.gemini/settings.json：

{
  "mcpServers": {
    "hailuo": {
      "httpUrl": "https://hailuo.mcp.acedata.cloud/mcp",
      "headers": { "Authorization": "Bearer 你的Token" }
    }
  }
}

下一次 gemini 会话启动时即可使用工具。

使用示例

用 hailuo-02 生成 6 秒视频：傍晚的山间小路，雾气漫过来，镜头慢慢推进

用 hailuo-01-director 生成视频：[拉镜头]一个咖啡馆的桌面特写转到[摇镜头]整个店内

用这张图（链接 xxx）做 image2video，让画面里的鸟从树枝飞起

工具

工具	说明
hailuo_generate_video	通过文本或图片生成视频（hailuo-02 / hailuo-02-pro / hailuo-01-director / hailuo-01-live）

API 开发教程 Midjourney Imagine API 申请及使用

Midjourney 是一款非常强大的 AI 绘图工具，只要输入关键字，就能在短短一两分钟生成十分精美的图像。Midjourney 以其出色的绘图能力在业界独树一帜，如今，Midjourney 早已在各个行业和领域广泛应用，其影响力愈发显著。

本文档主要介绍 Midjourney API 中 Imagine 操作的使用流程，利用它我们可以轻松通过文本生成所需要的图像。

申请流程

要使用 Midjourney Imagine API，首先可以到 Midjourney Imagine API 页面点击「Acquire」按钮，获取请求所需要的凭证：

如果你尚未登录或注册，会自动跳转到登录页面邀请您来注册和登录，登录注册之后会自动返回当前页面。

在首次申请时会有免费额度赠送，可以免费使用该 API。

基本使用

接下来就可以在界面上填写对应的内容，如图所示：

在第一次使用该接口时，我们至少需要填写两个内容，一个是 authorization，直接在下拉列表里面选择即可。另一个参数是 prompt， prompt 就是我们想生成的图片描述内容，建议用英文描述，画的图会更准确效果更好，这里我们用了示例内容 Lamborghini speeds inside a volcano，代表要画一个兰博基尼在火山飞驰。

同时您可以注意到右侧有对应的调用代码生成，您可以复制代码直接运行，也可以直接点击「Try」按钮进行测试。

主要请求参数：

prompt：图片描述词（支持自动翻译）。
mode：生成模式，可选 fast/relax/turbo，默认 fast。
timeout：超时时间（秒），超时会直接返回。
translation：是否自动翻译非英文 prompt。
split_images：是否将 2x2 结果拆分返回单张。
action/image_id：对历史图片继续操作时需指定。
callback_url：异步回调地址。

调用之后，我们发现返回结果如下：

{
  "image_url": "https://midjourney.cdn.acedata.cloud/attachments/1233387694839697411/1234197197067915365/36rgqit64j90qptsxnyq_Lamborghini_speeds_inside_a_volcano_id0494_f47263b6-ff92-44a3-88ee-51cf0e706aae.png?ex=662fdb36&is=662e89b6&hm=ca9be54907726937ed02517a13466bef2afb2825b7cda4b313de56a3c3310d0d&width=1024&height=1024",
  "image_width": 1024,
  "image_height": 1024,
  "image_id": "1234197197067915365",
  "raw_image_url": "https://midjourney.cdn.acedata.cloud/attachments/1233387694839697411/1234197197067915365/36rgqit64j90qptsxnyq_Lamborghini_speeds_inside_a_volcano_id0494_f47263b6-ff92-44a3-88ee-51cf0e706aae.png?ex=662fdb36&is=662e89b6&hm=ca9be54907726937ed02517a13466bef2afb2825b7cda4b313de56a3c3310d0d&",
  "raw_image_width": 2048,
  "raw_image_height": 2048,
  "progress": 100,
  "actions": [
    "upscale1",
    "upscale2",
    "upscale3",
    "upscale4",
    "reroll",
    "variation1",
    "variation2",
    "variation3",
    "variation4"
  ],
  "task_id": "1bae3bec-3ac4-4180-a148-74ee6cb68b98",
  "success": true
}

返回结果一共有多个字段，介绍如下：

task_id，生成此图像任务的 ID，用于唯一标识此次图像生成任务。
image_id，图片的唯一标识，在下次需要对图片进行变换操作时需要传此参数。
image_url，缩略图的 URL，直接打开即可查看生成的效果。
image_width：缩略图的像素宽度。
image_height：缩略图的像素高度。
raw_image_url：原图的 URL，和缩略图内容一样，但相比缩略图更加高清，加载速度会更慢一些。
raw_image_width：原图的像素宽度。
raw_image_height：原图的像素高度。
actions，可以对生成的图片进行的进一步操作列表。这里一共列了 8 个，其中 upscale 代表放大，variation 代表变换。所以 upscale1 代表的就是对左上角第一张图片进行放大操作，variation3 就是代表根据左下角第三张图片进行变换操作。

打开 image_url 或者 raw_image_url 所对应的链接，可以发现如图所示。

可以看到，这里生成了一张 2x2 的预览图。到现在为止，第一次 API 调用就完成了。

图像放大与变换

下面我们尝试针对当前生成的照片进行进一步的操作，比如我们觉得右上角第二张的图片还不错，但我们想进行一些变换微调，那么就可以进一步将 action 填写为 variation2，同时将 image_id 传递即可：

这时候得到的结果如下：

{
  "image_url": "https://midjourney.cdn.acedata.cloud/attachments/1233387694839697411/1234201336543969401/36rgqit64j90qptsxnyq_Lamborghini_speeds_inside_a_volcano_id0494_10dc56a7-ec16-4bac-878e-2338f2ae5f5d.png?ex=662fdf10&is=662e8d90&hm=9aec96bca35ae20b6f9ab536101b9c4ea255eb6216cbf7000ac554937da071f3&width=1024&height=1024",
  "image_width": 1024,
  "image_height": 1024,
  "image_id": "1234201336543969401",
  "raw_image_url": "https://midjourney.cdn.acedata.cloud/attachments/1233387694839697411/1234201336543969401/36rgqit64j90qptsxnyq_Lamborghini_speeds_inside_a_volcano_id0494_10dc56a7-ec16-4bac-878e-2338f2ae5f5d.png?ex=662fdf10&is=662e8d90&hm=9aec96bca35ae20b6f9ab536101b9c4ea255eb6216cbf7000ac554937da071f3&",
  "raw_image_width": 2048,
  "raw_image_height": 2048,
  "progress": 100,
  "actions": [
    "upscale1",
    "upscale2",
    "upscale3",
    "upscale4",
    "reroll",
    "variation1",
    "variation2",
    "variation3",
    "variation4"
  ],
  "task_id": "f4961620-1104-409f-9dc1-ba3ed15c2f4d",
  "success": true
}

打开 image_url，新生成的图片如下所示：

可以看到，针对上一张右上角的图片，我们再次得到了四张类似的照片。

这时候我们可以挑选其中一张进行精细化地放大操作，比如选第四张，那就可以 action 传入 upscale4，通过 image_id 再次传入当前图像的 ID 即可。

注意： upscale 操作相比 variation 来说，Midjourney 的耗时会更短一些。

返回结果如下：

{
  "image_url": "https://midjourney.cdn.acedata.cloud/attachments/1233387694839697411/1234202545208033400/36rgqit64j90qptsxnyq_Lamborghini_speeds_inside_a_volcano_id0494_34edc3f5-2bd0-4f5b-a372-03270b02289b.png?ex=662fe031&is=662e8eb1&hm=f8006c4d33a03dfd027dffe4eb46ab0d113a4910aef07497f0b335c8998b7858&width=512&height=512",
  "image_width": 512,
  "image_height": 512,
  "image_id": "1234202545208033400",
  "raw_image_url": "https://midjourney.cdn.acedata.cloud/attachments/1233387694839697411/1234202545208033400/36rgqit64j90qptsxnyq_Lamborghini_speeds_inside_a_volcano_id0494_34edc3f5-2bd0-4f5b-a372-03270b02289b.png?ex=662fe031&is=662e8eb1&hm=f8006c4d33a03dfd027dffe4eb46ab0d113a4910aef07497f0b335c8998b7858&",
  "raw_image_width": 1024,
  "raw_image_height": 1024,
  "progress": 100,
  "actions": [
    "upscale_2x",
    "upscale_4x",
    "variation_subtle",
    "variation_strong",
    "zoom_out_2x",
    "zoom_out_1_5x",
    "pan_left",
    "pan_right",
    "pan_up",
    "pan_down"
  ],
  "task_id": "03f62b17-a6f1-4c8e-9b4d-1fc7bd5b1180",
  "success": true
}

其中 image_url 如图所示：

这样我们就成功得到了一张兰博基尼的照片。

同时注意到 actions 里面又包含了几个可进行的操作，介绍如下：

upscale_2x：对画面放大 2 倍，得到 2 倍高清图。
upscale_4x：对画面放大 4 倍，得到 4 倍高清图。
zoom_out_2x：对画面进行缩小两倍操作（周围区域填充）。
zoom_out_1_5x：对画面进行缩小 1.5 倍操作（周围区域填充）。
pan_left：对画面进行左偏移操作。
pan_right：对画面进行右便宜操作。
pan_up：对画面进行上偏移操作。
pan_down：对画面进行下偏移操作。

可以继续按照上述流程传入对应的变换指令进行连续生图操作。

图像改写（垫图）

该 API 也支持图像改写，俗称垫图，我们可以输入一张图片 URL 以及需要改写的描述文字，该 API 就可以返回改写后的图片。

注意：输入的图片 URL 需要是一张纯图片，不能是一个网页里面展示一张图片，否则无法进行图像改写。建议使用图床来上传获取图片的 URL。

例如，我们这里有一张公路落日的图片，公路旁边有一些树木和楼房，如图所示：

现在我们想在它的基础上改写成海滩旁边，同时放一辆汽车停在路边。我们就可以构造如下的 prompt：

1	https://cdn.acedata.cloud/v014oc.png an illustration of a car parked on the beach --iw 2

可以看到，我们的 prompt 的最开头是一个 HTTPS 开头的图片链接，然后接着加一个空格，后面跟上 prompt 文字的内容。这里我们还用了额外的一些高级参数，如 —iw 2 来调整图片的权重。

我们可以将如上内容作为一个整体，传递给 prompt 字段，如图所示：

输出结果如下：

{
  "image_url": "https://midjourney.cdn.acedata.cloud/attachments/1234427310434947145/1234539663515975690/atmateosa5693_An_illustration_of_a_car_parked_on_the_beach_id26_cc8650ec-7e4b-4685-8911-78172430d8a7.png?ex=66311a28&is=662fc8a8&hm=c39707a1f22bc7f12874060ea6ed58ba37c188139ccc9a13c61ed9f37e66ea74&width=1456&height=816",
  "image_width": 1456,
  "image_height": 816,
  "image_id": "1234539663515975690",
  "raw_image_url": "https://midjourney.cdn.acedata.cloud/attachments/1234427310434947145/1234539663515975690/atmateosa5693_An_illustration_of_a_car_parked_on_the_beach_id26_cc8650ec-7e4b-4685-8911-78172430d8a7.png?ex=66311a28&is=662fc8a8&hm=c39707a1f22bc7f12874060ea6ed58ba37c188139ccc9a13c61ed9f37e66ea74&",
  "raw_image_width": 2912,
  "raw_image_height": 1632,
  "progress": 100,
  "actions": [
    "upscale1",
    "upscale2",
    "upscale3",
    "upscale4",
    "reroll",
    "variation1",
    "variation2",
    "variation3",
    "variation4"
  ],
  "task_id": "24a79e8b-a79d-471a-aef7-089dc0627ee8",
  "success": true
}

这时候我们就得到了如下生成的图片：

可以看到，在原来的图片整体风格和构图不变的前提下，整个场景变成了海滩旁边，同时公路上还出现了汽车，这就是 Prompt with Image。

图像融合

该 API 也支持图像融合，我们可以传入多张图片，以实现不同的图片融合效果。

比如说这里我们一共有两张图片，一张是一只玩具熊，另一张是一个电锯，分别如图所示：

现在我们想把二者融合起来，让这只熊拿着这个电锯，怎么做呢？

我们可以构造如下的 prompt：

1	https://cdn.acedata.cloud/8fapzl.png https://cdn.acedata.cloud/c1igbw.png The bear is holding the chainsaw --iw 2

可以发现，和 Image with Prompt 类似，我们这里将多张图片 URL 放在了 prompt 开头，并以空格分隔，最后再加上文字 prompt，将如上内容作为一个整体传递给 prompt 参数，运行效果如下：

{
  "image_url": "https://midjourney.cdn.acedata.cloud/attachments/1234291876639674388/1234547236830973972/kcisok_The_bear_is_holding_the_chainsaw_id8873344_ad605bc4-ba19-4807-b94f-367dab672f7a.png?ex=66312136&is=662fcfb6&hm=0fb1e2261c9a30b04de9da9b23b7562eb73677f1bbda1fae52c7243b12d25aac&width=1024&height=1024",
  "image_width": 1024,
  "image_height": 1024,
  "image_id": "1234547236830973972",
  "raw_image_url": "https://midjourney.cdn.acedata.cloud/attachments/1234291876639674388/1234547236830973972/kcisok_The_bear_is_holding_the_chainsaw_id8873344_ad605bc4-ba19-4807-b94f-367dab672f7a.png?ex=66312136&is=662fcfb6&hm=0fb1e2261c9a30b04de9da9b23b7562eb73677f1bbda1fae52c7243b12d25aac&",
  "raw_image_width": 2048,
  "raw_image_height": 2048,
  "progress": 100,
  "actions": [
    "upscale1",
    "upscale2",
    "upscale3",
    "upscale4",
    "reroll",
    "variation1",
    "variation2",
    "variation3",
    "variation4"
  ],
  "task_id": "891f2645-ee15-4c7b-ac24-d98163c8e57e",
  "success": true
}

我们就得到了如下结果：

可以看到，我们就成功实现了图片融合。

注意：图片融合最多可以支持 5 个图片 URL 作为输入，也就是最多支持 5 张图片融合，输入格式同上。

局部变换

该 API 也支持图像的局部绘图功能，但只支持在上文内容下生成的图片，我们可以传入一张生成图片的的唯一ID，局部重绘的行为参数 action 以及需要重绘区域的掩码mask，以实现在改掩码区域进行重绘。

比如说这里我们有一张生成关于猫的图片：

现在我们想对这个猫脸进行重绘，怎么做呢？

首先我们需要获取该区域的掩码mask，此mask是通过灰度图片进行Base64编码得来的，下面提供一些获取掩码的工具代码：

Python获取掩码示例代码：

import sys
import os
from PySide6.QtWidgets import *
from PySide6.QtGui import QPainter, QMouseEvent, QPen, QColor, QImage
from PySide6.QtCore import Qt, QPoint

class DrawingWidget(QWidget):
    def __init__(self, imagePath):
        super().__init__()
        self.setAttribute(Qt.WA_StaticContents)
        self.background_image = QImage(imagePath)
        imageSize = self.background_image.size()*0.8
        self.setFixedSize(imageSize)
        self.foreground_image = QImage(self.size(), QImage.Format_ARGB32)
        self.foreground_image.fill(Qt.transparent)
        self.drawing = False
        self.lastPoint = QPoint()
        self.pen_color = QColor(255, 255, 255, 255)
        self.pen_size = 50

    def set_pen_size(self, size):
        self.pen_size = size

    def mousePressEvent(self, event: QMouseEvent):
        if event.button() == Qt.LeftButton:
            self.drawing = True
            self.lastPoint = event.pos()

    def mouseMoveEvent(self, event: QMouseEvent):
        if event.buttons() & Qt.LeftButton and self.drawing:
            painter = QPainter(self.foreground_image)
            painter.setRenderHint(QPainter.Antialiasing, True)
            pen = QPen(self.pen_color, self.pen_size,
                       Qt.SolidLine, Qt.RoundCap, Qt.RoundJoin)
            painter.setPen(pen)
            painter.drawLine(self.lastPoint, event.pos())
            self.lastPoint = event.pos()
            self.update()

    def mouseReleaseEvent(self, event: QMouseEvent):
        if event.button() == Qt.LeftButton and self.drawing:
            self.drawing = False

    def paintEvent(self, event):
        canvasPainter = QPainter(self)
        canvasPainter.drawImage(
            self.rect(), self.background_image, self.background_image.rect())
        canvasPainter.drawImage(
            self.rect(), self.foreground_image, self.foreground_image.rect())

    def save_image(self, path):
        self.foreground_image.save(path)

class MainWindow(QDialog):
    def __init__(self, imagePath):
        super().__init__()
        self.setWindowTitle("mask tool")
        self.drawing_widget = DrawingWidget(imagePath)
        self.currentPath = os.getcwd().replace("\\", "/")
        self.tempPath = self.currentPath + "/temp.jpg"
        self.projectPath = ""
        self.setDone = False

    def init_ui(self):
        layout = QVBoxLayout()
        layout.addWidget(self.drawing_widget)
        controls_layout = QHBoxLayout()
        size_label = QLabel("pen size:")
        controls_layout.addWidget(size_label)
        self.size_slider = QSlider(Qt.Horizontal)
        self.size_slider.setMinimum(100)
        self.size_slider.setMaximum(400)
        self.size_slider.setValue(400)
        self.size_slider.valueChanged.connect(self.update_pen_size)
        controls_layout.addWidget(self.size_slider)
        self.lineEdit_addPromp = QLineEdit()
        layout.addWidget(self.lineEdit_addPromp)
        save_button = QPushButton("   Start partial redrawing   ")
        save_button.clicked.connect(self.save_image)
        controls_layout.addWidget(save_button)
        dont_button = QPushButton("   Cancel partial redraw   ")
        dont_button.clicked.connect(self.dont_image)
        controls_layout.addWidget(dont_button)
        layout.addLayout(controls_layout)
        self.setLayout(layout)

    def update_pen_size(self):
        size = self.size_slider.value()
        self.drawing_widget.set_pen_size(size)

    def save_image(self):
        tempImage = self.currentPath + "/temp.jpg"
        self.drawing_widget.save_image(self.tempPath)
        self.prompt = self.lineEdit_addPromp.text()
        self.setDone = True
        self.close()

    def dont_image(self):
        self.setDone = False
        self.close()

    def closeEvent(self, event):
        if self.setDone:
            pass
        else:
            self.setDone = False
        event.accept()


if __name__ == '__main__':
    imagePath = "test.png"
    app = QApplication(sys.argv)
    mainWindow = MainWindow(imagePath)
    mainWindow.init_ui()
    mainWindow.exec()

通过以上代码可以获得掩码图片，在这个过程中我们需要注意掩码图片必须与原图片一样的尺寸，然后掩码图片中白色的区域就是需要重绘的区域，下面展示猫图片需要重绘的掩码图片与原图的对比：

原图片：

掩码图片：

最后我们还需要将掩码图片转换为基于Base64的编码，接下来提供转换Base64编码的代码：

Python转换Base64示例代码：

import cv2
import base64

image_path = 'temp.jpg'
gray_image = cv2.imread(image_path)
_, buffer = cv2.imencode('.jpg', gray_image)
base64_encoded = base64.b64encode(buffer).decode('utf-8')
with open('grayscale_image_base64.txt', 'w') as f:
    f.write(base64_encoded)

print("success!")

注意：上述 Python 代码描述了 mask 的生成过程，如果您要将其对接到您的产品中，请根据其原理编写对应语言的代码。

通过以上代码，我们获得了需要重绘的掩码 mask ，下面我们还需要需要将参数 action 设置为 variation_region ，生成图片的ID image_id （获取该参数参考上文的内容），以及传入对应的掩码 mask ，其它参数信息如下：

action：对图片进行操作的行为，此处为 variation_region ，表示对图片进行局部重绘。
prompt：对图像进行局部重绘的描述词（可选参数）。
image_id：图片的唯一标识，方便对图像进行局部重绘。
mask：图片对应的掩码区域的base64编码（图片是上面image_id指定的）。

因此根据以上规则我们需要设置正确的的参数，参数 prompt 是一个非必填参数，这里为了方便对比将掩码区域的 prompt 设置为 A cute cat ，具体的参数设置如下图所示：

代码示例

可以发现，在页面右侧已经自动生成了各种语言的代码，如图所示：

部分代码示例如下：

CURL

curl -X POST 'https://api.acedata.cloud/midjourney/imagine' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "prompt": "A  cute cat ",
  "action": "variation_region",
  "image_id": "1265875488702726144",
  "mask": "/9j/4AAQSkZJRgABAQAAAQABAAD/2wBDAAIBAQEBAQIBAQECAgICAgQDAgICAgUEBAMEBgUGBgYFBgYGBwkIBgcJBwYGCAsICQoKCgoKBggLDAsKDAkKCgr/2wBDAQICAgICAgUDAwUKBwYHCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgoKCgr/wAARCAGaAZoDASIAAhEBAxEB/8QAHwAAAQUBAQEBAQEAAAAAAAAAAAECAwQFBgcICQoL/8QAtRAAAgEDAwIEAwUFBAQAAAF9AQIDAAQRBRIhMUEGE1FhByJxFDKBkaEII0KxwRVS0fAkM2JyggkKFhcYGRolJicoKSo0NTY3ODk6Q0RFRkdISUpTVFVWV1hZWmNkZWZnaGlqc3R1dnd4eXqDhIWGh4iJipKTlJWWl5iZmqKjpKWmp6ipqrKztLW2t7i5usLDxMXGx8jJytLT1NXW19jZ2uHi4+Tl5ufo6erx8vP09fb3+Pn6/8QAHwEAAwEBAQEBAQEBAQAAAAAAAAECAwQFBgcICQoL/8QAtREAAgECBAQDBAcFBAQAAQJ3AAECAxEEBSExBhJBUQdhcRMiMoEIFEKRobHBCSMzUvAVYnLRChYkNOEl8RcYGRomJygpKjU2Nzg5OkNERUZHSElKU1RVVldYWVpjZGVmZ2hpanN0dXZ3eHl6goOEhYaHiImKkpOUlZaXmJmaoqOkpaanqKmqsrO0tba3uLm6wsPExcbHyMnK0tPU1dbX2Nna4uPk5ebn6Onq8vP09fb3+Pn6/9oADAMBAAIRAxEAPwD+f+iiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiv12/4Jcf8GoX7XX7X+nab8af2y9Tvfgt4GmvZYZPDOpaHIni7VIYbmGOTFncxxx6dHLH9pEdzceZKJIY5PsssUschAPyJor+tT4X/wDBqr/wRb8B+AbLwf4i/Z51/wAb6naCaOfxP4n8f6ol9fb5ZHAmj0+5tbVfLB8oeVDHxHk5kzIen/4hdP8Aghd/0Y1/5kzxP/8ALSgD+QSiv3u/b4/4Myb/AMOeFZPF/wDwTc+POoa9d6fYO9z4F+KU9rHdajLFHcyZtdStYoohLL/osMVtNDFECZJZbuMYjr8Ufj/8Bfi3+yx8YvEPwD/aD+H1/wCF/GPhfUjaa1oN9jzbV8Eg5GY5Y5I/LkjljJjlikjkjLxuDQB5/RRRQAUUUUAFFfrt+wH/AMGi37dP7U3hGL4hftS+MdP+BGj32nCbSdP1fSTq+u3JeO2liaSxjnhjtIjHLKCJrhLqKW2MclqAfMH6Ef8AEFh/wSy/6L78ff8AwqdC/wDlNQB/MDRX9Mviz/gy0/4JzXfhvUtO8D/tFfG3TtafT5o9Kv8AVdX0e9tbe5MZEM0tvHp8LzRiTJMQliLhcCSMkGvzQ/4Kdf8ABsN+3V/wT18M618bfh3e6b8YfhdoWny3us+JvD9l9i1LSbaOK3Es15pksskgiEksh320t0I4rWWaX7MOAAfmTRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQB+5/wDwaS/8EgIPij4sb/gqR+0F4N0288OeHtUm0/4VaDrej3LGbWIpI/N16JpCsMkdsfMtoT++H2rzpP3MtjEZP6La8i/Yj/Zf8PfsafsmfD39lPwm+nyWngTwtY6VPe6dpEenR6hcxwr9pvvs8RIikubnzbqUb5CZZ5CZJDkn12gAooooAK+RP+Cvv/BLP4P/APBU79krV/g34w8N2K+OtHsbu8+FHiy4mMEuh6y0f7rzJkhlk+wzSpHHdReXKHixIB5sUMsX13RQB/CH8f8A4C/Fv9lj4xeIfgH+0H8Pr/wv4x8L6kbTWtBvsebavgkHIzHLHJH5ckcsZMcsUkckZeNwa8/r+yL/AIK2f8EQP2Vv+CuXhew1H4pvqXhX4g+HNPubTwt8QvDyRfaYYpI5fKtb2OQf6fYx3MnneSTFKCJBFND50xl/CD9n3/g09/4Kk/Fn9onW/hL8TfDeg+AvCvhfWzp+r/ErWL8zWWpQg2shm0m2ixc3++2uTLF5kdvCTDLbSzW1xHJFGAfl5X9NH/BrF/wRq8Lfs3fAjRv+CiH7RHgPTLn4m+P9L+2/Dq4fUo7z/hHfDF1bxGGaOMR+XDe3Uck3mSeZJJHayQw/uTLdxH6N/wCCbP8Awbkf8E5f+Cdn9k+Po/AX/Cz/AImae0M7ePvHlnHcfYbyL7LIZdOsv+Paw8u6tvOilxLdw+bJH9qkFfoPQAUUUUAFFFFAH8+v/B2R/wAEZvDHgPS5/wDgqd+y/wCAtN0m0mv8fHOxtdQjt0e6urmKOy1mK28sZkluZjDdGOTMksttN5OftU1fgbX953xe+FPgf41fCnxN8GPiZoDaj4b8X6FfaN4g04XkkX2uxuonhuIvMiIkTzI5HH7sgjsRX8fP/BaP/glR48/4JR/tj6r8G/J8Qah8OtaIv/hh431u0iQazYeXEZYTJD+7NzayyC2lGIj/AKqbyoormIUAfG9FFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAf3+UV8rf8ABHD9uLTv+ChP/BOv4bftGDxo2ueJZdAg0r4iy3H2WK5i8R2kQhvvMt7Q+XbedKPtUUX7s/Zrq3k8uPzQB9U0AFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFfm5/wdB/sO6V+1x/wSz8VfEzSvBP8AaPjb4N/8Vb4au4jaRSwWMeBq8Ukswz9m+w+bdSRRSRmWWwtv9YYhFJ+kdeZ/tZfBB/2nf2XviV+zUnio6IfiJ4B1fwy2ttZfafsAv7KW1+0+T5kfmmMSmTy/MjzjGRnNAH8J9Fb3i7wj4q8C+KtU8DeM/DWoaNrmiX8llq+k6nYyW9zYXMUhjkhljkxJFLG/7sxkZBBzjFYNABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAfpP/AMG73/BaG3/4Jd/tCXnw4+PHiPXpvgh47UJ4isbJ/Pg8Pap+5EWvJbeWZJPLjjMU0duY5JYmEmLmS1toT/VR8I/i58MPjn4Asfij8G/iVoPi/wAN6o039n+IfDOrxahYXRimkil8m5hJilEcsckeQTzGc81/BhX64/8ABs//AMFu/jD+yJ8efB//AAT1+KKaj4t+FnxK8XWmi+FrFLnNz4P1m/ulijktfMbH2Ka4lH2m2zwZDcxfvfOiugD+ouiiigAooooAKKKKACiiigAooooAKKKKACiiigD+O3/g4m/Zl/4Zm/4LBfGbRrLTNfi0jxZryeMdJvtfiAN8NWhivruW2k8uMTW0d9LfW0ZHQ2piMkkkclfCtfvB/wAHsf7NI034n/BT9sHTdJ16c6xoN/4N8QX3l+Zpdl9imN/YRCTyv3V1N9t1I4kk/eR2uY4/3UpP4P0AFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUV3n7PHwT8R/tJfHvwT+z14Lv9Os9Y8feLdN8PaPeaxJKlrFd3tzHbxSSmKOSQRebIoJEbkDPBPFAH9yXwh+K3gf41fCnwz8Z/hnr7aj4b8X6FY6z4f1E2ckX2uxuokmt5fLlAkTzI5EP7wAjuBXXVwf7PHwT8Ofs2/ATwT+z14Lv9RvNH8A+EtN8PaPeaxJE91LaWVtHbxSSmKOOMy+VGoJEaAnPAHFd5QAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQB8rf8Fj/2HdO/4KE/8E6/iT+zmfBba54ll0CfVfh1Fb/ZYrmLxHaRGax8u4ux5dt50o+yyy/uz9muriPzI/NJH8Vlf3+V/GZ/wXa/Yyh/Yf8A+CqnxZ+DuieHl03w1quvN4l8Fx2/h3+yLAaZqf8ApUdtYxcxm1tZJJbASRHyybCQARkGKMA+NqKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAr9Y/+DQf9ms/F3/gqnN8cLnSddfTfhN4B1LVbPVdOgH2BNTvSNNitruXyjjzbW51KWKLMcshtMjMcUgP5OV/TX/wZsfsk6l8If2FPGn7WWu2GpWl98YPFsVtpayXttLbXOj6OJbaK6iji/eRSm+utVik805ItoiIwP3koB+yNFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABX5N/8AB0p/wSK8c/t7fs86H+0r+zP8Ojr/AMVPhcbiO60jS7eJb7xD4clBlmtY/wB0Zbu5tphHNbW3mLkT3wijlmmjjP6yUUAfwB0V+rP/AAc9f8EhdL/4J8/tP2v7THwG8Dafp3wg+LGoyDTdD8P6NcQ2vhPWIo4mubEnmGOK5Pm3VtFHJHwLqKKGOK1Bk/KagAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooA+iv8Aglt+xdF/wUI/b7+GH7IV1r6afp3jHXiNdvI7jyZ49MtYZb2++zyeTN/pX2W2uPJ8yMx+d5XmfuyTX9qnhHwj4V8C+FdL8DeDPDWn6NoeiWEdlpGk6ZYx29tYW0UYjjhijjxHFFGn7sRgYAAxjFfzqf8ABlp8BPi7d/tmfEf9qC38A6gPAFj8M7vwtceKJAqWv9sXGoaVdRWMRzmaUW1vJLJ5YPlDyvN8vzovN/pJoAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigDyH9tH9kb4R/t0/syeMP2Ufj3ZanN4S8ZWMVvqI0y+NvcW0kc0VxbXMUgBAlhuIYpQJBJETGBLHJGTGf4z/28v2OvHH7AX7XnxD/AGQfiLcfatQ8C689nBqgSKI6nYSR+dY33lRSzeV9ptZrabyvMJi83y5P3gNf3HV+H/8AweQf8E8h8QfgZ4T/AOCkPgfTxJrHw5EXhf4gb5f9doVzcH7Bc/vLnA+zX9yY/LiieWX+1PMkIjtaAP5w6KKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAK9A+AHwF+Lf7U/xi8PfAP9nz4fX/AIo8Y+KNSFpoug2OPNunwCTk4jijjj8ySSWQiOKKOSSQpGhNef1/R5/wZv8A/BPIfD74GeLP+CkPjjTxHrHxGEvhf4f7Jf8AU6FbXA+33P7u5wftN/bCPy5Ykli/svzIyY7qgD9Nv+CZn/BPr4W/8EzP2QPDH7Jfwp1RtU/sYzXfiPxPJpkNnca9qlxJ5lzdTRRf9s4ovMMkkVrDbxGWTy/Mr6KoooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAr5k/4LBeFfDnjb/glX+0Xo3i/w1puqWkXwS8SXsdtqVrHcxR3Nrpk1zbTYlHEkVxFFNFKOY5Io5BgqK+m6+ff+Csf/ACiz/aU/7ID4y/8ATLd0AfxC0UUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAV/bD/wAEffCvhzwT/wAEq/2dNG8IeGtN0u0l+CXhu9kttNtY7aKS5utMhubmbEQ5kluJZZpZTzJJLJIcljX8T1f29f8ABJz/AJRZ/s1/9kB8G/8ApltKAPoKiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACvhX/AIOJv2mv+GZv+CPvxm1my1PQItX8WaCng7SbHX5SBfHVporG7ito/MjM1zHYy31zGB0FqZTHJHHJX3VX4P8A/B7H+0sdN+GHwU/Y+03VtBnGsa9f+MvEFj5nmapZfYoTYWEoj8391azfbdSGZI/3klriOT91KCAfzx0UUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAV/b1/wSc/5RZ/s1/8AZAfBv/pltK/iFr+0D/ghx8ZPDHx5/wCCRn7PXjbwTZ6lbWNn8NbHw/cJqMcSSNd6On9kXTgRySDyjc2U0kRyD5RjyIzmMAH15RRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABX8lP/B1D+0dF+0N/wAFgPGWiW2saDqOj/DLRdM8GaTfaDJ5hkEURvrqK5fzZAbqG/vr21kA8vy/s3lmPzI5M/1UfF74reB/gr8KfE3xn+Jmvtp3hvwhoV9rPiDURZyS/ZLG1iea4l8uIGR/Ljjc/uwSewNfwv8Axe+K3jj41fFbxN8Z/iZr66j4k8X67faz4g1EWccX2u+upXmuJfLiAjTzJJHP7sADsBQByNFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFf09f8ABnF+1EPip/wTu8V/sz6x42a/1T4U/ECU6Xoh03yhpmhanELq1HmiMCbzb+PWZP8AWSSx4GdsflCv5ha++v8Ag35/4Kq2P/BLr9uyy8a/FTxDf2/wr8daadB+JEVtHcXP2aM/vLTVBaQygSSWtzjMnlyyi1ub4RRPLKBQB/YFRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFAH5Ff8Hg/7Wmn/AAT/AOCbel/suadfaadb+MvjC3tpbG9srmWQaPpkkWoXVzbyx/uopY7saTFiUkmO5l8uM43xfy8V+hH/AAcb/wDBSiH/AIKM/wDBRnX4vAfi1dR+GnwzM3hXwA9tfmSyvfKkxfapH5VzLbS/abkHyrmLy/OtLex8wZjr896ACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigD+jv/g05/4LIv8AGHwVpf8AwSs+O1xJH4n8G6BdXPwy8S6lrokfWtKjlEh0lo7mUytcWsTkwx2+Y/sNsR5cQtPMl/cGv4IfCPi7xV4F8VaX458GeJdQ0bXNEv473SNW0y+kt7mwuYpBJHNFJHiSKWN/3gkByCBjGK/qM/4N9P8Ag4C8L/8ABSTwrZ/sv/tR6xZaL8eNHsz9nnCJb2vj21ijLSXdrHwkV9HGPMubSPAIBuYR5XnQ2oB+qVFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABX5r/8HKv/AAVZ1b/gm7+xQPBvwjuHi+Jfxg+36B4Vu0vLy1k0WxS2P27WLeW2AH2m2+0WscX72IiW7ilHmi2liP6FeLvF3hXwL4V1Txz4z8S6fo2h6JYSXur6tqd9Hb21hbRRmSSaWSTEcUUafvDITgAHOMV/F7/wVg/4KA+Lv+ClP7dfjv8Aao1e61GDQr7UfsPgXSNRLhtM0K3zHZQiIzTRwymLNxNHFJ5X2q6uZI8ebQB8x0UUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABW94R8XeKvAvirS/HPgzxLqGja5ol/He6Rq2mX0lvc2FzFIJI5opI8SRSxv8AvBIDkEDGMVg0UAfuh/wSD/4O3PFPwvtNI+AP/BUODUPEXh2w0+z0vQvizo9tJc6vAftOxptaj8zN/GlvIP8ASbeP7T/on7yK7luDLH+//wAI/i58MPjn4Asfij8G/iVoPi/w3qjTf2f4h8M6vFqFhdGKaSKXybmEmKURyxyR5BPMZzzX8GFeu/sxftp/tX/sX+JD4v8A2Vv2iPFngS7mv7K91KLQdbkgtdSmtpDJa/bLb/U30cZeQeVcxyxYklGCJSCAf3P0V/Nn+zF/weiftb+APDh0H9qf9lLwn8S7uDTLGDT9a8Pa7L4cuZ5Yoitzc3o8m7hlkl/dy4toraKIiQeXiQCL03/iOaP/AEi9/wDM1/8A3loA/f8Aor8AP+I5o/8ASL3/AMzX/wDeWj/iOaP/AEi9/wDM1/8A3loA/f8Aor8AP+I5o/8ASL3/AMzX/wDeWj/iOaP/AEi9/wDM1/8A3loA/f8Aor8AP+I5o/8ASL3/AMzX/wDeWvlv9p3/AIO6P+Crnxj8U/b/AIFa74Q+EOiWmoXz2lh4d8MW2qXNxbSv/o0V9c6rHcxzSwxx4822itRKZJCY8eWIwD+qOiv5BP8AiKL/AOC6P/R8v/mM/DH/AMq6P+Iov/guj/0fL/5jPwx/8q6AP6+65L4ufFz4YfAzwBf/ABR+MnxK0Hwh4b0tof7Q8Q+JtXi0+wtTLNHFF51zMRFEJJZI48kjmQY5r+TH/iKL/wCC6P8A0fL/AOYz8Mf/ACrr5b/ad/bT/av/AG0PEg8X/tU/tEeLPHd3Df3t7psWva3JPa6bNcyCS6+x23+psY5CkY8q2jiixHEMARAAA/TT/g4F/wCDkbwr/wAFAvhvd/sSfsT6RqNr8ML2+Wbxz4u8SaSkdz4na0vvNtYbKNiZLWxMkFtc+bII7qUiKMx2wiljufxuoooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKAP/Z"
}'

Python

import requests

url = "https://api.acedata.cloud/midjourney/imagine"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "prompt": "A  cute cat ",
    "action": "variation_region",
    "image_id": "1265875488702726144",
    "mask": "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"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

响应示例

请求成功后，API 将返回换脸后端图片结果信息。例如：

{
  "image_url": "https://platform.cdn.acedata.cloud/midjourney/6c9450d8-1c22-4f85-a527-e7a7bfb4a61b.png?imageMogr2/thumbnail/!50p",
  "image_width": 1024,
  "image_height": 1024,
  "actions": [
    "upscale1",
    "upscale2",
    "upscale3",
    "upscale4",
    "reroll",
    "variation1",
    "variation2",
    "variation3",
    "variation4"
  ],
  "raw_image_url": "https://platform.cdn.acedata.cloud/midjourney/6c9450d8-1c22-4f85-a527-e7a7bfb4a61b.png",
  "raw_image_width": 2048,
  "raw_image_height": 2048,
  "progress": 100,
  "image_id": "1265876571323891712",
  "task_id": "6c9450d8-1c22-4f85-a527-e7a7bfb4a61b",
  "success": true
}

可以发现这是对掩码区域的图像进行了重绘操作，返回的结果与上文的是一致的，结果如下图所示：

可以看到，我们就成功实现了对生成的图片的自定义区域进行局部重绘。

异步回调

由于 Midjourney 生成图片需要等待一段时间，所以本 API 也默认设计为了长等待模式。但在部分场景下，长等待可能会带来一些额外的资源开销，因此本 API 也提供了异步 Webhook 回调的方式，当图片生成成功或失败时，其结果都会通过 HTTP 请求的方式发送到指定的 Webhook 回调 URL。回调 URL 接收到结果之后可以进行进一步的处理。

下面演示具体的调用流程。

首先，Webhook 回调是一个可以接收 HTTP 请求的服务，开发者应该替换为自己搭建的 HTTP 服务器的 URL。此处为了方便演示，使用一个公开的 Webhook 样例网站 https://webhook.site/，打开该网站即可得到一个 Webhook URL，如图所示：

将此 URL 复制下来，就可以作为 Webhook 来使用，此处的样例为 https://webhook.site/995d0a91-d737-40a7-a3b9-5baf68ed924c。

接下来，我们可以设置字段 callback_url 为上述 Webhook URL，同时填入 prompt，如图所示：

点击测试之后会立即得到一个 task_id 的响应，用于标识当前生成任务的 ID，如图所示：

稍等片刻，等图片生成结束，可以发发现 Webhook URL 收到了一个 HTTP 请求，如图所示：

其结果就是当前任务的结果，内容如下：

{
  "success": true,
  "task_id": "f6e39eaf-652a-4bf5-a15c-79d8b143b80a",
  "image_url": "https://midjourney.cdn.acedata.cloud/attachments/1234291876639674388/1234551030549839932/kcisok_A_cat_sitting_on_a_table_id2724480_591c5c85-ec80-42ab-9fe5-9adfbed192e4.png?ex=663124be&is=662fd33e&hm=da725eb74aae375d60beec38b4cd26c5a7b373b1662f222ff838a8ea6fd5e798&width=1024&height=1024",
  "image_width": 1024,
  "image_height": 1024,
  "image_id": "1234551030549839932",
  "raw_image_url": "https://midjourney.cdn.acedata.cloud/attachments/1234291876639674388/1234551030549839932/kcisok_A_cat_sitting_on_a_table_id2724480_591c5c85-ec80-42ab-9fe5-9adfbed192e4.png?ex=663124be&is=662fd33e&hm=da725eb74aae375d60beec38b4cd26c5a7b373b1662f222ff838a8ea6fd5e798&",
  "raw_image_width": 2048,
  "raw_image_height": 2048,
  "progress": 100,
  "actions": [
    "upscale1",
    "upscale2",
    "upscale3",
    "upscale4",
    "reroll",
    "variation1",
    "variation2",
    "variation3",
    "variation4"
  ]
}

其中 success 字段标识了该任务是否执行成功，如果执行成功，还会有同样的 actions, image_id, image_url 字段，和上文介绍的返回结果是一样的，另外还有 task_id 用于标识任务，以实现 Webhook 结果和最初 API 请求的关联。

如果图片生成失败，Webhook URL 则会收到类似如下内容：

{
  "success": false,
  "task_id": "7ba0feaf-d20b-4c22-a35a-31ec30fc7715",
  "error": {
    "code": "bad_request",
    "message": "Unrecognized argument(s): `-c`, `x`"
  }
}

这里的 success 字段会是 false，同时还会有 error.code 和 error.message 字段描述了任务错误的详情信息，Webhook 服务器根据对应的结果进行处理即可。

流式输出

Midjourney 官方在生成图片的时候是有进度的，在最开始是一张模糊的照片，然后经过几次迭代之后，图片逐渐变得清晰，最后得到完整的图片。

所以，一张图片的生成过程大约可以分为「发送命令」->「开始生图（多次迭代逐渐清晰）」->「生图完毕」的阶段。

在没开启流式输出的情况下，本 API 从发起请求到返回结果，实际上是从上述「发送命令」->「生图完毕」的全过程，中间生图的过程也全被包含在里面，由于 Midjourney 本身生成图片速度较慢，整个过程大约需要等待一分钟或更久。

所以为了更好的用户体验，本 API 支持流式输出，即当「开始生图」的时候就开始返回结果，每当绘制进度有变化，就会流式将结果输出，直至生图结束。

如果想流式返回响应，可以更改请求头里面的 accept 参数，修改为 application/x-ndjson，不过调用代码需要有对应的更改才能支持流式响应。

Python 样例代码：

import requests

url = 'https://api.acedata.cloud/midjourney/imagine'
headers = {
    'content-type': 'application/json',
    'accept': 'application/x-ndjson',
    'authorization': 'Bearer {token}'
}
body = {
    "prompt": "a beautiful cat --v 6"
}
r = requests.post(url, headers=headers, json=body, stream=True)
for line in r.iter_lines():
    print(line.decode())

运行结果：

1
2
3

{"image_url":"https://midjourney.cdn.acedata.cloud/attachments/1234291876639674388/1234558451443699803/eae94f0f-0ba5-4b3c-9bad-59fb33ac2cbc_grid_0.webp?ex=66312ba7&is=662fda27&hm=4625d5f12158bffc07c4faaf6ce75af6f1396122f148b33b91f3e20b48fecc8b&width=256&height=256","image_width":256,"image_height":256,"image_id":"1234558451443699803","raw_image_url":"https://midjourney.cdn.acedata.cloud/attachments/1234291876639674388/1234558451443699803/eae94f0f-0ba5-4b3c-9bad-59fb33ac2cbc_grid_0.webp?ex=66312ba7&is=662fda27&hm=4625d5f12158bffc07c4faaf6ce75af6f1396122f148b33b91f3e20b48fecc8b&","raw_image_width":512,"raw_image_height":512,"progress":35,"actions":[],"task_id":"49589d2c-b6b3-4fbf-9f82-93068509c76f","success":true}
{"image_url":"https://midjourney.cdn.acedata.cloud/attachments/1234291876639674388/1234558458595115149/eae94f0f-0ba5-4b3c-9bad-59fb33ac2cbc_grid_0.webp?ex=66312ba9&is=662fda29&hm=9af53fa645127131a88dfbb3930add7abda710c12a3d6c30c457d6a067b36bab&width=256&height=256","image_width":256,"image_height":256,"image_id":"1234558458595115149","raw_image_url":"https://midjourney.cdn.acedata.cloud/attachments/1234291876639674388/1234558458595115149/eae94f0f-0ba5-4b3c-9bad-59fb33ac2cbc_grid_0.webp?ex=66312ba9&is=662fda29&hm=9af53fa645127131a88dfbb3930add7abda710c12a3d6c30c457d6a067b36bab&","raw_image_width":512,"raw_image_height":512,"progress":75,"actions":[],"task_id":"49589d2c-b6b3-4fbf-9f82-93068509c76f","success":true}
{"image_url":"https://midjourney.cdn.acedata.cloud/attachments/1234291876639674388/1234558483408490566/kcisok_A_landscape_painting_of_a_beautiful_sunset_id5963392_eae94f0f-0ba5-4b3c-9bad-59fb33ac2cbc.png?ex=66312baf&is=662fda2f&hm=185ea8f130806bf8bd96911bd251808455fd65596edcdb459f9b3cfd7860387c&width=1024&height=1024","image_width":1024,"image_height":1024,"image_id":"1234558483408490566","raw_image_url":"https://midjourney.cdn.acedata.cloud/attachments/1234291876639674388/1234558483408490566/kcisok_A_landscape_painting_of_a_beautiful_sunset_id5963392_eae94f0f-0ba5-4b3c-9bad-59fb33ac2cbc.png?ex=66312baf&is=662fda2f&hm=185ea8f130806bf8bd96911bd251808455fd65596edcdb459f9b3cfd7860387c&","raw_image_width":2048,"raw_image_height":2048,"progress":100,"actions":["upscale1","upscale2","upscale3","upscale4","reroll","variation1","variation2","variation3","variation4"],"task_id":"49589d2c-b6b3-4fbf-9f82-93068509c76f","success":true}

可以看到，启用流式输出之后，返回结果就是逐行的 JSON 了。

在 Node.js 环境中，实现代码可写为如下：

const axios = require("axios");

const url = "https://api.acedata.cloud/midjourney/imagine";
const headers = {
  "content-type": "application/json",
  accept: "application/x-ndjson",
  authorization: "Bearer {token}",
};
const body = {
  prompt: "a beautiful cat --v 6",
  action: "generate",
};

axios
  .post(url, body, { headers: headers, responseType: "stream" })
  .then((response) => {
    console.log(response.status);
    response.data.on("data", (chunk) => {
      console.log(chunk.toString());
    });
  })
  .catch((error) => {
    console.error(error);
  });

这些示例运行的结果都是相似的。

请注意，流式输出结果中有一个称为 progress 的字段，表示生成进度，范围从 0 到 100。如果需要，您可以在页面上显示这些信息。

注意：当生成未完全完成时，actions 字段为空，表示无法对中间图像执行进一步处理操作。生成完成后，在生成过程中生成的 image_url 将被销毁。

此外，您可以通过指定 accept=application/x-ndjson 的请求头和 callback_url 的请求体，将流式结果与异步回调结合起来，然后 callback_url 可以接收到多个流式结果的 POST 请求。

作者崔庆才发表于 2026-06-08 阅读次数：本文字数： 41k 阅读时长 ≈ 37 分钟

API 开发教程 查询 AceDataCloud 平台分销推广信息

返回当前账户的分销（联盟营销 / Affiliate）数据——包括分销专属链接、邀请的下级用户数、累计佣金、可提现余额、近期成交记录等。

适用场景：

在你自己的产品里嵌入「赚取佣金」面板。
自动化邀请脚本、邀请仪表盘。
月度结算时拉取明细。

ℹ️ 本接口属于 AceDataCloud 平台管理 API，统一前缀 https://platform.acedata.cloud/api/v1/。

接口概览

项	内容
方法	`GET`
URL	`https://platform.acedata.cloud/api/v1/distribution/`
鉴权	✅ 需要账户令牌

鉴权说明（如何获取账户令牌）

请求头：

1	Authorization: Bearer platform-v1-92eb****629c

获取方式：登录 AceDataCloud 平台 → Account Token 控制台 → 点「创建」按钮。详见管理 AceDataCloud 平台账户令牌。

请求示例

cURL

1
2
3

curl 'https://platform.acedata.cloud/api/v1/distribution/' \
  -H 'accept: application/json' \
  -H 'authorization: Bearer platform-v1-92eb****629c'

Python

import requests

resp = requests.get(
    "https://platform.acedata.cloud/api/v1/distribution/",
    headers={"authorization": "Bearer platform-v1-92eb****629c"},
    timeout=10,
)
data = resp.json()
print(f"专属推广链接: {data['referral_url']}")
print(f"邀请的用户数: {data['referred_users_count']}")
print(f"累计佣金: ¥{data['total_commission']}")
print(f"可提现余额: ¥{data['withdrawable_balance']}")

Node.js

const r = await fetch('https://platform.acedata.cloud/api/v1/distribution/', {
  headers: { authorization: 'Bearer platform-v1-92eb****629c' },
})
console.log(await r.json())

响应示例（HTTP 200）

{
  "user_id": "89518d07-5560-4b05-92c1-667f3ddf6a4b",
  "referral_code": "ABC123XYZ",
  "referral_url": "https://platform.acedata.cloud/?ref=ABC123XYZ",
  "referred_users_count": 87,
  "active_users_count": 31,
  "commission_rate": 0.20,
  "total_commission": 4521.30,
  "withdrawable_balance": 1820.50,
  "pending_balance": 124.30,
  "withdrawn_total": 2576.50,
  "currency": "CNY",
  "recent_orders": [
    {
      "order_id": "fa927d12-...",
      "referred_user_id": "uuser-abc...",
      "amount": 63.2,
      "commission": 12.64,
      "paid_at": "2026-04-25T15:23:00Z"
    }
  ],
  "tier": "Standard",
  "next_tier_at": 10000,
  "all_tiers": [
    { "name": "Standard",   "min_commission": 0,     "commission_rate": 0.20 },
    { "name": "Pro",        "min_commission": 1000,  "commission_rate": 0.25 },
    { "name": "Enterprise", "min_commission": 10000, "commission_rate": 0.30 }
  ]
}

响应字段说明

字段	类型	说明
`user_id`	UUID	当前用户 ID
`referral_code`	string	专属推广码
`referral_url`	string	完整推广链接（含 `?ref=` 参数）
`referred_users_count`	integer	已通过此链接注册的用户总数
`active_users_count`	integer	其中曾有付费行为的活跃用户数
`commission_rate`	number	当前佣金率（已结算订单按此比例分成）
`total_commission`	number	累计佣金（含已提现、可提现、待结算）
`withdrawable_balance`	number	当前可立即提现的余额
`pending_balance`	number	待结算余额（订单 3 天后转入可提现）
`withdrawn_total`	number	历史已提现总额
`currency`	string	结算货币代码
`recent_orders`	array	近期带分销关系的订单（最多 20 条），含 `order_id` / `referred_user_id` / `amount` / `commission`
`tier`	string	当前推广等级
`next_tier_at`	number	达到下一级所需累计佣金
`all_tiers`	array	全部等级定义

错误处理

HTTP	code	含义
401	`not_authenticated`	缺少账户令牌
403	`not_enabled`	你的账户尚未开通分销功能（联系客服开通）

实用提示

3 天结算锁定期：被邀请用户付费后，佣金先进 pending_balance，3 天后无退款则转入 withdrawable_balance。
多级分销：默认只支持一级（邀请的用户付费才有佣金）。多级分销请联系客服开通企业版。
提现：在 AceDataCloud 平台分销中心手动发起提现，支持支付宝、银行卡、USDT。
推广素材：去分销中心下载海报、Banner、邮件模板。

MCP 教程 Midjourney MCP 对接指南

MCP（Model Context Protocol）是由 Anthropic 推出的模型上下文协议，允许 AI 模型（如 Claude、GPT 等）通过标准化接口调用外部工具。通过 AceData Cloud 提供的 Midjourney MCP Server，你可以在 Claude Desktop、VS Code、Cursor 等 AI 客户端中直接生成和编辑 AI 图像。

功能概览

Midjourney MCP Server 提供以下核心功能：

图像生成（Imagine） — 通过文本提示词生成高质量图像
图像编辑 — 对已生成的图像进行局部修改
图像变换 — 放大、缩放、平移已有图像
图像混合（Blend） — 将多张图像融合为新图像
参考图生成 — 使用参考图片引导生成
图像描述（Describe） — 根据图片生成文本描述
提示词翻译 — 将中文提示词翻译为英文
种子获取 — 获取图像的 seed 值用于复现
视频生成 — 基于图像生成动态视频
任务查询 — 监控生成进度并获取结果

前置准备

使用前，你需要获取 AceData Cloud API Token：

注册或登录 AceData Cloud 平台
前往 Midjourney Imagine API 页面
点击「Acquire」获取 API Token（首次申请赠送免费额度）

方式一：使用托管 MCP Server（推荐，零安装）

AceData Cloud 已经把 Midjourney MCP Server 托管在云端，无需本地安装任何依赖，直接在 AI 客户端里填写下面这个 URL 就能用：

1	https://midjourney.mcp.acedata.cloud/mcp

认证方式：在请求头中加上 Authorization: Bearer 你的API Token 即可（Claude.ai 通过 OAuth 自动完成，无需手动填 Token）。

Claude.ai（网页版，OAuth 登录，最简单）

打开 Claude.ai → 左下角 Customize → Connectors → Add More
在 URL 处填入：https://midjourney.mcp.acedata.cloud/mcp
完成 OAuth 授权登录（自动跳转 AceData Cloud 登录页）
回到对话界面，工具即可使用

Claude Desktop

编辑配置文件：

macOS：~/Library/Application Support/Claude/claude_desktop_config.json
Windows：%APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "midjourney": {
      "type": "http",
      "url": "https://midjourney.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer 你的API Token"
      }
    }
  }
}

保存后重启 Claude Desktop 即可生效。

Claude Code（终端命令行）

1 2	claude mcp add midjourney --transport http https://midjourney.mcp.acedata.cloud/mcp \ -H "Authorization: Bearer 你的API Token"

VS Code（GitHub Copilot）

在项目根目录创建 .vscode/mcp.json：

{
  "servers": {
    "midjourney": {
      "type": "http",
      "url": "https://midjourney.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer 你的API Token"
      }
    }
  }
}

Cursor

在项目根目录创建 .cursor/mcp.json：

{
  "mcpServers": {
    "midjourney": {
      "url": "https://midjourney.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer 你的API Token"
      }
    }
  }
}

其他支持 MCP 的客户端

任何支持 MCP Streamable HTTP 协议的客户端（Windsurf、Cline、ChatGPT Connectors、Gemini CLI、JetBrains AI Assistant 等）都可以通过填写以下两项接入：

URL：https://midjourney.mcp.acedata.cloud/mcp
Header：Authorization: Bearer 你的API Token

方式二：本地运行（pip / uvx 安装）

如果你需要离线运行、自定义代码或部署到内网，可以把 MCP Server 安装在本地通过 stdio 启动。

安装

pip 安装（推荐）：

1	pip install mcp-midjourney

或源码安装：

1
2
3

git clone https://github.com/AceDataCloud/MidjourneyMCP.git
cd MidjourneyMCP
pip install -e .

安装完成后，即可使用 mcp-midjourney 命令启动服务。

在 Claude Desktop 中使用（本地）

编辑 Claude Desktop 配置文件：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json

添加以下配置：

{
  "mcpServers": {
    "midjourney": {
      "command": "mcp-midjourney",
      "env": {
        "ACEDATACLOUD_API_TOKEN": "你的API Token"
      }
    }
  }
}

如果使用 uvx（无需提前安装包）：

{
  "mcpServers": {
    "midjourney": {
      "command": "uvx",
      "args": ["mcp-midjourney"],
      "env": {
        "ACEDATACLOUD_API_TOKEN": "你的API Token"
      }
    }
  }
}

保存配置后重启 Claude Desktop 即可生效。

在 VS Code / Cursor 中使用（本地）

在项目根目录创建 .vscode/mcp.json：

{
  "servers": {
    "midjourney": {
      "command": "mcp-midjourney",
      "env": {
        "ACEDATACLOUD_API_TOKEN": "你的API Token"
      }
    }
  }
}

或者使用 uvx：

{
  "servers": {
    "midjourney": {
      "command": "uvx",
      "args": ["mcp-midjourney"],
      "env": {
        "ACEDATACLOUD_API_TOKEN": "你的API Token"
      }
    }
  }
}

可用工具列表

工具名	说明
`midjourney_imagine`	通过文本提示词生成图像
`midjourney_edit`	编辑已有图像的局部区域
`midjourney_transform`	放大、缩放、平移已有图像
`midjourney_blend`	将多张图像混合为一张
`midjourney_with_reference`	使用参考图生成图像
`midjourney_describe`	根据图片生成文本描述
`midjourney_translate`	翻译提示词为英文
`midjourney_get_seed`	获取图像的 seed 值
`midjourney_generate_video`	基于图像生成视频
`midjourney_extend_video`	延长已有视频
`midjourney_get_task`	查询单个任务状态
`midjourney_get_tasks_batch`	批量查询任务状态

使用示例

配置完成后，你可以在 AI 客户端中直接用自然语言调用这些功能，例如：

「帮我生成一张赛博朋克风格的城市夜景」
「把这张图片的背景改成海边」
「将这四张图片混合成一张」
「描述一下这张图片里的内容」
「把这张图片做成视频」
「放大这张图片的第二个变体」

MCP 教程 Seedance MCP 对接指南

MCP（Model Context Protocol）是由 Anthropic 推出的模型上下文协议，允许 AI 模型（如 Claude、GPT 等）通过标准化接口调用外部工具。通过 AceData Cloud 提供的 Seedance MCP Server，你可以在 Claude Desktop、VS Code、Cursor 等 AI 客户端中直接使用字节跳动 Seedance 生成 AI 视频。

功能概览

Seedance MCP Server 提供以下核心功能：

文本生成视频 — 通过文本提示词生成高质量视频
图片生成视频 — 以图片为参考生成视频（首帧、末帧、参考图等模式）
多模型支持 — 支持 Seedance 1.5 Pro、1.0 Pro、1.0 Lite 等多种模型
多种分辨率 — 支持 480p、720p、1080p 多种分辨率
多种画面比例 — 支持 16:9、9:16、1:1、4:3、3:4、21:9 等比例
灵活时长 — 支持 2-12 秒的视频时长
音频生成 — 部分模型支持同时生成音频
任务查询 — 监控生成进度并获取结果

前置准备

使用前，你需要获取 AceData Cloud API Token：

注册或登录 AceData Cloud 平台
前往 Seedance Videos API 页面
点击「Acquire」获取 API Token（首次申请赠送免费额度）

方式一：使用托管 MCP Server（推荐，零安装）

AceData Cloud 已经把 Seedance MCP Server 托管在云端，无需本地安装任何依赖，直接在 AI 客户端里填写下面这个 URL 就能用：

1	https://seedance.mcp.acedata.cloud/mcp

认证方式：在请求头中加上 Authorization: Bearer 你的API Token 即可（Claude.ai 通过 OAuth 自动完成，无需手动填 Token）。

Claude.ai（网页版，OAuth 登录，最简单）

打开 Claude.ai → 左下角 Customize → Connectors → Add More
在 URL 处填入：https://seedance.mcp.acedata.cloud/mcp
完成 OAuth 授权登录（自动跳转 AceData Cloud 登录页）
回到对话界面，工具即可使用

Claude Desktop

编辑配置文件：

macOS：~/Library/Application Support/Claude/claude_desktop_config.json
Windows：%APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "seedance": {
      "type": "http",
      "url": "https://seedance.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer 你的API Token"
      }
    }
  }
}

保存后重启 Claude Desktop 即可生效。

Claude Code（终端命令行）

1 2	claude mcp add seedance --transport http https://seedance.mcp.acedata.cloud/mcp \ -H "Authorization: Bearer 你的API Token"

VS Code（GitHub Copilot）

在项目根目录创建 .vscode/mcp.json：

{
  "servers": {
    "seedance": {
      "type": "http",
      "url": "https://seedance.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer 你的API Token"
      }
    }
  }
}

Cursor

在项目根目录创建 .cursor/mcp.json：

{
  "mcpServers": {
    "seedance": {
      "url": "https://seedance.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer 你的API Token"
      }
    }
  }
}

其他支持 MCP 的客户端

任何支持 MCP Streamable HTTP 协议的客户端（Windsurf、Cline、ChatGPT Connectors、Gemini CLI、JetBrains AI Assistant 等）都可以通过填写以下两项接入：

URL：https://seedance.mcp.acedata.cloud/mcp
Header：Authorization: Bearer 你的API Token

方式二：本地运行（pip / uvx 安装）

如果你需要离线运行、自定义代码或部署到内网，可以把 MCP Server 安装在本地通过 stdio 启动。

安装

pip 安装（推荐）：

1	pip install mcp-seedance

或源码安装：

1
2
3

git clone https://github.com/AceDataCloud/SeedanceMCP.git
cd SeedanceMCP
pip install -e .

安装完成后，即可使用 mcp-seedance 命令启动服务。

在 Claude Desktop 中使用（本地）

编辑 Claude Desktop 配置文件：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json

添加以下配置：

{
  "mcpServers": {
    "seedance": {
      "command": "mcp-seedance",
      "env": {
        "ACEDATACLOUD_API_TOKEN": "你的API Token"
      }
    }
  }
}

如果使用 uvx（无需提前安装包）：

{
  "mcpServers": {
    "seedance": {
      "command": "uvx",
      "args": ["mcp-seedance"],
      "env": {
        "ACEDATACLOUD_API_TOKEN": "你的API Token"
      }
    }
  }
}

保存配置后重启 Claude Desktop 即可生效。

在 VS Code / Cursor 中使用（本地）

在项目根目录创建 .vscode/mcp.json：

{
  "servers": {
    "seedance": {
      "command": "mcp-seedance",
      "env": {
        "ACEDATACLOUD_API_TOKEN": "你的API Token"
      }
    }
  }
}

或者使用 uvx：

{
  "servers": {
    "seedance": {
      "command": "uvx",
      "args": ["mcp-seedance"],
      "env": {
        "ACEDATACLOUD_API_TOKEN": "你的API Token"
      }
    }
  }
}

可用工具列表

工具名	说明
`seedance_generate_video`	通过文本提示词生成视频
`seedance_generate_video_from_image`	以图片为参考生成视频
`seedance_get_task`	查询单个任务状态
`seedance_get_tasks_batch`	批量查询任务状态
`seedance_list_models`	列出所有可用模型及其能力
`seedance_list_resolutions`	列出可用分辨率和画面比例
`seedance_list_actions`	列出所有可用工具和工作流示例

使用示例

配置完成后，你可以在 AI 客户端中直接用自然语言调用这些功能，例如：

「帮我用 Seedance 生成一段城市街头延时摄影视频」
「用这张照片作为第一帧，生成一段 8 秒的视频」
「生成一段 1080p 竖屏 9:16 的短视频」
「用 Seedance 1.5 Pro 模型生成带音频的视频」

API 开发教程 X402 订单支付教程

除了直接按 API 请求付费，Ace Data Cloud 也支持用 X402 支付控制台订单。订单支付和 API 调用的核心协议相同：第一次请求返回 402，客户端签出 X-Payment，然后用同一个请求重试。

区别在于订单支付属于平台 API，需要账户令牌；而直接调用 api.acedata.cloud 的 AI API 可以只用 X402，不需要 API Token。

准备订单

进入 Ace Data Cloud 控制台，选择需要支付的订单，记录订单 ID。

如果你还没有订单，可以在套餐页面创建一个待支付订单。订单价格以页面显示为准，X402 402 响应中的 maxAmountRequired 是最终签名依据。

创建账户令牌

订单支付请求需要账户令牌。打开平台 Token 页面，创建一个 platform-v1-... 格式的 token。

后续请求使用：

1	Authorization: Bearer {platform_token}

账户令牌不同于普通 API Token。普通 API Token 用于消费 API 额度；账户令牌用于代表你的账户操作平台资源，例如订单支付。

触发 402

先发送一次不带 X-Payment 的请求：

POST https://platform.acedata.cloud/api/v1/orders/{order_id}/pay/
Authorization: Bearer {platform_token}
Content-Type: application/json

{
  "pay_way": "X402"
}

返回状态为 402，响应中包含 accepts：

{
  "x402Version": 1,
  "error": "Payment required for this order.",
  "accepts": [
    {
      "scheme": "exact",
      "network": "base",
      "maxAmountRequired": "1200000",
      "resource": "http://platform.acedata.cloud/api/v1/orders/.../pay/",
      "payTo": "0x...",
      "asset": "0x833589fCD6eDb6E08f4c7C32D4f71b54bdA02913",
      "extra": {
        "name": "USD Coin",
        "version": "2",
        "chainId": 8453,
        "verifyingContract": "0x833589fCD6eDb6E08f4c7C32D4f71b54bdA02913"
      }
    }
  ]
}

创建 10 Credits 订单并触发 402 的程序运行结果：

created order 78481793-304e-47f7-bc0c-8231aec9cc1e
created state Pending
created price 1.26

http_status=402
x402Version 1
error Payment required for this order.
accepts [
  ('base', 'exact', '1200000', '0x4F0E2D3477a1B94CF33d16E442CEe4733dadCeE7'),
  ('solana', 'exact', '1200000', '5iVXFrYaYWX2GUTbkQj8mDBoBhAX8bneYigS2LJTia43')
]
description Ace Data Cloud Credits x 10.0

结果说明：

订单创建成功后状态是 Pending，此时还没有链上付款。
第一次 pay/ 请求没有携带 X-Payment，所以返回 HTTP 402。
accepts 同时给出 Base exact 和 Solana exact，本教程后续选择 Base。
订单创建时价格是 1.26，进入 X402 支付流程后应用 X402 支付折扣，实际签名和结算金额为 1.2 USDC，对应 1200000 atomic USDC。

注意这里 resource 是服务端返回并参与签名的字段，客户端不要把其中的协议、路径或订单 ID 自己改写。

签名并重试

订单支付可以复用 @acedatacloud/x402-client 或 acedatacloud-x402 的低层签名函数。下面是 TypeScript 示例：

import { Wallet } from 'ethers';
import { signEVMPayment } from '@acedatacloud/x402-client';

const platformToken = process.env.ACE_PLATFORM_TOKEN!;
const orderId = process.env.ACE_ORDER_ID!;
const wallet = new Wallet(process.env.EVM_PRIVATE_KEY!);

const url = `https://platform.acedata.cloud/api/v1/orders/${orderId}/pay/`;
const body = { pay_way: 'X402' };

const first = await fetch(url, {
  method: 'POST',
  headers: {
    Authorization: `Bearer ${platformToken}`,
    'Content-Type': 'application/json'
  },
  body: JSON.stringify(body)
});

if (first.status !== 402) {
  throw new Error(`expected 402, got ${first.status}`);
}

const paymentRequired = await first.json();
const requirement = paymentRequired.accepts.find(
  (item: any) => item.network === 'base' && item.scheme === 'exact'
);

const evmProvider = {
  async request({ method, params }: { method: string; params?: unknown[] }) {
    if (method !== 'eth_signTypedData_v4') throw new Error(`unsupported method: ${method}`);
    const [, typedDataJson] = params as [string, string];
    const typedData = JSON.parse(typedDataJson);
    return wallet.signTypedData(typedData.domain, typedData.types, typedData.message);
  }
};

const envelope = await signEVMPayment(requirement, evmProvider, wallet.address);
const xPayment = Buffer.from(JSON.stringify(envelope), 'utf8').toString('base64');

const paid = await fetch(url, {
  method: 'POST',
  headers: {
    Authorization: `Bearer ${platformToken}`,
    'Content-Type': 'application/json',
    'X-Payment': xPayment
  },
  body: JSON.stringify(body)
});

if (!paid.ok) {
  throw new Error(`payment failed: ${paid.status} ${await paid.text()}`);
}

console.log(await paid.json());

同一个订单用 Base exact 签名并重试后的程序运行结果：

status 200
payer 0x5d4f08D5c2bb60703284bc06671Eb680fA41B105
has_x_payment_response True
settle_header {'success': True, 'network': 'base', 'transaction': '0xfec08cc00a159ea1ec692b32faa9bf3d17595a986301169e689d94f58bc44151', 'errorReason': None}
order {'id': '78481793-304e-47f7-bc0c-8231aec9cc1e', 'state': 'Finished', 'pay_way': 'X402', 'price': 1.2, 'pay_id': '0xfec08cc00a159ea1ec692b32faa9bf3d17595a986301169e689d94f58bc44151'}

链上确认结果：

tx 0xfec08cc00a159ea1ec692b32faa9bf3d17595a986301169e689d94f58bc44151
status 1
block 46726704
explorer https://basescan.org/tx/0xfec08cc00a159ea1ec692b32faa9bf3d17595a986301169e689d94f58bc44151
transfer {"from":"0x5d4f08D5c2bb60703284bc06671Eb680fA41B105","to":"0x4F0E2D3477a1B94CF33d16E442CEe4733dadCeE7","value":"1200000"}

结果说明：

status 200 表示平台订单支付接口接受了这次 X-Payment。
has_x_payment_response True 表示响应头包含 Base64 编码的 X-PAYMENT-RESPONSE 收据。
settle_header.success=True 且 network=base 表示 Facilitator 已完成 Base settlement。
订单最终状态是 Finished，pay_way 是 X402，pay_id 写入链上交易哈希。
BaseScan 上的 Transfer 事件显示付款地址向平台收款地址转账 1200000 atomic USDC，也就是 1.2 USDC。

成功响应与收据

订单支付成功后，响应体是订单信息。平台还会在响应头 X-PAYMENT-RESPONSE 中携带 Base64 编码的 settlement response，解码后常见字段包括：

字段	说明
`success`	Facilitator settlement 是否成功。
`transaction`	链上结算交易哈希。
`network`	支付网络。
`payer`	付款钱包地址。
`amount`	实际结算金额，使用 atomic units。

如果你需要对账，建议同时保存订单 ID、付款钱包地址、transaction 和订单最终状态。

注意事项

订单支付需要平台账户令牌，不能只靠 X402 钱包签名完成。
maxAmountRequired 使用 USDC atomic units，1200000 表示 1.2 USDC。
不要自行拼收款地址或资产地址，以 402 响应中的 accepts 为准。
如果同一个 X-Payment 被重复提交，Facilitator 会按 nonce 做重放保护。

作者崔庆才发表于 2026-06-05 阅读次数：本文字数： 5.3k 阅读时长 ≈ 5 分钟

产品推广 Cline 对接 Kling MCP

📘 完整指南：在 Cline 里用全部 AceData Cloud MCP →

Kling 是快手的视频生成模型，文生视频 / 图生视频 / 扩展视频都能做，画面细腻。通过 MCP 接入 Cline 后，可以直接在对话里调用，不用切窗口、不用复制粘贴。

获取 API Token

到 AceData Cloud 平台注册账号，复制首页的 API Token——一个 Token 即可使用全部 AceData Cloud MCP Server。详细步骤见完整指南。

配置

编辑配置：Cline 设置面板 → MCP Servers → Edit Settings（会打开 cline_mcp_settings.json）

{
  "mcpServers": {
    "kling": {
      "type": "streamableHttp",
      "url": "https://kling.mcp.acedata.cloud/mcp",
      "headers": { "Authorization": "Bearer 你的Token" }
    }
  }
}

保存后 Cline 会自动重新加载 MCP，工具即时可用。

使用示例

用 kling-v3 生成一段 5 秒的视频：日落时分的海边公路，镜头从车窗向前推

用这张图（链接 xxx）生成 image2video，让画面里的人物缓慢转身

把刚才那段视频再扩展 5 秒，让剧情自然衔接

工具

工具	说明
kling_generate_video	通过文本 / 图片生成视频（kling-v1 / v1-6 / v2-master / v2-1-master / v2-5-turbo / v2-6 / v3 / v3-omni）
kling_extend_video	对已有视频按提示词继续延伸

产品推广 Gemini CLI 对接 Seedance MCP

📘 完整指南：在 Gemini CLI 里用全部 11 个 AceData Cloud MCP →

字节跳动出品的视频模型，舞蹈、运动、连贯动作表现优异，支持竖屏 9:16 短视频。通过 MCP 接入 Gemini CLI 后，可以直接在对话里调用，不用切窗口、不用复制粘贴。

获取 API Token

到 AceData Cloud 平台注册账号，复制首页的 API Token——一个 Token 即可使用全部 11 个 MCP Server。详细步骤见完整指南。

配置

编辑配置：命令行一键添加（推荐）

gemini mcp add seedance \
  --type http \
  --url https://seedance.mcp.acedata.cloud/mcp \
  --header "Authorization: Bearer 你的Token"

或手动编辑 ~/.gemini/settings.json：

{
  "mcpServers": {
    "seedance": {
      "httpUrl": "https://seedance.mcp.acedata.cloud/mcp",
      "headers": { "Authorization": "Bearer 你的Token" }
    }
  }
}

下一次 gemini 会话启动时即可使用工具。

使用示例

用 Seedance 生成一段竖屏短视频：一个女孩在樱花树下转圈跳舞，9:16

把这张图（链接 xxx）做成一段 5 秒动作视频

生成一段 10 秒 1080P 美食制作视频：寿司师傅切金枪鱼，特写镜头

工具

工具	说明
seedance_generate_video	文生视频 / 图生视频，可选音频

产品推广 Codex CLI 对接 Flux MCP

📘 完整指南：在 Codex CLI 里用全部 11 个 AceData Cloud MCP →

Black Forest Labs 出品的顶级开源图像模型，写实风格、Kontext 编辑能力一流。通过 MCP 接入 Codex CLI 后，可以直接在对话里调用，不用切窗口、不用复制粘贴。

获取 API Token

到 AceData Cloud 平台注册账号，复制首页的 API Token——一个 Token 即可使用全部 11 个 MCP Server。详细步骤见完整指南。

配置

编辑配置：~/.codex/config.toml

[mcp_servers.flux]
url = "https://flux.mcp.acedata.cloud/mcp"
type = "http"

http_headers = { "Authorization" = "Bearer 你的Token" }

保存后下一次 codex 会话启动时自动加载工具。

使用示例

用 Flux 生成一张赛博朋克风格的城市夜景，霓虹灯、雨夜、湿润街道

把这张图（链接 xxx）改成水彩画风格

生成一张 1024x1024 的产品 hero 图：黑色金属质感的耳机悬浮在白色背景

工具

工具	说明
flux_generate_image	文生图（Flux pro / dev / ultra）
flux_edit_image	对已有图按提示词编辑（用 flux-kontext-pro / max 模型）

产品推广 Cursor 对接 Fish 语音 MCP

📘 Overview：Cursor MCP Overview →

Fish Audio 是高保真 TTS 引擎，支持自定义音色、多种采样率和格式（mp3 / wav / opus）。模型可选 s1 / s2-pro，延迟可控。

获取 API Token

使用 Fish 语音 MCP Server 之前，需要先准备一个 AceData Cloud API Token：

打开 Ace Data Cloud 控制台 - 应用列表复制 Token。
如果还没有账号，登录注册时会自动跳回当前页面，首次申请会赠送免费额度。

一个 Token 可以使用 AceData Cloud 提供的全部 MCP Server，无需为 Fish 语音单独申请。

用 claude.ai 网页版或 Claude Desktop？它们支持 OAuth 一键授权，无需手动填 Token，详见 Fish 语音 MCP 的 Claude.ai / Desktop 教程。

配置 Cursor

.cursor/mcp.json：

{
  "mcpServers": {
    "fish": {
      "type": "http",
      "url": "https://fish.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer 你的Token"
      }
    }
  }
}

哪些场景特别合适

用 fish_generate_audio 把这段中文合成成 mp3，用默认音色
把这段英文合成成 wav，采样率 44100，使用音色 ID xxxx
把这段播客脚本合成成 mp3，bitrate 128，低延迟模式

工作流提示

把 Bearer 你的Token 换成你的真实 Token（从 AceData Cloud 控制台首页复制）。
Cursor 重启或保存配置后会自动重新加载 MCP，工具列表会即时刷新。
Fish 语音调用会从你 AceData Cloud 账号的额度中扣费。

工具

工具	说明
fish_generate_audio	文本转语音（s1 / s2-pro 模型，可选音色、采样率、格式、延迟模式）

产品推广 OpenCode MCP Overview

OpenCode 本身擅长读代码、改文件、跑命令、解释报错；MCP 则让它在同一个终端会话里继续调用外部工具。AceData Cloud 把音乐、图片、视频、搜索、短链这些能力做成托管式远程 MCP Server，你不需要本地启动服务，也不需要为每个工具维护不同账号。

这篇是总览入口，重点帮你判断：OpenCode MCP 能做什么、该先接哪个服务、每个服务的详细教程在哪里。具体配置写法、Token 获取、global / project 两种位置的差异，放在下面每篇单服务文章里展开。

如果你的 OpenCode 还不能正常调用模型，请先看 OpenCode 终端配置教程。如果你想直接对接 Claude Code 而不是 OpenCode，请看 Claude Code MCP 总览。

为什么要在 OpenCode 里接 MCP

OpenCode 是完全开源的终端编程 Agent，它的强项是”原生终端体验 + 任意模型可换”。接入 MCP 之后，它可以把”写完代码 → 补 README 配图 → 做发布素材 → 查参考资料 → 压短链分享”这一长串本来需要切换浏览器和工具的工作，全部在终端会话里完成。

和 IDE 类工具相比，OpenCode 更适合：

SSH 远程开发场景（无 GUI 也能完整使用 MCP）
用脚本/CI 把 MCP 调用拼接进自动化流程
喜欢键盘流、不希望被插件挡住屏幕的工程师

AceData Cloud 提供哪些 MCP Server

一个 AceData Cloud API Token 可以使用以下全部 MCP Server。你可以只接一个，也可以按工作流组合多个。

MCP Server	领域	适合做什么	工具数	OpenCode 教程
Suno	AI 音乐	写歌、配乐、歌词、翻唱、续写、人声分离	35	查看教程
Midjourney	AI 绘画	文生图、混图、放大、编辑、生成视频	16	查看教程
Flux	AI 绘画	快速出图、商用级图片、Kontext 图片编辑	6	查看教程
Seedream	AI 绘画	中文 prompt 出图、商品图、海报、图片编辑	6	查看教程
NanoBanana	AI 图片编辑	商品换景、虚拟试衣、人物/物体一致性编辑	4	查看教程
Luma	AI 视频	文生视频、图生视频、视频延伸、首尾帧控制	8	查看教程
Sora	AI 视频	高质量文生视频、图生视频、角色一致性	10	查看教程
Veo	AI 视频	Google Veo 视频、原生音频、1080p / 4K	12	查看教程
Seedance	AI 视频	动作视频、短视频、配音、竖屏素材	7	查看教程
Google 搜索	实时搜索	Google 网页、图片、新闻、地图、视频搜索	11	查看教程
ShortURL	效率工具	长链转短链、批量短链、分享链接整理	4	查看教程

上表的「工具数」是 2026-05-31 用 opencode mcp list + JSON-RPC tools/list 实测得到，11 个 MCP Server 共暴露 119 个工具。

配置在哪里写

OpenCode 用同一份 opencode.json 描述供应商和 MCP。两种位置只是优先级不同：

全局：~/.config/opencode/opencode.json，所有项目共用，适合”我自己的机器，一次配好”。
项目级：当前项目根目录下的 opencode.json，仅对该项目生效，会覆盖全局，适合团队共享或单仓库定制。

无论放在哪里，结构都是相同的，每个服务一段 mcp.<name> 配置：

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "shorturl": {
      "type": "remote",
      "url": "https://shorturl.mcp.acedata.cloud/mcp",
      "enabled": true,
      "oauth": false,
      "headers": { "Authorization": "Bearer {env:ACEDATACLOUD_API_KEY}" }
    }
  }
}

字段说明：

字段	说明
`type`	固定为 `remote`，代表远程托管 MCP Server
`url`	AceData 提供的对应服务地址
`enabled`	是否启用，临时关闭某个 MCP 时改成 `false` 即可
`oauth`	必须显式设为 `false`。AceData MCP 走 Bearer Token 鉴权，不走 OAuth；不写这一行时 OpenCode 会把 401 当成 OAuth 挑战，最终 `opencode mcp list` 报 `SSE error: Non-200 status code (401)`
`headers.Authorization`	`Bearer <token>`，推荐用 `{env:ACEDATACLOUD_API_KEY}` 占位符引用环境变量

{env:ACEDATACLOUD_API_KEY} 让 OpenCode 在启动时从环境变量里读取 Token，避免把真实 Token 直接写入文件。建议在 ~/.zshrc / ~/.bashrc 里 export ACEDATACLOUD_API_KEY="你的Token"。如果 Token 写在没有 export 的 .env 文件里，需要用 set -a && source .env && set +a 把它导出到 OpenCode 进程，否则 opencode debug config 会显示 "Authorization": "Bearer "（占位符未解析）。

配置示例里不会写完整 Token，只会用类似 357265014ad145fc8ab2.... 的形式展示。真实 Token 请只保存在你本机配置或私有环境变量中。

真实连通性验证

以下结果来自 OpenCode 1.15.13，在隔离临时目录中把 11 个 AceData MCP 同时写入 opencode.json，再运行 opencode mcp list 得到。Token 已脱敏（357265014ad145fc8ab2....），临时配置已删除。

$ opencode --version
1.15.13

$ opencode mcp list

┌  MCP Servers
│
●  ✓ suno connected
│      https://suno.mcp.acedata.cloud/mcp
●  ✓ midjourney connected
│      https://midjourney.mcp.acedata.cloud/mcp
●  ✓ flux connected
│      https://flux.mcp.acedata.cloud/mcp
●  ✓ seedream connected
│      https://seedream.mcp.acedata.cloud/mcp
●  ✓ nanobanana connected
│      https://nanobanana.mcp.acedata.cloud/mcp
●  ✓ luma connected
│      https://luma.mcp.acedata.cloud/mcp
●  ✓ sora connected
│      https://sora.mcp.acedata.cloud/mcp
●  ✓ veo connected
│      https://veo.mcp.acedata.cloud/mcp
●  ✓ seedance connected
│      https://seedance.mcp.acedata.cloud/mcp
●  ✓ serp connected
│      https://serp.mcp.acedata.cloud/mcp
●  ✓ shorturl connected
│      https://shorturl.mcp.acedata.cloud/mcp
│
└  11 server(s)

调试单个 MCP 连接：

1	opencode mcp debug shorturl

选模型的实测建议

要在 OpenCode 中真正”对话 + 调用 MCP 工具”两件事一起做，模型选择有讲究。下面是用 AceData Token 实际测试得到的结论：

场景	推荐模型	说明
对话 + 大量 MCP 工具	`acedatacloud/gpt-5-mini` 或 `acedatacloud/gpt-5`	实测可以正常发出工具调用，例如让 `gpt-5` 调用 `shorturl_create` 直接返回 `https://surl.id/r/1uNdf1MEkM` 短链
纯对话 / 阅读代码 / 不调用 MCP	`acedatacloud/claude-sonnet-4-6`、`acedatacloud/claude-haiku-4-5-20251001`	Claude 系列对自然语言任务表现更好
关掉 MCP、只做规划	`acedatacloud/claude-opus-4-7`	适合架构、重构方案的深度思考

已知限制：当 opencode.json 中同时启用多个 MCP 时，Claude 系列模型容易在上游返回 Improperly formed request。原因是部分 MCP 工具的 JSON Schema（anyOf 等用法）超出了 Anthropic 接口的严格校验范围。要让 Claude 同时对话 + 调用工具，建议先在 opencode.json 中把暂时不用的 MCP 的 enabled 改成 false，只保留必要的几个；或者直接换成 OpenAI 系列模型作为对话模型。

常见工作流

终端里写 README 顺手生图

让 OpenCode 先读懂你新功能的 README 草稿，再调用 Midjourney / Flux / Seedream 生成 banner，最后把图片 URL 直接贴回 README。

远程服务器排查问题 + 搜资料

SSH 到服务器后启动 opencode，让它结合本地日志和 Google 搜索 MCP 找到匹配的社区帖子或 issue，再用 ShortURL MCP 把相关链接压成短链发到群里。

发版素材一条龙

让 OpenCode 根据 CHANGELOG 用 Suno 写一段 30 秒 BGM、用 Veo / Sora 生成预览视频、用 Flux 出一张主视觉，整个过程不离开终端。

下一步

从上面的表格里选一个服务进入单独教程，先在项目 opencode.json 里跑通单服务。确认 opencode mcp list 显示 ✓ connected 后，再决定是否把它升级到全局 ~/.config/opencode/opencode.json，让所有项目都能直接调用。

产品推广 Windsurf 对接 Hailuo (MiniMax) MCP

📘 完整指南：在 Windsurf 里用全部 AceData Cloud MCP →

MiniMax 海螺是文生视频 / 图生视频模型，支持 Director Mode 精确控制运镜。通过 MCP 接入 Windsurf 后，可以直接在对话里调用，不用切窗口、不用复制粘贴。

获取 API Token

到 AceData Cloud 平台注册账号，复制首页的 API Token——一个 Token 即可使用全部 AceData Cloud MCP Server。详细步骤见完整指南。

配置

编辑配置：~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "hailuo": {
      "serverUrl": "https://hailuo.mcp.acedata.cloud/mcp",
      "headers": { "Authorization": "Bearer 你的Token" }
    }
  }
}

保存后重启 Windsurf 即可使用工具。

使用示例

用 hailuo-02 生成 6 秒视频：傍晚的山间小路，雾气漫过来，镜头慢慢推进

用 hailuo-01-director 生成视频：[拉镜头]一个咖啡馆的桌面特写转到[摇镜头]整个店内

用这张图（链接 xxx）做 image2video，让画面里的鸟从树枝飞起

工具

工具	说明
hailuo_generate_video	通过文本或图片生成视频（hailuo-02 / hailuo-02-pro / hailuo-01-director / hailuo-01-live）

产品推广 JetBrains 对接 Seedream MCP

📘 完整指南：在 JetBrains（IntelliJ IDEA / PyCharm / WebStorm 等）里用全部 11 个 AceData Cloud MCP →

字节跳动出品的图像模型，中文语义理解强，擅长国风、东方审美、写实摄影。通过 MCP 接入 JetBrains（IntelliJ IDEA / PyCharm / WebStorm 等）后，可以直接在对话里调用，不用切窗口、不用复制粘贴。

获取 API Token

到 AceData Cloud 平台注册账号，复制首页的 API Token——一个 Token 即可使用全部 11 个 MCP Server。详细步骤见完整指南。

配置

编辑配置：Junie 或 Claude 插件设置 → MCP Servers → Add Server

Name: seedream
Type: HTTP (Streamable)
URL: https://seedream.mcp.acedata.cloud/mcp
Headers:
  Authorization = Bearer 你的Token

保存后在 Junie / Claude 插件的工具栏即可看到工具。

使用示例

用 Seedream 生成一幅中国风山水画：远山、溪流、茅草亭

生成一张国潮风插画：锦鲤跃出水面，背景祥云

把这张照片（链接 xxx）按文字指令修改（SeedEdit 3.0）

工具

工具	说明
seedream_generate_image	文生图（3.0 / 4.0 / 4.5 / 5.0）
seedream_edit_image	图像编辑（SeedEdit 3.0）

API 开发教程 上传文件到 AceDataCloud 平台 CDN

把本地文件上传到 AceDataCloud 平台 CDN，获得一个永久可访问的 URL（https://cdn.acedata.cloud/xxxxxx.png 风格），可立即在其他业务接口（如 Midjourney、Suno、Flux）的 image_url、reference_url 等参数中引用。

适用场景：

在调用 Midjourney /midjourney/imagine 前先把垫图上传到 CDN 拿到 URL。
把上一步生成的视频缓存起来用作下一步的输入。
临时托管用户上传的素材，避免自建 S3。

ℹ️ 本接口属于 AceDataCloud 平台管理 API，统一前缀 https://platform.acedata.cloud/api/v1/。

接口概览

项	内容
方法	`POST`
URL	`https://platform.acedata.cloud/api/v1/files/`
鉴权	✅ 需要账户令牌
Content-Type	`multipart/form-data`（不是 JSON）

鉴权说明（如何获取账户令牌）

请求头：

1	Authorization: Bearer platform-v1-92eb****629c

获取方式：登录 AceDataCloud 平台 → Account Token 控制台 → 点「创建」按钮。详见管理 AceDataCloud 平台账户令牌。

请求体（multipart/form-data）

字段	类型	必填	说明
`file`	file	✅	二进制文件流。单文件上限默认 50 MB
`filename`	string	否	自定义文件名；不传则用 multipart 自带的文件名
`metadata`	string	否	JSON 字符串，挂在文件上的元数据（注意是字符串不是对象，因为 multipart 不支持原生嵌套 JSON）

请求示例

cURL

curl -X POST 'https://platform.acedata.cloud/api/v1/files/' \
  -H 'accept: application/json' \
  -H 'authorization: Bearer platform-v1-92eb****629c' \
  -F 'file=@./photo.jpg'

Python

import requests

PLATFORM_TOKEN = "platform-v1-92eb****629c"

with open("photo.jpg", "rb") as f:
    resp = requests.post(
        "https://platform.acedata.cloud/api/v1/files/",
        headers={
            "accept": "application/json",
            "authorization": f"Bearer {PLATFORM_TOKEN}",
        },
        files={"file": ("photo.jpg", f, "image/jpeg")},
        timeout=60,
    )

data = resp.json()
print(f"✅ 上传成功：{data['url']}")
# 直接用于其他业务接口：
# requests.post("https://api.acedata.cloud/midjourney/imagine",
#     json={"prompt": "...", "image_urls": [data["url"]]}, ...)

Node.js

const fs = require('fs')
const FormData = require('form-data')

const form = new FormData()
form.append('file', fs.createReadStream('./photo.jpg'))

const r = await fetch('https://platform.acedata.cloud/api/v1/files/', {
  method: 'POST',
  headers: {
    authorization: 'Bearer platform-v1-92eb****629c',
    ...form.getHeaders(),
  },
  body: form,
})
const data = await r.json()
console.log('CDN URL:', data.url)

响应示例（HTTP 201）

{
  "id": "f-9c8b7a6d5e4f3a2b1c0d",
  "user_id": "89518d07-5560-4b05-92c1-667f3ddf6a4b",
  "filename": "photo.jpg",
  "size": 184729,
  "content_type": "image/jpeg",
  "url": "https://cdn.acedata.cloud/qrd7gw.jpg",
  "metadata": null,
  "created_at": "2026-04-26T08:30:00Z"
}

直接把 url 字段拿去其他业务接口里用就行——CDN 永久公开可访问，无需鉴权。

响应字段说明

字段	类型	说明
`id`	string	文件 ID
`user_id`	UUID	上传者用户 ID
`filename`	string	文件名
`size`	integer	字节数
`content_type`	string	MIME 类型
`url`	string	CDN 访问 URL
`metadata`	object \	null	自定义元数据（如果上传时传了 `metadata` 字段）
`created_at`	string	上传时间

错误处理

HTTP	code	含义
400	`invalid`	没附 `file` 字段、字段名不对、`metadata` 不是合法 JSON 字符串
401	`not_authenticated`	缺少账户令牌
413	`payload_too_large`	文件超过 50 MB（默认）

实用提示

上传图片做垫图：Midjourney image_urls、Flux image_url、Veo reference_url 都接受 CDN URL，不接受 base64。先用本接口拿 URL 是常规操作。
url 是永久 URL——目前没有自动清理策略，但敏感数据请勿上传。如有需求请联系客服设短期 TTL。
metadata 字段：multipart/form-data 不支持原生嵌套 JSON，传字符串：”{\"campaign\":\"summer\"}“，平台会反序列化。
大批量上传：推荐 2-4 个并发，单连接即可达到 ~10 MB/s。

API 开发教程 身份证识别及信息核验 API 对接说明

本文将介绍一种身份证识别及信息核验 API 对接说明，它可以通过输入身份证图片或姓名和身份证号码，来校验姓名和身份证号的真实性和一致性。本接口用于校验姓名和身份证号的真实性和一致性，您可以通过输入姓名和身份证号或传入身份证人像面照片提供所需验证信息。

申请流程

要使用 API，需要先到身份证识别及信息核验 API 对应页面申请对应的服务，进入页面之后，点击「Acquire」按钮，如图所示：

如果你尚未登录或注册，会自动跳转到登录页面邀请您来注册和登录，登录注册之后会自动返回当前页面。

在首次申请时会有免费额度赠送，可以免费使用该 API。

基本使用

首先先了解下基本的使用方式，就是输入身份证图片链接，便可获得处理后验证结果，首先需要简单地传递一个 image_url 字段，我们接下来就可以在界面上填写对应的内容，如图所示：

可以看到这里我们设置了 Request Headers，包括：

accept：想要接收怎样格式的响应结果，这里填写为 application/json，即 JSON 格式。
authorization：调用 API 的密钥，申请之后可以直接下拉选择。

另外设置了 Request Body，包括：

image_url：需要处理的身份证图片链接。
encryption：可选，敏感字段加密参数（如需上送密文）。

选择之后，可以发现右侧也生成了对应代码，如图所示：

点击「Try」按钮即可进行测试，如上图所示，这里我们就得到了如下结果：

{
  "result": "0",
  "description": "姓名和身份证号一致",
  "name": "身份证姓名",
  "id_card": "身份证号码",
  "sex": "身份证性别",
  "nation": "身份证民族",
  "birth": "身份证生日",
  "address": "身份证家庭住址"
}

返回结果一共有多个字段，介绍如下：

result，认证结果码，收费情况如下。
- 收费结果码：
  - 0: 姓名和身份证号一致
  - -1: 姓名和身份证号不一致
- 不收费结果码：
  - -2: 非法身份证号（长度、校验位等不正确）
  - -3: 非法姓名（长度、格式等不正确）
  - -4: 证件库服务异常
  - -5: 证件库中无此身份证记录
  - -6: 权威比对系统升级中，请稍后再试
  - -7: 认证次数超过当日限制。
description，此处姓名与身份证号码验证的结果。
name，身份证中的姓名信息，如果没有上传身份证图片则是空的。
id_card，身份证中的身份证号码信息，如果没有上传身份证图片则是空的。
sex，身份证中的性别信息，如果没有上传身份证图片则是空的。
nation，身份证中的民族信息，如果没有上传身份证图片则是空的。
birth，身份证中的生日信息，如果没有上传身份证图片则是空的。
address，身份证中的家庭住址信息，如果没有上传身份证图片则是空的。

可以看出身份证中姓名与身份证号码的信息是一致性并且有效的，同时也使用OCR技术提取了其它的信息并展示出来。

另外如果想生成对应的对接代码，可以直接复制生成，例如 CURL 的代码如下：

curl -X POST 'https://api.acedata.cloud/identity/idcard/ocr' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "image_url": {image_url}
}'

Python 的对接代码如下：

import requests

url = "https://api.acedata.cloud/identity/idcard/ocr"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "image_url": {image_url}
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

自定义信息验证

我们也提供了一种不泄露身份证图片信息的方式来验证，可以只传入姓名name 和身份证号码 id_card 来进行校验姓名和身份证号的真实性和一致性，下面是填的具体信息：

点击运行后得到如下结果：

{
    "address": "",
    "birth": "",
    "description": "姓名和身份证号一致",
    "id_card": "身份证号码",
    "name": "身份证姓名",
    "nation": "",
    "result": "0",
    "sex": ""
 }

这样从结果看就不会泄露其它隐私信息了，这也可以完成校验姓名和身份证号的真实性和一致性。

错误处理

在调用 API 时，如果遇到错误，API 会返回相应的错误代码和信息。例如：

400 token_mismatched：Bad request, possibly due to missing or invalid parameters.
400 api_not_implemented：Bad request, possibly due to missing or invalid parameters.
401 invalid_token：Unauthorized, invalid or missing authorization token.
429 too_many_requests：Too many requests, you have exceeded the rate limit.
500 api_error：Internal server error, something went wrong on the server.

错误响应示例

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

结论

通过本文档，您已经了解了如何使用身份证识别及信息核验 API 对输入的图片或姓名与身份证号码信息来进行校验姓名和身份证号的真实性和一致性。希望本文档能帮助您更好地对接和使用该 API。如有任何问题，请随时联系我们的技术支持团队。

作者崔庆才发表于 2026-05-31 阅读次数：本文字数： 2.7k 阅读时长 ≈ 2 分钟

API 开发教程 Sora Videos Generation API 对接说明

本文将介绍 Sora Videos Generation API 的对接说明，通过该 API 可以输入自定义参数来生成 Sora 官方的视频。本 API 支持两种版本模式：

Version 1（经典模式）：支持 duration（10/15/25 秒）、orientation（横屏/竖屏）、size（small/large 清晰度）、参考图 image_urls、角色视频 character_url 等参数。
Version 2（合作商模式）：支持 seconds（4/8/12 秒）、像素级分辨率 size（如 1280x720）、参考图 input_reference 等参数。

申请流程

要使用 API，需要先到 Sora Videos Generation API 对应页面申请对应的服务，进入页面之后，点击「Acquire」按钮，如图所示：

如果你尚未登录或注册，会自动跳转到登录页面邀请您来注册和登录，登录注册之后会自动返回当前页面。

在首次申请时会有免费额度赠送，可以免费使用该 API。

基本使用（Version 1）

首先先了解 Version 1 的基本使用方式，就是输入提示词 prompt、参考图片链接数组 image_urls 以及模型 model，便可获得处理后的结果，具体的内容如下：

可以看到这里我们设置了 Request Headers，包括：

accept：想要接收怎样格式的响应结果，这里填写为 application/json，即 JSON 格式。
authorization：调用 API 的密钥，申请之后可以直接下拉选择。

另外设置了 Request Body，包括：

model：生成视频的模型，支持 sora-2（标准模式）和 sora-2-pro（高清模式）。其中 sora-2-pro 可以支持 duration 为 25 秒的视频，而 sora-2 只支持 10、15 秒。
size：视频清晰度，small 为标准清晰度、large 为 HD 清晰度（仅 Version 1）。
duration：视频时长，支持 10、15、25 秒，其中 25 秒仅 sora-2-pro 支持（仅 Version 1）。
orientation：画幅方向，支持 landscape（横屏）、portrait（竖屏）（仅 Version 1）。
image_urls：参考图片链接数组，用于图生视频（仅 Version 1）。
character_url：角色视频链接，视频中不能出现真人（仅 Version 1）。
character_start/character_end：角色出现的起止秒数，范围差值为 1-3 秒（仅 Version 1）。
prompt：提示词（必填）。
callback_url：异步回调结果的 URL。
version：API 版本，"1.0"（默认）或 "2.0"。

选择之后，可以发现右侧也生成了对应代码，如图所示：

点击「Try」按钮即可进行测试，如上图所示，这里我们就得到了如下结果：

{
  "success": true,
  "task_id": "6bf7fb83-5814-4e3e-a4ad-bfa0c26c0b33",
  "trace_id": "96166698-4b66-478d-a26b-77a7269c9e01",
  "data": [
    {
      "id": "sora-2:task_01k7770rgsevxsmtpbn7xnm5gh",
      "video_url": "https://filesystem.site/gptimage/vg-assets/assets%2Ftask_01k7770rgsevxsmtpbn7xnm5gh%2Ftask_01k7770rgsevxsmtpbn7xnm5gh_genid_0bf958d3-cae7-4298-b7b6-99ae439a1ea6_25_10_10_14_06_975715%2Fvideos%2F00000%2Fsrc.mp4?st=2025-10-10T12%3A30%3A38Z&se=2025-10-16T13%3A30%3A38Z&sks=b&skt=2025-10-10T12%3A30%3A38Z&ske=2025-10-16T13%3A30%3A38Z&sktid=a48cca56-e6da-484e-a814-9c849652bcb3&skoid=8ebb0df1-a278-4e2e-9c20-f2d373479b3a&skv=2019-02-02&sv=2018-11-09&sr=b&sp=r&spr=https%2Chttp&sig=jigY6Z5qp8%2BTXYobaW0EAJ4%2Fbx6G7t6V1P0iyDeUq48%3D&az=oaivgprodscus",
      "state": "succeeded"
    }
  ]
}

返回结果一共有多个字段，介绍如下：

success，此时视频生成任务的状态情况。
task_id，此时视频生成任务ID。
trace_id，此时视频生成跟踪ID。
data，此时视频生成任务的结果列表。
- id，此时视频生成任务的视频ID。
- video_url，此时视频生成任务的视频链接。
- state，此时视频生成任务的状态。

可以看到我们得到了满意的视频信息，我们只需要根据结果中 data 的视频链接地址获取生成的Sora视频即可。

另外如果想生成对应的对接代码，可以直接复制生成，例如 CURL 的代码如下：

curl -X POST 'https://api.acedata.cloud/sora/videos' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "size": "large",
  "duration": 15,
  "orientation": "landscape",
  "prompt": "cat running on the river",
  "model": "sora-2"
}'

图生视频任务（Version 1）

如果想进行图生视频任务，首先参数 image_urls 必须传入参考图片链接，就可以指定如下内容：

image_urls：该图生视频任务采用的参考图链接数组。注意不可传递真实的带有头像的人物图像，否则可能导致任务失败。

填写样例如下：

填写完毕之后自动生成了代码如下：

对应的代码：

import requests

url = "https://api.acedata.cloud/sora/videos"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "size": "large",
    "duration": 15,
    "orientation": "landscape",
    "prompt": "cat running on the river",
    "model": "sora-2",
    "image_urls": ["https://cdn.acedata.cloud/11wfp4.png"]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

点击运行，可以发现会立即得到一个结果，如下：

{
  "success": true,
  "task_id": "dd392ff0-dcb7-4c7a-afd0-9bd4f65c803a",
  "trace_id": "04fd151c-e942-4c1c-a6ab-9a1b1fe54172",
  "data": [
    {
      "id": "sora-2:task_01k777af4hfmg9g7yfvwsc6zws",
      "video_url": "https://filesystem.site/gptimage/vg-assets/assets%2Ftask_01k777af4hfmg9g7yfvwsc6zws%2Ftask_01k777af4hfmg9g7yfvwsc6zws_genid_92bae0c5-1703-4a5f-9d9f-c9ed2f9e7176_25_10_10_14_12_924695%2Fvideos%2F00000%2Fsrc.mp4?st=2025-10-10T12%3A37%3A32Z&se=2025-10-16T13%3A37%3A32Z&sks=b&skt=2025-10-10T12%3A37%3A32Z&ske=2025-10-16T13%3A37%3A32Z&sktid=a48cca56-e6da-484e-a814-9c849652bcb3&skoid=aa5ddad1-c91a-4f0a-9aca-e20682cc8969&skv=2019-02-02&sv=2018-11-09&sr=b&sp=r&spr=https%2Chttp&sig=5j4dibeaSsDmEka5c%2B9CKHZhRPdqfClQ0tIh03TWXsM%3D&az=oaivgprodscus",
      "state": "succeeded"
    }
  ]
}

可以看到，生成的效果是图生建视频的，结果与上文类似。

角色生成视频任务（Version 1）

如果想进行角色生成视频任务，首先参数 character_url 必须传入创建角色需要的视频链接，注意视频中一定不能出现真人，否则会失败，就可以指定如下内容：

character_url：创建角色需要的视频链接，注意视频中一定不能出现真人，否则会失败。

填写样例如下：

填写完毕之后自动生成了代码如下：

对应的代码：

import requests

url = "https://api.acedata.cloud/sora/videos"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "size": "small",
    "duration": 10,
    "orientation": "landscape",
    "prompt": "cat running on the river",
    "character_url": "https://cdn.acedata.cloud/pdidf5.mp4",
    "model": "sora-2",
    "character_end": 3,
    "character_start": 1
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

点击运行，可以发现会立即得到一个结果，如下：

{
  "success": true,
  "task_id": "d9bf5461-29b5-47fd-be90-1fe9197df259",
  "trace_id": "b7992643-9207-40d6-956b-7577728acc67",
  "data": [
    {
      "id": "sora-2:task_01k8ykrztefavaypw6xanw305b",
      "video_url": "https://filesystem.site/cdn/20251101/bee4eeeb4c4660b46dac4548a1ffbc.mp4",
      "state": "succeeded"
    }
  ]
}

可以看到，生成的效果是角色生成视频，结果与上文类似。

Version 2.0 模式

除了上述 Version 1.0 模式之外，本 API 还支持 Version 2.0 模式，通过设置 version 参数为 "2.0" 即可启用。Version 2.0 模式支持更短的视频时长和像素级的分辨率控制。

Version 2.0 参数说明

参数	类型	是否必填	说明
`version`	string	是	设置为 `"2.0"`
`prompt`	string	是	生成视频的提示词
`model`	string	否	`sora-2`（默认）或 `sora-2-pro`
`duration`	integer	否	视频时长：`4`（默认）、`8`、`12` 秒
`size`	string	否	分辨率：`720x1280`（默认）、`1280x720`、`1024x1792`、`1792x1024`
`image_urls`	array	否	参考图片 URL 数组，仅使用第一张图片，图片尺寸需要与 `size` 参数一致
`callback_url`	string	否	异步回调 URL

基本示例

curl -X POST 'https://api.acedata.cloud/sora/videos' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "version": "2.0",
  "prompt": "cat running on the river",
  "model": "sora-2",
  "duration": 8,
  "size": "1280x720"
}'

对应的 Python 代码：

import requests

url = "https://api.acedata.cloud/sora/videos"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "version": "2.0",
    "prompt": "cat running on the river",
    "model": "sora-2",
    "seconds": 8,
    "size": "1280x720"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

对应的 JavaScript 代码：

const response = await fetch('https://api.acedata.cloud/sora/videos', {
  method: 'POST',
  headers: {
    'accept': 'application/json',
    'authorization': 'Bearer {token}',
    'content-type': 'application/json'
  },
  body: JSON.stringify({
    version: '2.0',
    prompt: 'cat running on the river',
    model: 'sora-2',
    seconds: 8,
    size: '1280x720'
  })
});
const data = await response.json();
console.log(data);

返回结果格式与 Version 1 相同：

{
  "success": true,
  "task_id": "6bf7fb83-5814-4e3e-a4ad-bfa0c26c0b33",
  "trace_id": "96166698-4b66-478d-a26b-77a7269c9e01",
  "data": [
    {
      "id": "c0cc8dad-0954-421f-be8d-02eb063b3263",
      "video_url": "https://platform.cdn.acedata.cloud/sora/xxxxx.mp4",
      "state": "succeeded"
    }
  ]
}

使用参考图片（Version 2.0）

在 Version 2.0 模式下，可以通过 image_urls 参数传入参考图片来引导视频生成（仅使用第一张图片）：

import requests

url = "https://api.acedata.cloud/sora/videos"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "version": "2.0",
    "prompt": "a person walking through a beautiful garden",
    "model": "sora-2",
    "duration": 4,
    "size": "1280x720",
    "image_urls": ["https://cdn.acedata.cloud/11wfp4.png"]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

注意：参考图片的尺寸应与 size 参数保持一致，例如 size 为 1280x720 时，参考图片尺寸应为 1280×720。

Version 1.0 与 Version 2.0 参数对比

参数	Version 1.0	Version 2.0
`version`	1.0（默认）	2.0
`prompt`	✅	✅
`model`	✅ sora-2 / sora-2-pro	✅ sora-2 / sora-2-pro
`duration`	✅ 10/15/25 秒	✅ 4/8/12 秒
`orientation`	✅ landscape/portrait	❌
`size`	✅ small/large	✅ 720x1280/1280x720/1024x1792/1792x1024
`image_urls`	✅ 多张参考图	✅ 仅使用第一张
`character_url`	✅	❌
`callback_url`	✅	✅

异步回调

由于 Sora Videos Generation API生成的时间相对较长，大约需要 1-2 分钟，如果 API 长时间无响应，HTTP 请求会一直保持连接，导致额外的系统资源消耗，所以本 API 也提供了异步回调的支持。

整体流程是：客户端发起请求的时候，额外指定一个 callback_url 字段，客户端发起 API 请求之后，API 会立马返回一个结果，包含一个 task_id 的字段信息，代表当前的任务 ID。当任务完成之后，生成视频的结果会通过 POST JSON 的形式发送到客户端指定的 callback_url，其中也包括了 task_id 字段，这样任务结果就可以通过 ID 关联起来了。

下面我们通过示例来了解下具体怎样操作。

首先，Webhook 回调是一个可以接收 HTTP 请求的服务，开发者应该替换为自己搭建的 HTTP 服务器的 URL。此处为了方便演示，使用一个公开的 Webhook 样例网站 https://webhook.site/，打开该网站即可得到一个 Webhook URL，如图所示：

将此 URL 复制下来，就可以作为 Webhook 来使用，此处的样例为 https://webhook.site/eb238c4f-da3b-47a5-a922-a93aa5405daa。

接下来，我们可以设置字段 callback_url 为上述 Webhook URL，同时填入相应的参数，具体的内容如图所示：

点击运行，可以发现会立即得到一个结果，如下：

1
2
3

{
  "task_id": "b8976e18-32dc-4718-9ed8-1ea090fcb6ea"
}

稍等片刻，我们可以在 https://webhook.site/eb238c4f-da3b-47a5-a922-a93aa5405daa 上观察到生成视频的结果，如图所示：

内容如下：

{
    "success": true,
    "task_id": "b8976e18-32dc-4718-9ed8-1ea090fcb6ea",
    "trace_id": "fb751e1e-4705-49ea-9fd4-5024b7865ea2",
    "data": [
        {
            "id": "sora-2:task_01k777hjrbfrgs2060q5zvf2a5",
            "video_url": "https://filesystem.site/gptimage/vg-assets/assets%2Ftask_01k777hjrbfrgs2060q5zvf2a5%2Ftask_01k777hjrbfrgs2060q5zvf2a5_genid_b8e2e5d1-a579-49ca-a21c-cb3869685cce_25_10_10_14_15_147334%2Fvideos%2F00000%2Fsrc.mp4?st=2025-10-10T12%3A38%3A49Z&se=2025-10-16T13%3A38%3A49Z&sks=b&skt=2025-10-10T12%3A38%3A49Z&ske=2025-10-16T13%3A38%3A49Z&sktid=a48cca56-e6da-484e-a814-9c849652bcb3&skoid=aa5ddad1-c91a-4f0a-9aca-e20682cc8969&skv=2019-02-02&sv=2018-11-09&sr=b&sp=r&spr=https%2Chttp&sig=p4aMqXqkP%2FI1IhOVGCB9JL8vUUvfNBBF12ESpKhKXOk%3D&az=oaivgprodscus",
            "state": "succeeded"
        }
    ]
}

可以看到结果中有一个 task_id 字段，其他的字段都和上文类似，通过该字段即可实现任务的关联。

错误处理

在调用 API 时，如果遇到错误，API 会返回相应的错误代码和信息。例如：

400 token_mismatched：Bad request, possibly due to missing or invalid parameters.
400 api_not_implemented：Bad request, possibly due to missing or invalid parameters.
401 invalid_token：Unauthorized, invalid or missing authorization token.
429 too_many_requests：Too many requests, you have exceeded the rate limit.
500 api_error：Internal server error, something went wrong on the server.

错误响应示例

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

结论

通过本文档，您已经了解了如何使用 Sora Videos Generation API 可通过输入提示词以及参考图片来生成视频。希望本文档能帮助您更好地对接和使用该 API。如有任何问题，请随时联系我们的技术支持团队。

作者崔庆才发表于 2026-05-31 阅读次数：本文字数： 10k 阅读时长 ≈ 9 分钟

API 开发教程 获取 AceDataCloud 平台服务下的 API 列表

通过服务 ID 获取该服务下挂载的全部 API 端点信息（路径、定价、阶段、关联文档等）。与获取 AceDataCloud 平台 API 列表的区别：本接口只返回指定一个服务下的 API，前者会跨服务返回全部 API。

适用场景：服务详情页右侧的「该服务包含的接口」面板、Agent 工具能力枚举、文档站点导航生成等。

ℹ️ 本接口属于 AceDataCloud 平台管理 API，统一前缀 https://platform.acedata.cloud/api/v1/。完整接口索引见获取 AceDataCloud 平台文档列表。

接口概览

项	内容
方法	`GET`
URL	`https://platform.acedata.cloud/api/v1/services/{service_id}/apis/`
鉴权	❌ 公开

鉴权说明

本接口完全公开，无需账户令牌或登录态。

路径参数

参数	类型	必填	说明
`service_id`	UUID	✅	服务 ID。注意：必须是 UUID 格式，不支持 alias——这是历史遗留

⚠️ 这里和服务详情接口不一样：详情接口同时支持 UUID 和 alias，本接口只支持 UUID。如果你只有 alias，先调一次详情接口拿到 UUID 再用。

查询参数

参数	类型	必填	默认	说明
`limit`	integer	否	10	每页条数，最大 100
`offset`	integer	否	0	偏移
`stage`	string	否	—	按阶段过滤：`Alpha`/`Beta`/`Stable`/`Deprecated`
`ordering`	string	否	`rank`	排序字段，前缀 `-` 倒序

请求示例

cURL

curl 'https://platform.acedata.cloud/api/v1/services/8efa1d83-9b75-4562-b44a-af95ce563d05/apis/' \
  -H 'accept: application/json'

# 只看稳定版接口
curl 'https://platform.acedata.cloud/api/v1/services/8efa1d83-9b75-4562-b44a-af95ce563d05/apis/?stage=Stable' \
  -H 'accept: application/json'

Python

import requests

service_id = "8efa1d83-9b75-4562-b44a-af95ce563d05"
resp = requests.get(
    f"https://platform.acedata.cloud/api/v1/services/{service_id}/apis/",
    headers={"accept": "application/json"},
    params={"limit": 50},
    timeout=10,
)
data = resp.json()
print(f"该服务下共有 {data['count']} 个 API")
for api in data["items"]:
    print(f"  [{api['stage']:>10}] {api['title']:30s} {api['path']}")

Node.js

const serviceId = '8efa1d83-9b75-4562-b44a-af95ce563d05'
const r = await fetch(`https://platform.acedata.cloud/api/v1/services/${serviceId}/apis/`)
const { count, items } = await r.json()
console.log(`API 数: ${count}`)
items.forEach((api) => console.log(`${api.title} -> ${api.path}`))

响应示例（HTTP 200）

{
  "count": 7,
  "items": [
    {
      "id": "e4fbc3b6-4f44-48fb-a049-40f5c27c7cd3",
      "document_id": "20945baf-b263-457b-be5f-0332c2180a57",
      "service_id": "8efa1d83-9b75-4562-b44a-af95ce563d05",
      "name": "Face Analyze API",
      "title": "五官定位 API",
      "path": "/face/analyze",
      "path2": null,
      "introduction": "该API可用于对请求图片进行五官定位（也称人脸关键点定位），计算构成人脸轮廓的 90 个点。",
      "cost": [
        { "conditions": { "==": [1, 1] }, "consumption": 0.0025 }
      ],
      "stage": "Stable",
      "rank": 10,
      "tags": [],
      "metadata": null,
      "created_at": "2024-08-06T03:20:03.105765Z",
      "updated_at": "2026-04-26T16:16:56.579972Z"
    }
  ]
}

响应字段说明

字段	类型	说明
`count`	integer	符合条件的 API 总数
`items`	array	API 列表
`id`	UUID	API 唯一标识
`document_id`	UUID	关联的开发者文档 ID（可用于跳转获取 AceDataCloud 平台文档详情）
`service_id`	UUID	所属服务 ID（与路径参数相同）
`name`	string	API 英文名
`title`	string	API 显示标题（已本地化）
`path`	string	API 调用路径，业务接口前缀是 `https://api.acedata.cloud`，例如 `/face/analyze` 完整 URL 为 `https://api.acedata.cloud/face/analyze`
`path2`	string	备用路径，可能为 `null`
`introduction`	string	一段话简介
`cost`	array	定价规则（JsonLogic 格式）。`conditions` 匹配请求参数，匹配成功后用 `consumption` 计费
`stage`	string	生命周期阶段：`Alpha`、`Beta`、`Stable`、`Deprecated`
`rank`	integer	排序权重
`tags`	array	标签
`metadata`	object	扩展元数据
`created_at`	string	创建时间
`updated_at`	string	最近更新时间

ℹ️ 本接口不返回 definition（OpenAPI Schema）字段——schema 体量大且很少需要。要看 schema 请调用获取 AceDataCloud 平台 API 详情。

错误处理

HTTP	code	含义
400	`invalid`	`service_id` 不是合法 UUID 格式
404	`not_found`	服务不存在或已下线

实用提示

看到 stage=Deprecated 的 API 请勿在新项目使用，会在未来 6 个月内移除。
多 path 服务：少数服务（如 ChatDoc）有多套接口路径，本接口会返回多条记录。
自动生成 SDK：常见做法是先调 services/?type=Api，再对每个服务调本接口拿到 api_ids，最后调 /apis/{id} 拿 OpenAPI Schema 用 openapi-generator 生成客户端代码。

产品推广 OpenCode + Seedream MCP

📘 完整指南：在 OpenCode 里用全部 11 个 AceData Cloud MCP →

字节跳动出品的图像模型，中文语义理解强，擅长国风、东方审美、写实摄影。通过 MCP 接入 OpenCode 后，可以直接在对话里调用，不用切窗口、不用复制粘贴。

获取 API Token

到 AceData Cloud 平台注册账号，复制首页的 API Token——一个 Token 即可使用全部 11 个 MCP Server。详细步骤见完整指南。

配置

编辑配置：~/.config/opencode/opencode.json

{
  "mcp": {
    "seedream": {
      "type": "remote",
      "url": "https://seedream.mcp.acedata.cloud/mcp",
      "headers": { "Authorization": "Bearer 你的Token" }
    }
  }
}

重启 OpenCode（或在会话内执行 /mcp reload）即可调用工具。

使用示例

用 Seedream 生成一幅中国风山水画：远山、溪流、茅草亭

生成一张国潮风插画：锦鲤跃出水面，背景祥云

把这张照片（链接 xxx）按文字指令修改（SeedEdit 3.0）

工具

工具	说明
seedream_generate_image	文生图（3.0 / 4.0 / 4.5 / 5.0）
seedream_edit_image	图像编辑（SeedEdit 3.0）

API 开发教程 Midjourney Edits API 对接说明

本文将介绍一种 Midjourney Edits API 对接说明，它是可以通过输入提示词来编辑传入的图片进行生成。

申请流程

要使用 API，需要先到 Midjourney Edits API 对应页面申请对应的服务，进入页面之后，点击「Acquire」按钮，如图所示：

如果你尚未登录或注册，会自动跳转到登录页面邀请您来注册和登录，登录注册之后会自动返回当前页面。

在首次申请时会有免费额度赠送，可以免费使用该 API。

基本使用

首先先了解下基本的使用方式，就是输入提示词 prompt、生成行为 action、参考图片 image_url，便可获得处理后的结果，首先需要简单地传递一个 action 字段，它的值为 generate，具体的内容如下：

可以看到这里我们设置了 Request Headers，包括：

accept：想要接收怎样格式的响应结果，这里填写为 application/json，即 JSON 格式。
authorization：调用 API 的密钥，申请之后可以直接下拉选择。

另外设置了 Request Body，包括：

mask：可以指定图像区域的掩码位置以进行编辑和重新生成。
split_images：将生成的图像分割成多个图像，通过sub_image_urls字段返回。缺省情况下，为false。
action：此次编辑图片生成任务的行为，默认是 generate。
image_url：需要编辑的图片链接。
prompt：提示词。
mode：生成模式，可选 fast/relax/turbo。
callback_url：需要回调结果的URL。

选择之后，可以发现右侧也生成了对应代码，如图所示：

点击「Try」按钮即可进行测试，如上图所示，这里我们就得到了如下结果：

{
  "sub_image_urls": [
    "https://cdn.midjourney.com/88e16dab-ef48-43a5-af73-bf24065287bc/0_0.png",
    "https://cdn.midjourney.com/88e16dab-ef48-43a5-af73-bf24065287bc/0_1.png",
    "https://cdn.midjourney.com/88e16dab-ef48-43a5-af73-bf24065287bc/0_2.png",
    "https://cdn.midjourney.com/88e16dab-ef48-43a5-af73-bf24065287bc/0_3.png"
  ],
  "image_url": "https://storage.fonedis.cc/attachments/1372468820912115716/1391371957878132849/cat_sitting_table_88e16dab-ef48-43a5-af73-bf24065287bc.png?ex=686ba79d&is=686a561d&hm=ad005d06f6673d6152456e04c3cbec39d062bd9df10448623fae27ddaf8b8a80&",
  "image_width": 960,
  "image_height": 1200,
  "raw_image_url": "https://storage.fonedis.cc/attachments/1372468820912115716/1391371957878132849/cat_sitting_table_88e16dab-ef48-43a5-af73-bf24065287bc.png?ex=686ba79d&is=686a561d&hm=ad005d06f6673d6152456e04c3cbec39d062bd9df10448623fae27ddaf8b8a80&",
  "raw_image_width": 960,
  "raw_image_height": 1200,
  "progress": 100,
  "image_id": "1391372193836826624",
  "task_id": "26c39859-f54a-4998-9e42-3da96eceee8c",
  "success": true
}

返回结果一共有多个字段，介绍如下：

success，此时图片编辑生成任务的状态情况。
task_id，此时图片编辑生成任务ID。
image_id，此次图片编辑任务的图片ID。
sub_image_urls，图片生成任务的多个图片结果。
image_url，图片生成结果的图片链接。
image_width，图片生成结果的宽度。
image_height，图片生成结果的高度。
progress，此时图片编辑生成任务的进度字段。

可以看到我们得到了满意的图片信息，我们只需要根据结果中 image_url 的图片链接地址获取生成的图片即可。

另外如果想生成对应的对接代码，可以直接复制生成，例如 CURL 的代码如下：

curl -X POST 'https://api.acedata.cloud/midjourney/edits' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "prompt": "A cat sitting on a table",
  "split_images": true,
  "image_url": "https://cdn.acedata.cloud/jgo1cw.jpg",
  "action": "generate"
}'

异步回调

由于 Midjourney Edits API生成的时间相对较长，大约需要 1-2 分钟，如果 API 长时间无响应，HTTP 请求会一直保持连接，导致额外的系统资源消耗，所以本 API 也提供了异步回调的支持。

整体流程是：客户端发起请求的时候，额外指定一个 callback_url 字段，客户端发起 API 请求之后，API 会立马返回一个结果，包含一个 task_id 的字段信息，代表当前的任务 ID。当任务完成之后，生成视频的结果会通过 POST JSON 的形式发送到客户端指定的 callback_url，其中也包括了 task_id 字段，这样任务结果就可以通过 ID 关联起来了。

下面我们通过示例来了解下具体怎样操作。

首先，Webhook 回调是一个可以接收 HTTP 请求的服务，开发者应该替换为自己搭建的 HTTP 服务器的 URL。此处为了方便演示，使用一个公开的 Webhook 样例网站 https://webhook.site/，打开该网站即可得到一个 Webhook URL，如图所示：

将此 URL 复制下来，就可以作为 Webhook 来使用，此处的样例为 https://webhook.site/556e6971-b41f-4fa8-9151-6e91acd0399f。

接下来，我们可以设置字段 callback_url 为上述 Webhook URL，同时填入相应的参数，具体的内容如图所示：

点击运行，可以发现会立即得到一个结果，如下：

1
2
3

{
  "task_id": "b8b7fdc2-628e-40dd-bc0c-671c3ddac9e9"
}

稍等片刻，我们可以在 https://webhook.site/556e6971-b41f-4fa8-9151-6e91acd0399f 上观察到生成视频的结果，如图所示：

内容如下：

{
    "sub_image_urls": [
        "https://cdn.midjourney.com/f3638ed2-60f6-49dd-897a-6d68c15afb17/0_0.png",
        "https://cdn.midjourney.com/f3638ed2-60f6-49dd-897a-6d68c15afb17/0_1.png",
        "https://cdn.midjourney.com/f3638ed2-60f6-49dd-897a-6d68c15afb17/0_2.png",
        "https://cdn.midjourney.com/f3638ed2-60f6-49dd-897a-6d68c15afb17/0_3.png"
    ],
    "image_url": "https://storage.fonedis.cc/attachments/1372468820912115716/1391374307719905340/cat_sitting_table_f3638ed2-60f6-49dd-897a-6d68c15afb17.png?ex=686ba9cd&is=686a584d&hm=71543c21c38db8a50c7ebcf54bc5208ec349e8592ec9e332f778f74167000ced&",
    "image_width": 960,
    "image_height": 1200,
    "raw_image_url": "https://storage.fonedis.cc/attachments/1372468820912115716/1391374307719905340/cat_sitting_table_f3638ed2-60f6-49dd-897a-6d68c15afb17.png?ex=686ba9cd&is=686a584d&hm=71543c21c38db8a50c7ebcf54bc5208ec349e8592ec9e332f778f74167000ced&",
    "raw_image_width": 960,
    "raw_image_height": 1200,
    "progress": 100,
    "image_id": "1391374390892953600",
    "task_id": "b8b7fdc2-628e-40dd-bc0c-671c3ddac9e9",
    "success": true
}

可以看到结果中有一个 task_id 字段，其他的字段都和上文类似，通过该字段即可实现任务的关联。

错误处理

在调用 API 时，如果遇到错误，API 会返回相应的错误代码和信息。例如：

400 token_mismatched：Bad request, possibly due to missing or invalid parameters.
400 api_not_implemented：Bad request, possibly due to missing or invalid parameters.
401 invalid_token：Unauthorized, invalid or missing authorization token.
429 too_many_requests：Too many requests, you have exceeded the rate limit.
500 api_error：Internal server error, something went wrong on the server.

错误响应示例

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

结论

通过本文档，您已经了解了如何使用 Midjourney Edits API 可通过输入提示词来对图片进行编辑操作。希望本文档能帮助您更好地对接和使用该 API。如有任何问题，请随时联系我们的技术支持团队。

作者崔庆才发表于 2026-05-29 阅读次数：本文字数： 4.9k 阅读时长 ≈ 4 分钟

产品推广 Windsurf + NanoBanana MCP

📘 完整指南：在 Windsurf 里用全部 11 个 AceData Cloud MCP →

基于 Gemini 的多模态图像模型，擅长理解复杂指令、精细编辑、连贯一致的角色。通过 MCP 接入 Windsurf 后，可以直接在对话里调用，不用切窗口、不用复制粘贴。

获取 API Token

到 AceData Cloud 平台注册账号，复制首页的 API Token——一个 Token 即可使用全部 11 个 MCP Server。详细步骤见完整指南。

配置

编辑配置：~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "nanobanana": {
      "serverUrl": "https://nanobanana.mcp.acedata.cloud/mcp",
      "headers": { "Authorization": "Bearer 你的Token" }
    }
  }
}

保存后在 Windsurf 中刷新 MCP 列表即可看到工具。

使用示例

用 NanoBanana 生成一只穿着宇航服的橘猫，在月球上吃汉堡

把这张人物照（链接 xxx）改成水墨画，保留人物特征

生成一张产品图：一杯冒着热气的咖啡，逆光，木桌，胶片质感

工具

工具	说明
nano_banana_generate	文生图（nano-banana / 2 / pro）
nano_banana_edit	图像编辑

产品推广 Claude Code + Google 搜索 MCP：终端里直接搜 Google，不用切浏览器

📘 完整指南：在 Claude Code 里用全部 11 个 AceData Cloud MCP →

你在远程服务器上用 Claude Code 排查一个 OOM 问题。看到了一条不太熟悉的内核日志。以前只能复制错误信息，切到本地浏览器搜索，再切回终端。

但如果 Claude Code 能直接搜 Google 呢？

获取 API Token

使用 Serp MCP Server 之前，你需要一个 AceData Cloud 的 API Token。获取方式非常简单：

打开 AceData Cloud 平台，支持 GitHub、Google 或微信登录，注册后自动获得免费额度
登录后，在首页即可看到你的 API Token，点击复制按钮即可获取

AceData Cloud 平台首页 Token

如果额度用完，可以前往控制台充值，支持支付宝、微信和 Stripe

一个 Token 即可使用所有 MCP Server，无需为每个服务单独申请。

💡 如果你不想手动配置，也可以直接在 Claude.ai 网页版中使用，通过 OAuth 连接，无需 API Token。详见 Claude + Google Search MCP 图文教程。

配置 Claude Code

一行命令搞定：

1 2	claude mcp add serp --transport http https://serp.mcp.acedata.cloud/mcp \ -H "Authorization: Bearer 你的Token"

⚠️ 注意： -H 必须大写。小写 -h 是 --help，不是 header 参数。

不加 -s 默认是 local scope，只在当前项目目录下生效。建议明确指定 scope：

Scope	命令参数	配置文件	作用范围
`local`（默认）	不加 `-s`，或 `-s local`	`~/.claude.json`	仅在运行命令时所在的项目目录下生效
`user`	`-s user`	`~/.claude.json`	全局生效，所有项目都能用
`project`	`-s project`	项目根目录 `.mcp.json`	仅当前项目，可提交到 git 共享给团队

将 你的Token 替换为上一步复制的 API Token。添加后 Claude Code 自动加载搜索工具。

典型场景

调试生产问题

SSH 到远程服务器，遇到不认识的错误码：

1	搜索 nginx error 502 bad gateway upstream sent too big header 怎么解决

不需要开浏览器，不需要断开 SSH。

技术选型调研

1	搜索一下 2025 年 Python 异步 ORM 的性能对比，SQLAlchemy 2.0 async vs Tortoise ORM

可以限定时间范围，只看最新结果。

查官方文档

1	搜索 Kubernetes CronJob concurrencyPolicy 的官方文档，Forbid 和 Replace 的区别

直接搜官方文档比凭记忆靠谱。

完整工具列表

工具	说明
serp_google_search	Google 搜索（网页/图片/新闻/视频等）

支持指定国家、语言、时间范围。

团队共享配置

项目根目录放 .mcp.json，团队 clone 后自动能用：

{
  "mcpServers": {
    "serp": {
      "type": "http",
      "url": "https://serp.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer 你的Token"
      }
    }
  }
}

其他编辑器配置

Cursor — .cursor/mcp.json 中 mcpServers 下添加同样配置
VS Code — .vscode/mcp.json 中 servers 下添加同样配置
Windsurf — .windsurf/mcp.json，格式同 Cursor

产品推广 在 OpenAI Codex CLI 里用 AceData Cloud MCP — 终端 AI 工具全能配置

这是一篇总览文章：把 AceData Cloud 提供的 11 个 MCP Server 一次性接到 Codex CLI，让 OpenAI 的开源终端编程工具在写代码之余顺手生图、写歌、做视频。

Codex CLI 是 OpenAI 官方推出的开源终端 AI 编程助手，原生支持 MCP。

AceData Cloud 提供哪些 MCP Server？

我们把以下能力封装成托管式远程 MCP Server，开箱即用：

MCP Server	领域	核心能力	远程 URL
Suno	🎵 音乐	文生歌、歌词、翻唱、续写、人声分离、Persona	`https://suno.mcp.acedata.cloud/mcp`
Midjourney	🎨 绘画	文生图、混图、放大、Edit、生成视频	`https://midjourney.mcp.acedata.cloud/mcp`
Flux	🎨 绘画	6 个模型、Kontext 编辑、商用免版税	`https://flux.mcp.acedata.cloud/mcp`
Seedream	🎨 绘画	字节跳动模型，中文 prompt 理解最强	`https://seedream.mcp.acedata.cloud/mcp`
NanoBanana	🎨 绘画	Gemini 驱动、虚拟试衣、商品换景	`https://nanobanana.mcp.acedata.cloud/mcp`
Luma	🎬 视频	Dream Machine、首尾帧控制	`https://luma.mcp.acedata.cloud/mcp`
Sora	🎬 视频	OpenAI 顶级模型、角色一致性	`https://sora.mcp.acedata.cloud/mcp`
Veo	🎬 视频	Google 模型、原生音频、1080p 超分	`https://veo.mcp.acedata.cloud/mcp`
Seedance	🎬 视频	字节跳动、动作生成、配音	`https://seedance.mcp.acedata.cloud/mcp`
Serp	🔍 搜索	Google 搜索 6 种类型、多语言	`https://serp.mcp.acedata.cloud/mcp`
ShortURL	🔗 工具	长链转短链、UTM 跟踪	`https://shorturl.mcp.acedata.cloud/mcp`

一个 AceData Cloud Token = 全部 11 个 MCP Server，统一计费、按调用扣费，无月费。

为什么 Codex CLI + MCP

OpenAI 官方维护，长期更新有保障
极简启动 codex，任何 shell 都能用
通过 MCP 调用 AceData Cloud，绕过模型本身的能力上限（写歌、生图、视频）

第 1 步：获取 API Token

打开 AceData Cloud 平台，支持 GitHub、Google、微信、邮箱、手机号登录，注册即送免费额度。
登录后首页就能看到你的 API Token，点击复制。

AceData Cloud 首页 Token

余额不足时去控制台 → 充值，支持支付宝、微信、Stripe。

第 2 步：在 Codex CLI 中添加 MCP

Codex CLI 用 TOML 格式的配置文件 ~/.codex/config.toml。在文件末尾追加：

[mcp_servers.suno]
url = "https://suno.mcp.acedata.cloud/mcp"
[mcp_servers.suno.headers]
Authorization = "Bearer 你的Token"

[mcp_servers.midjourney]
url = "https://midjourney.mcp.acedata.cloud/mcp"
[mcp_servers.midjourney.headers]
Authorization = "Bearer 你的Token"

[mcp_servers.flux]
url = "https://flux.mcp.acedata.cloud/mcp"
[mcp_servers.flux.headers]
Authorization = "Bearer 你的Token"

[mcp_servers.seedream]
url = "https://seedream.mcp.acedata.cloud/mcp"
[mcp_servers.seedream.headers]
Authorization = "Bearer 你的Token"

[mcp_servers.nanobanana]
url = "https://nanobanana.mcp.acedata.cloud/mcp"
[mcp_servers.nanobanana.headers]
Authorization = "Bearer 你的Token"

[mcp_servers.luma]
url = "https://luma.mcp.acedata.cloud/mcp"
[mcp_servers.luma.headers]
Authorization = "Bearer 你的Token"

[mcp_servers.sora]
url = "https://sora.mcp.acedata.cloud/mcp"
[mcp_servers.sora.headers]
Authorization = "Bearer 你的Token"

[mcp_servers.veo]
url = "https://veo.mcp.acedata.cloud/mcp"
[mcp_servers.veo.headers]
Authorization = "Bearer 你的Token"

[mcp_servers.seedance]
url = "https://seedance.mcp.acedata.cloud/mcp"
[mcp_servers.seedance.headers]
Authorization = "Bearer 你的Token"

[mcp_servers.serp]
url = "https://serp.mcp.acedata.cloud/mcp"
[mcp_servers.serp.headers]
Authorization = "Bearer 你的Token"

[mcp_servers.shorturl]
url = "https://shorturl.mcp.acedata.cloud/mcp"
[mcp_servers.shorturl.headers]
Authorization = "Bearer 你的Token"

替换 你的Token 后保存，下次启动 codex 时所有 MCP Server 自动加载。

第 3 步：试一试

配置完成后，重启编辑器 / CLI，让它重新加载 MCP Server。然后就可以这样用：

例 1（写完 PR 后生成 cover 图）：

用 Flux 生成一张 GitHub PR 封面，主题是”开源协作”，1280x640。

例 2（写技术博客时找资料）：

用 Serp 搜 “OpenAI Codex CLI tutorial 2026” 前 5 条最新文章。

例 3（demo 视频 BGM）：

用 Suno 写 45 秒平静钢琴曲做开发者教程 BGM。

计费与额度

按次扣费，不调用不花钱，无月费、无最低消费。
同一 Token 在所有 MCP Server 之间共享额度。
所有调用记录、剩余额度、消费明细可在控制台查看。
大用量需求可联系商务，享受批量价格。

常见问题

Q：可以只接入其中几个 MCP Server 吗？
A：当然，按需添加配置即可，没用到的就不加。

Q：有没有更便宜的接入方式？
A：直接调用 REST API 比 MCP 更便宜（少一层封装），但失去 MCP 在 LLM 工具调用上的便利。

Q：海外 / 跨境延迟问题？
A：所有 MCP Server 部署在香港，全球访问稳定；中国大陆直连无需代理。

Q：支持自托管吗？
A：MCP Server 全部开源在 GitHub，可自行部署。

产品推广 Claude.ai + Midjourney MCP：一句话调出 4 张高清概念图，亲测全流程

📘 完整指南：在 Claude.ai 网页版里用全部 11 个 AceData Cloud MCP →

想让 Claude 直接出图？不用切到 Discord，不用记 /imagine 命令，不用调任何参数。在 Claude.ai 聊天框里随手敲一句英文 prompt，Claude 自己会去调用 Midjourney，几十秒后把 2×2 网格图、放大、变体一并丢回来。

本文是一篇亲手在 Claude.ai 网页版跑通的实测记录：从添加 Connector、OAuth 授权，到一句 prompt 生成完整 16:9 网格图，全程截图，复制即可复现。

什么是 MCP？

MCP（Model Context Protocol）是 Anthropic 推出的开放协议，让 Claude 这类模型可以通过标准接口调用外部工具。简单理解：给 Claude 装上插件能力。

AceData Cloud 把 Midjourney 的核心能力封装成了一个远程 MCP Server，挂上去之后 Claude 就能直接：

从文字描述生成 Midjourney 2×2 网格图
放大（Upscale）任意一张到高分辨率
生成同主题的变体（Variations）
重新生成（Reroll）
局部修改（Vary Region / Inpaint）
缩放、扩图（Zoom Out / Pan）
翻译中文 prompt、补全 prompt
查询任务状态、获取历史结果

整套接入只需一个 URL，剩下交给 Claude。

在 Claude.ai 网页版添加 Midjourney MCP

💡 Claude.ai 网页版接入是 OAuth 直连，不需要复制 API Token。你只需要一个能登录 AceData Cloud 的账号（GitHub / Google / 微信均可）。

1. 打开 Connectors 设置

登录 https://claude.ai，点左下角头像 → Settings → Customize → Connectors，或直接访问 https://claude.ai/customize/connectors。

Claude.ai Customize Connectors

⚠️ 旧入口 /settings/connectors 已经迁移到 /customize/connectors，访问旧地址会看到一条 “Connectors have moved to Customize” 的提示。

2. 添加 Midjourney MCP Server

点击 Add custom connector，在弹出对话框里填：

字段	值
Name	`Midjourney`（随便取）
URL	`https://midjourney.mcp.acedata.cloud/mcp`

点 Add，Claude 会自动发现 Server 暴露的全部工具。

3. OAuth 授权

第一次连接会跳到 AceData Cloud 的 OAuth 授权页，用你的 AceData Cloud 账号登录、点 Authorize 即可。如果还没注册，先去 https://platform.acedata.cloud 注册一下，注册即送免费额度，足够你跑完本文的 demo。

4. 检查工具列表 & 把工具切到 Always allow

授权完成后回到 Claude.ai，点开 Midjourney Connector，能看到 Imagine / Upscale / Variation / Reroll / Pan / Zoom / Vary Region / Translate / Get Task 等十多个工具：

Midjourney Connector 工具列表

⚙️ 强烈建议把每个工具下拉切换到 Always allow，否则每次工具调用都会弹确认框。生成一张图通常会触发 2–4 次工具调用（提交 + 多次查询状态），点确认到怀疑人生。

实测：一句英文 Prompt 出图

下面是我真实跑出来的对话，提示词是英文（Midjourney 对英文 prompt 理解更稳定）：

Prompt: Use Midjourney to generate one image of a futuristic cyberpunk city skyline at night, neon lights reflecting on wet streets, cinematic, 16:9 aspect ratio.

Claude 收到后做的事情：

自动调用 imagine_midjourney，带上 prompt 和 --ar 16:9
拿到 task id，自己开始轮询 get_midjourney_task
约 1 分钟左右拿到 2×2 网格图（4 张候选），分辨率 2912×1632
把图片链接 + 文字总结一次性贴回聊天框，附带”要 upscale 哪张？要 variation 吗？”的后续提示

下面是聊天最终结果截图：

Claude.ai 中 Midjourney 生成结果

实际生成的 2×2 网格图（直接落到 platform.cdn.acedata.cloud，长期可用）：

Midjourney 2x2 网格图

💡 图片链接是稳定的：AceData Cloud 把 Midjourney 出来的图直接搬到自己的 CDN（platform.cdn.acedata.cloud/midjourney/<id>.png），不像直连 Discord CDN 那样会过期。Claude 返回的链接可以直接贴到博客、PPT、设计稿里。

常见问题

Q：为什么我点了 Always allow，新工具还是要确认？
A：Always allow 是按工具粒度记忆的。Imagine、Upscale、Variation、Get Task 是 4 个不同工具，第一次各确认一次即可。

Q：余额不够怎么办？
A：错误信息里会带 insufficient balance。去 https://platform.acedata.cloud/console/coin 充值，支持支付宝 / 微信 / Stripe / USDC。生成一张网格图通常消耗几个 credit，新账号免费额度足够测几次。

Q：可以和别的 MCP 一起用吗？
A：可以。Claude.ai 支持多 Connector 并存。一句 “用 Midjourney 出一张赛博朋克城市图，然后用 Suno 写一首匹配这张图氛围的歌” 就能让 Claude 自己编排图像 + 音乐流水线。完整列表见 Claude.ai × 11 个 MCP 总览。

Q：Claude Desktop 和 Claude Code 也能这么用吗？
A：能。详见 Claude Desktop + Midjourney MCP 和 Claude Code + Midjourney MCP。

产品推广 电影感，不再需要大团队：Veo 视频生成 API，把镜头语言交给 AI（含超多示例与图例）

想要一条“看起来就贵”的视频，以前意味着大量人力：分镜、拍摄、灯光、后期……时间长、成本高。Ace Data Cloud 的 Veo Videos API 让事情变得不同：

文生视频（text2video）：把你的镜头设想直接写成提示词；
图生视频（image2video）：用一张或多张参考图，生成自然衔接的动态；
1080p 升级（get_1080p）：对已生成视频再次升级清晰度；
多模型选择：veo2/veo2-fast/veo3/veo3-fast，在质量与速度间自由取舍。

关键链接

文档页：Veo Videos Generation API https://platform.acedata.cloud/documents/63e01dc3-eb21-499e-8049-3025c460058f
接口：POST https://api.acedata.cloud/veo/videos

可视化参数与界面示意

基本参数与模型选择：
自动生成代码视图：

一、案例合集（每个案例都含请求、返回与“可播放链接/字段”）

案例 1：文生视频（text2video）拍“旋转咖啡杯”的开场镜头

场景与镜头语言：主体白瓷咖啡杯、光滑大理石台面、清晨窗光、镜头缓慢 360° 围绕、把手处稍作停顿、节奏从容细腻。
输入（cURL）

curl -X POST 'https://api.acedata.cloud/veo/videos' \
  -H 'accept: application/json' \
  -H 'authorization: Bearer {token}' \
  -H 'content-type: application/json' \
  -d '{
    "action": "text2video",
    "model": "veo2",
    "prompt": "White ceramic coffee mug on glossy marble countertop with morning window light. Camera slowly rotates 360 degrees around the mug, pausing briefly at the handle."
  }'

输出（节选）

{
  "success": true,
  "task_id": "dd01fc69-e1f7-4b68-aa8c-463f6b748d11",
  "data": [
    {
      "id": "253eedc47f1c4eb2a370ed2312168f4b",
      "video_url": "https://platform.cdn.acedata.cloud/veo/dd01fc69-e1f7-4b68-aa8c-463f6b748d11.mp4",
      "created_at": "2025-07-25 16:07:43",
      "complete_at": "2025-07-25 16:10:28",
      "state": "succeeded"
    }
  ]
}

案例 2：图生视频（image2video）让静态海报“活起来”

用法：给现有 KV/海报做 5–8 秒的动态延展，用于短视频开场与社媒循环播放。
输入（Python，节选）

import requests
url = "https://api.acedata.cloud/veo/videos"
headers = {"accept": "application/json","authorization": "Bearer {token}","content-type": "application/json"}
payload = {
  "action": "image2video",
  "model": "veo2",
  "prompt": "Let it dance",
  "image_urls": ["https://cdn.acedata.cloud/7p1jhy.png"]
}
print(requests.post(url, json=payload, headers=headers).text)

输出（节选）

{
  "success": true,
  "task_id": "98e309f3-35bc-438d-8cb3-4015fc864b87",
  "data": [
    {
      "id": "59f12222b1fa4fbe9331ff2400ad1583",
      "video_url": "https://platform.cdn.acedata.cloud/veo/98e309f3-35bc-438d-8cb3-4015fc864b87.mp4",
      "state": "succeeded"
    }
  ]
}

表单填写与自动生成代码界面（示意）：

案例 3：1080p 升级（get_1080p）让“胜出版本”更清晰

背景：A/B 后选出表现最好的视频，升级到 1080p 用于投放或大屏播放。
查找 video_id（界面示意）：
输入（cURL）

curl -X POST 'https://api.acedata.cloud/veo/videos' \
  -H 'accept: application/json' \
  -H 'authorization: Bearer {token}' \
  -H 'content-type: application/json' \
  -d '{
    "action": "get_1080p",
    "model": "veo2",
    "video_id": "59f12222b1fa4fbe9331ff2400ad1583"
  }'

输出（节选）

{
  "success": true,
  "task_id": "47a51cfe-2e24-4aba-93b3-546c2dc52984",
  "data": [
    {
      "id": "59f12222b1fa4fbe9331ff2400ad1583",
      "video_url": "https://platform.cdn.acedata.cloud/veo/47a51cfe-2e24-4aba-93b3-546c2dc52984.mp4",
      "state": "succeeded"
    }
  ]
}

案例 4：品牌栏目片头模板化（多模型与参数切换）

做法：

文案模板：

1	"<brand keywords> opening sequence, logo reveal with dynamic light streaks, camera push-in then slow orbit, elegant, premium, cinematic lighting"

模型策略：veo2-fast 先快速验证、veo3/veo3-fast 出高质量版本；
比例适配：横版/竖版封面双版本，便于多渠道分发。

案例 5：产品短片（雾面玻璃手机 + 背景流光）

Prompt（可复用）：

1	"matte glass smartphone floating above a minimal pedestal, moody rim light, soft volumetric glow, background light trails sweeping left to right, 6-second loop, camera slow dolly-in, cinematic"

路径：先 text2video → 若出现理想关键帧，导出为首帧再试 image2video。

二、常见工作流（从灵感到成片）

写镜头语言：主体/光线/机位/运动/节奏；
生成多个版本做“眼缘筛选”与小额投放测试；
胜出版本做 1080p 升级；
素材落库：保存 video_url、model、prompt、created_at、complete_at 等字段；
形成“镜头模板库”，后续按主题套用。

三、提示词与参数技巧（更稳更像你想要的）

镜头：slow orbit、dolly-in、pan、tilt、rack focus、time-lapse；
光线：golden hour、studio lighting、rim light、soft glow、volumetric；
质感：matte、glossy、aluminium、velvet、ceramic；
节奏：slow/fast, loop, 3–6 seconds；
模型策略：veo2-fast 探索、veo3-fast 上量、veo3 上质。

四、开发者速通（3 步接入）

在文档页点击 Acquire 获取凭证（一般附带免费额度）。
调用 POST /veo/videos：传 action、model、prompt/image_urls/video_id；
关注返回：video_url 成品链接、created_at/complete_at 用于排期追踪。

五、典型落地场景

品牌与广告：开场片头、节日主题片、产品镜头；
媒体与创作者：栏目包装、Logo 动效、封面循环背景；
产品与 UI：App/网站/线下屏的高级动效背景。

六、合规与建议

版权与素材：确保参考图片/元素具有合法使用权限；
平台规范：遵守分发渠道的视频规范与内容政策；
成本优化：先用 fast 模型验证方向，成片再升质量与清晰度。

现在就把“看上去很贵”，变成“人人配得起”

Veo 文档页：https://platform.acedata.cloud/documents/63e01dc3-eb21-499e-8049-3025c460058f
接口：POST https://api.acedata.cloud/veo/videos

适合谁

品牌与广告：
- 做“带镜头”的产品短片，旋转、跟拍、推拉摇移都能准确描述；
- 节日与节点活动，快速形成有质感的主视觉视频。
媒体与创作者：
- 做栏目片头/片尾，用同一套镜头语言形成稳定识别；
- 以静帧作画，再生成动态，保持风格统一。
产品与 UI：
- 为 App/网站/线下屏制作高端动效背景，显著提升“第一观感”。

你的第一条电影感短片，这么写

提示词建议包含：主体 + 场景 + 光线 + 镜头运动 + 节奏

示例：

“白瓷咖啡杯放在光滑的大理石台面上，清晨的窗光洒入，镜头缓慢围绕杯身 360° 旋转，在把手处稍作停顿，节奏从容，质感细腻。”

这正是 Veo 擅长的表达方式：你说镜头，它就给你镜头。

工作流范式

文生视频：把镜头语言写清楚，一次生成多个版本；
图生视频：用首尾帧或关键画面，生成逻辑更清晰的动态；
升级 1080p：对“胜出版本”做高清升级，用于投放或大屏播放；
落库分发：把 video_url、created_at、model 等信息归档，形成复用资产。

接入流程

在 Ace Data Cloud 平台打开 Veo 文档页，点击 Acquire 获取凭证（一般附带免费额度）；
发起任务：设置 action（text2video/image2video/get_1080p）、选择 model，传入 prompt 或 image_urls；
结果回调：生成需要时间，建议配置 callback_url，自动接收 video_url 成品。

真实片段

一家咖啡品牌用 Veo 生成“旋杯”短片，上线首页与门店竖屏；同主题做四季版本（清晨/午后/雨夜/雪日），配合文案轮播，线下停留时长与线上点击率同步上升。

把看上去很贵，变成人人配得起

进入 Ace Data Cloud，开通 Veo API。写下你的第一条镜头指令，下一支高质感短片，从今天开始。

作者崔庆才发表于 2026-05-26 阅读次数：本文字数： 4.6k 阅读时长 ≈ 4 分钟

API 开发教程 Nano Banana Tasks API 的对接和使用

Nano Banana Tasks API 的主要功能是通过输入 Nano Banana Images API 生成的任务 ID 来查询该任务的执行情况。

本文档将详细介绍 Nano Banana Tasks API 的对接说明，帮助您轻松集成并充分利用该 API 的强大功能。通过 Nano Banana Tasks API ，您可以轻松实现查询 Nano Banana Images API 的任务执行情况。

请求示例

Nano Banana Tasks API 可以用于查询 Nano Banana Images API 的结果。关于怎样使用 Nano Banana Images API，请参考文档 Nano Banana Images API 。

我们以 Nano Banana Images API 服务返回的任务 ID 一个为例，演示如何使用该 API。假设我们有一个任务 ID：4d320ead-4af4-4a55-8f3e-f2afebdf4fd0，接下来演示如何通过传入一个任务 ID 来。

任务示例图

设置请求头和请求体

Request Headers 包括：

accept：指定接收 JSON 格式的响应结果，这里填写为 application/json。
authorization：调用 API 的密钥，申请之后可以直接下拉选择。

Request Body 包括：

id：上传的任务 ID。
action：对任务的操作方式。

设置如下图所示：

代码示例

可以发现，在页面右侧已经自动生成了各种语言的代码，如图所示：

部分代码示例如下：

CURL

curl -X POST 'https://api.acedata.cloud/nano-banana/tasks' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "id": "4d320ead-4af4-4a55-8f3e-f2afebdf4fd0",
  "action": "retrieve"
}'

Python

import requests

url = "https://api.acedata.cloud/nano-banana/tasks"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "id": "4d320ead-4af4-4a55-8f3e-f2afebdf4fd0",
    "action": "retrieve"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

响应示例

请求成功后，API 将返回此处任务的详情信息。例如：

{
  "_id": "68bc7c3c550a4144a53d0e24",
  "id": "4d320ead-4af4-4a55-8f3e-f2afebdf4fd0",
  "api_id": "9d8a117e-31ca-4322-a0fd-1771296ec610",
  "application_id": "8afd681a-2a4e-4265-aecb-43970094c019",
  "created_at": 1757183036.787,
  "credential_id": "097b2987-62f4-4ac0-b0cc-aed41e372a07",
  "request": {
    "action": "generate",
    "prompt": "a white siamese cat"
  },
  "trace_id": "7ba1f1e8-0ef8-450d-8bb2-b5c3bf1ea319",
  "type": "images",
  "user_id": "b87f67c1-b04f-4332-99a1-7a5e651331c6",
  "response": {
    "success": true,
    "task_id": "4d320ead-4af4-4a55-8f3e-f2afebdf4fd0",
    "trace_id": "7ba1f1e8-0ef8-450d-8bb2-b5c3bf1ea319",
    "data": [
      {
        "prompt": "a white siamese cat",
        "image_url": "https://platform.cdn.acedata.cloud/nanobanana/7e7bd000-698a-4e14-bb2d-3db61237e4bb.png"
      }
    ]
  }
}

返回结果一共有多个字段，request 字段就是发起任务时的 request body，同时 response 字段是任务完成后返回的 response body。字段介绍如下。

id，生成此任务的 ID，用于唯一标识此次生成任务。
request，查询任务中的请求信息。
response，查询任务中的返回信息。

批量查询操作

这是是针对多个任务 ID 来进行查询任务详情，与上面不同的是需要将 action 选中为 retrieve_batch

Request Body 包括：

ids：上传的任务 ID 数组。
action：对任务的操作方式。

示例如下：

curl -X POST 'https://api.acedata.cloud/nano-banana/tasks' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "ids": ["1ebe4f2b-59ba-4385-a4ea-0ce8a3fe12ed","1ebe4f2b-59ba-4385-a4ea-0ce8a3fe12ed"],
  "action": "retrieve_batch"
}'

响应示例

请求成功后，API 将返回此次所有批量任务的具体详情信息。例如：

{
  "items": [
    {
      "_id": "68bc7c3c550a4144a53d0e24",
      "id": "4d320ead-4af4-4a55-8f3e-f2afebdf4fd0",
      "api_id": "9d8a117e-31ca-4322-a0fd-1771296ec610",
      "application_id": "8afd681a-2a4e-4265-aecb-43970094c019",
      "created_at": 1757183036.787,
      "credential_id": "097b2987-62f4-4ac0-b0cc-aed41e372a07",
      "request": {
        "action": "generate",
        "prompt": "a white siamese cat"
      },
      "trace_id": "7ba1f1e8-0ef8-450d-8bb2-b5c3bf1ea319",
      "type": "images",
      "user_id": "b87f67c1-b04f-4332-99a1-7a5e651331c6",
      "response": {
        "success": true,
        "task_id": "4d320ead-4af4-4a55-8f3e-f2afebdf4fd0",
        "trace_id": "7ba1f1e8-0ef8-450d-8bb2-b5c3bf1ea319",
        "data": [
          {
            "prompt": "a white siamese cat",
            "image_url": "https://platform.cdn.acedata.cloud/nanobanana/7e7bd000-698a-4e14-bb2d-3db61237e4bb.png"
          }
        ]
      }
    }
  ],
  "count": 1
}

返回结果一共有多个字段，其中 items 是包含了批量任务的具体详情信息，每个任务的具体信息与上文的字段一样，字段信息如下。

items，批量任务的所有具体详情信息。它是一个数组，每个数组的元素和上文查询单个任务的返回结果格式是一样的。
count，此处批量查询任务的个数。

错误处理

在调用 API 时，如果遇到错误，API 会返回相应的错误代码和信息。例如：

400 token_mismatched：Bad request, possibly due to missing or invalid parameters.
400 api_not_implemented：Bad request, possibly due to missing or invalid parameters.
401 invalid_token：Unauthorized, invalid or missing authorization token.
429 too_many_requests：Too many requests, you have exceeded the rate limit.
500 api_error：Internal server error, something went wrong on the server.

错误响应示例

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

结论

通过本文档，您已经了解了如何使用 Nano Banana Tasks API 进行查询单个或批量任务的所有具体详情信息。希望本文档能帮助您更好地对接和使用该 API。如有任何问题，请随时联系我们的技术支持团队。

作者崔庆才发表于 2026-05-25 阅读次数：本文字数： 4.2k 阅读时长 ≈ 4 分钟

API 开发教程 获取 AceDataCloud 平台服务列表

AceDataCloud 平台把所有可调用的功能模块抽象为「服务（Service）」——例如 Midjourney 出图、OpenAI 对话、Suno 出歌、Veo 出片、Web 抓取、SERP 搜索等。本接口返回平台上全部可申请的服务清单，每条记录包含名称、定价规则、免费额度、可选套餐、关联的 API/Proxy 端点等完整信息。

通过本接口你可以：

在你自己的产品里嵌一个”服务市场”页面，让用户从中挑选。
给 LLM Agent 喂一份能力清单，由它决定调哪个服务。
写定时脚本监控价格 / 套餐变化。

ℹ️ 本接口属于 AceDataCloud 平台管理 API，统一前缀 https://platform.acedata.cloud/api/v1/。完整接口索引见获取 AceDataCloud 平台文档列表。

接口概览

项	内容
方法	`GET`
URL	`https://platform.acedata.cloud/api/v1/services/`
鉴权	❌ 公开
缓存	服务端有 60 秒短缓存，可放心高频调用

鉴权说明

本接口完全公开，任何人都可以调用，无需账户令牌或登录态。

💡 但是：如果带上账户令牌，响应里的 applied 字段会变成 true/false（表示你是否已申请该服务），而不是恒为 false。这对前端”已申请 / 立即申请”按钮的二态切换非常方便。

1	Authorization: Bearer platform-v1-92eb****629c # 可选

账户令牌的获取方式见管理 AceDataCloud 平台账户令牌。

查询参数

参数	类型	必填	默认	说明
`id`	UUID	否	—	服务 ID。支持多值：`?id=xxx&id=yyy`
`alias`	string	否	—	服务别名（英文短代号），如 `midjourney`、`openai`、`webextrator`
`type`	string	否	—	服务类型，取值：`Api`、`Proxy`、`Integration`、`Dataset`、`Introduction`、`Agent`
`private`	bool	否	—	`true` 只返回私有服务（仅自己可见）；`false` 只返回公开服务；不传则全部
`tag`	string	否	—	按标签过滤，如 `image`、`video`、`llm`
`limit`	integer	否	10	每页条数，最大 100
`offset`	integer	否	0	偏移量
`ordering`	string	否	`rank`	排序，前缀 `-` 表示倒序。常用 `-rank`、`-applied_count`、`-updated_at`

请求示例

cURL

# 不带鉴权，获取前 2 个 Api 类型服务
curl 'https://platform.acedata.cloud/api/v1/services/?type=Api&limit=2' \
  -H 'accept: application/json'

# 带鉴权，看 applied 状态
curl 'https://platform.acedata.cloud/api/v1/services/?type=Api&limit=5' \
  -H 'accept: application/json' \
  -H 'authorization: Bearer platform-v1-92eb****629c'

# 按 alias 精准查询
curl 'https://platform.acedata.cloud/api/v1/services/?alias=midjourney' \
  -H 'accept: application/json'

Python

import requests

resp = requests.get(
    "https://platform.acedata.cloud/api/v1/services/",
    headers={"accept": "application/json"},
    params={"type": "Api", "limit": 20, "ordering": "-applied_count"},
    timeout=10,
)
data = resp.json()
print(f"共 {data['count']} 个 Api 服务，按热度倒序")
for svc in data["items"]:
    print(f"  {svc['title']:30s}  {svc['applied_count']:>6} 人申请  {svc['free_amount']} {svc['unit']} 免费")

Node.js

const params = new URLSearchParams({ type: 'Api', limit: '20', ordering: '-applied_count' })
const r = await fetch(`https://platform.acedata.cloud/api/v1/services/?${params}`)
const { count, items } = await r.json()
console.log(`共 ${count} 个服务`)
items.forEach((s) => console.log(`${s.title} (${s.alias})  免费 ${s.free_amount} ${s.unit}`))

响应示例（HTTP 200）

{
  "count": 42,
  "items": [
    {
      "id": "8efa1d83-9b75-4562-b44a-af95ce563d05",
      "alias": "face-transform",
      "title": "人脸变换",
      "description": "人脸识别、替换和风格转换等操作服务。",
      "introduction": "",
      "type": "Api",
      "applied": false,
      "applied_count": 281,
      "free_amount": 1.0,
      "unit": "Credit",
      "private": false,
      "need_verify": false,
      "rank": 0,
      "tags": [],
      "metadata": null,
      "thumbnail": "https://cdn.acedata.cloud/qrd7gw.png/thumb_600x300",
      "doc_url": null,
      "demo_url": null,
      "api_ids": [
        "e4fbc3b6-4f44-48fb-a049-40f5c27c7cd3",
        "2c7f6468-58d9-4611-885b-1e34664d49e9"
      ],
      "proxy_ids": [],
      "cost": [
        { "conditions": { "==": [1, 1] }, "consumption": 0.0025 }
      ],
      "packages": [
        {
          "id": "4add61f2-61db-4d1c-85b6-d4876ac122f0",
          "type": "Usage",
          "price": 63.2,
          "amount": 530.0,
          "duration": null,
          "private": false,
          "tags": [],
          "metadata": null,
          "created_at": "2024-12-19T13:57:46.525377Z",
          "updated_at": "2024-12-19T13:57:46.525394Z"
        }
      ],
      "created_at": "2024-06-11T00:41:29.255614Z",
      "updated_at": "2026-04-26T16:12:40.481154Z"
    }
  ]
}

响应字段说明

字段	类型	说明
`count`	integer	符合条件的总数
`items`	array	服务列表（单页）
`id`	UUID	服务唯一标识
`alias`	string	服务别名（英文短代号），可能为 `null`
`title`	string	服务标题（已按 `Accept-Language` 自动本地化）
`description`	string	一句话描述
`introduction`	string	长文 Markdown 详情，可能为空
`type`	string	`Api` / `Proxy` / `Integration` / `Dataset` / `Introduction` / `Agent`
`applied`	boolean	仅带鉴权时有意义：当前账户是否已申请该服务
`applied_count`	integer	已申请该服务的累计用户数
`free_amount`	number	申请后自动赠送的免费额度
`unit`	string	计量单位：`Credit`（积分）、`Count`（次）、`Token`、`MB`、`GB`
`private`	boolean	是否私有服务（私有服务一般不会出现在公开列表里，需登录后才能看到）
`need_verify`	boolean	是否需要人工审核后才允许申请
`rank`	integer	排序权重（数字越大越靠前）
`tags`	array	标签，如 `["image","ai"]`
`metadata`	object	扩展元数据
`thumbnail`	string	缩略图 URL
`doc_url`	string	外部文档链接（如开发者中心），可能为 `null`
`demo_url`	string	演示页面链接
`api_ids`	array	关联的 API ID 列表
`proxy_ids`	array	关联的 Proxy ID 列表
`cost`	array	定价规则，JsonLogic 格式，`conditions` 表达式匹配请求参数后用 `consumption` 计费
`packages`	array	可购买的套餐列表，详见创建 AceDataCloud 平台充值订单
`created_at`	string	服务上线时间
`updated_at`	string	服务信息上次更新时间（套餐 / 定价变动）

错误处理

公开接口几乎不会出错。常见非 200 情况：

HTTP	含义
400	`?limit=` 或 `?type=` 等参数值非法
502 / 503 / 504	网关或后端短暂不可用，建议指数退避重试 1–3 次

错误响应格式：

{
  "detail": "Invalid value for parameter 'type'.",
  "code": "invalid",
  "trace_id": "5b0f15d6e9c34c9c93d6d0f4f3a8c8d7"
}

实用提示

筛选服务最高效的方式是 alias，不是 id：服务 ID 是 UUID，不便于硬编码到代码里。
type=Api 是最常用的过滤：90% 用户只关心 Api 类型；Integration 是组合工作流，Dataset 是只读数据集，Proxy 是 OpenAI 兼容转发。
packages 字段返回价格但不含折扣：实际下单时如果使用 X402 加密货币支付或持有 $ACE 代币，会在创建订单时再次计算最终金额。详见创建 AceDataCloud 平台充值订单与查询 AceDataCloud 平台 $ACE 代币持仓与折扣。
本接口数据量较大（每条记录可能含数 KB 的 introduction Markdown）：在客户端做长列表时建议传 limit=20 分页加载，而不是一次拉完整。

API 开发教程 Wisdom — 微信桌面自动化 SaaS

Wisdom 是一个把微信桌面客户端封装成 HTTP / MCP API 的自动化服务,在 AceDataCloud 平台以独立的腾讯云 CVM 实例形式按租户独立部署。

适用场景

自动化收发微信消息、群消息(基于 FastAPI 接口)
把微信对话接入 LLM Agent、MCP 客户端、Coze 等编排平台
替代「群发助手」「客服机器人」类第三方工具,自有可控、私有部署

部署形态

每次「部署」会在腾讯云开通一台 Windows CVM:

镜像:预装 dockur/windows + Wisdom Docker 镜像
启动后自动从 C:\wisdom\.env 读取平台下发的 WISDOM_API_TOKEN
公网 IP + 端口 8000,通过 ?token= 鉴权

控制台会展示:

访问地址:http://<公网 IP>:8000?token=<API Token>
MCP 接入片段:一键复制 WISDOM_API_URL / WISDOM_API_TOKEN,粘进 Cursor / Claude Desktop 即可调用

套餐规格

套餐	CPU	内存	系统盘	带宽	说明
Starter	1 核	2 GB	50 GB	3 Mbps	个人 / 单微信小流量
Standard	2 核	4 GB	50 GB	5 Mbps	推荐配置,稳定运行
Performance	4 核	8 GB	100 GB	10 Mbps	多账号 / 高并发场景

部署费按月计算,覆盖 CPU/内存/磁盘/带宽,实例停机仍按月计费(腾讯云对停机实例的磁盘和保留 IP 仍有收费)。

文档

详细 API 与认证说明见 Wisdom 仓库 SPEC.md。

作者崔庆才发表于 2026-05-24 阅读次数：本文字数： 626 阅读时长 ≈ 1 分钟

API 开发教程 轮换 AceDataCloud 平台 API 凭证

为已有凭证重新签发一个新的 Token——凭证的 ID 不变、限额/过期/IP 白名单/调用历史不变，只是 Token 明文换了。

适合场景：怀疑 Token 泄露、定期合规轮换、人员离职等。比”删了再新建”省事，因为不需要再去业务侧改 application_id 关联。

⚠️ 与创建接口一样，完整 Token 明文只在本接口的响应中返回一次。务必当场保存。

ℹ️ 本接口属于 AceDataCloud 平台管理 API，统一前缀 https://platform.acedata.cloud/api/v1/。

接口概览

项	内容
方法	`POST`
URL	`https://platform.acedata.cloud/api/v1/credentials/{credential_id}/rotate/`
鉴权	✅ 需要账户令牌
Body	无 / `{}`

鉴权说明（如何获取账户令牌）

请求头：

1	Authorization: Bearer platform-v1-92eb****629c

获取方式见管理 AceDataCloud 平台账户令牌。

路径参数

参数	类型	必填	说明
`credential_id`	UUID	✅	要轮换的凭证 ID

请求示例

cURL

1
2
3

curl -X POST 'https://platform.acedata.cloud/api/v1/credentials/df3e1b1b-9e72-4c4f-9a83-1e23f7c8b4d6/rotate/' \
  -H 'accept: application/json' \
  -H 'authorization: Bearer platform-v1-92eb****629c'

Python

import requests

cred_id = "df3e1b1b-9e72-4c4f-9a83-1e23f7c8b4d6"
resp = requests.post(
    f"https://platform.acedata.cloud/api/v1/credentials/{cred_id}/rotate/",
    headers={
        "accept": "application/json",
        "authorization": "Bearer platform-v1-92eb****629c",
    },
    timeout=10,
)
cred = resp.json()
print(f"✅ 新 Token: {cred['token']}")
print(f"凭证 ID 保持不变: {cred['id']}")

Node.js

const credId = 'df3e1b1b-9e72-4c4f-9a83-1e23f7c8b4d6'
const r = await fetch(
  `https://platform.acedata.cloud/api/v1/credentials/${credId}/rotate/`,
  {
    method: 'POST',
    headers: { authorization: 'Bearer platform-v1-92eb****629c' },
  }
)
const cred = await r.json()
console.log('新 Token:', cred.token)

响应示例（HTTP 200）

{
  "id": "df3e1b1b-9e72-4c4f-9a83-1e23f7c8b4d6",
  "user_id": "89518d07-5560-4b05-92c1-667f3ddf6a4b",
  "application_id": "82f57141-2323-4453-8730-60f7d833a2da",
  "name": "production-server-01",
  "token": "ac9999999999999999999999999999ffff",
  "amount": 50.0,
  "used_amount": 12.34,
  "remaining_amount": 37.66,
  "disabled": false,
  "expired_at": "2026-12-31T23:59:59Z",
  "tags": ["prod"],
  "metadata": null,
  "client_ip_allowlist": ["203.0.113.7/32"],
  "used_at": "2026-04-26T08:30:00Z",
  "created_at": "2026-04-26T07:55:00Z",
  "updated_at": "2026-04-26T10:12:00Z"
}

注意 id 不变、token 已被新值替换。轮换瞬间旧 Token 立即失效。

错误处理

HTTP	code	含义
401	`not_authenticated`	缺少账户令牌
403	`permission_denied`	该凭证不属于你
404	`not_found`	凭证不存在或已被删除

实用提示

轮换是原子操作：新 Token 在响应返回时已经生效，旧 Token 已经失效。不存在两个 Token 同时有效的过渡期。
零停机轮换：把”调用方先用新 Token 重试一次”作为应急保底——比如把”401 → fetch 最新 Token → 重试”内置到业务客户端里。
不要在没办法立即更新业务侧 Token 时轮换：旧 Token 会立刻失效。如果业务侧无法迅速换 Token，先用 disabled=true 软关停（PATCH 当前还不开放，可走删除）。
轮换不影响：限额（amount）、过期时间（expired_at）、IP 白名单、调用历史、标签、元数据。

API 开发教程 Fish Audios Generation API 对接说明

本文将介绍一种 Fish Audios Generation API 对接说明，它是可以通过输入提示词来克隆自己的音色。

申请流程

要使用 API，需要先到 Fish Audios Generation API 对应页面申请对应的服务，进入页面之后，点击「Acquire」按钮，如图所示：

如果你尚未登录或注册，会自动跳转到登录页面邀请您来注册和登录，登录注册之后会自动返回当前页面。

在首次申请时会有免费额度赠送，可以免费使用该 API。

基本使用

首先先了解下基本的使用方式，就是输入提示词 prompt、克隆行为 action、音色ID voice_id 以及模型 model，便可获得处理后的结果，首先需要简单地传递一个 action 字段，它的值为 generate，然后我们还需要输入模型 model，目前主要有 fish-tts 模型，具体的内容如下：

可以看到这里我们设置了 Request Headers，包括：

accept：想要接收怎样格式的响应结果，这里填写为 application/json，即 JSON 格式。
authorization：调用 API 的密钥，申请之后可以直接下拉选择。

另外设置了 Request Body，包括：

model：克隆声音的模型，主要有 fish-tts 模型。
action：此次声音克隆任务的行为。
prompt：需要克隆的提示词。
voice_id：根据音色ID来进行克隆。
callback_url：需要回调结果的URL。

选择之后，可以发现右侧也生成了对应代码，如图所示：

点击「Try」按钮即可进行测试，如上图所示，这里我们就得到了如下结果：

{
  "success": true,
  "task_id": "5872ab00-3cf4-4040-a798-8510aaa16756",
  "trace_id": "5eda3694-448a-4b72-af33-2acb3851ffe1",
  "data": [
    {
      "audio_url": "https://platform.r2.fish.audio/task/8a72ff9840234006a9f74cb2fa04f978.mp3"
    }
  ]
}

返回结果一共有多个字段，介绍如下：

success，此时克隆声音任务的状态情况。
- data，克隆声音任务的结果
  - audio_url，此时克隆声音任务音频链接结果。

可以看到我们得到了满意的声音信息，我们只需要根据结果中 data 的音乐链接地址获取克隆好的声音即可。

另外如果想生成对应的对接代码，可以直接复制生成，例如 CURL 的代码如下：

curl -X POST 'https://api.acedata.cloud/fish/audios' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "action": "speech",
  "prompt": "a white siamese cat",
  "model": "fish-tts",
  "voice_id": "d7900c21663f485ab63ebdb7e5905036"
}'

异步回调

由于 Fish Audios Generation API生成的时间相对较长，大约需要 1-2 分钟，如果 API 长时间无响应，HTTP 请求会一直保持连接，导致额外的系统资源消耗，所以本 API 也提供了异步回调的支持。

整体流程是：客户端发起请求的时候，额外指定一个 callback_url 字段，客户端发起 API 请求之后，API 会立马返回一个结果，包含一个 task_id 的字段信息，代表当前的任务 ID。当任务完成之后，生成任务的结果会通过 POST JSON 的形式发送到客户端指定的 callback_url，其中也包括了 task_id 字段，这样任务结果就可以通过 ID 关联起来了。

下面我们通过示例来了解下具体怎样操作。

首先，Webhook 回调是一个可以接收 HTTP 请求的服务，开发者应该替换为自己搭建的 HTTP 服务器的 URL。此处为了方便演示，使用一个公开的 Webhook 样例网站 https://webhook.site/，打开该网站即可得到一个 Webhook URL，如图所示：

将此 URL 复制下来，就可以作为 Webhook 来使用，此处的样例为 https://webhook.site/4815f79f-a40f-4078-ac85-1cc126b6bb34。

接下来，我们可以设置字段 callback_url 为上述 Webhook URL，同时填入相应的参数，具体的内容如图所示：

点击运行，可以发现会立即得到一个结果，如下：

1
2
3

{
  "task_id": "2725a2d3-f87e-4905-9c53-9988d5a7b2f5"
}

稍等片刻，我们可以在 https://webhook.site/4815f79f-a40f-4078-ac85-1cc126b6bb34 上观察到生成任务的结果，如图所示：

内容如下：

{
    "success": true,
    "task_id": "2725a2d3-f87e-4905-9c53-9988d5a7b2f5",
    "trace_id": "e2d308bc-4df8-4c69-9369-a60f3c54f2b3",
    "data": [
        {
            "audio_url": "https://platform.r2.fish.audio/task/b627c2f7d38a4083a837570ba6d0962f.mp3"
        }
    ]
}

可以看到结果中有一个 task_id 字段，其他的字段都和上文类似，通过该字段即可实现任务的关联。

错误处理

在调用 API 时，如果遇到错误，API 会返回相应的错误代码和信息。例如：

400 token_mismatched：Bad request, possibly due to missing or invalid parameters.
400 api_not_implemented：Bad request, possibly due to missing or invalid parameters.
401 invalid_token：Unauthorized, invalid or missing authorization token.
429 too_many_requests：Too many requests, you have exceeded the rate limit.
500 api_error：Internal server error, something went wrong on the server.

错误响应示例

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

结论

通过本文档，您已经了解了如何使用 Fish Audios Generation API 可通过输入提示词来克隆声音。希望本文档能帮助您更好地对接和使用该 API。如有任何问题，请随时联系我们的技术支持团队。

作者崔庆才发表于 2026-05-22 阅读次数：本文字数： 3k 阅读时长 ≈ 3 分钟

API 开发教程 Fish Model Get API 对接说明

本接口基于 Fish Audio 官方 Model API，用于按 _id 查询单个克隆音色的完整详情。地址为 GET https://api.acedata.cloud/fish/model/{id}。

创建音色请参考 Fish Model Create API；分页检索请参考 Fish Model Query API。

申请流程

要使用 API，需要先到 Fish Model API 对应页面申请对应的服务，进入页面之后，点击「Acquire」按钮。

如果你尚未登录或注册，会自动跳转到登录页面邀请您来注册和登录，登录注册之后会自动返回当前页面。

在首次申请时会有免费额度赠送，可以免费使用该 API。

路径参数

参数	必填	说明
`id`	是	音色的 `_id`（32 位十六进制字符串）。可通过 Fish Model Create 创建时返回，或通过 Fish Model Query 检索得到。

无请求体、无查询参数。

示例：拉取一个公开西班牙语音色的完整详情

1 2	curl 'https://api.acedata.cloud/fish/model/8d2c17a9b26d4d83888ea67a1ee565b2' \ -H 'authorization: Bearer {token}'

返回（实测，删去了 samples[].audio 中的签名 query string 以便阅读）：

{
  "_id": "8d2c17a9b26d4d83888ea67a1ee565b2",
  "type": "tts",
  "title": "Valentino Narración Biblica Fer",
  "description": "A mature and authoritative male voice with a calm, spiritual tone. It is well-suited for religious narration, educational content, and professional storytelling in Spanish.",
  "cover_image": "coverimage/8d2c17a9b26d4d83888ea67a1ee565b2",
  "train_mode": "fast",
  "state": "trained",
  "tags": [
    "male", "old", "narration", "calm", "serious",
    "authoritative", "professional", "clear", "Spanish"
  ],
  "samples": [
    {
      "title": "Default Sample",
      "text": "Hermanos míos, recordemos las palabras del Señor en estos tiempos difíciles. Como dice la Escritura, la fe mueve montañas, y el amor de Dios nos guía en cada paso del camino. Mantengamos firme nuestra confianza en Su divina providencia.",
      "task_id": "59ce7df6935c42249759327ddf70f37b",
      "audio": "https://c97f3361a1c971323738e24f451a0225.r2.cloudflarestorage.com/fish-platform-data/task/59ce7df6935c42249759327ddf70f37b.mp3?X-Amz-...signed..."
    }
  ],
  "created_at": "2025-03-13T08:11:10.326000Z",
  "updated_at": "2026-05-03T09:01:41.437000Z",
  "languages": ["es"],
  "visibility": "public",
  "lock_visibility": false,
  "dmca_taken_down": false,
  "default_text": "Hermanos míos, recordemos las palabras del Señor...",
  "quality": null,
  "like_count": 4344,
  "mark_count": 4409,
  "shared_count": 590,
  "task_count": 708461,
  "unliked": false,
  "liked": false,
  "marked": false,
  "author": {
    "_id": "1b82fb6a329c4462b67aa9ee0a42046f",
    "nickname": "Fernando Caicedo",
    "avatar": "avatars/1b82fb6a329c4462b67aa9ee0a42046f.jpg"
  }
}

拿到的 _id 直接喂给 Fish TTS 的 reference_id 即可合成相同音色的语音：

curl -X POST 'https://api.acedata.cloud/fish/tts' \
  -H 'authorization: Bearer {token}' \
  -H 'content-type: application/json' \
  -d '{
    "text": "Hermanos míos, hoy es un buen día.",
    "reference_id": "8d2c17a9b26d4d83888ea67a1ee565b2",
    "format": "mp3"
  }'

与列表接口的差异

字段	`GET /fish/model`（列表）	`GET /fish/model/{id}`（详情）
`samples[].audio`	短期 R2 缓存 URL	现签的 R2 直链（含 query 签名）
`unliked` / `liked` / `marked` / `dmca_taken_down`	同样存在	同样存在
`default_text` / `lock_visibility`	同样存在	同样存在

如果只是要试听一下，列表接口里的 samples[].audio 已经够用；要更稳定的下载链接，建议改用本接口。

响应字段（节选）

字段	类型	说明
`_id`	string	音色 ID（用于 `/fish/tts` 的 `reference_id`）。
`type`	string	模型类型，通常为 `tts`。
`title`	string	音色名称。
`description`	string	长描述。
`state`	string	训练状态：`trained` 表示可用，`training` 表示还在训练。
`tags`	string[]	公共库标签。
`samples`	object[]	预置样本，含 `title`、`text`、`task_id`、`audio` 直链。
`languages`	string[]	音色擅长的语种代码。
`visibility`	string	`public` 或 `private`。
`like_count`	integer	公共库点赞数。
`task_count`	integer	历史合成次数（可用于人气排序参考）。
`author`	object	上游作者信息：`_id` / `nickname` / `avatar`。
`created_at`	string	ISO 8601 创建时间。
`updated_at`	string	ISO 8601 最近更新时间。

计费说明

本接口不计费——按 ID 查询单个音色详情是免费操作，仅 Fish Model Create 在请求体携带 voices 字段创建新音色时计费。

错误处理

400 token_mismatched：路径中的 id 不是合法格式，或上游报「Model not found」。
401 invalid_token：鉴权 token 不存在或无效。
404 not_found：指定 _id 在 Fish 上游不可见（音色被删除、私密、或属于其他账号）。
429 too_many_requests：触发账号速率限制。
500 api_error：服务器内部错误。

实际请求一个不存在的 ID 时上游会直接返回 400 Model not found（实测）：

1 2	curl 'https://api.acedata.cloud/fish/model/test123' \ -H 'authorization: Bearer {token}'

返回：

1	{ "status": 400, "message": "Model not found" }

错误响应示例：

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

结论

知道音色 _id 时直接用本接口拿完整 ModelEntity，最常见的用法是：(1) 试听 samples[].audio，(2) 把 _id 喂给 /fish/tts 的 reference_id 完成合成。如果只有标题或标签，请先用 Fish Model Query 检索。

作者崔庆才发表于 2026-05-22 阅读次数：本文字数： 3.7k 阅读时长 ≈ 3 分钟

产品推广 零成本做 AI 副业：用一条链接，赚到你的第一桶金，手把手教你

AI 时代来了，很多人已经用 AI 赚的盆满钵满了，可能很多朋友也想加入这个浪潮，但感觉 AI 离自己很远不知道怎么切入。不用担心，这篇文章会介绍一个零成本无风险帮助你用 AI 赚钱的方法，大家快来试试吧！仔细看下面的文章。

如果你已经被“AI 很赚钱”刷屏，但不知道从哪下手——这篇就是写给你的。
不用囤货、不用投入、不会写代码也行；

为啥这件事对你友好？

零成本、低门槛：不压钱、不备货、不做售后。
长期收益：客户永久绑定到你名下，后续每一笔消费你都分成。
平台兜底：技术、产品、支付、风控、客服都由平台完成，你只管推广与分发。
可全球开展：支持全球收款与多币种结算，你可以面向世界做内容。

这是什么平台？（一分钟读懂）

Ace Data Cloud 是一个面向企业与个人的 AI 服务平台，提供：

给企业/开发者的 API
AI 问答（OpenAI、DeepSeek 等）、AI 图片（Midjourney、Flux）、AI 音乐（Suno）、AI 视频（Luma、Pika）、HTTP 代理（移动/住宅/全球代理）、数据集等。
👉 查看全部服务与文档：https://platform.acedata.cloud
给个人创作者的可用网站
不懂技术也能用网页版体验 AI 问答/图片/音乐/视频，支持电脑和手机、微信/谷歌/GitHub 登录与支付。
👉 一站式体验：https://studio.acedata.cloud
给“想自己做站”的人
平台把前端 UI 完全开源（项目名 Nexior）。几分钟就能搭好你自己的 AI 网站，对外售卖、自己定价。
👉 开源仓库：https://github.com/AceDataCloud/Nexior

怎么赚钱？（本质就三条路）

你做的事只有一件：邀请用户注册并消费。
客户一旦通过你的链接注册，永久成为你的下级。他在 Ace Data Cloud 全站的每一次付费，都会按你的分成比例计算现金奖励，可随时提现。

举个真实可感的例子（以 15% 分成为例）：

客户在 platform.acedata.cloud 购买 API 套餐 A：$1000
→ 你得 $150。
他 10 天后又买了 B：$2000
→ 你再得 $300。
后续每买一次，你都继续拿分成。
同一个客户在 studio.acedata.cloud 里订阅了 C：$500
→ 你再得 $75。
后续订阅/续费，继续拿。
你用 Nexior 搭了自己的站点（例如 https://ai-example.com），并接上 Ace 的用户系统；
你在自己站里又带来 100 个付费用户，每人 $100：
→ 你直接拿 100 × $100 × 15% = $1500。

要点：三个入口（开发者 API、个人网页、你自建站）统一用户体系，一个客户在任何入口的付费，都算你的分成。

这事儿真的有人在赚吗？

有伙伴后台实打实的截图：

推荐订单总金额约 ¥90 万+
推荐总奖励 ¥16.8 万+
邀请人数 3200+
（不同人结果会因投入与渠道差异而不同，但这条路确实跑得通。）

5 分钟加入：新手三步走

第 1 步：注册
打开 https://platform.acedata.cloud，用邮箱/手机/微信/GitHub/Google 任意一种登录即可。

第 2 步：领取你的专属链接
进入「创收联盟」后台：https://platform.acedata.cloud/console/distributions
你能看到当前分成等级、收益明细、邀请链接与二维码。

第 3 步：发布链接开始引流
把链接/二维码放到你的朋友圈、社群、知乎、B 站、公众号、抖音/小红书、GitHub README……
有人通过你的链接注册并消费，你就能在后台看到收益增长，随时提现（有客服协助）。

给你一套可复制的推广打法

推荐先从一个你最熟的垂直场景入手，比如“电商设计图”、“短视频脚本”、“AI 音乐/BGM”、“AI 论文润色”、“编程问答”等。

A. 直接用平台做内容，顺手引导注册

做几张 AI 图片对比（原图 vs 换装/换景效果），配文写清流程与成本；
录一个 AI 视频生成的教程短视频；
发一篇 AI 问答实战（比如“如何 3 小时做完论文综述”）；
文末放你的邀请链接 + 简短引导：

B. 各平台模板 & 教程（官方已备好）

知乎：https://platform.acedata.cloud/earning/zhihu-promotion
掘金：https://platform.acedata.cloud/earning/cd0140d4-d2e3-4ba8-a8b2-11ff18ea52e1
CSDN：https://platform.acedata.cloud/earning/dd6ac91f-f9a0-48ba-8866-12fea199dd9c
GitHub：https://platform.acedata.cloud/earning/807af0d6-951e-44df-ad6d-2afdba6e355f
一键搭站指南：https://platform.acedata.cloud/earning/5b942c64-5612-4aab-ab3c-9e58b64cb069
各类推广文案模板：https://platform.acedata.cloud/earning/e3653560-6d78-43bf-b071-88f036cf75b7

你关心的几个问题（Q\&A）

Q1：真的零成本吗？需要囤货或先充值吗？
A：不需要。 你只负责推广。产品、服务、支付、售后都由平台负责。

Q2：客户为什么会绑定在我名下？会不会被别人抢走？
A：通过你的专属链接/二维码注册后，客户将永久绑定到你名下。该客户在平台任何入口的消费都计算你的分成。

Q3：我不会写代码，能做吗？
A：完全可以。你可以直接推广 可视化网页 studio.acedata.cloud 给普通用户；面向开发者时再推广 API。

Q4：可以全球做吗？提现麻烦吗？
A：支持全球收款与多币种。后台可查看收益明细，联系客服即可提现。

Q5：怎么提高转化？
A：内容里给出可见结果（前后对比、真实用例），并附上清晰步骤 + 你的答疑承诺；引导读者先免费体验，再升级付费。

写给已经想试一试的你

不要等到“我准备好了再开始”。这条路的门槛已经被平台降得足够低：

你不用做技术；
你不用有库存；
你只需要把真实有用的内容分享给可能需要的人。
今天发出第一条内容，明天后台就可能出现第一笔收益。

👉 现在就去：https://platform.acedata.cloud 注册
👉 打开「创收联盟」：https://platform.acedata.cloud/console/distributions 领取你的专属链接

还是拿不准？
来这里加微信：https://platform.acedata.cloud/support，备注「创收联盟」，免费进群，我们手把手教你启动、陪跑到出单。

作者崔庆才发表于 2026-05-20 阅读次数：本文字数： 2.8k 阅读时长 ≈ 3 分钟

产品推广 Cursor + NanoBanana MCP：谷歌 Gemini 驱动的 AI 修图，编辑器里直接用

NanoBanana 跟其他 AI 画图工具不太一样——它不只是”画一张新图”，更强的是”改一张旧图”。底层用的是 Google Gemini 模型，真正理解图片内容，可以精确编辑。

最实用的能力：扔给它两张图，让它把 A 图的产品放到 B 图的背景上，或者以 A 图的风格重画 B 图。现在通过 MCP 协议，Cursor 里一句话就能调用。

获取 API Token

使用 NanoBanana MCP Server 之前，你需要一个 AceData Cloud 的 API Token。获取方式非常简单：

打开 AceData Cloud 平台，支持 GitHub、Google 或微信登录，注册后自动获得免费额度
登录后，在首页即可看到你的 API Token，点击复制按钮即可获取

AceData Cloud 平台首页 Token

如果额度用完，可以前往控制台充值，支持支付宝、微信和 Stripe

一个 Token 即可使用所有 MCP Server，无需为每个服务单独申请。

配置 Cursor

在项目根目录创建 .cursor/mcp.json：

{
  "mcpServers": {
    "nanobanana": {
      "type": "http",
      "url": "https://nanobanana.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer 你的Token"
      }
    }
  }
}

保存后重启 Cursor，在 Agent 模式下即可使用 NanoBanana 的图片生成和编辑功能。

真实开发场景

“把这张截图美化一下”

你录了一张丑丑的终端截图，想放到博客里但嫌太素：

1	> 编辑这张图片，添加一个圆角阴影的窗口装饰，背景换成浅灰色渐变

多图合成

产品经理给了你一张产品图和一张场景图，要合成一张”产品在场景中使用”的效果图：

1	> 把第一张图中的手机放到第二张图的桌面上，调整大小和透视角度让它看起来自然

nanobanana_edit_image 支持传入多张图片 URL，AI 看得懂图片关系。

404 页面等趣味插画

1	> 生成一只小恐龙趴在破碎的地面裂缝边上往下看的插画，用作 404 页面

NanoBanana Pro 模型画插画质量不错，风格多变。

工具列表

工具	说明
nanobanana_generate_image	文本生成图片
nanobanana_edit_image	图片编辑（支持多图输入）

其他编辑器配置

VS Code — .vscode/mcp.json，servers 下同样配置
Claude Code — 终端命令行配置，详见 Claude Code + NanoBanana MCP 教程
Claude Desktop — 配置文件路径：macOS ~/Library/Application Support/Claude/claude_desktop_config.json，Windows %APPDATA%\Claude\claude_desktop_config.json，使用 mcpServers 格式

技术教程 被动收入实战：如何通过内容沉淀实现 AI 分销的睡后收入

你有没有想过，写一篇文章、发一个 GitHub Repo，然后在你睡觉、上课、旅行的时候，账户里的佣金还在持续增长？

这不是幻想。在 Ace Data Cloud 的分销体系中，用户绑定是永久的——通过你的链接注册的用户，无论何时消费，你都能拿到佣金。这意味着，你今天写的一篇文章，可能在未来三年、五年内持续为你创造收入。

这篇文章，就来聊聊如何通过”内容沉淀”实现真正的 AI 分销被动收入。

一、为什么说内容沉淀是分销的最优解？

大多数人做分销的思路是”发朋友圈””群发消息”，这种方式有效，但本质上是一次性流量——你发一次，触达一次，然后就没了。

而内容沉淀完全不同：

一篇知乎文章，可能被搜索引擎收录，每天都有人通过搜索找到它
一个 GitHub 开源项目，可能被 star、fork，持续获得曝光
一篇 CSDN 技术教程，三年前写的，今天仍然有人在看

关键点在于：Ace Data Cloud 的用户绑定是永久的。 无论用户是今天注册还是两年后注册，只要是通过你的链接进来的，就永远是你的下线。他在平台、Studio 三个端的所有消费，你都能拿到佣金。

二、佣金体系速览

在开始内容创作之前，先搞清楚你能赚多少：

等级	累计邀请用户消费额	佣金比例
Level 1	$0+	10%
Level 2	$1,000+	15%
Level 3	$5,000+	20%

举个例子：你写了一篇 DeepSeek API 评测文章，通过搜索引擎每月带来 20 个注册用户。假设每个用户月均消费 $30，那么：

Level 1 阶段：20 人 × $30 × 10% = $60/月
累计用户增长后进入 Level 2：假设累计 100 个活跃用户 × $30 × 15% = $450/月
持续积累到 Level 3：200 个活跃用户 × $30 × 20% = $1,200/月

而这一切的起点，可能只是你花了一个下午写的一篇文章。

三、各平台内容策略

1. 知乎：长尾搜索的金矿

知乎的内容在百度搜索中权重极高，而且知乎文章的生命周期非常长。

推荐选题：

“有哪些好用的 AI 绘画 API？”
“DeepSeek API 和 OpenAI API 对比，哪个更划算？”
“做 AI 创业有什么好的 API 平台推荐？”
“Suno AI 音乐生成怎么接入自己的产品？”

写法要点：

先回答问题，展示真实使用体验
附上代码示例和效果截图
在文末自然地引导：”如果你也想试试，可以到 Ace Data Cloud 注册一个账号”（带上你的邀请链接）

一篇高质量的知乎回答可以持续获得流量 2-3 年，带来数百个注册用户。

2. CSDN / 掘金：技术教程的主战场

这两个平台的用户大多是开发者，是 API 产品的精准目标群体。

高转化选题：

“5 分钟接入 Midjourney API，实现 AI 绘画功能”
“用 Python 调用 Suno API 生成音乐完整教程”
“OpenAI 兼容接口大全：一个 API Key 调用 GPT / Claude / Gemini”
“AI 视频生成 API 横评：Sora vs Luma vs Veo”

内容模板：

痛点引入（”调用 OpenAI 官方 API 经常超时？”）
解决方案介绍
代码实操（完整可运行的代码）
效果展示
注册/使用引导（带链接）

技术文章的优势是转化率高——看技术教程的人，大概率就是要用 API 的人。

3. GitHub：开源项目的长期资产

这是很多人忽略的渠道，但其实 GitHub 的分销效果非常好。

项目方向：

写一个调用 Ace Data Cloud API 的 SDK 或命令行工具
做一个 AI 应用的 demo 项目（比如 AI 壁纸生成器、AI 音乐工作站）
维护一个 “Awesome AI APIs” 的列表项目

在 README 中自然地引导用户注册时使用你的邀请链接。一个有 200+ stars 的项目，每周都能带来稳定的注册量。

4. YouTube / B站：视频内容的倍增效应

视频的信任度和转化率通常高于文字。制作一些教程视频：

“3 分钟搭建你的 AI 聊天机器人”
“用 API 生成 AI 视频的完整流程”
“独立开发者必备的 10 个 AI API”

在视频描述中放置你的邀请链接，一个优质视频的长尾流量可以延续 1-2 年。

5. Medium / Dev.to：面向国际开发者

如果你英语还不错，海外技术社区的竞争反而更小：

写 “How to build an AI app using Ace Data Cloud APIs”
发布 “Best alternatives to OpenAI API for your project”

海外用户的客单价更高，一个活跃的海外用户可能月消费 $100+，按 10% 佣金就是 $10/月/人。

四、内容沉淀的复利效应

让我用一个真实案例来说明复利的威力：

假设你每月写 2 篇高质量文章，每篇每月带来 5 个注册用户：

时间	文章数	累计用户	月收入（10%）
第 1 月	2	10	$30
第 3 月	6	30	$90
第 6 月	12	60	$180
第 12 月	24	120	$360
升到 Level 2 后	24	120	$540

关键是：哪怕你在第 6 个月停止写作，之前的文章仍然在持续带来新用户。 这就是沉淀的力量。

而平台上的头部推广者已经实现了：累计订单金额 ¥90 万+，佣金收入 ¥16.8 万+，邀请用户 3200+。

五、立即开始行动

访问分销控制台获取你的专属邀请链接
今天就选一个你熟悉的平台，写一篇文章
不需要完美，先发出去，后续再优化

记住：你今天种下的每一篇内容，都是一颗未来持续产出收益的种子。

开始你的被动收入之旅 👉 https://platform.acedata.cloud

有任何问题，随时联系客服 👉 https://platform.acedata.cloud/support

作者崔庆才发表于 2026-05-19 阅读次数：本文字数： 2.2k 阅读时长 ≈ 2 分钟

产品推广 Claude Code + Flux MCP：终端里一句话生成 AI 图片

📘 完整指南：在 Claude Code 里用全部 11 个 AceData Cloud MCP →

Flux 是 Stable Diffusion 创始团队新做的模型，分三档：Dev（快，草稿级）、Pro（慢一点，精细）、Kontext（编辑已有图）。在 Claude Code 里加进去，随手出图特别方便。

获取 API Token

使用 Flux MCP Server 之前，你需要一个 AceData Cloud 的 API Token。获取方式非常简单：

打开 AceData Cloud 平台，支持 GitHub、Google 或微信登录，注册后自动获得免费额度
登录后，在首页即可看到你的 API Token，点击复制按钮即可获取

AceData Cloud 平台首页 Token

如果额度用完，可以前往控制台充值，支持支付宝、微信和 Stripe

一个 Token 即可使用所有 MCP Server，无需为每个服务单独申请。

💡 如果你不想手动配置，也可以直接在 Claude.ai 网页版中使用，通过 OAuth 连接，无需 API Token。详见 Claude Desktop + Flux MCP 教程。

配置

1 2	claude mcp add flux --transport http https://flux.mcp.acedata.cloud/mcp \ -H "Authorization: Bearer 你的Token"

⚠️ 注意： -H 必须大写。小写 -h 是 --help，不是 header 参数。

不加 -s 默认是 local scope，只在当前项目目录下生效。建议明确指定 scope：

Scope	命令参数	配置文件	作用范围
`local`（默认）	不加 `-s`，或 `-s local`	`~/.claude.json`	仅在运行命令时所在的项目目录下生效
`user`	`-s user`	`~/.claude.json`	全局生效，所有项目都能用
`project`	`-s project`	项目根目录 `.mcp.json`	仅当前项目，可提交到 git 共享给团队

三个模型三种用法

Dev —— 快速试方向

不确定要什么风格，先试几个：

1	> 用 flux-dev 快速生成 3 张不同风格的开发者博客封面图，分别试扁平、写实、抽象

几秒出一张，试错成本极低。

Pro —— 正式出图

看到喜欢的方向后：

1	> 用 flux-pro 重新生成第二张，提高细节和分辨率

Kontext —— 编辑现有图

设计师给了一张图，但日期需要改：

1	> 编辑这张海报图，把右下角的日期从 2024 改成 2025

flux_edit_image 做局部修改，不重新生成整张图。

工具

工具	说明
flux_generate_image	文本生成图片
flux_edit_image	图片编辑

其他编辑器配置

Cursor — .cursor/mcp.json，mcpServers 下同样配置
VS Code — .vscode/mcp.json，servers 下同样配置
Claude Desktop — 编辑 ~/Library/Application Support/Claude/claude_desktop_config.json（macOS）或 %APPDATA%\Claude\claude_desktop_config.json（Windows），mcpServers 下同样配置
Windsurf — .windsurf/mcp.json，mcpServers 下同样配置

API 开发教程 Veo Extend API 对接说明

本文将介绍 Veo Extend API 的对接说明。该接口用于对一段已经生成的 Veo 视频进行时长延展，AI 会自动续写后续画面。

申请流程

要使用 API，需要先到 Veo 服务对应页面申请。如果你尚未登录或注册，会自动跳转到登录页面。

基本使用

调用本接口需要传入下列参数：

video_id（必填）：来源视频的任务 ID（来自 /veo/videos 或本接口本身）。
model（必填）：用于延展的模型，仅支持 veo31-fast 和 veo31 两个模型，其他模型上游不支持。
prompt（选填）：用于引导延展段画面的文字提示。

请求示例：

curl -X POST 'https://api.acedata.cloud/veo/extend' \
  -H 'accept: application/json' \
  -H 'authorization: Bearer {token}' \
  -H 'content-type: application/json' \
  -d '{
    "video_id": "dd01fc69-e1f7-4b68-aa8c-463f6b748d11",
    "model": "veo31-fast",
    "prompt": "the camera slowly zooms out to reveal more of the landscape"
  }'

返回结果与 /veo/videos 相同：

{
  "success": true,
  "task_id": "5fa2d9a6-7e54-481b-a4b0-3dc6f25dd2ab",
  "data": [
    {
      "id": "9b6f3b6b9c45419fbf2e3fe2f10b2b3a",
      "video_url": "https://platform.cdn.acedata.cloud/veo/5fa2d9a6.mp4",
      "created_at": "2025-07-25 16:07:43",
      "complete_at": "2025-07-25 16:10:28",
      "state": "succeeded"
    }
  ]
}

重要限制

来自 /veo/extend 的延展结果视频可以继续被 /veo/extend 再次延展，但是不能再被以下接口处理：

/veo/reshoot —— 不能换镜头运动
/veo/objects —— 不能再做物体增删

如果传入的 video_id 是延展结果，相关接口会返回 400 错误，请改用原始视频作为来源。

计费说明

model=veo31-fast：1.20 Credit / 次
model=veo31：7.64 Credit / 次

异步回调

接口支持异步模式，传入 callback_url 即可在任务完成后通过 POST 请求回调结果。

作者崔庆才发表于 2026-05-17 阅读次数：本文字数： 1.1k 阅读时长 ≈ 1 分钟

安装

准备 API Token

示例 1：chat.completions（同步）

示例 2：chat.completions（SSE 流式）

示例 3：AsyncAceDataCloud（异步）

示例 4：images.generate（NanoBanana）

示例 5：类型化错误处理

配置选项

进阶：X402 支付钩子

如何查看剩余额度

了解更多

申请流程

GPT-Image-2 模型

支持的 size 取值

场景一：电影感人像

场景二：复古旅行海报（带文字渲染）

场景三：复杂构图与计数

场景四：插画风格（横屏）

异步与回调

Nano Banana 系列模型

基本调用

升级到旗舰模型 nano-banana-pro

异步回调

基本使用

图片质量参数 quality

图片大小尺寸参数 size

图片风格参数 style

图片链接的格式参数 response_format

异步回调

错误处理

错误响应示例

结论

三种连接器

5 分钟实操

第 1 步：进入 Connector 中心

第 2 步：连接 GitHub（Web Connector 示例）

第 3 步：调整工具权限

第 4 步：在对话中使用

添加自定义 MCP Server

常见问题

相关链接

接口概览

鉴权说明（如何获取账户令牌）

路径参数

请求示例

cURL

Python

Node.js

响应示例（HTTP 200）

响应字段说明

错误处理

实用提示

相关接口

获取 API Token

配置

使用示例

工具

相关链接

获取 API Token

配置

使用示例

工具

相关链接

申请流程

基本使用

图像放大与变换

图像改写（垫图）

图像融合

局部变换

代码示例

CURL

Python

响应示例

异步回调

流式输出

接口概览

鉴权说明（如何获取账户令牌）

请求示例

cURL

Python

支持的 `size` 取值

升级到旗舰模型 `nano-banana-pro`

图片质量参数 `quality`

图片大小尺寸参数 `size`

图片风格参数 `style`

图片链接的格式参数 `response_format`