एक text to image API एक रिक्वेस्ट भेजता है और एक तैयार तस्वीर लौटाता है, लेकिन आपकी लागत और सीमाएँ इस बात से तय होती हैं कि आप कौन-सा प्रोवाइडर चुनते हैं। देखें कि मुफ़्त टियर और Hugging Face क्रेडिट असल में क्या देते हैं, पेड APIs कितना शुल्क लेते हैं, और कोड लिखने से पहले PicassoIA का Flux 2 Pro कैसे आज़माएँ।
एक text to image API एक HTTP रिक्वेस्ट को एक तैयार तस्वीर में बदल देता है। अब नतीजा पाना मुश्किल हिस्सा नहीं रहा। मुश्किल यह तय करना है कि रिक्वेस्ट कहाँ भेजें। कुछ सेवाएँ हर महीने कुछ मुफ़्त जनरेशन देती हैं, Hugging Face अपनी कॉल्स पार्टनर प्रोवाइडर्स तक पहुँचाता है और महीने का छोटा क्रेडिट कोटा देता है, और पेड प्लेटफ़ॉर्म हर इमेज या GPU के हर सेकंड पर शुल्क लेते हैं। गलत चुनाव करें तो लॉन्च के दिन रेट लिमिट लग सकती है, या काम की ज़रूरत से कई गुना ज़्यादा पैसे लग सकते हैं।
यह लेख तीनों रास्तों की तुलना करता है। जहाँ सार्वजनिक आँकड़े उपलब्ध हैं वहाँ उन्हें इस्तेमाल किया गया है, साथ में काम करने वाला Python कोड, एक साइड-बाय-साइड टेबल और किसी काम के लिए मॉडल चुनने की एक छोटी चेकलिस्ट है। चाहे आप वीकेंड प्रोटोटाइप बना रहे हों, क्लाइंट प्रोजेक्ट हो या हज़ारों यूज़र वाला प्रोडक्ट, नीचे आपको एक समझदार शुरुआती बिंदु मिलेगा।
💡 संक्षिप्त जवाब: मुफ़्त मासिक क्रेडिट या लोकल मॉडल से टेस्ट करें। जैसे ही असली ग्राहक इस फ़ीचर का इस्तेमाल करने लगें, साफ़ लाइसेंस और प्रकाशित रेट लिमिट वाली प्रति-इमेज पेड API पर जाएँ।
एक text to image API एक वेब एंडपॉइंट है। आप एक प्रॉम्प्ट और साइज़, आस्पेक्ट रेशियो और सीड जैसी कुछ सेटिंग्स भेजते हैं, और बदले में एक इमेज फ़ाइल या उसका लिंक मिलता है। भारी काम किसी और के GPU पर चलता है, इसलिए आपके ऐप को न ग्राफ़िक्स कार्ड चाहिए न मॉडल वेट्स।
ज़्यादातर एंडपॉइंट एक जैसे मुख्य फ़ील्ड स्वीकार करते हैं। प्रॉम्प्ट तस्वीर का वर्णन करता है। आस्पेक्ट रेशियो या पिक्सल साइज़ कैनवास तय करता है। सीड किसी नतीजे को दोहराने लायक बनाता है, यानी एक ही प्रॉम्प्ट और सीड से एक ही इमेज मिलती है। कुछ मॉडल स्टेप्स, गाइडेंस वैल्यू या नेगेटिव प्रॉम्प्ट भी जोड़ते हैं, जबकि नए मॉडल इन्हें छोड़कर सिर्फ़ प्रॉम्प्ट पर निर्भर रहते हैं। किसी दूसरे मॉडल से सेटिंग्स कॉपी करने से पहले उस मॉडल की पैरामीटर लिस्ट पढ़ें, क्योंकि जो वैल्यू एक मॉडल के लिए मददगार है, वह दूसरे को नुकसान पहुँचा सकती है।
हर प्रोवाइडर एक ही बुनियादी चक्र का पालन करता है, भले ही फ़ील्ड के नाम अलग हों:
Authorization हेडर में बेयरर टोकन के साथ प्रमाणित करें।चौथा कदम बाकी किसी भी कदम से ज़्यादा लोगों को परेशान करता है। कई प्रोवाइडर आउटपुट को थोड़े समय बाद डिलीट कर देते हैं, इसलिए टेस्टिंग में काम करने वाला लिंक अगले दिन चुपचाप खराब हो सकता है। टूटी इमेज वाला ब्लॉग एक महँगा सबक है। हर नतीजे को आते ही ऑब्जेक्ट स्टोरेज पर अपलोड करें, और प्रॉम्प्ट, सीड और मॉडल का नाम फ़ाइल के साथ सेव करें। यह छोटी-सी आदत आपको बाद में खोई हुई इमेज दोबारा बनाने, या पसंद आई स्टाइल को फिर से पाने देती है, बिना पुराने लॉग खंगाले।
तेज़ मॉडल उसी HTTP कॉल के अंदर जवाब दे देते हैं। धीमे या बड़े मॉडल एक कतार की तरह काम करते हैं: आप एक जॉब बनाते हैं, एक ID पाते हैं, और जॉब के succeeded या failed दिखने तक स्टेटस एंडपॉइंट को बार-बार पूछते हैं। कुछ प्रोवाइडर वेबहुक भी देते हैं, जो इमेज तैयार होने पर आपके सर्वर को सूचना भेजता है, और इससे पोलिंग लूप की ज़रूरत नहीं रहती।
किसी रेस्तराँ की किचन में टिकट की रेल की कल्पना करें। आप ऑर्डर देते हैं, कुक अपनी लिस्ट पर काम करते हैं, और नाम पुकारे जाने पर आप प्लेट ले लेते हैं। असिंक इमेज APIs भी इसी तरह काम करते हैं, इसलिए आपके कोड को इंतज़ार झेलना, विफलता पर दोबारा कोशिश करना और एक साथ भेजे जाने वाले जॉब्स की संख्या सीमित करना होगा।
इस बाज़ार में "मुफ़्त" के तीन अलग मतलब हैं, और इन्हें आपस में मिलाने से खराब योजना बनती है।
Hugging Face हर अकाउंट को Inference Providers के लिए मासिक क्रेडिट देता है: उसके प्राइसिंग दस्तावेज़ों के अनुसार मुफ़्त यूज़र्स के लिए $0.10 और PRO यूज़र्स के लिए $2.00। मुफ़्त वाली राशि के साथ "बदल सकती है" लिखा है, और Hugging Face प्रोवाइडर की दरें बिना किसी मार्कअप के आगे पहुँचाता है।
यहाँ एक पेच है। मान लें हर इमेज का शुल्क एक सेंट है, तो $0.10 में दस तस्वीरें आती हैं। एक प्रॉम्प्ट टेस्ट करने के लिए यह काफ़ी है, पर किसी फ़ीचर को चलाने के लिए बिल्कुल नाकाफ़ी। मुफ़्त क्रेडिट को बजट नहीं, ट्रायल मानें।
Flux Dev, Flux Schnell और Stable Diffusion 3.5 Large जैसे ओपन-वेट मॉडल Diffusers लाइब्रेरी के ज़रिए आपकी अपनी मशीन पर चल सकते हैं। इसमें प्रति-इमेज कोई फ़ीस नहीं लगती, कोई रेट लिमिट नहीं आती और प्रॉम्प्ट किसी तीसरे पक्ष को नहीं भेजे जाते।
कीमत हार्डवेयर और धैर्य की है। इमेज मॉडल्स को अच्छी video memory वाला नया GPU चाहिए, और पहली सेटअप में एक दोपहर लग सकती है। लाइसेंस भी अलग-अलग हैं: Flux Schnell Apache 2.0 के तहत जारी है, जबकि Flux Dev का लाइसेंस गैर-व्यावसायिक है, इसलिए ग्राहक से पैसे लेकर कुछ भी शिप करने से पहले जाँच लें।
कई इमेज प्लेटफ़ॉर्म ट्रायल क्रेडिट या छोटा दैनिक कोटा देते हैं। इन्हें डेमो समझें। सीमाएँ बिना सूचना बदल जाती हैं, मुफ़्त यूज़र्स को कतार में ज़्यादा इंतज़ार करना पड़ता है, और आउटपुट पर वॉटरमार्क या गैर-व्यावसायिक शर्तें लागू हो सकती हैं। अपना इंटीग्रेशन ऐसा बनाएँ कि प्रोवाइडर बदलने के लिए एक कॉन्फ़िग वैल्यू बदलनी पड़े, किसी पूरे मॉड्यूल को दोबारा लिखना न पड़े।
PicassoIA एक ब्राउज़र-फ़र्स्ट रास्ता अपनाता है: इसके टेक्स्ट-टू-इमेज कलेक्शन में 200 से ज़्यादा मॉडल हैं जिन्हें आप बिना कोड लिखे आज़मा सकते हैं, जिससे किसी API पर पैसा लगाने से पहले आउटपुट की तुलना करना सस्ता पड़ता है। इन्हें सभी मॉडल्स पेज पर देखें।
Hugging Face एक मॉडल हब है, जिसमें एक एकीकृत क्लाइंट है। हर प्रोवाइडर के लिए अलग SDK जोड़ने के बजाय, आप एक ही क्लाइंट को कॉल करते हैं और वह मॉडल बताते हैं जो आपको चाहिए।
काम Hub से शुरू होता है। मॉडल लिस्ट को text-to-image टास्क से फ़िल्टर करें, किसी मॉडल का पेज खोलें, और तीन चीज़ें जाँचें: लाइसेंस, क्या कोई होस्टेड प्रोवाइडर उसे चलाता है, और लेखकों द्वारा साझा किए गए उदाहरण प्रॉम्प्ट। फिर अपनी अकाउंट सेटिंग्स में एक यूज़र एक्सेस टोकन बनाएँ, जिसे Inference Providers को कॉल करने की अनुमति हो। इस टोकन को एनवायरनमेंट वेरिएबल में रखें, कभी रिपॉज़िटरी में नहीं, और अगर यह किसी लॉग में दिख जाए तो उसे बदल दें।
huggingface_hub इंस्टॉल करें, यूज़र एक्सेस टोकन को HF_TOKEN एनवायरनमेंट वेरिएबल में रखें, और चलाएँ:
import os
from huggingface_hub import InferenceClient
client = InferenceClient(token=os.environ["HF_TOKEN"])
image = client.text_to_image(
"A ceramic mug on a walnut desk, soft morning window light",
model="black-forest-labs/FLUX.1-dev",
)
image.save("mug.png")
कॉल एक PIL इमेज ऑब्जेक्ट लौटाती है, इसलिए आप उसे तुरंत रीसाइज़, क्रॉप या सेव कर सकते हैं। डिफ़ॉल्ट रूप से क्लाइंट मॉडल के लिए उपलब्ध कोई प्रोवाइडर चुनता है; अगर आप किसी एक को पक्का करना चाहते हैं तो provider आर्गुमेंट पास करें।
बिलिंग उसी प्रोवाइडर पर निर्भर करती है। Hugging Face का अपना उदाहरण एक 10 सेकंड की FLUX.1-dev रिक्वेस्ट को $0.00012 प्रति सेकंड वाले GPU पर $0.0012 में आँकता है। लंबे प्रॉम्प्ट, बड़े साइज़ और धीमा हार्डवेयर इस संख्या को और ऊपर ले जाते हैं।
शेयर्ड एंडपॉइंट्स की दो खासियतें हैं। जिस मॉडल को हाल में किसी ने कॉल नहीं किया, वह पहली रिक्वेस्ट पर धीमा जवाब दे सकता है, और क्रेडिट खत्म होने पर मुफ़्त अकाउंट थ्रॉटल हो जाते हैं। दोनों के लिए उदार टाइमआउट और रीट्राई लूप के साथ योजना बनाएँ:
import time
def generate(prompt, tries=4):
for attempt in range(tries):
try:
return client.text_to_image(prompt, model="black-forest-labs/FLUX.1-dev")
except Exception:
time.sleep(2 ** attempt)
raise RuntimeError("Image generation failed after retries")
💡 टिप: समवर्ती (concurrent) रिक्वेस्ट को कम संख्या तक सीमित रखें, और फिर तभी बढ़ाएँ जब देख लें कि आपका प्रोवाइडर लोड में कैसे व्यवहार करता है। HTTP 429 रिस्पॉन्स को रोकना उसे बाद में साफ़ करने से सस्ता पड़ता है।
पेड APIs तीन तरह से बिल करते हैं, और बिलिंग का तरीका कीमत जितना ही मायने रखता है।
| बिलिंग का तरीका | आप कैसे भुगतान करते हैं | किसके लिए सबसे अच्छा | किससे सावधान रहें |
|---|---|---|---|
| प्रति इमेज | हर जनरेशन की तय कीमत, अक्सर साइज़ या क्वालिटी के हिसाब से टियर में | स्थिर और अनुमानित वॉल्यूम वाले ऐप्स | ज़्यादा रिज़ॉल्यूशन पर कीमत बढ़ जाती है |
| GPU समय के प्रति सेकंड | कंप्यूट सेकंड को हार्डवेयर दर से गुणा किया जाता है | कस्टम सेटिंग्स वाले ओपन मॉडल | धीमे प्रॉम्प्ट ज़्यादा महँगे पड़ते हैं |
| क्रेडिट या सब्सक्रिप्शन | कोटे वाला मासिक प्लान | टीम और अकेले क्रिएटर | बिना इस्तेमाल के क्रेडिट एक्सपायर हो सकते हैं |
प्रति-इमेज बिलिंग का अनुमान लगाना सबसे आसान है: एक तय कीमत पर दस हज़ार इमेज का मतलब है एक ऐसी संख्या जिसे आप स्प्रेडशीट में रख सकते हैं। कई मज़बूत मॉडल इसी तरह बिकते हैं, जिनमें GPT Image 2, Imagen 4, Ideogram v4 Balanced और Seedream 5 Lite शामिल हैं। कीमतें अक्सर बदलती हैं, इसलिए फ़ैसला करने के दिन प्रोवाइडर का प्राइसिंग पेज पढ़ें, न कि तीन महीने पुराने तुलना लेख में सेव की गई कीमत।
दो बातें असली बिल बदल देती हैं। आउटपुट साइज़ आम तौर पर टियर में होता है, इसलिए 2048 पिक्सल की इमेज 1024 वाली से ज़्यादा महँगी पड़ती है। और असफल या फ़िल्टर हुई जनरेशन पर हर प्रोवाइडर अलग शुल्क लेता है, इसलिए कुछ ब्लॉक होने वाले प्रॉम्प्ट टेस्ट करें और इनवॉइस पढ़ें।
खर्च करने से पहले मासिक लागत का अनुमान लगाएँ। रोज़ की इमेज को तीस से गुणा करें, फिर रीट्राई की गुंजाइश जोड़ें, क्योंकि यूज़र्स उम्मीद से ज़्यादा बार रीजनरेट करते हैं। केवल उदाहरण के लिए, 500 इमेज प्रतिदिन का मतलब है महीने में 15,000, और अगर हर यूज़र अपनी जनरेट की गई हर तीन में से एक इमेज रखता है, तो आप 45,000 के लिए भुगतान करते हैं। एक काल्पनिक दो सेंट प्रति इमेज पर यह $900 होता है, $300 नहीं जो पहली संख्या सुझाती। यह गणित अपने वॉल्यूम और प्रोवाइडर की मौजूदा कीमत से करें।
प्लान उन टीमों के लिए ठीक हैं जो रोज़ जनरेट करती हैं और एक ही इनवॉइस चाहती हैं। जोखिम कोटे में है: महीने के अंत में एक्सपायर होने वाले क्रेडिट भारी यूज़र्स को फ़ायदा देते हैं और बाकी सबको नुकसान।
PicassoIA https://api.picassoia.com/v1 पर Replicate-शैली एंडपॉइंट्स वाला डेवलपर API भी देता है: प्रेडिक्शन बनाएँ, उसे पोल करें, फिर नतीजा लाएँ। इसके API page के अनुसार, API प्रेडिक्शन फ़िलहाल कोई क्रेडिट नहीं लेते, इसके लिए Infinite प्लान चाहिए, और एक अकाउंट में एक साथ 5 तक प्रेडिक्शन कतार में या चलते हुए हो सकते हैं। इस पर निर्भर होकर कुछ बनाने से पहले उस पेज पर मौजूदा शर्तें पक्की कर लें।
सबसे अच्छा मॉडल इस पर निर्भर करता है कि इमेज को क्या करना है:
मॉडल चुनने से ज़्यादा प्रॉम्प्ट की क्वालिटी नतीजों को बदलती है, और लार्ज लैंग्वेज मॉडल एक लाइन के विचार को विस्तृत प्रॉम्प्ट में बदल सकता है। इसके लिए Claude Sonnet 5, Gemini 3.5 Flash और GPT 5.4 तीनों काम करते हैं, और तीनों PicassoIA की लार्ज लैंग्वेज मॉडल लिस्ट में हैं। जनरेशन के बाद अपस्केलिंग, बैकग्राउंड हटाने और इफ़ेक्ट्स वाले मॉडल काम पूरा कर सकते हैं, और PicassoIA इन्हें उसी कैटलॉग में रखता है।
किसी इमेज के ग्राहक तक पहुँचने से पहले इन सवालों के जवाब लिखित में दें:
अपने दस असली प्रॉम्प्ट के साथ पंद्रह मिनट का टेस्ट फ़ीचर पेजों को हफ़्ते भर पढ़ने से ज़्यादा समस्याएँ सामने लाता है। प्रॉम्प्ट लिखें, हर एक को जहाँ मॉडल अनुमति दे वहाँ एक ही सीड के साथ दो या तीन मॉडलों पर चलाएँ, और नतीजों को शार्पनेस, प्रॉम्प्ट की सटीकता, टेक्स्ट रेंडरिंग और स्पीड पर अंक दें। यह शीट सँभालकर रखें, क्योंकि प्रोवाइडर कीमतें बदलने पर आपको इसकी फिर ज़रूरत होगी।
Flux 2 Pro केवल एक टेक्स्ट प्रॉम्प्ट से, या आठ रेफ़रेंस फ़ोटो तक से इमेज बनाता है, और आउटपुट 4 MP तक हो सकता है। यह ब्राउज़र में चलता है, इसलिए आप कोई API कोड लिखने से पहले प्रॉम्प्ट टेस्ट कर सकते हैं।
| सेटिंग | डिफ़ॉल्ट | यह क्या करता है |
|---|---|---|
| आस्पेक्ट रेशियो | 1:1 | कैनवास का आकार तय करता है; कस्टम चौड़ाई और ऊँचाई भी उपलब्ध हैं |
| रिज़ॉल्यूशन | 1 MP | 4 MP तक, हालाँकि 2 MP या उससे कम की सलाह दी जाती है |
| इनपुट इमेज | कोई नहीं | इमेज-टू-इमेज काम के लिए 8 तक रेफ़रेंस |
| आउटपुट फ़ॉर्मेट | WebP | JPEG और PNG भी |
| आउटपुट क्वालिटी | 80 | 0 से 100; PNG के लिए इसे नज़रअंदाज़ किया जाता है |
| सीड | रैंडम | उसी इमेज को दोबारा बनाने के लिए इसे फिर से इस्तेमाल करें |
| सेफ़्टी टॉलरेंस | 2 | 1 सबसे सख़्त है, 5 सबसे ढीला |
हर प्रॉम्प्ट पाँच हिस्सों से बनाएँ: सब्जेक्ट, सेटिंग, रोशनी, लेंस और टेक्सचर। यह एक उदाहरण है जिसे आप सीधे पेस्ट कर सकते हैं:
A baker dusting flour over a wooden counter, small village bakery at dawn, soft window light from the left, 50mm lens at f/2, visible flour dust and wood grain, natural color
एक बार में एक तत्व बदलें और सीड को स्थिर रखें। इससे आप जानते हैं कि किस बदलाव से कौन-सा असर हुआ, और आपके टेस्ट मॉडलों के बीच तुलना लायक बने रहते हैं।
मुफ़्त क्रेडिट आपको वर्कफ़्लो सिखाते हैं, लोकल मॉडल आपको नियंत्रण देते हैं, और पेड APIs भरोसेमंदी देते हैं। ज़्यादातर असली प्रोजेक्ट इन तीनों में से दो इस्तेमाल करते हैं: प्रयोगों के लिए एक मुफ़्त रास्ता और प्रोडक्शन के लिए एक पेड रास्ता।
अंतर देखने का सबसे तेज़ तरीका यह है कि एक ही प्रॉम्प्ट कई मॉडल्स से चलाएँ। Picasso IA खोलें, ऊपर वाला बेकर प्रॉम्प्ट Flux 2 Pro में पेस्ट करें, फिर उसी टेक्स्ट पर Flux Schnell और Imagen 4 आज़माएँ और नतीजों की साथ-साथ तुलना करें। पूरी कैटलॉग सभी मॉडल्स पेज पर देखें, अपने प्रोजेक्ट में फिट बैठने वाला एक मॉडल चुनें, और कुछ ही क्लिक में अपनी पहली इमेज जेनरेट करें।
अपनी भाषा चुनें
