بين يديك صور ملابس مسطحة (Flat lay) أو معلقة، لكنك بحاجة إلى صور عارضي أزياء يرتدونها؟ هذا هو الطلب الأكثر شيوعاً في عمليات التجارة الإلكترونية للملابس. فجلسات التصوير الحقيقية تتطلب تكاليف باهظة تشمل أجور العارضين، والمصورين، وتجهيز المواقع، ومعالجة الصور، مما قد يكلف آلاف الدولارات ويستغرق 1-2 أسبوع. أما عمالقة الأزياء السريعة مثل SHEIN، فتنفق المليارات سنوياً على التصوير. سنستعرض في هذا المقال سير عمل Nano Banana Pro المكون من 5 خطوات لتحويل الصور المسطحة إلى صور ارتداء، لمساعدتك في استخدام قدرات "تحويل صورة إلى صورة" (i2i) لتحويل صورة مسطحة إلى صورة عارض أزياء بالذكاء الاصطناعي جاهزة للنشر مباشرة.
القيمة الجوهرية: بعد قراءة هذا المقال، ستتقن سير عمل API الكامل لتحويل الصور المسطحة إلى صور ارتداء، وكيفية كتابة "موجه" (Prompt) يحافظ على دقة تفاصيل الملابس، وطرق إصلاح المشكلات الشائعة مثل تشوه القالب أو انحراف الألوان، مع التحكم في تكلفة الصورة الواحدة لتصل إلى مستوى 0.1 دولار.
النقاط الجوهرية لتحويل الصور المسطحة إلى صور ارتداء: تحليل قدرات Nano Banana Pro
Nano Banana Pro هو الاسم المستعار في المجتمع لنموذج Gemini 3 Pro Image الذي أطلقته Google DeepMind. بعد إطلاقه في نوفمبر 2025، أصبح الخيار الأول لتحويل صور الملابس. فهو قادر على "إلباس" الملابس المسطحة لعارضي أزياء تم إنشاؤهم بواسطة الذكاء الاصطناعي، مع الحفاظ على نسيج القماش، والأنماط المطبوعة، والظلال الطبيعية، وهي القدرة الأكثر أهمية في سيناريو تحويل الصور المسطحة إلى صور ارتداء.
| القدرة الجوهرية | الشرح | القيمة لسيناريو الملابس |
|---|---|---|
| إدخال متعدد الصور | يدعم ما يصل إلى 14 صورة مرجعية في المرة الواحدة | يمكن إدخال الصورة المسطحة + مرجع العارض + صورة المشهد في آن واحد |
| دقة التفاصيل | دمج الأنماط والشعارات بشكل طبيعي على الأسطح ثلاثية الأبعاد مع الحفاظ على الظلال | لا تتشوه الطبعات، والتطريزات، والأزرار |
| مستويات الدقة | مخرجات بثلاث مستويات: 1K / 2K / 4K | استخدام 2K لصفحات التفاصيل، و4K لتكبير الصور الرئيسية |
| اتساق الجولات المتعددة | دعم التحرير عبر جولات حوار متعددة، مع الحفاظ على استقرار ملامح الشخصية | توليد صور للعارض نفسه من زوايا أمامية وجانبية |
| التحكم في النسبة | تحديد نسبة العرض إلى الارتفاع عبر معامل aspectRatio | التكيف مع معايير الصور الرئيسية لمنصات التجارة الإلكترونية (3:4، 1:1، إلخ) |
حساب تكلفة إنتاج صور الملابس باستخدام Nano Banana Pro
التكلفة هي المحرك الرئيسي لتحول تجار الملابس من التصوير الحقيقي إلى الإنتاج عبر الذكاء الاصطناعي. تظهر البيانات الفعلية من المجتمعات الأجنبية أن التكلفة الإجمالية لجلسة تصوير تقليدية للملابس تتجاوز 3500 دولار وتستغرق 1-2 أسبوع؛ بينما يكلف توليد أكثر من 50 صورة متنوعة باستخدام الذكاء الاصطناعي ما بين 10 إلى 35 دولاراً فقط، ويتم ذلك في غضون دقائق.
| وجه المقارنة | تصوير عارضي أزياء حقيقيين | إنتاج الصور عبر Nano Banana Pro |
|---|---|---|
| التكلفة الإجمالية للجلسة | من 3500 دولار | 10-35 دولاراً (لـ 50 صورة متنوعة) |
| تكلفة الصورة الواحدة | حوالي 50-100 دولار بعد التوزيع | حوالي 0.05-0.134 دولار (حسب الدقة) |
| دورة التسليم | 1-2 أسبوع | دقائق معدودة |
| إعادة التصوير عند التعديل | يتطلب حجز عارض وموقع جديد | إعادة التوليد بتعديل "الموجه" |
| عارضو أزياء لأسواق متعددة | تصوير منفصل لكل سوق | تبديل ملامح العارض عبر "الموجه" |
💡 تلميح حول التكلفة: يتم محاسبة Nano Banana Pro لكل استخدام، حيث تبدأ تكلفة الوحدة لدقة 1K/2K من حوالي 0.05 دولار. إذا كان لديك حجم كبير من وحدات حفظ المخزون (SKU) وتحتاج إلى إنتاج دفعات كبيرة من الصور، نوصي باستخدام واجهات برمجة التطبيقات المجمعة من APIYI (apiyi.com)، حيث تعتمد المحاسبة على الاستهلاك وتدعم التزامن العالي، مما يجعلها مناسبة لخطوط إنتاج الملابس التي تنتج مئات الصور يومياً.
يجب التأكيد على أن إنتاج الصور بالذكاء الاصطناعي هو الأنسب حالياً لاستبدال صور صفحات التفاصيل وصور المشاهد، بينما لا يزال يُنصح بالاحتفاظ بالتصوير الحقيقي لبعض الصور الرئيسية وصور عروض الأزياء. الصناعة ككل في مرحلة مبكرة من التحول من الواقع إلى الذكاء الاصطناعي، والبدء باستخدام الذكاء الاصطناعي في فئات الصور منخفضة المخاطر هو النهج الأكثر أماناً.
إليك ترجمة المحتوى إلى العربية:
سير عمل من 5 خطوات لتحويل صور الملابس المسطحة إلى صور عرض على العارضين باستخدام Nano Banana Pro
لنبدأ مباشرة. ينقسم سير العمل بالكامل إلى 5 خطوات: إعداد المواد ← صياغة الموجه ← استدعاء API ← فحص التفاصيل ← التوسع الجماعي. الخطوتان الأوليان تحددان سقف جودة الصور الناتجة، بينما تحدد الخطوات الثلاث الأخيرة الكفاءة والاستقرار.
الخطوة 1: إعداد مواد صور الملابس المسطحة المؤهلة
تحدد جودة الصورة المصدر بشكل مباشر نتيجة العرض على العارض. يحتاج النموذج إلى فهم حدود تصميم الملابس، وملمس القماش، وموقع الأنماط من الصورة المسطحة؛ فالصور الضبابية أو التي تحتوي على تجاعيد شديدة ستؤدي إلى تشويه هذه المعلومات. يجب أن تستوفي صور الملابس المسطحة المؤهلة الشروط التالية:
- دقة لا تقل عن 1024 بكسل، مع وضوح تام في مناطق الطباعة والشعارات؛
- فرد الملابس بشكل مسطح، لتجنب حجب حدود التصميم بسبب التجاعيد الكبيرة؛
- إضاءة متساوية بدون ظلال قوية، ويفضل استخدام خلفية بلون سادة أو فاتح؛
- ظهور كامل للقطعة من الأمام، مع وضوح حدود الياقة والأكمام والحافة السفلية.
تعد صور الملابس المعلقة (على علاقة) مناسبة أيضاً لهذا العمل، وغالباً ما توفر استعادة أفضل لشكل التصميم بسبب طبيعة سقوط القماش. إذا كانت لديك كلتا المادتين، فاستخدم الصور المعلقة كمصدر أساسي.
الخطوة 2: بناء موجه (Prompt) لتحويل صورة إلى صورة (خماسي العناصر)
تقترح جوجل أن يتضمن الموجه خمسة عناصر: الموضوع، التكوين، الحركة، المشهد، والأسلوب. بالنسبة لسيناريو تحويل الملابس المسطحة إلى صور عرض، نوصي باستخدام القالب الهيكلي التالي، حيث تكمن القاعدة الأساسية في تثبيت الملابس أولاً، ثم وصف العارض والمشهد:
Generate an image: A [وصف العارض] wearing the exact garment from the
reference image, preserving the original fabric texture, print pattern,
buttons and stitching. [الوضعية والحركة]. [المشهد والإضاءة]. [التكوين والأسلوب].
مثال عملي يمكنك استخدامه مباشرة (نوصي بكتابة الموجه بالإنجليزية لضمان استقرار فهم النموذج):
Generate an image: A young East Asian female model wearing the exact
floral linen shirt from the reference image, preserving the original
print pattern, collar shape and button details. Standing naturally with
one hand in pocket. Bright studio with soft daylight, light gray
backdrop. Full-body shot, 3:4 ratio, e-commerce fashion photography style.
لاحظ أن عبارة preserving the original... هي جوهر الموجه، حيث تحدد بوضوح التفاصيل التي يجب الحفاظ عليها (النقوش، شكل الياقة، الأزرار)، مما يرفع بشكل كبير من دقة استعادة النموذج لهذه العناصر. سنتناول مبدأ هذه الطريقة في قسم الحفاظ على التفاصيل لاحقاً.
الخطوة 3: استدعاء Nano Banana Pro API لتنفيذ تحويل صورة إلى صورة
يعمل Nano Banana Pro بتنسيق واجهة Gemini الأصلي، واسم النموذج هو gemini-3-pro-image-preview. فيما يلي مثال بسيط للاستدعاء، حيث يتم إرسال الصورة المسطحة بتنسيق base64 مع الموجه:
import requests, base64
# رابط خدمة وكيل API
API_URL = "https://api.apiyi.com/v1beta/models/gemini-3-pro-image-preview:generateContent"
headers = {"x-goog-api-key": "YOUR_API_KEY"}
with open("flat-lay-shirt.png", "rb") as f:
img_b64 = base64.b64encode(f.read()).decode()
payload = {
"contents": [{"parts": [
{"text": "Generate an image: A female model wearing the exact shirt from the reference image, preserving print and buttons. Studio lighting, full-body, e-commerce style."},
{"inline_data": {"mime_type": "image/png", "data": img_b64}}
]}],
"generationConfig": {"imageConfig": {"aspectRatio": "3:4", "imageSize": "2K"}}
}
resp = requests.post(API_URL, headers=headers, json=payload, timeout=300)
print(resp.status_code) # البيانات المرجعة (inlineData) هي الصورة الناتجة بتنسيق base64
هناك معياران يستحقان الاهتمام: ضبط aspectRatio على 3:4 يتوافق مع معايير صور الملابس الرئيسية في منصات التجارة الإلكترونية؛ واختيار imageSize بدقة 2K يوفر أفضل توازن بين الوضوح والتكلفة، بينما دقة 4K مناسبة للمشاهد التي تتطلب تكبيراً وقصاً ولكنها تستغرق وقتاً أطول، لذا يُنصح بضبط مهلة الانتظار (timeout) إلى 360 ثانية.
🎯 نصيحة للربط: قد تواجه قنوات Nano Banana Pro الرسمية (Vertex / AI Studio) قيوداً في أوقات الذروة، مما يؤثر على البائعين الذين يعتمدون على الإنتاج الضخم. نوصي بالربط عبر خدمة وكيل API الخاص بـ APIYI (apiyi.com)، حيث توفر المنصة تكراراً متعدد القنوات، وتتيح لك التبديل بين النماذج مثل
gpt-image-2للمقارنة، مما يوفر عليك عناء التسجيل وربط البطاقات في منصات متعددة.
الخطوة 4: فحص الحفاظ على التفاصيل (خطوة إلزامية قبل العرض)
تعتمد إمكانية عرض صور العارضين التي ينتجها الذكاء الاصطناعي مباشرة على مدى مطابقة تفاصيل الملابس للمنتج الحقيقي؛ فعدم مطابقة الصور هو السبب الرئيسي لمرتجعات التجارة الإلكترونية. يُنصح بمراجعة كل صورة ناتجة وفق القائمة التالية:
| بند الفحص | محتوى الفحص | المظاهر النموذجية لعدم المطابقة |
|---|---|---|
| نقش الطباعة | الموقع، الحجم، الاكتمال | إعادة "ابتكار" النقش، إزاحة الموقع |
| مطابقة اللون | تطابق اللون الرئيسي مع الصورة المصدر | انحراف اللون العام، تغير التشبع |
| شكل التصميم | القصة، الطول، درجة الاتساع | تحول القصة الضيقة إلى مستقيمة، تغير الطول |
| التفاصيل | عدد الأزرار، السحابات، الجيوب | زيادة أو نقصان الأزرار، اختفاء الجيوب |
| منطقية الجسم | اليدين، الوجه، نسب الأطراف | تشوه الأصابع، تداخل الأطراف مع الملابس |
إذا لم تجتز الصورة الفحص، فلا داعي لإعادة إنشائها بالكامل. يدعم Nano Banana Pro التحرير عبر المحادثات المتعددة، حيث يمكنك إضافة أمر توجيهي لإصلاح جزء معين، مثل Keep everything unchanged, only restore the chest print to match the reference image exactly. هذا يوفر التكاليف ويمنع تغيير الأجزاء التي كانت صحيحة بالفعل.
الخطوة 5: التوسع الجماعي لعدة عارضين ومشاهد
بعد اعتماد القطعة الواحدة، يمكنك البدء في عملية الإنتاج الضخم. حافظ على أمر تثبيت الملابس كما هو، وقم فقط باستبدال وصف العارض والمشهد. يمكنك توسيع صورة مسطحة واحدة لتشمل مجموعة كاملة من المواد: توليد صور لقميص واحد في مشهد استوديو، مشهد شارع، ومشهد مقهى، أو توليد عارضين بملامح مختلفة لتناسب أسواقاً متنوعة (أوروبية، شرق أوسطية، جنوب شرق آسيوية).
تتمثل النقاط الهندسية في مرحلة الإنتاج الضخم في التحكم في التزامن وإعادة المحاولة عند الفشل. يستغرق توليد الصورة الواحدة عبر Nano Banana Pro ما بين عشرات الثواني إلى دقيقة، لذا يُنصح باستخدام 5-10 مهام متزامنة في قائمة الانتظار، مع إعادة محاولة المهام الفاشلة تلقائياً لمرة واحدة. إذا كان حجم العمل كبيراً، يمكنك الرجوع إلى وثائق تحسين الإنتاج الضخم والتزامن في مركز مساعدة APIYI (help.apiyi.com)، حيث تتوفر نصوص برمجية جاهزة لقوائم الانتظار يمكنك تعديلها.
Nano Banana Pro: تعزيز دقة تفاصيل الملابس عبر الموجهات المتقدمة
إن تشغيل سير العمل بنجاح هو مجرد خطوة أولى، أما ما يصنع الفارق الحقيقي في جودة الصور فهو مدى تحكمك في تفاصيل الملابس من خلال الموجهات (Prompts). هذا القسم هو خلاصة تجارب 35 نموذجاً من الموجهات في مجتمعات الذكاء الاصطناعي العالمية، والقاعدة الذهبية هنا هي: حدد القماش أولاً، ثم الأسلوب (fabric before style).
تُظهر البيانات التجريبية أنه عند ذكر نوع القماش بوضوح في الموجه (مثل: قطن مضلع ribbed cotton، جينز مغسول washed denim، أو ساتان حريري silk satin)، يمكنك الحصول على نتائج ذات ملمس واقعي في 8 من أصل 10 محاولات. بينما عند استخدام كلمات عامة مثل "ملابس" أو "قميص"، تنخفض النسبة إلى 3 محاولات فقط. السبب هو أن كلمات القماش تحدد مباشرة كيفية معالجة النموذج للضوء، الطيات، والانسدالية؛ فالحرير يحتاج إلى لمعان انسيابي، والجينز يحتاج إلى نسيج مائل، والقطن يحتاج إلى بنية مضلعة، وكل هذا يعتمد على التوجيه الصريح.
| نوع التفاصيل | الصيغة الموصى بها | الوظيفة |
|---|---|---|
| ملمس القماش | ribbed cotton knit / washed denim / silk satin |
تفعيل عرض اللمعان والطيات الصحيحة |
| تثبيت الطبعة | preserving the original print pattern exactly |
منع إعادة ابتكار النمط |
| تثبيت الأجزاء | keep all buttons, zippers and stitching unchanged |
منع إضافة/حذف الأزرار أو اختفاء الخياطة |
| تثبيت اللون | the exact same color as the reference image |
منع انحراف الألوان |
| أجواء الإضاءة | soft daylight / golden hour backlighting |
التحكم في الإضاءة باستخدام مصطلحات التصوير |
تقنية أخرى فعالة هي "توزيع الأدوار" للصور المرجعية. عند إدخال عدة صور (مثل صورة مسطحة + مرجع وضعية العارض + مرجع الخلفية)، حدد وظيفة كل صورة في الموجه: Image 1 is the garment source, image 2 is the pose reference, image 3 is the background. يتمتع Nano Banana Pro بقدرة ممتازة على فهم أدوار الصور المتعددة، مما يقلل بشكل كبير من أخطاء الخلط بينها.
📘 نصيحة اختيار النموذج: إذا كانت صور ملابسك تعتمد بشكل أساسي على الألوان السادة والتصاميم الأساسية، فإن Nano Banana 2 (غير Pro) يوفر تكلفة أقل وسرعة أعلى، مما يجعله خياراً اقتصادياً. أما التصاميم ذات الطبعات المعقدة والتفاصيل الكثيرة، فاستخدم إصدار Pro. يمكنك التبديل بين النموذجين باستخدام نفس المفتاح على منصة APIYI (apiyi.com)، وننصح بتجربة 10 صور لكل منهما قبل اعتماد النموذج الرئيسي.
مشاكل شائعة عند تحويل الصور المسطحة إلى صور "على العارض" وحلولها
حتى مع كتابة موجهات مثالية، تظل هناك تحديات شائعة في فئة الملابس. معرفة كيفية إصلاحها مسبقاً ستوفر عليك الكثير من تكاليف إعادة التوليد.
| المشكلة | السبب الجذري | الحل |
|---|---|---|
| تشوه القصة (الخصر يصبح مستقيماً) | الصورة المسطحة لا تعبر عن القصة ثلاثية الأبعاد | استخدم صورة معلقة (على شماعة) أو أضف وصفاً للقصة مثل slim-fit waist |
| انحراف الألوان | إضاءة المشهد تميل للدفء أو البرودة | أضف exact same color للتثبيت، واستخدم إضاءة محايدة neutral studio lighting |
| إعادة رسم الطبعات | عدم تثبيت النمط صراحة | أضف preserving the print exactly وتأكد من جودة منطقة الطبعة في الصورة الأصلية |
| اختراع تفاصيل الظهر | الصورة الأصلية توفر معلومات أمامية فقط | يجب توفير صورة مسطحة للظهر، لا تترك النموذج يخمن |
| تشوه اليد/الوجه | صعوبة متأصلة في توليد الأشخاص | غير الوضعية ليد في الجيب أو تحمل حقيبة، أو استخدم تعديلات موجهة لليد |
| حظر الأمان | صياغة أوامر تبديل الملابس حساسة | استخدم وصفاً إيجابياً مثل wearing the garment from the reference وتجنب كلمات مثل swap/replace |
ملاحظة خاصة حول انحراف الألوان: هي الشكوى الأولى في مجال ملابس الذكاء الاصطناعي لأن اختلاف اللون يؤدي مباشرة إلى زيادة معدلات الإرجاع. بالإضافة إلى تثبيت الموجهات، الطريقة الأكثر موثوقية هي مقارنة قيم الألوان (HEX) بين الصورة المولدة والأصلية؛ إذا كان الانحراف واضحاً، أعد التوليد فوراً ولا تحاول تصحيح الألوان لاحقاً، لأن ذلك سيغير لون بشرة العارض أيضاً.
في سيناريوهات الإنتاج الضخم، ننصح ببناء "مكتبة حلول" للأوامر المذكورة أعلاه. إذا فشلت أي نقطة في قائمة المراجعة، يتم تلقائياً إضافة الموجه التصحيحي المناسب وإعادة التوليد. هذه الآلية، بالتكامل مع قنوات APIYI (apiyi.com) ذات التزامن العالي، يمكنها تقليص وقت معالجة القطعة الواحدة من صورة مسطحة إلى صورة كاملة على عارض إلى أقل من 10 دقائق.
الأسئلة الشائعة
س1: عند تحويل صورة مسطحة إلى صورة عرض على عارضة، كيف أختار بين Nano Banana Pro و gpt-image-2؟
يتفوق Nano Banana Pro في استعادة التفاصيل الدقيقة مثل أنسجة الأقمشة والتطريز، ويدعم التحرير والإصلاح عبر جولات متعددة، مما يجعله مناسباً للأنماط ذات النقوش المعقدة. أما gpt-image-2 فيتمتع بميزة في تكوين التصميم الجمالي وعرض النصوص، وهو مثالي للمشاهد التي تتطلب طابعاً إعلانياً (بوستر). ننصحك بتجربة 10 صور لكل نموذج باستخدام نفس مجموعة الصور المصدرية عبر منصة APIYI (apiyi.com)، واختيار النموذج الأساسي بناءً على نتائج اختبار فئتك الخاصة.
س2: هل يمكن عرض صور عارضات الأزياء المولدة بالذكاء الاصطناعي مباشرة على منصات التجارة الإلكترونية؟
تقنياً، نعم، ولكن يجب الانتباه لأمرين: أولاً، تتطلب بعض المنصات الإفصاح عن المحتوى المولد بالذكاء الاصطناعي، لذا تأكد من أحدث سياسات المنصة المستهدفة قبل النشر. ثانياً، يجب أن تعكس الصورة المنتج بدقة؛ فالاختلاف في النقوش أو الألوان عن الواقع قد يؤدي إلى عمليات إرجاع وشكاوى، لذا تأكد من إتمام قائمة التحقق من التفاصيل في الخطوة الرابعة.
س3: ما هو الحد الأقصى لعدد صور العرض التي يمكن توليدها من صورة مسطحة واحدة؟
عملياً، يمكن للصورة المصدرية الجيدة أن تنتج باستقرار ما بين 20 إلى 50 متغيراً مقبولاً (بمختلف العارضات، والوضعيات، والمشاهد). الاستمرار في التوليد بعد ذلك سيؤدي إلى تكرار ملحوظ وانخفاض في القيمة المضافة. بالنسبة للمنتج الواحد بعدة ألوان، ننصح بتوفير صورة مصدرية مستقلة لكل لون، وتجنب الاعتماد على "الموجه" لتغيير الألوان، لأن مخاطر اختلاف درجات اللون تكون عالية.
س4: ماذا أفعل إذا واجهت خطأ 503 أو فشل في التوليد أثناء استدعاء النموذج؟
قد تظهر أخطاء 503 بسبب قيود حركة المرور في أوقات الذروة على القنوات الرسمية لـ Nano Banana Pro. بالنسبة للمهام الجماعية، نوصي بإضافة منطق إعادة المحاولة التلقائي أو التبديل إلى نموذج بديل (مثل الانتقال إلى Nano Banana 2 في حال الفشل). عند الاستدعاء عبر APIYI (apiyi.com)، توفر المنصة تكراراً عبر قنوات متعددة مما يقلل معدل الفشل بشكل كبير، وفي حال واجهت مشاكل في الاستقرار، يمكنك التواصل مباشرة مع الدعم الفني للتحقق من الأمر.
الخلاصة
يعد تحويل الصور المسطحة إلى صور عرض على عارضات هو السيناريو الأكثر ربحية حالياً في مجال التجارة الإلكترونية للأزياء باستخدام الذكاء الاصطناعي: فالمواد المصدرية تكلفتها شبه معدومة (حيث يتم تصوير الصور المسطحة لكل وحدة حفظ مخزون SKU على أي حال)، بينما تحل صور العارضات المولدة بالذكاء الاصطناعي محل جلسات التصوير البشرية المكلفة. إن سير العمل المكون من 5 خطوات المذكور في هذا المقال — تحضير المواد، الموجهات خماسية العناصر، استدعاء API، التحقق من التفاصيل، والتوسيع الجماعي — مع مبدأ "القماش أولاً ثم الأسلوب" في الموجهات، وخطط الطوارئ للتعامل مع الأخطاء الستة الشائعة، كافٍ لدعم مسار عمل يبدأ من اختبار قطعة واحدة وصولاً إلى إنتاج مئات الصور يومياً.
يشهد القطاع حالياً مرحلة انتقالية من التصوير البشري إلى الاعتماد على الذكاء الاصطناعي. إن نقل صفحات تفاصيل المنتجات وصور المشاهد إلى مسار عمل الذكاء الاصطناعي، ثم توسيع النطاق تدريجياً بعد التحقق من البيانات، هو المسار الأكثر أماناً حالياً. إذا كنت مستعداً للبدء، يمكنك التسجيل في APIYI (apiyi.com) للحصول على رصيد تجريبي، واستخدام قالب الكود الموجود في هذا المقال لتشغيل أول صورة مسطحة، ثم البدء في إضافة قدرات التوليد الجماعي تدريجياً.
المؤلف: فريق APIYI
الدعم الفني: يمكن استدعاء النماذج المذكورة في هذا المقال مثل Nano Banana Pro و gpt-image-2 عبر واجهة API موحدة على APIYI (apiyi.com)، ويمكن للمستخدمين الجدد الحصول على رصيد تجريبي مجاني عند التسجيل.
