في يونيو 2026، بدأت أمازون في عرض صور المنتجات التي تم إنشاؤها بواسطة الذكاء الاصطناعي مباشرة في نتائج البحث وتطبيقات الهاتف المحمول. هذه الخطوة أرسلت إشارة واضحة: لم يعد توليد الصور بالذكاء الاصطناعي مجرد تجربة هامشية، بل أصبح أسلوب إنتاج سائدًا تتبناه المنصات والبائعون على حد سواء. بالنسبة للتجارة الإلكترونية العابرة للحدود، فإن من ينجح في تشغيل سير عمل صور الذكاء الاصطناعي أولاً، سيتفوق على منافسيه في سرعة طرح المنتجات الجديدة، والتغطية في أسواق متعددة، ومعدلات التحويل. ستستعرض هذه المقالة المنطق الجوهري لتحول كبار بائعي أمازون إلى سير عمل صور الذكاء الاصطناعي، بالإضافة إلى سيناريوهات توليد الصور الستة الأكثر احتياجًا في شركات التجارة الإلكترونية العابرة للحدود، وحلول التطوير الذاتي.
القيمة الجوهرية: بعد قراءة هذا المقال، ستفهم لماذا تخلى كبار البائعين عن التصوير البشري البحت، وما هي احتياجات توليد الصور الست الأكثر تكرارًا في التجارة الإلكترونية العابرة للحدود، وكيفية استخدام واجهات برمجة التطبيقات (API) المجمعة لبناء سير عمل صور ذاتي التطوير قابل للتحكم والتوسع، مع تجنب مخاطر الامتثال في أمازون.
لماذا يتحول كبار بائعي أمازون إلى سير عمل صور الذكاء الاصطناعي
تعد الصور هي البوابة الأولى للتحويل في التجارة الإلكترونية العابرة للحدود. تشير بيانات أمازون الرسمية إلى أن البائعين الذين يستخدمون مواد إبداعية عالية الجودة مثل Creative Studio، يمكن أن يحققوا معدلات نقر أعلى بنسبة تصل إلى 40% مقارنة بالمواد الإبداعية اليدوية. في حين تتراوح تكلفة تصوير مجموعة من صور المنتجات بالطريقة التقليدية بين 500 و2000 دولار، وغالبًا ما يستغرق تحديث 50 وحدة حفظ مخزون (SKU) شهرين؛ يمكن لسير عمل الذكاء الاصطناعي خفض التكلفة لكل صورة إلى 0-10 دولارات، وإنتاج مجموعة صور كاملة في دقائق.
| بُعد المقارنة | التصوير البشري التقليدي | سير عمل صور الذكاء الاصطناعي |
|---|---|---|
| التكلفة لكل صورة | 500-2000 دولار (لكل مجموعة) | 0-10 دولارات |
| دورة تحديث 50 SKU | حوالي شهرين | من دقائق إلى ساعات |
| التوطين في أسواق متعددة | تصوير منفصل لكل سوق | مجموعة صور أساسية تتفرع لمتغيرات أسواق متعددة |
| تكرار اختبار A/B | حجز تصوير جديد، تكلفة عالية | تعديل الموجه (Prompt) والتكرار الفوري |
| اتساق الزاوية/المشهد | يعتمد على تحكم المصور اليدوي | توحيد الإضاءة والتكوين عبر القوالب |
ما يدفع كبار البائعين للتحول ليس مجرد توفير المال، بل التغير في إيقاع التشغيل. يجعل سير عمل الذكاء الاصطناعي الصور تتحول من "عنق زجاجة في طرح المنتجات" إلى "محرك نمو": حيث يمكن تغيير الخلفيات، وتجربة زوايا جديدة، والقيام بالتوطين في غضون ساعات بناءً على بيانات المبيعات اللحظية، بدلاً من الانتظار لأسابيع. بالنسبة لكبار البائعين الذين يديرون آلاف الوحدات (SKU) ويمتدون عبر أسواق الولايات المتحدة وأوروبا واليابان، فإن هذه المرونة لا يمكن توفيرها من خلال التصوير البشري.
💡 تلميح حول الاتجاه: يشير عرض أمازون لصور الذكاء الاصطناعي في نتائج البحث إلى أن المنصة منفتحة على محتوى الذكاء الاصطناعي المتوافق مع المعايير. ننصح فرق التجارة العابرة للحدود بدمج توليد صور الذكاء الاصطناعي في سير العمل القياسي في أقرب وقت ممكن، واستخدام منصات مجمعة مثل APIYI (apiyi.com) للوصول الموحد إلى نماذج توليد الصور السائدة، والبدء بتطبيق العملية على فئات الصور منخفضة المخاطر.
يجب التأكيد على أن التحول إلى الذكاء الاصطناعي لا يعني الاستبدال الكامل للتصوير البشري. المسار الأكثر أمانًا حاليًا هو البدء بنقل صور التفاصيل، وصور المشاهد، والصور المعلوماتية التي تتميز بدرجة عالية من التقييس، بينما يمكن الاحتفاظ ببعض المواد البشرية للصور الرئيسية وإعلانات العلامة التجارية كـ "مرجع أساسي للحقيقة".
6 سيناريوهات رئيسية لصور الذكاء الاصطناعي الأكثر طلباً في التجارة الإلكترونية العابرة للحدود
لفهم احتياجات كبار البائعين، يكمن المفتاح في معرفة نوع الصور التي يحتاجونها فعلياً. تغطي هذه الفئات الست معظم حجم العمل في إنتاج صور التجارة الإلكترونية العابرة للحدود، وهي أيضاً المعيار لتقييم ما إذا كان أي حل لإنتاج الصور بالذكاء الاصطناعي كافياً أم لا.
| السيناريو | المتطلبات النموذجية | قيمة إنتاج الذكاء الاصطناعي |
|---|---|---|
| الصورة الرئيسية بخلفية بيضاء | إزالة الخلفية، خلفية بيضاء متوافقة | تلبية معايير أمازون، معالجة في ثوانٍ |
| صور نمط الحياة | وضع المنتج في سيناريو استخدام واقعي | مساعدة المشتري على تخيل الاستخدام، زيادة التحويل |
| الإنفوجرافيك / محتوى A+ | تحديد نقاط البيع، صور المواصفات، صور المقارنة | الصور الثانوية تدفع التحويل، A+ يعزز العلامة التجارية |
| التوطين متعدد الأسواق | ترجمة النصوص داخل الصور، تغيير مظهر العارض | مجموعة صور أساسية تناسب أسواق أمريكا وأوروبا واليابان |
| صور عارضي الأزياء | تحويل صور الملابس المسطحة إلى تأثير ارتداء | بديل للتصوير الفوتوغرافي المكلف للأزياء |
| صور المتغيرات بالجملة | زوايا متعددة، ألوان متعددة، سيناريوهات متنوعة | إنتاج مجموعة صور كاملة لكل SKU في مرة واحدة |
نود الإشارة بشكل خاص إلى التوطين متعدد الأسواق، وهو السيناريو الأكثر استخفافاً. إن صورة إنفوجرافيك توضح المواصفات باللغة الإنجليزية لا تكاد تكون مفيدة للمشتري الياباني. تتطلب الطريقة التقليدية تعاوناً ثلاثياً بين ملفات المصدر، والترجمة، والمصممين للاستبدال كلمة بكلمة؛ بينما الآن، باستخدام التحرير التوليدي، يمكنك استبدال النصوص داخل الصورة أو تغيير مظهر العارض مع الحفاظ على المنتج نفسه بنسبة 100% دون تغيير. وهذا بالضبط هو الاحتياج الأساسي للعمليات في أسواق متعددة.
هذه السيناريوهات الستة ليست معزولة، بل تشكل سلسلة قيمة متصاعدة. الصور الرئيسية بخلفية بيضاء وصور المتغيرات بالجملة تندرج تحت "الطاقة الإنتاجية القياسية"، والتي تحل مشكلة كفاءة إطلاق المنتجات الجديدة؛ بينما تندرج صور نمط الحياة والإنفوجرافيك تحت "تعزيز التحويل"، مما يؤثر بشكل مباشر على معدل النقر ومعدل الإضافة إلى السلة؛ أما التوطين متعدد الأسواق وصور العارضين فتندرج تحت "التوسع واسع النطاق"، والتي تحدد عدد الأسواق والفئات التي يمكن أن تغطيها مجموعة المواد. عند بناء سير العمل، عادة ما يتبع كبار البائعين هذا الترتيب: البدء بالسيناريوهات القياسية لتشغيل خط الإنتاج وعمليات الامتثال، ثم إضافة سيناريوهات التحويل والتوسع. بهذه الطريقة، يمكن تحقيق نتائج سريعة مع التحكم في تكاليف التجربة والخطأ في المراحل الأولى.
🎯 اقتراح تغطية السيناريوهات: تتطلب هذه السيناريوهات الستة قدرات مختلفة من النماذج؛ فاستبدال الخلفية يعتمد على دقة التقسيم، والإنفوجرافيك يعتمد على عرض النصوص، وصور العارضين تعتمد على دقة التفاصيل. ننصح بالاتصال الموحد عبر APIYI (apiyi.com) بنماذج متعددة مثل Nano Banana Pro و gpt-image-2، واختيار النموذج الأنسب لكل سيناريو، بدلاً من الاعتماد على أداة واحدة لكل شيء.
لماذا يختار كبار البائعين التطوير الذاتي + واجهة برمجة التطبيقات (API) المجمعة بدلاً من أدوات SaaS
هناك مساران رئيسيان لحلول توليد الصور في التجارة العابرة للحدود: استخدام أدوات SaaS الجاهزة، أو بناء سير عمل خاص يعتمد على واجهة برمجة التطبيقات (API). بالنسبة للبائعين الصغار والمتوسطين، لا توجد مشكلة في البدء باستخدام SaaS، ولكن عندما يصل حجم إنتاج الصور إلى مستوى معين، وتبرز الحاجة إلى الربط مع أنظمة تخطيط موارد المؤسسات (ERP) وأنظمة إدراج المنتجات الجديدة، يتحول كبار البائعين تقريبًا إلى التطوير الذاتي. وبحسب ما ورد، فإن المزيد من الشركات، بما في ذلك الشركات الرائدة في التجارة العابرة للحدود مثل "أوجي" (傲基)، تميل إلى اختيار حلول واجهة برمجة التطبيقات المجمعة عند بناء سير عمل الصور داخليًا.
| أبعاد المقارنة | أداة توليد الصور SaaS | التطوير الذاتي + واجهة API مجمعة |
|---|---|---|
| طريقة الفوترة | لكل صورة/اشتراك، تزداد التكلفة مع الحجم | حسب حجم استدعاء API، تكلفة هامشية منخفضة |
| قدرة التخصيص | قوالب ثابتة، يصعب تخصيصها بعمق | تحكم كامل في الموجه وسير العمل |
| تكامل النظام | يصعب الربط مع ERP الخاص أو أنظمة الإدراج | ربط مباشر بالنظام الداخلي، حلقة مغلقة مؤتمتة |
| اختيار النموذج | مقيد بنموذج واحد | تبديل النماذج حسب المشهد، إمكانية A/B |
| أمن البيانات | صور المنتجات تمر عبر منصة طرف ثالث | سير عمل مبني ذاتيًا، تحكم أكبر في البيانات |
الميزة الجوهرية للتطوير الذاتي هي تحويل قدرة إنتاج الصور إلى بنية تحتية داخلية. فعندما يتم دمج إنتاج الصور مباشرة في عملية إدراج المنتجات الجديدة، يمكن إنتاج مجموعة كاملة من الصور (الصورة الرئيسية + الصور الثانوية + صور التفاصيل) تلقائيًا بمجرد إدراج المنتج، مع إجراء فحص امتثال مسبق، بدلاً من المعالجة اليدوية لكل صورة على حدة. وتكمن قيمة واجهة برمجة التطبيقات المجمعة هنا في توفير تكاليف التعامل مع العديد من موردي النماذج: واجهة واحدة ومفتاح واحد يكفيان لاستدعاء العديد من نماذج توليد الصور السائدة.
فيما يلي مثال مبسط لاستخدام واجهة برمجة تطبيقات مجمعة لاستدعاء نموذج توليد صور، حيث يكفي تقديم صورة المنتج مع التعليمات لتوليد صورة مشهد:
import requests, base64
# رابط واجهة API المجمعة
API_URL = "https://api.apiyi.com/v1beta/models/gemini-3-pro-image-preview:generateContent"
headers = {"x-goog-api-key": "YOUR_API_KEY"}
# قراءة صورة المنتج وتحويلها إلى base64
with open("product.png", "rb") as f:
img_b64 = base64.b64encode(f.read()).decode()
payload = {
"contents": [{"parts": [
{"text": "Generate an image: Place this product in a bright Scandinavian living room, soft daylight, keep the product 100% unchanged. E-commerce lifestyle style."},
{"inline_data": {"mime_type": "image/png", "data": img_b64}}
]}],
"generationConfig": {"imageConfig": {"aspectRatio": "1:1", "imageSize": "2K"}}
}
# إرسال الطلب
resp = requests.post(API_URL, headers=headers, json=payload, timeout=300)
print(resp.status_code) # البيانات المرجعة (inlineData) هي الصورة المولدة بصيغة base64
📘 نصيحة للتنفيذ الذاتي: التطوير الذاتي لا يعني إعادة اختراع العجلة. نوصي بتفويض طبقة النموذج لمنصات مجمعة مثل APIYI (apiyi.com) (لحل مشكلات الاستقرار، وتكرار القنوات، وتبديل النماذج المتعددة)، بينما يركز الفريق فقط على هندسة الموجهات (Prompt Engineering) في طبقة الأعمال، وفحص الامتثال المسبق، والجدولة الجماعية، فهذا يضمن أسرع تنفيذ وأقل تكاليف صيانة.
سير العمل الشامل لتوليد الصور ذاتيًا
سير العمل الناضج للصور المدعومة بالذكاء الاصطناعي في التجارة العابرة للحدود ليس مجرد "استدعاء النموذج لإنتاج صورة واحدة"، بل هو خط إنتاج يتضمن مراقبة الجودة. وبالرجوع إلى ممارسات كبار البائعين في الخارج، تتضمن العملية الكاملة عادةً خمس مراحل:
- إنشاء معيار الحقيقة (Truth Set): استخدام عدد قليل من صور المنتجات الحقيقية التي تم تصويرها فعليًا كـ "مجموعة حقيقة" لضمان اتساق صور الذكاء الاصطناعي مع المنتج الفعلي.
- التوليد الجماعي: توليد الصور الرئيسية، وصور نمط الحياة، وصور التفاصيل في وقت واحد بناءً على صورة الحقيقة، مع الحفاظ على اتساق الإضاءة والظلال والتكوين.
- فحص الامتثال المسبق: التحقق تلقائيًا من الخلفية البيضاء النقية، ونسبة المنتج (توصي أمازون بـ ≥85%)، وما إذا كانت هناك عناصر مضافة غير متوافقة.
- التوطين والتنويع: استبدال النصوص داخل الصور أو صور العارضين بناءً على الصور الأساسية المعتمدة، لإنتاج متغيرات تناسب أسواقًا متعددة.
- التصدير الجماعي: التصدير وفقًا لمعايير تسمية موحدة، والربط مباشرة بنظام إدراج المنتجات.
هناك مرحلتان في سير العمل هذا غالبًا ما يتم تجاهلهما، لكنهما تحددان النجاح أو الفشل. الأولى هي جودة معيار الحقيقة: لا تحتاج مجموعة الحقيقة إلى أن تكون كبيرة، ولكن يجب أن تكون صورًا حقيقية تعكس بدقة المادة واللون، فهي نقطة الارتكاز لجميع صور الذكاء الاصطناعي اللاحقة لضمان مطابقتها للمنتج الفعلي؛ وتجاهل هذه الخطوة يؤدي بسهولة إلى عدم تطابق الصور. الثانية هي الحفاظ على فحص الجودة البشري: لا تزال دقة الألوان، وتعبير المواد، وعرض الفئات الخاضعة للرقابة (مثل الأغذية، ومنتجات الأم والطفل، والإلكترونيات) تتطلب إشرافًا بشريًا؛ فالذكاء الاصطناعي مسؤول عن الإنتاجية، بينما الإنسان مسؤول عن الجودة والحكم على الامتثال، وكلاهما لا غنى عنه.
تتمثل النقاط الهندسية لخط الإنتاج هذا في التحكم في التزامن وإعادة المحاولة عند الفشل. يستغرق نموذج توليد الصور وقتًا يتراوح من عشرات الثواني إلى دقيقة واحدة لكل عملية، لذا يُنصح باستخدام تزامن من 5 إلى 10 في قائمة الانتظار، مع إعادة المحاولة تلقائيًا للمهام الفاشلة أو الانتقال إلى نموذج احتياطي. إن وضع طبقة النموذج على قنوات APIYI (apiyi.com) عالية التزامن يمكن أن يتجنب تأثير قيود السرعة في أوقات الذروة للقنوات الرسمية على المهام الجماعية.
دليل تجنب مخاطر امتثال صور الذكاء الاصطناعي على أمازون (2026)
مع التحول نحو سير عمل يعتمد على الذكاء الاصطناعي، يظل الامتثال هو الخط الأحمر الأكثر أهمية للبائعين الكبار. يتمحور جوهر سياسة أمازون لعام 2026 حول: يجب الإفصاح بوضوح عن الصور التي تم إنشاؤها بالذكاء الاصطناعي بشكل جوهري أو التي تم تعزيزها بشكل ملحوظ، كما يجب أن تعكس أي صورة ناتجة عن الذكاء الاصطناعي بصدق المنتج الفعلي الذي سيتم شحنه للمشتري.
| الفئة | المحتوى التفصيلي | هل يلزم الإفصاح؟ |
|---|---|---|
| مسموح | إزالة الخلفية واستبدالها، تصحيح الألوان، تعديل الإضاءة والظلال، تعديل الحجم بالذكاء الاصطناعي | التعديلات الطفيفة لا تتطلب عادةً إفصاحاً |
| مسموح (مع التنبيه) | الصور المركبة بالكامل، عارضو الأزياء الرقميون، العروض الفنية | يلزم الإفصاح بوضوح |
| محظور | صور المشاهد التي تضلل أبعاد المنتج | —— |
| محظور | اختلاق ميزات وخصائص غير موجودة في المنتج | —— |
| محظور | تزوير صور تقييمات المشترين، أو صور "قبل وبعد" الوهمية | —— |
من الجدير بالذكر أن التحليلات الرسمية لأمازون تشير إلى أن الغالبية العظمى من مخالفات صور الذكاء الاصطناعي لا تنبع من تعمد التزييف، بل من عدم قيام البائع بالإفصاح عن المحتوى المركب كما هو مطلوب. بعبارة أخرى، طالما تم الالتزام بتقديم صورة صادقة + الإفصاح الاستباقي، فإن مخاطر الامتثال يمكن السيطرة عليها تماماً. نوصي بدمج فحص الامتثال مباشرة في سير العمل، والتحقق تلقائياً من نسبة المنتج، ومعايير الخلفية، وتنبيهات الإفصاح قبل التصدير الجماعي للصور.
🎯 تنبيه الامتثال: قد تختلف سياسات محتوى الذكاء الاصطناعي باختلاف المواقع الجغرافية، وهي في حالة تطور مستمر. نوصي بتخصيص "طبقة قواعد امتثال" في سير العمل المطور ذاتياً، بحيث يتم ضبط معايير قواعد كل منصة برمجياً. وبالاستعانة بقدرات النماذج المتعددة في APIYI (apiyi.com)، يمكنك اختيار النماذج ذات الدقة العالية في استعادة التفاصيل لأنواع الصور التي تتطلب دقة فائقة (مثل الصور الرئيسية).
الأسئلة الشائعة
س1: هل من الضروري للبائعين الصغار والمتوسطين تطوير سير عمل خاص لصور الذكاء الاصطناعي؟
ليس بالضرورة. بالنسبة للبائعين الذين يقل حجم إنتاج صورهم عن بضع مئات شهرياً ولديهم احتياجات قياسية، فإن البدء باستخدام أدوات SaaS أكثر فعالية من حيث التكلفة. أما عندما يصل حجم الإنتاج إلى الآلاف، وتبرز الحاجة للربط مع أنظمة ERP الخاصة بك وأنظمة إدراج المنتجات الجديدة، أو القيام بعمليات توطين دقيقة لأسواق متعددة، فإن التطوير الذاتي + استخدام API مجمع يصبح أكثر جدوى. يمكنك البدء بتجربة سير العمل باستخدام رصيد محدود على APIYI (apiyi.com) قبل اتخاذ قرار التطوير الذاتي.
س2: هل ستعتبر أمازون صور المنتجات المولدة بالذكاء الاصطناعي مخالفة؟
طالما أنها تعكس المنتج الفعلي بصدق وتم الإفصاح عنها حسب المتطلبات، فلن تعتبر مخالفة. تسمح أمازون بالمعالجات الروتينية مثل استبدال الخلفية وتعديل الألوان والإضاءة، بل إنها بدأت منذ عام 2026 بعرض صور الذكاء الاصطناعي بنشاط في نتائج البحث. تقع المخالفات بشكل رئيسي عند اختلاق الميزات، أو تضليل الأبعاد، أو عدم الإفصاح عن المحتوى المركب؛ لذا فإن دمج فحص الامتثال في سير العمل كفيل بتجنب هذه المشكلات.
س3: كيف يتم التعامل مع النصوص داخل الصور عند التوطين لأسواق دولية متعددة؟
باستخدام التحرير التوليدي، يمكنك استبدال النصوص في الرسوم البيانية للمعلومات أو تغيير مظهر عارض الأزياء مع الحفاظ على المنتج نفسه دون تغيير. هذا يسمح بإنتاج نسخ متعددة لأسواق أمريكا وأوروبا واليابان من صورة أساسية واحدة، مما يغنيك عن التعاون التقليدي بين المصمم والمترجم والملفات المصدرية. بالنسبة للصور التي تتطلب دقة عالية في عرض النصوص، نوصي باختيار نماذج ذات قدرات لغوية قوية، ويمكنك المقارنة بين النماذج المتاحة على APIYI (apiyi.com) واختيار الأنسب.
س4: ما هي فوائد استخدام API مجمع مقارنة بالاتصال المباشر بمزودي النماذج؟
تتمثل الفائدة الرئيسية في راحة البال والاستقرار. يتطلب الاتصال المباشر التعامل مع عدة شركات، والتسجيل وربط البطاقات لكل منها، وإدارة التعافي من الكوارث بنفسك. أما الـ API المجمع، فيوفر لك واجهة واحدة ومفتاحاً واحداً (Key) لاستدعاء عدة نماذج رائدة. كما توفر المنصة تكراراً عبر قنوات متعددة، مما يقلل من تأثير تحديد معدل الاستخدام في أوقات الذروة أو تعطل نموذج واحد، وهو أمر مثالي لفرق التجارة العابرة للحدود التي تحتاج لإنتاج صور بكميات كبيرة.
ملخص
يُعد عرض أمازون لصور المنتجات المولدة بالذكاء الاصطناعي في نتائج البحث علامة فارقة لدخول التجارة الإلكترونية العابرة للحدود عصر "توليد الصور بالذكاء الاصطناعي" بشكل رئيسي. إن منطق تحول كبار البائعين إلى سير عمل يعتمد على الذكاء الاصطناعي واضح للغاية: خفض التكاليف من آلاف الدولارات لكل مجموعة إلى بضعة دولارات للصورة الواحدة، وتقليص الجدول الزمني من شهرين إلى بضع ساعات، مع القدرة على إجراء التوطين لأسواق متعددة بمرونة، وتكرار اختبارات A/B في الوقت الفعلي. وتُشكل السيناريوهات الستة الأكثر احتياجاً لشركات التجارة العابرة للحدود — الصور الرئيسية بخلفية بيضاء، صور نمط الحياة، الرسوم البيانية، التوطين، صور العارضين، وتغييرات المنتجات بالجملة — المعيار الأساسي لتقييم حلول توليد الصور.
بالنسبة للبائعين الكبار، يتفوق سير العمل المطور ذاتياً والقائم على واجهات برمجة التطبيقات (API) المجمعة على أدوات SaaS من حيث التكلفة، والتخصيص، والتكامل، والتحكم في البيانات. كما أن إسناد طبقة النماذج إلى منصة مجمعة يتيح للفريق التركيز على الأعمال بدلاً من البنية التحتية. إذا كنت تستعد لبناء سير عمل الصور الخاص بك، يمكنك التسجيل في APIYI عبر apiyi.com للحصول على رصيد تجريبي، وتشغيل السيناريو الأول باستخدام قالب الكود الوارد في هذا المقال، ثم إضافة قدرات الفحص المسبق للامتثال والمعالجة الجماعية تدريجياً.
الكاتب: فريق APIYI
الدعم الفني: يمكن استدعاء نماذج توليد الصور المذكورة في هذا المقال، مثل Nano Banana Pro و gpt-image-2، عبر واجهة موحدة من خلال APIYI على apiyi.com، حيث يمكن للمستخدمين الجدد الحصول على رصيد تجريبي مجاني عند التسجيل.
