矩池云

多模态模型详细教程

本文介绍 Matpool Token API 中图像、视频、视觉理解、音频和向量等多模态模型的接口地址、参数说明与调用示例。

多模态模型详细教程

  • 模型路由：https://token.matpool.com/v1
  • 路由规则与 OpenAI 标准一致
  • 鉴权方式：Authorization: Bearer YOUR_API_TOKEN
  • 文本模型基础调用说明请参考 LLM API 入门教程

一、图像生成模型（IMAGE）

1.1 支持的模型

模型名称说明特点
GPT-Image-2OpenAI 最新图像模型支持自定义分辨率（最高 4K），quality 枚举（auto/low/medium/high），支持 base64 和 URL 返回
GPT-Image-2-FlashOpenAI 最新图像模型（简化版）仅支持 1K 分辨率和 URL 返回，价格更优
Nano-BananaGemini 2.5 Flash Image速度快，编辑能力强，性价比高
Nano-Banana-2Gemini 高效视觉生成快速交互式响应，高并发出图
Nano-Banana-ProGemini 3 Pro Image复杂多轮图像生成与编辑，具备思维推理能力
Nano-Banana-SpotNano-Banana 闲时资源价格便宜，稳定性可能波动
Nano-Banana-2-SpotNano-Banana-2 闲时资源价格便宜，性价比高
Nano-Banana-Pro-SpotNano-Banana-Pro 闲时资源价格便宜，质量高
Qwen-Image-2.0千问文生图中文文本渲染突出，亚洲人像表现好
Qwen-Image-2.0-Pro千问文生图专业版中文文本渲染增强
Doubao-Seedream-4.0豆包图像创作多图融合，组图生成，主体一致性
Doubao-Seedream-4.5豆包图像创作升级版人像美化，图像美学增强
Doubao-Seedream-5.0-lite豆包最新图像创作联网检索，精准解析复杂指令
Wan2.7万相2.7 图像生成与编辑多图参考，主体一致性
Wan2.7-pro万相2.7 旗舰版复杂指令遵循，文字渲染更强

Spot 模型说明：Spot（闲时资源）模型价格更低，但稳定性可能因供应问题波动，适合对成功率无极高要求的场景。

1.2 接口地址

图像模型按 OpenAI 标准接口调用。文生图使用生成端点；支持图像输入的编辑/图生图场景使用编辑端点。

text
复制代码
POST https://token.matpool.com/v1/images/generations
POST https://token.matpool.com/v1/images/edits

注意：不同模型系列的请求参数格式有差异，请根据所使用的模型参考对应的参数说明。Nano-Banana 原版、Qwen-Image 和 Wan2.7 系列的图生图/编辑使用 /v1/images/edits；Nano-Banana Spot 和 Doubao-Seedream 系列按上游文档使用 /v1/images/generations，并在同一个请求体中传 image。

1.3 GPT-Image-2

OpenAI 最新图像生成模型的完整版本，支持自定义分辨率（最高 4K），支持 base64 和 url 两种返回格式，适用于对分辨率和输出格式有灵活要求的场景。

请求参数

参数类型必填默认值说明
modelstring是—模型名称，固定为 GPT-Image-2
promptstring是—图像描述文本，最长 5000 字符
sizestring否auto图片尺寸，支持自定义像素分辨率（见下方说明）
qualitystring否auto图像质量：auto、low、medium、high
response_formatstring否url返回格式：url（返回临时链接）或 base64（返回 Base64 编码数据）
imagestring / array否—参考图像，用于图生图。支持 URL 或 Base64，单张传字符串，多张传数组 ["url1", "url2"]

size 参数说明

GPT-Image-2 在 size 参数中支持传入任意像素分辨率，但需要满足以下约束条件。

常用分辨率（按宽高比分类）：

比例1K2K4K
1:11024x10242048x20482880x2880
2:3816x12321360x20482352x3520
3:21232x8162048x13603520x2352
3:4880x11841552x20802336x3120
4:31184x8802080x15523120x2336
16:91360x7682048x11523536x1984
9:16768x13601152x20481984x3536
auto———

说明：上表中 auto 表示由模型自动选择最佳尺寸。

尺寸限制：

  • 最大边长必须 小于或等于 3840px
  • 宽和高都必须是 16px 的整数倍
  • 长边与短边的比例不能超过 3:1
  • 总像素数必须 不少于 655,360，且不超过 8,294,400

注意：上表中的分辨率均已通过约束验证。如需自定义尺寸，请确保满足以上所有限制条件。

调用示例

文生图（URL 返回）

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "GPT-Image-2",
    "prompt": "一只可爱的橘猫坐在窗台上，阳光透过窗帘洒在它身上，水彩画风格",
    "size": "1024x1024",
    "quality": "auto",
    "response_format": "url"
  }'

Python

python
复制代码
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

response = client.images.generate(
    model="GPT-Image-2",
    prompt="一只可爱的橘猫坐在窗台上，阳光透过窗帘洒在它身上，水彩画风格",
    size="1024x1024",
    quality="auto",
    response_format="url"
)

# 获取图片 URL
print(response.data[0].url)

文生图（Base64 返回）

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "GPT-Image-2",
    "prompt": "一幅未来城市的概念艺术画",
    "quality": "medium",
    "response_format": "base64"
  }'

Python

python
复制代码
import base64

response = client.images.generate(
    model="GPT-Image-2",
    prompt="一幅未来城市的概念艺术画",
    quality="medium",
    response_format="base64"
)

# 解码 Base64 并保存图片
image_data = base64.b64decode(response.data[0].b64_json)
with open("output.png", "wb") as f:
    f.write(image_data)

4K 高分辨率生成

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "GPT-Image-2",
    "prompt": "一张超高清的山川风景照片，细节丰富",
    "size": "3840x2160",
    "quality": "high",
    "response_format": "url"
  }'

Python

python
复制代码
response = client.images.generate(
    model="GPT-Image-2",
    prompt="一张超高清的山川风景照片，细节丰富",
    size="3840x2160",
    quality="high",
    response_format="url"
)

print(response.data[0].url)

图生图（参考图像编辑）

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "GPT-Image-2",
    "prompt": "将图片中的角色改为在吃饭的姿态",
    "image": "https://example.com/reference_image.jpg",
    "size": "1024x1024",
    "response_format": "url"
  }'

Python

python
复制代码
import base64

# 方式一：通过 URL 传入参考图像
response = client.images.generate(
    model="GPT-Image-2",
    prompt="将图片中的角色改为在吃饭的姿态",
    image="https://example.com/reference_image.jpg",
    size="1024x1024",
    response_format="url"
)

# 方式二：通过 Base64 传入本地图像
with open("reference.jpg", "rb") as f:
    image_base64 = base64.b64encode(f.read()).decode("utf-8")

response = client.images.generate(
    model="GPT-Image-2",
    prompt="将图片中的角色改为在吃饭的姿态",
    image=f"data:image/jpeg;base64,{image_base64}",
    size="1024x1024",
    response_format="url"
)

print(response.data[0].url)

多图参考输入

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "GPT-Image-2",
    "prompt": "融合这两张图片的风格，生成一张新图",
    "image": ["https://example.com/image1.jpg", "https://example.com/image2.jpg"],
    "size": "1024x1024",
    "response_format": "url"
  }'

Python

python
复制代码
response = client.images.generate(
    model="GPT-Image-2",
    prompt="融合这两张图片的风格，生成一张新图",
    image=[
        "https://example.com/image1.jpg",
        "https://example.com/image2.jpg"
    ],
    size="1024x1024",
    response_format="url"
)

print(response.data[0].url)

响应格式

URL 返回（response_format: "url"）：

json
复制代码
{
  "created": 1589478378,
  "data": [
    { "url": "https://..." }
  ]
}

Base64 返回（response_format: "base64"）：

json
复制代码
{
  "created": 1589478378,
  "data": [
    { "b64_json": "iVBORw0KGgo..." }
  ]
}
字段类型说明
createdinteger创建时间的 Unix 时间戳
dataarray生成结果数组，根据 response_format 包含 url 或 b64_json 字段

1.4 GPT-Image-2-Flash

OpenAI 最新模型的简化/特价版，返回参数已经做了简化配置，适用于需要快速接入且对高级参数/分辨率无特殊要求的场景。

请求参数

参数类型必填默认值说明
modelstring是—模型名称，固定为 GPT-Image-2-Flash
promptstring是—图像描述文本，最长 5000 字符
sizestring否auto图片尺寸，支持比例格式和像素格式（见下方说明）
imagestring / array否—参考图像，用于图生图。支持 URL 或 Base64，单张传字符串，多张传数组 ["url1", "url2"]

size 参数说明

GPT-Image-2-Flash 支持自定义像素分辨率，支持分辨率：1K：

自定义分辨率：

  • 宽高必须为 16 的整数倍
  • 长短边比不超过 3:1

常用分辨率：1024x1024、1536x1024、1024x1536、auto

调用示例

文生图

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "GPT-Image-2-Flash",
    "prompt": "一只可爱的橘猫坐在窗台上，阳光透过窗帘洒在它身上，水彩画风格",
    "size": "1024x1024"
  }'

Python

python
复制代码
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

response = client.images.generate(
    model="GPT-Image-2-Flash",
    prompt="一只可爱的橘猫坐在窗台上，阳光透过窗帘洒在它身上，水彩画风格",
    size="1024x1024"
)

# 获取图片 URL
print(response.data[0].url)

图生图（参考图像编辑）

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "GPT-Image-2-Flash",
    "prompt": "将图片中的角色改为在吃饭的姿态",
    "image": "https://example.com/reference_image.jpg",
    "size": "1024x1024"
  }'

Python

python
复制代码
from openai import OpenAI
import base64

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

# 方式一：通过 URL 传入参考图像
response = client.images.generate(
    model="GPT-Image-2-Flash",
    prompt="将图片中的角色改为在吃饭的姿态",
    image="https://example.com/reference_image.jpg",
    size="1024x1024"
)

# 方式二：通过 Base64 传入本地图像
with open("reference.jpg", "rb") as f:
    image_base64 = base64.b64encode(f.read()).decode("utf-8")

response = client.images.generate(
    model="GPT-Image-2-Flash",
    prompt="将图片中的角色改为在吃饭的姿态",
    image=f"data:image/jpeg;base64,{image_base64}",
    size="1024x1024"
)

print(response.data[0].url)

多图参考输入

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "GPT-Image-2-Flash",
    "prompt": "融合这两张图片的风格，生成一张新图",
    "image": ["https://example.com/image1.jpg", "https://example.com/image2.jpg"],
    "size": "1024x1024"
  }'

Python

python
复制代码
response = client.images.generate(
    model="GPT-Image-2-Flash",
    prompt="融合这两张图片的风格，生成一张新图",
    image=[
        "https://example.com/image1.jpg",
        "https://example.com/image2.jpg"
    ],
    size="1024x1024"
)

print(response.data[0].url)

响应格式

json
复制代码
{
  "created": 1589478378,
  "data": [
    { "url": "https://..." }
  ]
}
字段类型说明
createdinteger创建时间的 Unix 时间戳
dataarray生成结果数组，每个元素包含 url 字段

1.5 Nano-Banana 系列

Nano-Banana 原版系列包含 Gemini 图像模型的多个版本，覆盖快速 1K 出图、高质量 2K/4K 出图和复杂图像编辑。原版系列与 Spot 系列的接口用法不同：原版图生图/编辑使用 /v1/images/edits，Spot 系列请见 §1.6。

模型对应关系

Token 模型名称对应官方模型推荐场景分辨率能力
Nano-Bananagemini-2.5-flash-image快速文生图、基础图像编辑1K
Nano-Banana-Progemini-3.0-pro-image-preview高质量生成、复杂指令、多图编辑支持 2K / 4K
Nano-Banana-2gemini-3.1-flash-image-preview新一代快速高质量出图、多图融合支持 2K / 4K

接口地址

text
复制代码
文生图：POST https://token.matpool.com/v1/images/generations
图生图 / 图像编辑：POST https://token.matpool.com/v1/images/edits

文生图请求参数

参数类型必填默认值说明
modelstring是—模型名称：Nano-Banana、Nano-Banana-Pro、Nano-Banana-2
promptstring是—图像描述文本，建议清晰描述主体、风格、构图、光线和输出目标
sizestring否1x1图片比例，格式为 宽比x高比，如 1x1、16x9、9x16
qualitystring否—图像质量档位：2k、4k。适用于 Nano-Banana-Pro、Nano-Banana-2；Nano-Banana 基础版固定 1K，通常不传
response_formatstring否url返回格式：url（临时图片链接）或 b64_json（Base64 编码）

图生图 / 图像编辑请求参数

参数类型必填默认值说明
modelstring是—模型名称，同文生图
imagestring / array是—输入图像。支持图片 URL、Base64，单图传字符串，多图传数组
promptstring是—编辑指令，如风格转换、局部修改、主体融合、场景替换等
maskstring否—遮罩图，用于局部精确编辑；更适合 Nano-Banana-Pro、Nano-Banana-2 系列
sizestring否1x1输出图片比例，格式同文生图
qualitystring否—图像质量档位，适用范围同文生图
response_formatstring否url返回格式：url 或 b64_json

size 参数说明（Nano-Banana 系列专用）

Nano-Banana 系列使用比例格式，常用比例与 1K 参考分辨率如下：

参数值比例1K 参考分辨率适用场景
1x11:11024×1024头像、商品图、通用方图
2x32:3832×1248竖版海报、人像
3x23:21248×832横版摄影、封面图
3x43:4864×1184竖版内容图
4x34:31184×864横版内容图
4x54:5896×1152社媒竖图
5x45:41152×896社媒横图
9x169:16768×1344手机壁纸、短视频封面
16x916:91344×768横版封面、演示页
21x921:91536×672超宽横幅

注意：这里的 size 是比例值（如 16x9），不是像素值（如 1344x768）。需要更高分辨率时使用 quality: "2k" 或 quality: "4k"，不要把 size 改成像素分辨率。

调用示例

Nano-Banana 文生图（1K）

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Nano-Banana",
    "prompt": "一只可爱的橘猫坐在窗台上看着夕阳，照片风格，高清画质",
    "size": "1x1",
    "response_format": "url"
  }'

Python

python
复制代码
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

response = client.images.generate(
    model="Nano-Banana",
    prompt="一只可爱的橘猫坐在窗台上看着夕阳，照片风格，高清画质",
    size="1x1",
    response_format="url"
)

print(response.data[0].url)

Nano-Banana-Pro 生成 4K 图像

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Nano-Banana-Pro",
    "prompt": "一只穿着太空服的猫咪在月球上漫步，背景是地球，电影感光照，细节丰富",
    "size": "16x9",
    "quality": "4k",
    "response_format": "url"
  }'

Python

python
复制代码
response = client.images.generate(
    model="Nano-Banana-Pro",
    prompt="一只穿着太空服的猫咪在月球上漫步，背景是地球，电影感光照，细节丰富",
    size="16x9",
    quality="4k",
    response_format="url"
)

print(response.data[0].url)

Nano-Banana-2 文生图（2K）

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Nano-Banana-2",
    "prompt": "一幅超现实主义的城市风景画，建筑物倒映在水面上，色彩鲜明",
    "size": "16x9",
    "quality": "2k",
    "response_format": "url"
  }'

Python

python
复制代码
response = client.images.generate(
    model="Nano-Banana-2",
    prompt="一幅超现实主义的城市风景画，建筑物倒映在水面上，色彩鲜明",
    size="16x9",
    quality="2k",
    response_format="url"
)

print(response.data[0].url)

图生图 / 风格转换

curl

bash
复制代码
curl https://token.matpool.com/v1/images/edits \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Nano-Banana-Pro",
    "image": "https://example.com/reference_image.jpg",
    "prompt": "为这个场景添加日落效果，让整体色调更温暖",
    "size": "1x1",
    "response_format": "url"
  }'

Python

python
复制代码
import requests

response = requests.post(
    "https://token.matpool.com/v1/images/edits",
    headers={
        "Authorization": "Bearer YOUR_API_TOKEN",
        "Content-Type": "application/json"
    },
    json={
        "model": "Nano-Banana-Pro",
        "image": "https://example.com/reference_image.jpg",
        "prompt": "为这个场景添加日落效果，让整体色调更温暖",
        "size": "1x1",
        "response_format": "url"
    }
)
response.raise_for_status()

print(response.json()["data"][0]["url"])

多图融合输入

curl

bash
复制代码
curl https://token.matpool.com/v1/images/edits \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Nano-Banana-2",
    "image": [
      "https://example.com/cat1.png",
      "https://example.com/cat2.png"
    ],
    "prompt": "将这两张图片中的角色放在同一场景中，保持主体外观一致",
    "size": "3x2",
    "quality": "4k",
    "response_format": "url"
  }'

Python

python
复制代码
import requests

response = requests.post(
    "https://token.matpool.com/v1/images/edits",
    headers={
        "Authorization": "Bearer YOUR_API_TOKEN",
        "Content-Type": "application/json"
    },
    json={
        "model": "Nano-Banana-2",
        "image": [
            "https://example.com/cat1.png",
            "https://example.com/cat2.png"
        ],
        "prompt": "将这两张图片中的角色放在同一场景中，保持主体外观一致",
        "size": "3x2",
        "quality": "4k",
        "response_format": "url"
    }
)
response.raise_for_status()

print(response.json()["data"][0]["url"])

Base64 输入图像

Python

python
复制代码
import base64
import requests

with open("reference.png", "rb") as f:
    image_base64 = base64.b64encode(f.read()).decode("utf-8")

response = requests.post(
    "https://token.matpool.com/v1/images/edits",
    headers={
        "Authorization": "Bearer YOUR_API_TOKEN",
        "Content-Type": "application/json"
    },
    json={
        "model": "Nano-Banana-Pro",
        "image": f"data:image/png;base64,{image_base64}",
        "prompt": "把图片改成水彩插画风格，保留主体构图",
        "size": "1x1",
        "response_format": "url"
    }
)
response.raise_for_status()

print(response.json()["data"][0]["url"])

响应格式

URL 返回（response_format: "url"）：

json
复制代码
{
  "created": 1589478378,
  "data": [
    { "url": "https://..." }
  ]
}

Base64 返回（response_format: "b64_json"）：

json
复制代码
{
  "created": 1234567890,
  "data": [
    { "b64_json": "iVBORw0KGgoAAAANSUhEUgA..." }
  ],
  "output_format": "png",
  "usage": {
    "total_tokens": 5234,
    "input_tokens": 1234,
    "output_tokens": 4000,
    "input_tokens_details": {
      "text_tokens": 234,
      "image_tokens": 1000
    }
  }
}
字段类型说明
createdinteger创建时间的 Unix 时间戳
dataarray生成结果数组，根据 response_format 包含 url 或 b64_json 字段
output_formatstring输出图片格式，通常为 png；Base64 返回时可能出现
usageobjectToken 用量信息；部分上游返回，包含文本和图像 token 明细

1.6 Nano-Banana Spot 系列

Nano-Banana Spot 系列使用闲时资源，价格更低，但成功率和稳定性可能随上游资源波动。Spot 系列的调用方式与原版不同：文生图和图生图/多图融合都使用 /v1/images/generations，图像输入通过请求体里的 image 字段传入，不使用 /v1/images/edits。

模型对应关系

Token 模型名称对应官方模型推荐场景分辨率能力
Nano-Banana-Spotgemini-2.5-flash-image闲时低价、可接受稳定性波动的基础出图1K
Nano-Banana-Pro-Spotgemini-3.0-pro-image-preview闲时低价的高质量生成与编辑支持 2K / 4K
Nano-Banana-2-Spotgemini-3.1-flash-image-preview闲时低价的新一代高质量出图、多图融合支持 2K / 4K

接口地址

text
复制代码
POST https://token.matpool.com/v1/images/generations

请求参数

参数类型必填默认值说明
modelstring是—Spot 模型名称：Nano-Banana-Spot、Nano-Banana-Pro-Spot、Nano-Banana-2-Spot
promptstring是—图像生成或编辑指令，建议明确描述主体、风格、构图、光线和修改目标
imagestring / array否—参考图像。文生图时不传；图生图/多图融合时传图片 URL 或 Base64，单图传字符串，多图传数组
sizestring否1x1图片比例，格式为 宽比x高比，如 1x1、16x9、9x16；Spot 上游示例也支持 1x8 这类超长比例
qualitystring否—图像质量档位：2k、4k。基础 Spot 版通常固定 1K，Pro/2 Spot 可按模型能力传入
response_formatstring否url返回格式。Spot 上游文档示例使用 url，推荐保持 url

size 参数说明（Spot 系列专用）

Spot 系列使用比例格式，与原版 Nano-Banana 一样使用 宽比x高比，但图像输入仍走 /v1/images/generations。

参数值比例适用场景
1x11:1头像、商品图、通用方图
2x32:3竖版海报、人像
3x23:2横版摄影、封面图
3x43:4竖版内容图
4x34:3横版内容图
9x169:16手机壁纸、短视频封面
16x916:9横版封面、演示页
1x81:8超长竖图、长条画面；来自 Spot 上游示例

注意：这里的 size 是比例值，不是像素分辨率。需要更高分辨率时使用 quality: "2k" 或 quality: "4k"。

调用示例

Spot 文生图

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Nano-Banana-Spot",
    "prompt": "一只可爱的橘猫坐在窗台上看着夕阳，照片风格，高清画质",
    "size": "1x1",
    "response_format": "url"
  }'

Python

python
复制代码
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

response = client.images.generate(
    model="Nano-Banana-Spot",
    prompt="一只可爱的橘猫坐在窗台上看着夕阳，照片风格，高清画质",
    size="1x1",
    response_format="url"
)

print(response.data[0].url)

Spot 多图融合 / 图生图

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Nano-Banana-2-Spot",
    "prompt": "图中两个形象和一位身着兔子 coser 服饰的美少女艺术家正在将电脑屏幕上的图像手工复制到画布上，创作出一幅油画",
    "image": [
      "https://example.com/cat_3.png",
      "https://example.com/cat_4.png"
    ],
    "size": "1x8",
    "quality": "4k",
    "response_format": "url"
  }'

Python

python
复制代码
import requests

response = requests.post(
    "https://token.matpool.com/v1/images/generations",
    headers={
        "Authorization": "Bearer YOUR_API_TOKEN",
        "Content-Type": "application/json"
    },
    json={
        "model": "Nano-Banana-2-Spot",
        "prompt": "图中两个形象和一位身着兔子 coser 服饰的美少女艺术家正在将电脑屏幕上的图像手工复制到画布上，创作出一幅油画",
        "image": [
            "https://example.com/cat_3.png",
            "https://example.com/cat_4.png"
        ],
        "size": "1x8",
        "quality": "4k",
        "response_format": "url"
    }
)
response.raise_for_status()

print(response.json()["data"][0]["url"])

响应格式

json
复制代码
{
  "created": 1589478378,
  "data": [
    { "url": "https://..." }
  ]
}
字段类型说明
createdinteger创建时间的 Unix 时间戳
dataarray生成结果数组，每个元素包含 url 字段

1.7 Qwen-Image 系列

Qwen-Image 系列来自阿里云百炼千问图像模型，适合中文文字渲染、海报/PPT/信息图、复杂图文混排和通用图像编辑。文生图与图生图的上游请求结构不同，因此建议按以下两类接口分别调用。

模型对应关系

Token 模型名称对应官方模型推荐场景说明
Qwen-Image-2.0-Proqwen-image-2.0-pro复杂文字渲染、海报、信息图、图文混排推荐优先使用
Qwen-Image-2.0qwen-image-2.0通用文生图、图像编辑兼顾质量与成本

接口地址

text
复制代码
文生图：POST https://token.matpool.com/v1/images/generations
图生图 / 图像编辑：POST https://token.matpool.com/v1/images/edits

文生图请求参数

参数类型必填默认值说明
modelstring是—模型名称：Qwen-Image-2.0 或 Qwen-Image-2.0-Pro
promptstring是—正向提示词。Qwen-Image 适合明确描述画面主体、文字内容、排版、字体、材质和构图
response_formatstring否url返回格式：url 或 b64_json
parameters.sizestring否2048*2048输出分辨率。使用 parameters 原生参数时按阿里格式传 宽*高
parameters.ninteger否1生成图片数量。Qwen-Image-2.0 系列支持 1~6 张
parameters.watermarkboolean否false是否添加 Qwen-Image 水印
parameters.negative_promptstring否—反向提示词，最多 500 字符
parameters.prompt_extendboolean否true是否开启提示词智能改写
parameters.seedinteger否—随机种子，范围 [0, 2147483647]，用于提高结果稳定性

Qwen-Image-2.0 推荐分辨率

比例推荐分辨率
1:12048x2048
4:32368x1728
3:41728x2368
16:92688x1536
9:161536x2688

说明：Qwen-Image-2.0 系列输出图像总像素需在 512x512 至 2048x2048 的等效范围内；上表用 x 便于阅读，放入 parameters.size 时按阿里原生格式写成 宽*高。

图生图 / 图像编辑请求参数

参数类型必填默认值说明
modelstring是—模型名称：Qwen-Image-2.0 或 Qwen-Image-2.0-Pro
promptstring是—编辑指令。Qwen 图像编辑支持中英文，2.0 系列上限约 1300 Token
input.messages[].content[].imagestring是—图片 URL、OSS 临时 URL 或 Base64，支持 1~3 张；多图时输出比例默认参考最后一张
parameters.sizestring否接近 1K输出分辨率，如 1024*1024、1536*1024。实际输出会对齐到最接近的 16 的倍数
parameters.ninteger否1生成图片数量。2.0 系列支持 1~6 张
parameters.watermarkboolean否false是否添加水印
parameters.negative_promptstring否—反向提示词
parameters.prompt_extendboolean否true是否开启提示词智能改写
parameters.seedinteger否—随机种子

图生图推荐分辨率：

比例推荐分辨率
1:11024x1024、1536x1536
2:3768x1152、1024x1536
3:21152x768、1536x1024
3:4960x1280、1080x1440
4:31280x960、1440x1080
9:16720x1280、1080x1920
16:91280x720、1920x1080
21:91344x576、2048x872

调用示例

Qwen 文生图

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Qwen-Image-2.0-Pro",
    "prompt": "一张中文科技发布会海报，主标题为「矩池云 Token API」，副标题为「国内模型统一调用」，蓝紫渐变背景，清晰中文排版，现代设计",
    "response_format": "url",
    "parameters": {
      "size": "2048*2048",
      "n": 1,
      "watermark": false,
      "negative_prompt": "低画质，文字模糊，错别字，排版混乱",
      "prompt_extend": true,
      "seed": 12345
    }
  }'

Python

python
复制代码
import requests

response = requests.post(
    "https://token.matpool.com/v1/images/generations",
    headers={
        "Authorization": "Bearer YOUR_API_TOKEN",
        "Content-Type": "application/json"
    },
    json={
        "model": "Qwen-Image-2.0-Pro",
        "prompt": "一张中文科技发布会海报，主标题为「矩池云 Token API」，副标题为「国内模型统一调用」，蓝紫渐变背景，清晰中文排版，现代设计",
        "response_format": "url",
        "parameters": {
            "size": "2048*2048",
            "n": 1,
            "watermark": False,
            "negative_prompt": "低画质，文字模糊，错别字，排版混乱",
            "prompt_extend": True,
            "seed": 12345
        }
    }
)
response.raise_for_status()

print(response.json()["data"][0]["url"])

Qwen 图生图 / 多图编辑

curl

bash
复制代码
curl https://token.matpool.com/v1/images/edits \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Qwen-Image-2.0-Pro",
    "prompt": "保持第一张图片的真实街景不变，把第二张图片中的卡通角色画到建筑旁边，风格像海报插画，边缘清晰",
    "input": {
      "messages": [
        {
          "role": "user",
          "content": [
            { "image": "https://example.com/street.png" },
            { "image": "https://example.com/character.png" },
            { "text": "保持第一张图片的真实街景不变，把第二张图片中的卡通角色画到建筑旁边，风格像海报插画，边缘清晰" }
          ]
        }
      ]
    },
    "parameters": {
      "size": "1536*1024",
      "n": 1,
      "watermark": false,
      "prompt_extend": true
    }
  }'

Python

python
复制代码
import requests

prompt = "保持第一张图片的真实街景不变，把第二张图片中的卡通角色画到建筑旁边，风格像海报插画，边缘清晰"

response = requests.post(
    "https://token.matpool.com/v1/images/edits",
    headers={
        "Authorization": "Bearer YOUR_API_TOKEN",
        "Content-Type": "application/json"
    },
    json={
        "model": "Qwen-Image-2.0-Pro",
        "prompt": prompt,
        "input": {
            "messages": [
                {
                    "role": "user",
                    "content": [
                        {"image": "https://example.com/street.png"},
                        {"image": "https://example.com/character.png"},
                        {"text": prompt}
                    ]
                }
            ]
        },
        "parameters": {
            "size": "1536*1024",
            "n": 1,
            "watermark": False,
            "prompt_extend": True
        }
    }
)

response.raise_for_status()
print(response.json()["data"][0]["url"])

1.8 Wan2.7 系列

Wan2.7 系列适合组图生成、多图参考、主体一致性、复杂指令遵循和更强的文字渲染。Wan2.7-pro 功能更全面，适合质量优先场景；Wan2.7 适合常规图像生成与编辑。

模型对应关系

Token 模型名称对应官方模型推荐场景
Wan2.7-prowan2.7-image-pro高质量组图生成、复杂编辑、主体一致性、较高分辨率
Wan2.7wan2.7-image通用文生图、图生图、图片编辑

接口地址

text
复制代码
文生图：POST https://token.matpool.com/v1/images/generations
图生图 / 图像编辑：POST https://token.matpool.com/v1/images/edits

文生图请求参数

参数类型必填默认值说明
modelstring是—模型名称：Wan2.7 或 Wan2.7-pro
promptstring是—正向提示词，描述生成图像内容、风格、构图和文字要求
parameters.sizestring否2K输出尺寸。Wan2.7 支持 1K、2K、4K 等档位，部分场景也可传具体分辨率
parameters.ninteger否1生成图片数量
parameters.enable_sequentialboolean否false是否开启组图/序列图生成；需要多张连续图片时设为 true
parameters.negative_promptstring否—反向提示词
parameters.watermarkboolean否false是否添加水印
parameters.seedinteger否—随机种子

图生图 / 图像编辑请求参数

参数类型必填默认值说明
modelstring是—模型名称：Wan2.7 或 Wan2.7-pro
promptstring是—编辑指令，如主体替换、风格迁移、场景扩展、组图生成
input.imagesarray是—参考图像 URL 或 Base64 数组
parameters.ninteger否1生成图片数量
parameters.negative_promptstring否—反向提示词
parameters.watermarkboolean否false是否添加水印
parameters.seedinteger否—随机种子

调用示例

Wan2.7 文生图

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Wan2.7-pro",
    "prompt": "一组国风茶饮品牌主视觉，包含产品包装、茶杯、竹叶和水墨背景，画面有统一品牌色，适合电商详情页",
    "parameters": {
      "size": "2K",
      "n": 1,
      "enable_sequential": false,
      "negative_prompt": "低画质，文字错误，主体变形",
      "watermark": false,
      "seed": 2026
    }
  }'

Python

python
复制代码
import requests

response = requests.post(
    "https://token.matpool.com/v1/images/generations",
    headers={
        "Authorization": "Bearer YOUR_API_TOKEN",
        "Content-Type": "application/json"
    },
    json={
        "model": "Wan2.7-pro",
        "prompt": "一组国风茶饮品牌主视觉，包含产品包装、茶杯、竹叶和水墨背景，画面有统一品牌色，适合电商详情页",
        "parameters": {
            "size": "2K",
            "n": 1,
            "enable_sequential": False,
            "negative_prompt": "低画质，文字错误，主体变形",
            "watermark": False,
            "seed": 2026
        }
    }
)
response.raise_for_status()

print(response.json()["data"][0]["url"])

Wan2.7 图生图 / 参考图编辑

curl

bash
复制代码
curl https://token.matpool.com/v1/images/edits \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Wan2.7-pro",
    "prompt": "参考这两张图片，生成同一角色在咖啡馆阅读的场景，保持人物五官和服装风格一致，电影感光照",
    "input": {
      "prompt": "参考这两张图片，生成同一角色在咖啡馆阅读的场景，保持人物五官和服装风格一致，电影感光照",
      "images": [
        "https://example.com/person.png",
        "https://example.com/style.png"
      ],
      "negative_prompt": "五官变形，服装不一致，低画质"
    },
    "parameters": {
      "n": 1,
      "watermark": false,
      "seed": 2026
    }
  }'

Python

python
复制代码
import requests

prompt = "参考这两张图片，生成同一角色在咖啡馆阅读的场景，保持人物五官和服装风格一致，电影感光照"

response = requests.post(
    "https://token.matpool.com/v1/images/edits",
    headers={
        "Authorization": "Bearer YOUR_API_TOKEN",
        "Content-Type": "application/json"
    },
    json={
        "model": "Wan2.7-pro",
        "prompt": prompt,
        "input": {
            "prompt": prompt,
            "images": [
                "https://example.com/person.png",
                "https://example.com/style.png"
            ],
            "negative_prompt": "五官变形，服装不一致，低画质"
        },
        "parameters": {
            "n": 1,
            "watermark": False,
            "seed": 2026
        }
    }
)

response.raise_for_status()
print(response.json()["data"][0]["url"])

1.9 Doubao-Seedream 系列

该系列的图生图也走 /v1/images/generations，通过请求体中的 image 字段传入参考图，适合多图融合、主体一致性、组图生成、品牌视觉和复杂指令解析。

模型对应关系

Token 模型名称推荐场景特点
Doubao-Seedream-4.0通用文生图、图生图、多图融合质量稳定，支持多图参考
Doubao-Seedream-4.5人像、美学增强、商业视觉更强人像与画面美感
Doubao-Seedream-5.0-lite复杂指令、轻量快速出图最新轻量版，适合高频调用

接口地址

text
复制代码
POST https://token.matpool.com/v1/images/generations

请求参数

参数类型必填默认值说明
modelstring是—模型名称：Doubao-Seedream-4.0、Doubao-Seedream-4.5、Doubao-Seedream-5.0-lite
promptstring是—文生图提示词或图生图编辑指令
imagestring / array否—参考图像。文生图不传；图生图/多图融合时传图片 URL、Base64 或数组
sizestring否1024x1024图片尺寸，如 1024x1024、2048x2048、1664x936 等
ninteger否1生成图片数量。Seedream 4.0 支持多图输出，最多可到 15 张；其他模型以实际能力为准
seedinteger否-1随机种子，-1 表示随机；固定数值可提高复现性
response_formatstring否url返回格式：url 或 b64_json
watermarkstring / boolean否模型默认水印开关。上游常见取值为 enable / disable，也可按渠道能力使用布尔值
sequential_image_generationstring否disabled序列/组图生成模式。需要分镜、故事连环图或品牌组图时可传 auto
max_imagesinteger否—配合 sequential_image_generation: "auto" 控制最多输出张数

尺寸说明：Seedream 4.x/5.x 可使用具体像素分辨率。常用值包括 1024x1024、2048x2048、1664x936、936x1664；生成大图或多图会增加耗时和费用。

调用示例

Doubao 文生图

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Doubao-Seedream-4.0",
    "prompt": "一张高端咖啡品牌海报，木质桌面上摆放拿铁和咖啡豆，暖色自然光，商业摄影风格",
    "size": "2048x2048",
    "n": 1,
    "seed": -1,
    "response_format": "url",
    "watermark": "disable"
  }'

Python

python
复制代码
import requests

response = requests.post(
    "https://token.matpool.com/v1/images/generations",
    headers={
        "Authorization": "Bearer YOUR_API_TOKEN",
        "Content-Type": "application/json"
    },
    json={
        "model": "Doubao-Seedream-4.0",
        "prompt": "一张高端咖啡品牌海报，木质桌面上摆放拿铁和咖啡豆，暖色自然光，商业摄影风格",
        "size": "2048x2048",
        "n": 1,
        "seed": -1,
        "response_format": "url",
        "watermark": "disable"
    }
)
response.raise_for_status()

print(response.json()["data"][0]["url"])

Doubao 图生图 / 多图融合

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Doubao-Seedream-4.5",
    "prompt": "参考这些图片，生成同一款产品在夏季户外场景中的广告图，保持产品外观一致，背景清爽明亮",
    "image": [
      "https://example.com/product.png",
      "https://example.com/style-reference.png"
    ],
    "size": "1664x936",
    "n": 1,
    "response_format": "url",
    "watermark": "disable"
  }'

Python

python
复制代码
import requests

response = requests.post(
    "https://token.matpool.com/v1/images/generations",
    headers={
        "Authorization": "Bearer YOUR_API_TOKEN",
        "Content-Type": "application/json"
    },
    json={
        "model": "Doubao-Seedream-4.5",
        "prompt": "参考这些图片，生成同一款产品在夏季户外场景中的广告图，保持产品外观一致，背景清爽明亮",
        "image": [
            "https://example.com/product.png",
            "https://example.com/style-reference.png"
        ],
        "size": "1664x936",
        "n": 1,
        "response_format": "url",
        "watermark": "disable"
    }
)
response.raise_for_status()

print(response.json()["data"][0]["url"])

Doubao 组图 / 分镜生成

curl

bash
复制代码
curl https://token.matpool.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Doubao-Seedream-5.0-lite",
    "prompt": "为一款智能手表生成三张连续广告分镜：开箱、佩戴运动、夜间健康监测。要求同一产品外观一致，画面干净现代",
    "size": "1024x1024",
    "sequential_image_generation": "auto",
    "max_images": 3,
    "response_format": "url",
    "watermark": "disable"
  }'

Python

python
复制代码
import requests

response = requests.post(
    "https://token.matpool.com/v1/images/generations",
    headers={
        "Authorization": "Bearer YOUR_API_TOKEN",
        "Content-Type": "application/json"
    },
    json={
        "model": "Doubao-Seedream-5.0-lite",
        "prompt": "为一款智能手表生成三张连续广告分镜：开箱、佩戴运动、夜间健康监测。要求同一产品外观一致，画面干净现代",
        "size": "1024x1024",
        "sequential_image_generation": "auto",
        "max_images": 3,
        "response_format": "url",
        "watermark": "disable"
    }
)
response.raise_for_status()

for item in response.json()["data"]:
    print(item["url"])

响应格式

json
复制代码
{
  "created": 1589478378,
  "data": [
    { "url": "https://..." }
  ]
}
字段类型说明
createdinteger创建时间的 Unix 时间戳
dataarray生成结果数组，根据 response_format 包含 url 或 b64_json 字段

二、视频生成模型（VIDEO）

2.1 支持的模型

模型名称对应官方 Model ID说明输出规格
Seedance-2.0doubao-seedance-2-0-260128专业级视频创作模型，追求最高生成质量480p / 720p / 1080p；4~15 秒
Seedance-2.0-fastdoubao-seedance-2-0-fast-260128快速版，能力与 2.0 基本一致，更注重速度和成本480p / 720p；4~15 秒

Seedance 2.0 系列支持以下典型能力：

  • 文生视频：仅输入文本提示词生成视频。
  • 图生视频：输入首帧、尾帧或多张参考图生成视频。
  • 多模态参考：组合文本、图片、视频、音频作为参考素材。
  • 视频编辑：对参考视频进行主体替换、对象增删改、局部修复、风格调整等。
  • 视频延长：基于一段或多段参考视频继续生成后续内容。
  • 生成有声视频：通过 generate_audio=true 生成带音频的视频。

2.2 接口地址

text
复制代码
POST https://token.matpool.com/v1/video/generations

视频生成是异步任务。创建任务后会返回任务 ID，之后通过任务查询接口轮询结果：

text
复制代码
GET https://token.matpool.com/v1/video/generations/{task_id}

2.3 请求参数

参数类型必填默认值说明
modelstring是—模型名称，如 Seedance-2.0、Seedance-2.0-fast
contentarray是—多模态输入数组。每项使用 type 区分 text、image_url、video_url、audio_url
promptstring否—兼容简写字段。只做文生视频时可直接传 prompt，等价于 content 中的一条 text
ratiostring否16:9输出宽高比，支持 21:9、16:9、4:3、1:1、3:4、9:16
resolutionstring否720p输出分辨率。Seedance-2.0 支持 480p、720p、1080p；Seedance-2.0-fast 支持 480p、720p
durationinteger否5输出视频时长，范围 4~15 秒
generate_audioboolean否false是否生成有声视频。需要有声结果时设为 true
watermarkboolean否false是否在生成结果中添加水印
return_last_frameboolean否false是否同时返回视频产物对应的尾帧图
service_tierstring否—推理服务档位。上游支持 flex 离线推理时，可按实际接入情况传入

content 数组格式

type字段示例role说明
text{ "type": "text", "text": "..." }—文本提示词，描述画面、运镜、动作、声音、风格等
image_url{ "type": "image_url", "image_url": { "url": "https://..." }, "role": "reference_image" }reference_image / first_frame / last_frame参考图、首帧、尾帧
video_url{ "type": "video_url", "video_url": { "url": "https://..." }, "role": "reference_video" }reference_video参考视频，用于编辑、延长或继承运镜/主体/风格
audio_url{ "type": "audio_url", "audio_url": { "url": "https://..." }, "role": "reference_audio" }reference_audio参考音频，用于继承音色、音乐旋律、对白内容等

输入限制：官方 Seedance 2.0 教程中说明，多模态参考可组合文本、图片、视频和音频，但不支持「文本 + 音频」或「纯音频」输入。图片支持 09 张，视频支持 03 个，音频支持 0~3 个。素材 URL 必须是公网可访问链接。

计费说明：Seedance 系列采用阶梯计费，模型、分辨率、视频时长和输入方式会影响最终价格。1080p 通常高于 720p，Seedance-2.0-fast 通常更适合低成本或快速生成场景。

2.4 调用示例

文生视频

curl

bash
复制代码
curl https://token.matpool.com/v1/video/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Seedance-2.0",
    "content": [
      {
        "type": "text",
        "text": "一只金毛犬在海边奔跑，慢动作，夕阳余晖，电影感镜头"
      }
    ],
    "ratio": "16:9",
    "resolution": "720p",
    "duration": 5,
    "generate_audio": true,
    "watermark": false
  }'

Python

python
复制代码
from openai import OpenAI
import time

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

task = client.post(
    "/video/generations",
    json={
        "model": "Seedance-2.0",
        "content": [
            {
                "type": "text",
                "text": "一只金毛犬在海边奔跑，慢动作，夕阳余晖，电影感镜头"
            }
        ],
        "ratio": "16:9",
        "resolution": "720p",
        "duration": 5,
        "generate_audio": True,
        "watermark": False
    }
)

task_id = task.json()["id"]

while True:
    result = client.get(f"/video/generations/{task_id}")
    data = result.json()
    if data.get("status") in ("succeeded", "failed"):
        print(data)
        break
    time.sleep(30)

图生视频（首尾帧）

curl

bash
复制代码
curl https://token.matpool.com/v1/video/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Seedance-2.0",
    "content": [
      {
        "type": "text",
        "text": "从清晨花苞过渡到傍晚盛放，镜头缓慢推进，延时摄影质感"
      },
      {
        "type": "image_url",
        "image_url": { "url": "https://example.com/flower-start.jpg" },
        "role": "first_frame"
      },
      {
        "type": "image_url",
        "image_url": { "url": "https://example.com/flower-end.jpg" },
        "role": "last_frame"
      }
    ],
    "ratio": "16:9",
    "resolution": "720p",
    "duration": 6
  }'

Python

python
复制代码
from openai import OpenAI
import time

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

task = client.post(
    "/video/generations",
    json={
        "model": "Seedance-2.0",
        "content": [
            {
                "type": "text",
                "text": "从清晨花苞过渡到傍晚盛放，镜头缓慢推进，延时摄影质感"
            },
            {
                "type": "image_url",
                "image_url": { "url": "https://example.com/flower-start.jpg" },
                "role": "first_frame"
            },
            {
                "type": "image_url",
                "image_url": { "url": "https://example.com/flower-end.jpg" },
                "role": "last_frame"
            }
        ],
        "ratio": "16:9",
        "resolution": "720p",
        "duration": 6
    }
)

task_id = task.json()["id"]

while True:
    result = client.get(f"/video/generations/{task_id}")
    data = result.json()
    if data.get("status") in ("succeeded", "failed"):
        print(data)
        break
    time.sleep(30)

多模态参考 / 视频编辑

适合参考图片、参考视频、参考音频组合输入。例如：根据参考视频保留运镜，将视频中的礼盒香水替换为参考图片中的面霜。

curl

bash
复制代码
curl https://token.matpool.com/v1/video/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Seedance-2.0",
    "content": [
      {
        "type": "text",
        "text": "将视频1礼盒中的香水替换成图片1中的面霜，保持原视频运镜不变，产品质感自然"
      },
      {
        "type": "image_url",
        "image_url": { "url": "https://example.com/cream.jpg" },
        "role": "reference_image"
      },
      {
        "type": "video_url",
        "video_url": { "url": "https://example.com/gift-video.mp4" },
        "role": "reference_video"
      }
    ],
    "ratio": "16:9",
    "resolution": "720p",
    "duration": 5,
    "generate_audio": true,
    "watermark": false
  }'

Python

python
复制代码
from openai import OpenAI
import time

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

task = client.post(
    "/video/generations",
    json={
        "model": "Seedance-2.0",
        "content": [
            {
                "type": "text",
                "text": "将视频1礼盒中的香水替换成图片1中的面霜，保持原视频运镜不变，产品质感自然"
            },
            {
                "type": "image_url",
                "image_url": { "url": "https://example.com/cream.jpg" },
                "role": "reference_image"
            },
            {
                "type": "video_url",
                "video_url": { "url": "https://example.com/gift-video.mp4" },
                "role": "reference_video"
            }
        ],
        "ratio": "16:9",
        "resolution": "720p",
        "duration": 5,
        "generate_audio": True,
        "watermark": False
    }
)

task_id = task.json()["id"]

while True:
    result = client.get(f"/video/generations/{task_id}")
    data = result.json()
    if data.get("status") in ("succeeded", "failed"):
        print(data)
        break
    time.sleep(30)

视频延长

视频延长通常传入一段或多段 reference_video，再用文本说明需要延长的方向。生成结果会在参考视频基础上继续发展剧情、动作或镜头。

curl

bash
复制代码
curl https://token.matpool.com/v1/video/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Seedance-2.0",
    "content": [
      {
        "type": "text",
        "text": "延续视频1的镜头语言和主体动作，让人物继续向前奔跑，镜头逐渐拉远，保持电影质感"
      },
      {
        "type": "video_url",
        "video_url": { "url": "https://example.com/input-video.mp4" },
        "role": "reference_video"
      }
    ],
    "ratio": "16:9",
    "resolution": "720p",
    "duration": 8,
    "generate_audio": true
  }'

Python

python
复制代码
from openai import OpenAI
import time

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

task = client.post(
    "/video/generations",
    json={
        "model": "Seedance-2.0",
        "content": [
            {
                "type": "text",
                "text": "延续视频1的镜头语言和主体动作，让人物继续向前奔跑，镜头逐渐拉远，保持电影质感"
            },
            {
                "type": "video_url",
                "video_url": { "url": "https://example.com/input-video.mp4" },
                "role": "reference_video"
            }
        ],
        "ratio": "16:9",
        "resolution": "720p",
        "duration": 8,
        "generate_audio": True
    }
)

task_id = task.json()["id"]

while True:
    result = client.get(f"/video/generations/{task_id}")
    data = result.json()
    if data.get("status") in ("succeeded", "failed"):
        print(data)
        break
    time.sleep(30)

2.5 响应格式

创建任务响应

json
复制代码
{
  "id": "video_task_123",
  "object": "video.generation.task",
  "status": "queued",
  "created": 1710000000
}

查询任务响应

json
复制代码
{
  "id": "video_task_123",
  "object": "video.generation.task",
  "status": "succeeded",
  "created": 1710000000,
  "data": [
    {
      "url": "https://example.com/result.mp4",
      "last_frame_url": "https://example.com/last-frame.png"
    }
  ]
}
字段类型说明
idstring视频生成任务 ID
statusstring任务状态，常见值：queued、running、succeeded、failed
data[].urlstring生成视频 URL
data[].last_frame_urlstring当 return_last_frame=true 时返回的尾帧图 URL

注意：视频生成为异步操作，生成时间较长。建议每 30 秒轮询一次任务状态。最终字段名以实际接口返回为准。

三、视觉理解模型（VISION）

3.1 支持的模型

模型名称说明特点
Qwen3-VL-Plus千问视觉理解旗舰版复杂视觉推理、多图/视频理解、视觉 Agent、视觉 coding、空间感知
Qwen3-VL-Flash千问视觉理解轻量版响应速度快，适合批量识别、长视频/长文档解析、2D/3D 定位

上游 Model ID：阿里百炼文档中的模型名通常为 qwen3-vl-plus、qwen3-vl-flash 及其快照版本；Token 路由中使用上表的模型名即可。

3.2 接口地址

视觉理解模型使用 Chat Completions 接口：

text
复制代码
POST https://token.matpool.com/v1/chat/completions

区别在于 messages.content 是多模态数组，可以传入文本、图片和视频。

3.3 请求参数

参数类型必填默认值说明
modelstring是—模型名称，如 Qwen3-VL-Plus、Qwen3-VL-Flash
messagesarray是—对话消息列表，支持在 content 中混合传入 text、image_url、video_url
temperaturenumber否1.0生成随机性，值越低输出越确定（0~2）
max_tokensinteger否模型默认最大输出 Token 数
top_pnumber否1.0核采样概率，与 temperature 二选一调整
streamboolean否false是否开启流式输出

messages 中的多模态输入方式：

json
复制代码
{
  "role": "user",
  "content": [
    { "type": "text", "text": "请总结这张图和这段视频的重点" },
    { "type": "image_url", "image_url": { "url": "https://example.com/image.jpg" } },
    { "type": "video_url", "video_url": { "url": ["https://example.com/video.mp4"] } }
  ]
}

支持的输入格式：

  • URL 链接：{ "type": "image_url", "image_url": { "url": "https://..." } }
  • Base64 编码：{ "type": "image_url", "image_url": { "url": "data:image/jpeg;base64,..." } }
  • 多图输入：在 content 数组中传入多个 image_url 对象即可
  • 视频输入：{ "type": "video_url", "video_url": { "url": ["https://...mp4"] } }，用于视频描述、字幕总结、时间线分析等

输入规模参考：Qwen3-VL 系列适合多图片、多视频理解。官方 OpenAI 兼容文档支持图片 URL/Base64 和视频 URL 输入；实际可上传数量、单图像素、视频时长和文件大小以当前路由的模型规格为准。长视频或高分辨率图片会显著增加输入 Token。

3.4 调用示例

单图理解

bash
复制代码
curl https://token.matpool.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Qwen3-VL-Plus",
    "messages": [
      {
        "role": "user",
        "content": [
          { "type": "text", "text": "请描述这张图片的内容" },
          { "type": "image_url", "image_url": { "url": "https://example.com/photo.jpg" } }
        ]
      }
    ]
  }'
python
复制代码
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

response = client.chat.completions.create(
    model="Qwen3-VL-Plus",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "请描述这张图片的内容"},
                {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
            ]
        }
    ]
)

print(response.choices[0].message.content)

Base64 图片输入

python
复制代码
import base64
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

# 读取本地图片并编码为 Base64
with open("local_image.jpg", "rb") as f:
    image_base64 = base64.b64encode(f.read()).decode("utf-8")

response = client.chat.completions.create(
    model="Qwen3-VL-Plus",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "这张图片里有什么？"},
                {
                    "type": "image_url",
                    "image_url": {"url": f"data:image/jpeg;base64,{image_base64}"}
                }
            ]
        }
    ]
)

print(response.choices[0].message.content)

多图对比

python
复制代码
response = client.chat.completions.create(
    model="Qwen3-VL-Plus",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "请对比这两张图片的区别"},
                {"type": "image_url", "image_url": {"url": "https://example.com/image1.jpg"}},
                {"type": "image_url", "image_url": {"url": "https://example.com/image2.jpg"}}
            ]
        }
    ]
)

print(response.choices[0].message.content)

视频理解

python
复制代码
response = client.chat.completions.create(
    model="Qwen3-VL-Flash",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "请按时间顺序总结视频内容，并列出可见文字和关键画面。"
                },
                {
                    "type": "video_url",
                    "video_url": {"url": ["https://example.com/video.mp4"]}
                }
            ]
        }
    ],
    stream=True
)

for chunk in response:
    delta = chunk.choices[0].delta
    if delta.content:
        print(delta.content, end="")

四、音频模型（AUDIO）

4.1 支持的模型

模型名称说明特点
Qwen3.5-Omni-Plus千问全能多模态高级版长音视频理解、会议纪要、字幕生成、内容审核、音视频交互助手
Qwen3.5-Omni-Flash千问全能多模态极速版成本和延迟更优，适合语音助手、批量音频理解、实时交互

上游 Model ID：阿里百炼文档中的模型名通常为 qwen3.5-omni-plus、qwen3.5-omni-flash。Qwen3.5-Omni 支持文本、图片、音频、视频组合输入，可输出文本或文本+音频。

4.2 接口地址

Qwen3.5-Omni 系列按 OpenAI 兼容的 Chat Completions 调用。需要语音输出时，必须使用流式响应收集音频片段。

text
复制代码
POST https://token.matpool.com/v1/chat/completions

4.3 请求参数

参数类型必填默认值说明
modelstring是—模型名称，如 Qwen3.5-Omni-Plus、Qwen3.5-Omni-Flash
messagesarray是—对话消息列表，支持文本、图片、音频、视频等多模态输入
modalitiesarray否["text"]输出模态，["text"] 仅文本，["text", "audio"] 文本+语音
audioobject否—音频输出配置，当 modalities 包含 audio 时必填，含 voice 和 format
temperaturenumber否1.0生成随机性（0~2）
max_tokensinteger否模型默认最大输出 Token 数
streamboolean语音输出时是falseQwen3.5-Omni 语音输出必须设为 true
stream_optionsobject否—流式统计配置，如 { "include_usage": true }

messages 中的音频输入方式（Base64）：

json
复制代码
{
  "role": "user",
  "content": [
    { "type": "text", "text": "这段音频说了什么？" },
    { "type": "input_audio", "input_audio": { "data": "<base64编码的音频>", "format": "wav" } }
  ]
}
字段说明
type固定为 input_audio
input_audio.dataBase64 编码的音频数据
input_audio.format音频格式，如 wav、mp3

音频输出配置：

字段说明
audio.voice输出音色。阿里百炼示例使用 Tina；不同模型可用音色数量不同，以模型列表为准
audio.format输出音频格式，如 wav；返回内容为 Base64 编码的 PCM/WAV 数据片段

使用建议：音视频理解、会议纪要、字幕生成等场景使用 modalities=["text"] 即可；语音助手、朗读、拟人对话等场景使用 modalities=["text", "audio"]，并在流式响应中拼接 delta.audio.data。

4.4 调用示例

音频输入，文本输出

bash
复制代码
curl https://token.matpool.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Qwen3.5-Omni-Plus",
    "messages": [
      {
        "role": "user",
        "content": [
          { "type": "text", "text": "请转述这段音频的内容" },
          { "type": "input_audio", "input_audio": { "data": "<base64_encoded_audio>", "format": "wav" } }
        ]
      }
    ]
  }'
python
复制代码
import base64
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

with open("meeting.wav", "rb") as f:
    audio_base64 = base64.b64encode(f.read()).decode("utf-8")

response = client.chat.completions.create(
    model="Qwen3.5-Omni-Plus",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "请提取这段会议录音的待办事项"},
                {
                    "type": "input_audio",
                    "input_audio": {
                        "data": audio_base64,
                        "format": "wav"
                    }
                }
            ]
        }
    ]
)

print(response.choices[0].message.content)

文本输入，流式返回文本 + 语音

python
复制代码
import base64
import wave

stream = client.chat.completions.create(
    model="Qwen3.5-Omni-Plus",
    messages=[
        {"role": "user", "content": "请用温柔自然的语气介绍 Matpool 大模型平台。"}
    ],
    modalities=["text", "audio"],
    audio={"voice": "Tina", "format": "wav"},
    stream=True,
    stream_options={"include_usage": True}
)

audio_base64 = ""
for chunk in stream:
    if not chunk.choices:
        continue
    delta = chunk.choices[0].delta

    if delta.content:
        print(delta.content, end="")

    if getattr(delta, "audio", None) and delta.audio.get("data"):
        audio_base64 += delta.audio["data"]

if audio_base64:
    pcm_bytes = base64.b64decode(audio_base64)
    with wave.open("omni_reply.wav", "wb") as wf:
        wf.setnchannels(1)
        wf.setsampwidth(2)
        wf.setframerate(24000)
        wf.writeframes(pcm_bytes)

音视频内容分析 Prompt 示例

text
复制代码
请分析这段视频，输出：
1. 按时间戳组织的画面和声音描述
2. 可见文字及其出现时间
3. 语音转写、说话人、语气和情绪
4. 最后给出 5 条摘要和 3 条待办事项

音频计费说明：音频模型除文本 Token 外，还包含音频输入/输出 Token 计费。语音输出会额外产生 audio completion 相关费用。

纯 TTS 说明：如果只需要文本转语音，请优先使用 Qwen3.5-Omni 的 modalities=["text", "audio"]。若 Token 平台后续单独开放 /v1/audio/speech 路由，应以模型列表和接口返回为准。

五、向量模型（EMBEDDING）

5.1 支持的模型

模型名称说明特点
Text-Embedding-V4通义实验室多语言文本向量模型基于 Qwen3 训练，适合语义检索、RAG、聚类、分类，支持自定义维度
Qwen3-VL-Embedding千问多模态向量模型支持文本、图片、视频独立向量与融合向量，适合跨模态检索

上游 Model ID：阿里百炼文本向量模型为 text-embedding-v4；多模态向量模型常见为 qwen3-vl-embedding。Token 路由是否开放多模态向量模型，以模型列表和接口返回为准。

5.2 接口地址

文本向量使用 OpenAI Embeddings 兼容接口：

text
复制代码
POST https://token.matpool.com/v1/embeddings

多模态向量在阿里百炼官方文档中使用 DashScope 多模态向量接口；如果 Token 路由没有提供对应兼容接口，请先在业务侧确认是否已映射为 /v1/embeddings 或单独路由。

5.3 请求参数

文本向量参数

参数类型必填默认值说明
modelstring是—模型名称，如 Text-Embedding-V4
inputstring / array是—输入文本，支持单条字符串或批量数组
encoding_formatstring否float编码格式，float（浮点数组）或 base64（Base64 编码）
dimensionsinteger否模型默认向量维度，Text-Embedding-V4 支持自定义维度（常用 512、1024、1536、2048）

多模态向量参数（如已开放）

参数类型必填默认值说明
modelstring是—模型名称，如 Qwen3-VL-Embedding
inputarray是—多模态内容数组，可包含 { "text": "..." }、{ "image": "https://..." }、{ "video": "https://..." }
enable_fusionboolean否false是否生成融合向量。true 时将多模态内容融合为一个向量
dimensions / dimensioninteger否模型默认输出向量维度。具体可选值以当前模型规格为准

5.4 调用示例

单条文本向量化

curl

bash
复制代码
curl https://token.matpool.com/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Text-Embedding-V4",
    "input": "人工智能正在改变世界"
  }'
python
复制代码
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

response = client.embeddings.create(
    model="Text-Embedding-V4",
    input="人工智能正在改变世界"
)

print(f"向量维度: {len(response.data[0].embedding)}")
print(f"前5个值: {response.data[0].embedding[:5]}")

批量文本 + 自定义维度

curl

bash
复制代码
curl https://token.matpool.com/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Text-Embedding-V4",
    "input": [
      "人工智能正在改变世界",
      "大语言模型是AI领域的重要突破",
      "向量数据库用于存储和检索嵌入向量"
    ],
    "dimensions": 512
  }'

Python

python
复制代码
response = client.embeddings.create(
    model="Text-Embedding-V4",
    input=[
        "人工智能正在改变世界",
        "大语言模型是AI领域的重要突破",
        "向量数据库用于存储和检索嵌入向量"
    ],
    dimensions=512  # 自定义向量维度（64~2048）
)

for i, item in enumerate(response.data):
    print(f"文本 {i}: 向量维度 {len(item.embedding)}")

多模态融合向量（如路由已开放）

适用于文搜图、图搜图、文搜视频、跨模态召回等场景。下面示例展示推荐的请求体结构；实际接口路径和参数命名请以 Token 平台映射为准。

bash
复制代码
curl https://token.matpool.com/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Qwen3-VL-Embedding",
    "input": [
      { "text": "白色运动鞋，轻量透气，适合跑步" },
      { "image": "https://example.com/shoes.jpg" }
    ],
    "enable_fusion": true,
    "dimensions": 1024
  }'
python
复制代码
response = client.embeddings.create(
    model="Qwen3-VL-Embedding",
    input=[
        {"text": "白色运动鞋，轻量透气，适合跑步"},
        {"image": "https://example.com/shoes.jpg"}
    ],
    extra_body={
        "enable_fusion": True,
        "dimensions": 1024
    }
)

print(len(response.data[0].embedding))

计算文本相似度

python
复制代码
import numpy as np
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

texts = ["今天天气真好", "今天阳光明媚", "股票市场今天大跌"]

response = client.embeddings.create(
    model="Text-Embedding-V4",
    input=texts
)

embeddings = [item.embedding for item in response.data]

# 计算余弦相似度
def cosine_similarity(a, b):
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))

print(f"'天气好' vs '阳光': {cosine_similarity(embeddings[0], embeddings[1]):.4f}")
print(f"'天气好' vs '股票': {cosine_similarity(embeddings[0], embeddings[2]):.4f}")

六、代码模型（CODE）

6.1 支持的模型

模型名称说明特点
Qwen3-Coder-Plus千问代码旗舰版复杂编程、代码审查，支持超长上下文
Qwen3-Coder-Flash千问代码轻量版多轮工具交互，仓库级理解，速度快
Doubao-Seed-2.0-Code豆包编程专用模型前端能力优化，支持 Skills，IDE 工具调用

6.2 接口地址

代码模型使用 Chat Completions 接口：

text
复制代码
POST https://token.matpool.com/v1/chat/completions

代码模型特别擅长工具调用（Function Calling）和多轮交互，适合集成到 IDE 和编程助手中。

6.3 请求参数

参数类型必填默认值说明
modelstring是—模型名称，如 Qwen3-Coder-Plus、Doubao-Seed-2.0-Code
messagesarray是—对话消息列表
temperaturenumber否1.0生成随机性，编程任务推荐 0~0.3（低温更确定）
max_tokensinteger否模型默认最大输出 Token 数
top_pnumber否1.0核采样概率
toolsarray否—工具定义列表（Function Calling），定义可供模型调用的外部函数
tool_choicestring否auto工具选择策略：auto（模型自主决定）、none（不使用工具）、required（必须使用工具）
streamboolean否false是否开启流式输出

6.4 调用示例

代码生成

curl

bash
复制代码
curl https://token.matpool.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Qwen3-Coder-Plus",
    "messages": [
      { "role": "system", "content": "你是一个专业的Python开发者" },
      { "role": "user", "content": "写一个快速排序算法的实现，并添加类型注解" }
    ],
    "temperature": 0.1
  }'

Python

python
复制代码
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

response = client.chat.completions.create(
    model="Qwen3-Coder-Plus",
    messages=[
        {"role": "system", "content": "你是一个专业的Python开发者"},
        {"role": "user", "content": "写一个快速排序算法的实现，并添加类型注解"}
    ],
    temperature=0.1
)

print(response.choices[0].message.content)

带工具调用（Function Calling）

curl

bash
复制代码
curl https://token.matpool.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Qwen3-Coder-Plus",
    "messages": [
      { "role": "user", "content": "计算斐波那契数列前20项的和" }
    ],
    "tools": [
      {
        "type": "function",
        "function": {
          "name": "run_code",
          "description": "执行Python代码并返回结果",
          "parameters": {
            "type": "object",
            "properties": {
              "code": {
                "type": "string",
                "description": "要执行的Python代码"
              }
            },
            "required": ["code"]
          }
        }
      }
    ],
    "tool_choice": "auto"
  }'

Python

python
复制代码
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

tools = [
    {
        "type": "function",
        "function": {
            "name": "run_code",
            "description": "执行Python代码并返回结果",
            "parameters": {
                "type": "object",
                "properties": {
                    "code": {
                        "type": "string",
                        "description": "要执行的Python代码"
                    }
                },
                "required": ["code"]
            }
        }
    }
]

response = client.chat.completions.create(
    model="Qwen3-Coder-Plus",
    messages=[
        {"role": "user", "content": "计算斐波那契数列前20项的和"}
    ],
    tools=tools,
    tool_choice="auto"
)

print(response.choices[0].message.tool_calls)

七、数学模型（MATH）

7.1 支持的模型

模型名称说明特点
Qwen-Math-Plus千问数学旗舰版复杂数学解题，方程、计算、证明
Qwen-Math-Turbo千问数学快速版推理速度快，成本低

7.2 接口地址

数学模型使用 Chat Completions 接口：

text
复制代码
POST https://token.matpool.com/v1/chat/completions

7.3 请求参数

参数类型必填默认值说明
modelstring是—模型名称，如 Qwen-Math-Plus、Qwen-Math-Turbo
messagesarray是—对话消息列表
temperaturenumber否1.0生成随机性
max_tokensinteger否模型默认最大输出 Token 数
top_pnumber否1.0核采样概率
streamboolean否false是否开启流式输出

7.4 调用示例

curl

bash
复制代码
curl https://token.matpool.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "model": "Qwen-Math-Plus",
    "messages": [
      {
        "role": "user",
        "content": "求解方程 x² - 5x + 6 = 0，并给出详细的解题过程"
      }
    ]
  }'

Python

python
复制代码
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

response = client.chat.completions.create(
    model="Qwen-Math-Plus",
    messages=[
        {
            "role": "user",
            "content": "求解方程 x² - 5x + 6 = 0，并给出详细的解题过程"
        }
    ]
)

print(response.choices[0].message.content)

八、LLM 文本模型（TEXT）

LLM详细的基础使用说明请参考 LLM API 教程 中的第 6 节。

九、通用说明

9.1 鉴权方式

所有接口统一使用 Bearer Token 鉴权：

http
复制代码
Authorization: Bearer YOUR_API_TOKEN
Content-Type: application/json

9.2 推荐的 SDK 配置

Matpool 接口与 OpenAI 规范兼容，推荐使用 OpenAI 官方 SDK，只需覆盖 base_url：

Python

python
复制代码
from openai import OpenAI
client = OpenAI(
    api_key="YOUR_API_TOKEN",
    base_url="https://token.matpool.com/v1"
)

9.3 接口路径汇总

模型类型接口路径适用模型
TEXT / CODE / MATH/v1/chat/completions文本、代码、数学推理
VISION/v1/chat/completionsQwen3-VL 图片/视频理解，多模态输入通过 messages.content 传入（详见 §3）
AUDIO (Qwen3.5-Omni)/v1/chat/completionsQwen3.5-Omni 音频/视频理解、文本+语音流式输出（详见 §4）
IMAGE (GPT-Image-2)/v1/images/generationsGPT-Image-2 完整版，支持自定义分辨率（最高 4K），quality 枚举，base64 和 URL 返回（详见 §1.3）
IMAGE (GPT-Image-2-Flash)/v1/images/generationsGPT-Image-2-Flash 简化版，仅支持 1K 和 URL 返回（详见 §1.4）
IMAGE (Nano-Banana 原版文生图)/v1/images/generationsNano-Banana / Nano-Banana-Pro / Nano-Banana-2 文本生成图像（详见 §1.5）
IMAGE (Nano-Banana 原版图生图/编辑)/v1/images/editsNano-Banana / Nano-Banana-Pro / Nano-Banana-2 图像编辑、多图融合、Base64 输入和 mask 局部编辑（详见 §1.5）
IMAGE (Nano-Banana Spot)/v1/images/generationsNano-Banana Spot 系列文生图、图生图、多图融合；图像输入通过 image 字段传入（详见 §1.6）
IMAGE (Qwen 文生图)/v1/images/generationsQwen-Image-2.0 / 2.0-Pro 文本生成图像（详见 §1.7）
IMAGE (Qwen 图生图/编辑)/v1/images/editsQwen-Image-2.0 / 2.0-Pro 多图编辑、文字渲染编辑（详见 §1.7）
IMAGE (Wan2.7 文生图)/v1/images/generationsWan2.7 / Wan2.7-pro 文本生成图像、组图生成（详见 §1.8）
IMAGE (Wan2.7 图生图/编辑)/v1/images/editsWan2.7 / Wan2.7-pro 多图参考、主体一致性编辑（详见 §1.8）
IMAGE (Doubao-Seedream)/v1/images/generationsDoubao-Seedream-4.0 / 4.5 / 5.0-lite 文生图、图生图、多图融合、组图生成（详见 §1.9）
VIDEO (Seedance)/v1/video/generationsSeedance-2.0 / Seedance-2.0-fast 视频生成、图生视频、多模态参考、视频编辑与延长（详见 §2）
EMBEDDING/v1/embeddingsText-Embedding-V4 文本向量；多模态向量以 Token 平台映射为准（详见 §5）

9.4 计费说明

  • 基础计费：(输入 Token ÷ 1,000,000) × 输入单价 + (输出 Token ÷ 1,000,000) × 输出单价
  • 图像模型：部分模型按固定价格计费（如 GPT-Image-2：0.14 模力豆/张），部分按比例计费
  • 视频模型：采用阶梯计费，根据分辨率和输入方式不同价格不同
  • 音频模型：除文本 Token 外，音频输入/输出有独立的计费倍率
  • Spot 模型：闲时资源，价格更低但稳定性可能波动
  • 限时免费模型：活动期间免费使用

详细价格请参考 模型广场

Copyright © 2019-2026 matpool.com. All rights reserved.

Command Palette

Search for a command to run...