HiAPI
bria-eraser 详情页 21:9 Hero:左侧柔光留白,右侧半透明玻璃面板中被擦除并重建的发光窗口,名字以玻璃蚀刻发光呈现,象牙、青与珊瑚渐变色。

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

bria-eraser

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.

  • 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.

Modelos relacionados

Ver todos los modelos →

Mismo tipo