Ideogram API: генерация изображений Ideogram V4 с упором на типографику

Большинство моделей изображений относятся к тексту как к текстуре — он отрисовывается, только если повезёт. Ideogram V4 же относится к тексту как к главному объекту. Если ваша задача связана с заголовками, логотипами, постерами или продуктовыми этикетками — словом, везде, где текст должен реально читаться, — рассмотрите его, прежде чем соглашаться на меньшее и надеяться на удачу универсальной модели.

Эта страница — центр работы с ideogram-v4 на hiapi: когда он заслуживает места в вашем стеке, что API позволяет и не позволяет контролировать, точные промпты двух реальных рендеров и куда идти дальше за полным разбором кода.

Когда типографика должна определять выбор модели

Универсальные модели изображений обучаются делать всё сразу, а значит, рендеринг текста — лишь один из сотен навыков: короткие слова даются хорошо, но как только нужен полный слоган или логотип из двух строк разного кегля, начинается нестабильность. Модель Ideogram обучается с типографикой как основной целью, поэтому режим отказа другой: реже встречаются искажённые глифы, чаще — когда текст правильный, но расположен чуть иначе, чем вы просили.

Выбирайте ideogram-v4, когда результат оценивают в первую очередь по читаемости — постеры, вывески, макеты упаковки, скриншоты магазина приложений с настоящим текстом UI, концепты логотипов. Продолжайте использовать универсальные модели, когда текст — лишь второстепенный элемент сцены (фоновая вывеска, атмосферная деталь), а фотореалистичность или сложность сцены важнее точных формулировок.

На практике: два реальных рендера

Мы прогнали одну и ту же схему запроса на двух разных задачах — сцена с многострочной вывеской и логотип с дуговым текстом — чтобы посмотреть, как модель справится с каждой.

Ретро-вывеска с двумя строками неонового текста

Промпт (rendering_speed: QUALITY, aspect_ratio: 16:9):

A retro 1970s American drive-in movie theater at dusk, tall neon marquee sign
reading "STARLIGHT DRIVE-IN" in glowing pink and cyan tube-light letters,
below it in smaller warm-yellow neon "TONIGHT: DOUBLE FEATURE", rows of
classic cars parked facing a giant outdoor screen in the distance, warm dusk
sky gradient from orange to deep purple, wide cinematic photograph, sharp
focus on the marquee lettering.

Обе строки текста были чётко читаемы и правильно написаны с первого рендера — без повторных попыток. Главный рычаг, который мы использовали: заключили точный текст в двойные кавычки и описали стиль букв непосредственно рядом («glowing pink and cyan tube-light letters»), вместо того чтобы описывать вывеску в общем и надеяться, что модель сама придумает правдоподобный текст.

Круглый логотип с дуговым текстом

Промпт (rendering_speed: BALANCED, aspect_ratio: 1:1):

A minimalist coffee brand logo lockup on a flat cream background: a circular
badge emblem with the words "CEDAR & CO." in bold serif letters arcing
around the top of the circle, and "ROASTERS EST. 2024" in small sans-serif
letters arcing along the bottom, a simple line-art coffee bean icon centered
inside the circle, flat vector illustration style, single dark-brown ink
color, crisp clean linework.

Это более сложный случай: два отдельных дуговых текстовых элемента разного кегля расположены по окружности, плюс иконка, которая должна оставаться по центру и не сталкиваться с текстом. BALANCED правильно обработал дугу и интервалы с первого раза — именно такая учитывающая компоновку расстановка текста является частой точкой отказа моделей, которые относятся к тексту как к декору, а не структуре.

Что вы можете (и не можете) контролировать

Входная schema ideogram-v4 намеренно узкая — всего четыре поля, и ничего больше:

• prompt (обязательно) — ваше полное описание; буквальный текст, который нужно отрисовать, заключается в кавычки.
• rendering_speed (обязательно) — TURBO, BALANCED или QUALITY. Это главная ручка качества/стоимости/задержки.
• aspect_ratio (опционально) — 1:1, 16:9, 4:3, 9:16 или 3:4.
• seed (опционально) — целое число для воспроизведения результата.

Нет negative_prompt, нет style_type, нет num_images и нет входных данных для редактирования изображений — модель поддерживает только текст-в-изображение. Если вы привыкли направлять генерацию негативными промптами или стилевыми пресетами, этот контроль придётся перенести в основной prompt: описывайте позитивно, что вы хотите («flat vector illustration, single ink color»), а не то, чего следует избегать.

Рабочий процесс, который хорошо показал себя у нас: итерируйте формулировки и композицию на TURBO, потому что это самый дешёвый и быстрый способ проверить, правильно ли расположен текст; затем перезапустите выигрышный промпт на QUALITY с тем же seed, чтобы получить финальный материал.

Обзор цен

ideogram-v4 тарифицируется по уровню рендеринга — TURBO самый дешёвый, QUALITY самый дорогой из трёх, что примерно соответствует разнице в задержке между ними. Актуальные точные тарифы и цены других моделей смотрите на странице цен; сверяйтесь там перед бюджетированием пакетных задач, поскольку тарифы могут меняться.

Часто задаваемые вопросы

Поддерживает ли ideogram-v4 редактирование изображений или изображение-в-изображение? Нет — модель поддерживает только текст-в-изображение. В её schema нет поля для входного изображения, поэтому эта конкретная модель не редактирует и не перерисовывает существующие изображения.

Можно ли отключить рендеринг текста и получить обычную сцену? Да, просто не помещайте в промпт текст в кавычках. Модель не стремится насильно вставить текст в композицию — она рендерит то, что вы описали.

Как быстрее всего итерировать дизайн с большим количеством текста? Прогоните несколько раундов на дешёвом TURBO, зафиксируйте формулировки и компоновку, а когда будете довольны, переключитесь на QUALITY с фиксированным seed, чтобы финальный рендер совпал с одобренной композицией.

Какие соотношения сторон поддерживаются? 1:1, 16:9, 4:3, 9:16 и 3:4. Свободных соотношений нет — выбирайте ближайшее поддерживаемое под ваше размещение.

Есть ли способ исправить одно слово, отрисованное с ошибкой, в конкретном рендере? Нет параметра локального редактирования — поскольку модель поддерживает только текст-в-изображение, нужно перезапускать промпт (при желании с новым seed или переписав проблемную фразу). Полный пример API-запроса (с обработкой ошибок) см. в пошаговом руководстве по API.

Ключевые выводы

• Выбирайте ideogram-v4, когда чёткий, правильно написанный текст является результатом, а не фоновой деталью — постеры, логотипы, вывески, этикетки.
• Заключайте точный текст в кавычки в промпте и описывайте стиль его букв непосредственно рядом; поскольку специального параметра для текста нет, это главный рычаг для точной типографики.
• Нет негативных промптов или стилевых пресетов — направляйте модель исключительно позитивными, конкретными описаниями в prompt.
• Итерируйте дешево на TURBO, финализируйте на QUALITY с фиксированным seed, закрепляя одобренную композицию.
• Schema строгая (всего 4 поля) и только текст-в-изображение — без редактирования, без resolution, без num_images.

Готовы попробовать? Перейдите на страницу модели ideogram-v4, чтобы протестировать промпты в playground, или, если вы подключаетесь к пайплайну, сразу к разбору с curl и Python. Если вашим промптам перед отправкой в модель нужно больше описательных деталей, расширение промпта тоже стоит применять вместе с запросами, нагруженными типографикой.