Bria
BRIA Eraser
bria-eraser
Modelo de edición de imágenes centrado en el borrado con máscara y la reconstrucción de regiones, que elimina objetos objetivo según una máscara en blanco y negro y completa la escena; entrenado con datos autorizados, ideal para la limpieza masiva de materiales de comercio electrónico y marketing
Precios
bria-eraser per image
| Precio unitario | $0.0575 |
|---|
Descripción general
BRIA Eraser es un modelo de edición de imágenes centrado en el borrado: recibe una imagen original y una máscara en blanco y negro, donde el blanco marca las zonas que se deben eliminar; el modelo elimina el objeto objetivo y reconstruye los píxeles ocluidos, generando una imagen limpia que mantiene la resolución original. Es adecuado para desarrolladores que necesitan integrar la eliminación de elementos no deseados y objetos temporales en flujos de trabajo de contenido por lotes, especialmente para equipos de comercio electrónico, publicidad y diseño conceptual que son sensibles a la procedencia licenciada de los materiales y requieren resultados listos para publicarse o entrar en el flujo de posproducción.
Puntos clave
- Especializado en borrado y reconstrucción de zonas: hace una sola cosa: eliminar el objetivo según la máscara y completar el fondo; el flujo es sencillo y fácil de integrar en flujos de procesamiento de imágenes existentes.
- La salida conserva la resolución original: el resultado mantiene las dimensiones de la imagen de entrada, sin necesidad de restaurar el tamaño, y puede pasar directamente al flujo de maquetación o publicación posterior.
- Restricciones de entrada centradas en la usabilidad: admite imágenes públicas en JPEG, PNG y WEBP, así como máscaras en blanco y negro con la misma proporción; además, permite conservar el canal de transparencia mediante parámetros.
Descripción de capacidades
Borrado de objetos guiado por máscara: utiliza una máscara en blanco y negro con la misma proporción que la imagen original para localizar el objeto que se va a eliminar; el blanco es la zona de borrado y el negro la zona de conservación, lo que permite eliminar con precisión elementos específicos de la imagen.
Reconstrucción de píxeles en la zona borrada: completa el contenido de la zona eliminada y reconstruye la estructura del fondo, de modo que la imagen no quede con huecos evidentes tras quitar el objeto y se reduzca el retoque manual.
Alineación con la resolución de salida: la salida mantiene la resolución de la imagen de entrada, y el resultado devuelto puede sustituir directamente al material original, lo que ahorra pasos de reescalado y alineación.
Conservación del canal de transparencia: al activar preserve_alpha, las entradas con canal alfa mantienen la transparencia en el resultado, lo que resulta adecuado para limpiar materiales en capas.
Adaptación al origen de la máscara: mask_type permite distinguir entre máscaras dibujadas a mano y máscaras generadas por herramientas de segmentación, lo que facilita integrar directamente los resultados de segmentación automática en el flujo de borrado.
Casos de uso
- Eliminación de elementos no deseados en imágenes de producto para comercio electrónico: se introduce la imagen principal del producto y una máscara que señala objetos no deseados o elementos temporales para obtener una imagen limpia del producto, lista para usarse en páginas de detalle y publicarse en la tienda.
- Limpieza de imágenes en la posproducción de materiales publicitarios: se borran localmente los objetos innecesarios de los materiales de campaña para obtener imágenes finales listas para seguir maquetando y publicando, lo que reduce las idas y vueltas del retoque manual.
- Retoque local en diseño conceptual: se introduce el arte original de un personaje o un boceto de escena junto con una máscara local para eliminar trazos o elementos sobrantes y obtener una imagen base sobre la que seguir profundizando el dibujo.
- Flujos de procesamiento de contenido por lotes: se envían por lotes las máscaras generadas por segmentación automática al paso de borrado para obtener materiales limpios con especificaciones uniformes e integrarlos en los flujos existentes de revisión e iteración.
Limitaciones y recomendaciones de selección
El resultado depende en gran medida de la calidad de la máscara: la proporción de la máscara debe coincidir con la de la imagen original y los bordes deben sobresalir ligeramente del objeto objetivo; de lo contrario, es fácil que queden restos o se elimine de más. El modelo solo cubre el borrado y la compleción de zonas, no ofrece capacidad de generación de imágenes general, por lo que los escenarios que requieran generar imágenes desde cero deberían elegir otro modelo. Además, solo acepta URL de imágenes accesibles públicamente y el resultado mantiene la resolución original; no es adecuado para escenarios de llamada con interacción en tiempo real estricta.
Novedades
Ver el registro de cambios →- Nuevo modelo Nuevo modelo bria-eraser de eliminación con máscara
Preguntas frecuentes
Ver todas las preguntas →-
¿Cómo se dibuja una máscara?
La máscara es una imagen en blanco y negro: la zona blanca se borra y se completa con el fondo, mientras que la zona negra permanece sin cambios. Lo mejor es que el área blanca sea un poco más grande que el borde del objeto, así también se eliminan las sombras y los restos de los bordes.
-
¿La máscara debe tener el mismo tamaño que la imagen original?
La relación de aspecto de la máscara debe coincidir con la de la imagen original; se recomienda exportarla directamente con las dimensiones de la imagen original para evitar desviaciones en la posición del borrado.
-
¿Es necesario escribir un prompt?
No. Bria Eraser trabaja únicamente con la imagen original y la máscara, y la solicitud no puede incluir el campo prompt.
-
¿Debe elegirse manual o automatic en mask_type?
Elige manual (predeterminado) para las máscaras pintadas a mano con un pincel o un software de edición de imágenes; elige automatic para las máscaras generadas automáticamente por una herramienta de segmentación.
Crear una tarea de generación
https://api.hiapi.ai/v1/tasks Encabezados
AuthorizationstringObligatorioClave API de la cuenta. Obligatoria en cada solicitud. Ejemplo: Bearer YOUR_HIAPI_API_KEY. Obtener clave API
Content-TypestringOpcionalEl cuerpo de la solicitud siempre se analiza como JSON; si se envía, solo se acepta application/json (charset opcional) — cualquier otro valor devuelve 415. Ejemplo: application/json.
Idempotency-KeystringOpcionalClave de idempotencia, hasta 255 bytes. Los reintentos con la misma clave de la misma cuenta crean la tarea una sola vez; las repeticiones devuelven el taskId original.
Ante timeouts de red o reintentos automáticos del cliente, la misma clave crea la tarea una sola vez, sin doble cobro (alcance = la cuenta de la clave API). Usa un identificador de negocio único (p. ej. "order-42"); las repeticiones devuelven el taskId original y las claves caducan 24 h después de la primera solicitud. La matriz completa de escenarios está en la introducción de la API asíncrona unificada.
Cuerpo
modelstringObligatorioValor fijo actual: bria-eraser
routestringOpcionalValor fijo actual: default
inputobjectObligatorio
Objeto de parámetros de negocio para bria-eraser y la ruta default; consulta la tabla de parámetros a continuación.
mask_urlstringObligatoriominLength 1pattern ^https?://Black-and-white mask with the same aspect ratio as the image: white marks what to erase, black is kept. Paint slightly beyond the object edge.
image_urlstringObligatoriominLength 1pattern ^https?://Public URL of the image to clean up (JPEG, PNG or WEBP). The result keeps the original resolution.
mask_typestringOpcionalPredeterminado: "manual"manual for brush-drawn masks; automatic for masks produced by a segmentation tool.
manualautomaticpreserve_alphabooleanOpcionalPredeterminado: falseIf the input has an alpha channel, keep its transparency in the result.
callbackobjectOpcional
Configuración de notificación de estado terminal. Si se omite, no hay callback: consulta la tarea por tu cuenta.
Indica callback.url al crear y HiAPI hará POST a tu servicio en el estado terminal, sin necesidad de sondeo. El cuerpo del callback replica la estructura del detalle de la tarea; firma, reintentos e idempotencia se detallan en la introducción de la API asíncrona unificada.
urlstringObligatorioObligatorio si se incluye callback. Al estado terminal se envía un POST a esta URL; debe ser una URL http(s) válida.
whenstringOpcionalPredeterminado: "final"Actualmente solo se admite final: notifica tanto en success como en fail.
finalstoragestringOpcionalPredeterminado: "temp"Nivel de almacenamiento de artefactos: temp (por defecto, ~7 días) o persistent (largo plazo, facturado por tamaño). Saldo insuficiente o exceso de límite ⇒ degradación silenciosa a temp; el nivel efectivo se muestra en la respuesta del detalle.
temppersistentEjemplos de solicitud
# Envía una tarea asíncrona; devuelve un taskId de inmediato (sin esperar la generación)
curl -X POST "https://api.hiapi.ai/v1/tasks" \
-H "Authorization: Bearer $HIAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "bria-eraser",
"input": {
"mask_url": "…",
"image_url": "…",
"mask_type": "manual",
"preserve_alpha": false
}
}' const res = await fetch("https://api.hiapi.ai/v1/tasks", {
method: "POST",
headers: {
Authorization: `Bearer ${process.env.HIAPI_API_KEY}`,
"Content-Type": "application/json",
},
body: JSON.stringify({
model: "bria-eraser",
input: {
"mask_url": "…",
"image_url": "…",
"mask_type": "manual",
"preserve_alpha": false
}
}),
});
const task = await res.json();
// { code: 200, message: "success", data: { taskId } } import os, requests
res = requests.post(
"https://api.hiapi.ai/v1/tasks",
headers={"Authorization": f"Bearer {os.environ['HIAPI_API_KEY']}"},
json={
"model": "bria-eraser",
"input": {
"mask_url": "…",
"image_url": "…",
"mask_type": "manual",
"preserve_alpha": False
}
},
)
print(res.json()) # { code, message, data: { taskId } } 200 OK
{
"code": 200,
"message": "success",
"data": {
"taskId": "tk-hiapi-01HZTQ8BX2N3GM3YFK4Z9D7VQR"
}
} 400 Bad Request
{
"code": 400,
"message": "invalid request",
"data": null,
"error_code": "INVALID_REQUEST"
} Obtener el detalle de la tarea
https://api.hiapi.ai/v1/tasks/:id Campos de respuesta
taskIdstringObligatorioID de tarea, siempre con prefijo tk-hiapi-.
modelstringObligatorioNombre completo resuelto del modelo. Las tareas enviadas con el parámetro route devuelven base@route (p. ej. gpt-image-2/text-to-image@ext); si no, coincide con el nombre enviado.
routestringOpcionalSolo aparece si se usó el parámetro route explícito; repite el valor enviado.
statusstringObligatorioEstado de la tarea.
queued En cola, sin iniciar.
handling Procesando.
archiving Proceso terminado, preparando artefactos.
success Terminal: completado, artefactos disponibles (se devuelve output).
fail Terminal: error (se devuelve error).
Tras el envío, guíate por status: success y fail son terminales; el resto, no. Sondea cada 1–3 s hasta el estado terminal. Con éxito, descarga los artefactos desde output[].url y transfiérelos antes de expireAt; para retención larga usa storage: "persistent" al crear.
creatednumberObligatorioHora de creación de la tarea (segundos Unix).
completednumberObligatorioSegundos Unix al alcanzar estado terminal; 0 mientras no sea terminal.
outputarrayOpcional
Solo con status == success. Lista de artefactos — siempre un array; una tarea puede devolver varios types a la vez (p. ej. video + first_frame).
Array [ object ]
Elementos del array
urlstringObligatorioURL del artefacto, descargable directamente.
typestringObligatorioValores posibles actuales: video, image, audio, first_frame, last_frame, thumbnail; podrían ampliarse más adelante.
expireAtnumberObligatorioSegundos Unix hasta los que el artefacto es accesible; descárgalo o transfiérelo antes.
errorobjectOpcional
Solo con status == fail.
codestringObligatorioCódigo de error de negocio.
messagestringObligatorioDescripción del error.
Ejemplos de respuesta
Éxito
{
"code": 200,
"message": "success",
"data": {
"taskId": "tk-hiapi-01HZTQ8BX2N3GM3YFK4Z9D7VQR",
"model": "happyhorse-1-0",
"status": "success",
"created": 1777282033,
"completed": 1777282099,
"output": [
{
"url": "https://cdn.hiapi.ai/tasks/.../video.mp4",
"type": "video",
"expireAt": 1777886899
}
]
}
} En proceso (no terminal)
{
"code": 200,
"message": "success",
"data": {
"taskId": "tk-hiapi-...",
"model": "happyhorse-1-0",
"status": "archiving",
"created": 1777282033,
"completed": 0
}
} Fallido
{
"code": 200,
"message": "success",
"data": {
"taskId": "tk-hiapi-...",
"model": "happyhorse-1-0",
"status": "fail",
"created": 1777282033,
"completed": 1777282099,
"error": {
"code": "TASK_FAILED",
"message": "task failed"
}
}
} Artículos
Ver todos los artículos →-
Tutorial
Uso de Kandinsky 6.0 Pro texto a video en HiAPI: tutorial con curl y Python
Demostración práctica centrada en la solicitud: construir la llamada de prompt a clip de video, enviar la solicitud, sondear el estado de finalización y descargar el resultado
-
Tutorial
Cómo usar kling-4.0/text-to-video a través de la API de HiAPI: curl, Python y un ejemplo de solicitud ejecutable
Guía práctica para desarrolladores: prompts cinematográficos, audio sincronizado, sondeo asíncrono y descarga de resultados
-
Tutorial
Cómo llamar a kling-4.0/image-to-video en HiAPI: curl, Python y sondeo
-
Comparativa
hailuo-2.3-fast/image-to-video comparativa horizontal: cómo elegir un modelo de imagen a video y puntos clave para migrar
-
Comparativa
Recraft v4.1 Flash comparativa horizontal de texto a imagen: guía de selección y migración para desarrolladores
Con un coste de $0.01 por imagen y capacidad pura de texto a imagen, evalúa si encaja en tu pipeline de generación de imágenes
-
Tutorial
Cómo llamar a hailuo-2.3/text-to-video mediante la API de HiAPI: curl, Python y ejemplos de solicitud ejecutables
-
Tutorial
Cómo llamar a hailuo-2.3-fast/image-to-video a través de la API de HiAPI: práctica con curl y Python
La primera solicitud ejecutable del nivel rápido y de bajo coste de imagen a vídeo: del ID del modelo a la descarga del MP4
-
Tutorial
Tutorial de kandinsky-6.0-pro/image-to-video en HiAPI: curl + Python
Realiza una solicitud de imagen a video funcional en HiAPI: desde la carga del primer fotograma hasta el sondeo asíncrono y la descarga final
Modelos relacionados
Ver todos los modelos →Mismo tipo
-
FLUX.1 Fill Pro Black Forest Labs $0.071 /imagen -
Ideogram V3 Character Ideogram $0.090 /imagen -
FLUX 1.1 Pro Black Forest Labs $0.050 /imagen -
851 Labs Background Remover 851 Labs $0.002 /imagen -
FASHN Tryon v1.6 FASHN $0.107 /imagen -
FLUX.2 Klein 9B Black Forest Labs $0.0086 /imagen -
FLUX.1 Kontext Max Black Forest Labs $0.071 /imagen -
Seedream 5.0 ByteDance $0.025 /imagen -
Muse Image 1.0 Meta $0.015 per task -
Grok Imagine Image 2.0 xAI $0.052 /imagen -
FLUX.1 Schnell Black Forest Labs $0.005 /imagen -
Wan 2.7 Image Alibaba $0.035 /imagen