> ## Documentation Index > Fetch the complete documentation index at: https://veniceai-mintlify-d2fddb8a.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # Bildgenerierung > Generieren Sie Bilder aus Text-Prompts mit Venices nativer Image-API oder dem OpenAI-kompatiblen Images-Endpoint — mit Stilsteuerung und Binär- oder Base64-Ausgabe. Die Bildgenerierung auf Venice ist synchron. Sende einen Prompt an `/image/generate` und erhalte dein Bild in derselben Antwort – entweder als Base64 in JSON oder als rohes Binary, wenn `return_binary` auf `true` steht. ## Endpoints | Endpoint | Zweck | Wann verwenden | | -------------------------- | -------------------------------------- | ---------------------------------------------- | | `POST /image/generate` | Native Venice-Bildgenerierungs-API | Für vollständigen Feature-Support | | `GET /image/styles` | Verfügbare Style-Presets auflisten | Vor dem Senden von `style_preset` | | `POST /images/generations` | OpenAI-kompatible Bildgenerierungs-API | Für Migration bestehender OpenAI-Image-Clients | ## Schritt 1: Generierungsanfrage senden Die Größenangabe ist modellspezifisch. Manche Modelle akzeptieren explizite `width` und `height`; manche stellen `aspect_ratio` bereit; und Resolution-Tier-Modelle bieten `aspect_ratio` plus `resolution`-Werte wie `1K`, `2K` oder `4K`. **Beispiel für Pixel-basierte Größe:** ```bash theme={null} POST https://api.venice.ai/api/v1/image/generate Authorization: Bearer $VENICE_API_KEY Content-Type: application/json { "model": "venice-sd35", "prompt": "A cinematic photo of a gondola passing through a narrow Venice canal at blue hour, warm window lights reflecting on the water", "negative_prompt": "blurry, low quality, distorted anatomy, text, watermark", "width": 1024, "height": 1024, "format": "webp" } ``` **Beispiel für Aspect-Ratio-Größe:** ```bash theme={null} POST https://api.venice.ai/api/v1/image/generate Authorization: Bearer $VENICE_API_KEY Content-Type: application/json { "model": "qwen-image-2", "prompt": "A cinematic photo of a gondola passing through a narrow Venice canal at blue hour", "aspect_ratio": "16:9", "format": "webp" } ``` **Beispiel für Resolution-Tier-Größe:** ```bash theme={null} POST https://api.venice.ai/api/v1/image/generate Authorization: Bearer $VENICE_API_KEY Content-Type: application/json { "model": "gpt-image-2", "prompt": "A cinematic wide shot of a gondola passing through a narrow Venice canal at blue hour", "aspect_ratio": "16:9", "resolution": "4K", "format": "png" } ``` Dasselbe Muster gilt für andere Resolution-Tier-Modelle: ```json theme={null} { "model": "nano-banana-pro", "prompt": "A serene canal in Venice at sunset", "aspect_ratio": "16:9", "resolution": "2K" } ``` Nutze [Image-Modelle](/models/image) oder die [Models-API](/api-reference/endpoint/models/list), um zu prüfen, welche Größenfelder ein Modell akzeptiert. **Antwort (200):** ```json theme={null} { "id": "generate-image-1234567890", "images": [ "UklGRiIAAABXRUJQVlA4IBYAAAAwAQCdASoQABAAPm..." ], "timing": { "inferenceDuration": 1840, "inferencePreprocessingTime": 22, "inferenceQueueTime": 31, "total": 1893 } } ``` Das `images`-Array enthält Base64-kodierte Bilddaten. Dekodiere den ersten Eintrag, um das Bild zu speichern oder anzuzeigen. `timing.total` ist die vollständige Request-Dauer in Millisekunden. ## Schritt 2: Bild dekodieren und speichern ```python Python theme={null} import base64 import os import requests response = requests.post( "https://api.venice.ai/api/v1/image/generate", headers={ "Authorization": f"Bearer {os.environ['VENICE_API_KEY']}", "Content-Type": "application/json", }, json={ "model": "venice-sd35", "prompt": "A cinematic photo of a gondola passing through a narrow Venice canal at blue hour, warm window lights reflecting on the water", "width": 1024, "height": 1024, "format": "webp", }, ) data = response.json() image_bytes = base64.b64decode(data["images"][0]) with open("output.webp", "wb") as f: f.write(image_bytes) print(f"Saved image from request {data['id']}") ``` ```javascript Node.js theme={null} import fs from "fs"; const response = await fetch("https://api.venice.ai/api/v1/image/generate", { method: "POST", headers: { Authorization: `Bearer ${process.env.VENICE_API_KEY}`, "Content-Type": "application/json", }, body: JSON.stringify({ model: "venice-sd35", prompt: "A cinematic photo of a gondola passing through a narrow Venice canal at blue hour, warm window lights reflecting on the water", width: 1024, height: 1024, format: "webp", }), }); const data = await response.json(); const imageBuffer = Buffer.from(data.images[0], "base64"); fs.writeFileSync("output.webp", imageBuffer); console.log(`Saved image from request ${data.id}`); ``` ## Schritt 3: Binary statt JSON zurückgeben (optional) Wenn der Response-Body die Bilddatei selbst sein soll, setze `return_binary: true`. Das ist nützlich, wenn du das Bild direkt streamen oder speichern willst, ohne Base64 zu dekodieren. ```bash theme={null} curl https://api.venice.ai/api/v1/image/generate \ -H "Authorization: Bearer $VENICE_API_KEY" \ -H "Content-Type: application/json" \ -o output.png \ -d '{ "model": "qwen-image-2", "prompt": "Minimalist poster of a moonlit Venetian bridge in deep blue tones", "format": "png", "return_binary": true }' ``` Wenn `return_binary` auf `true` steht, ist der Response-Body rohe `image/jpeg`-, `image/png`- oder `image/webp`-Daten – je nach angefordertem `format`. `variants` wird nur unterstützt, wenn `return_binary` auf `false` steht. *** ## Schritt 4: Verfügbare Image-Styles auflisten (optional) Wenn du `style_preset` nutzen willst, frage zuerst die verfügbaren Styles über `/image/styles` ab: ```bash theme={null} curl https://api.venice.ai/api/v1/image/styles \ -H "Authorization: Bearer $VENICE_API_KEY" ``` **Antwort (200):** ```json theme={null} [ "3D Model", "Analog Film", "Anime", "Cinematic", "Digital Art" ] ``` Übergib dann einen dieser Werte in deiner Generierungsanfrage: ```json theme={null} { "model": "qwen-image-2", "prompt": "A futuristic Venice skyline at sunrise", "style_preset": "Cinematic" } ``` Nutze den Styles-Endpoint, wenn du exakte Preset-Namen brauchst, statt sie zu raten. *** ## Request-Parameter | Parameter | Typ | Pflicht | Default | Beschreibung | | ------------------- | ------- | ------- | -------------- | --------------------------------------------------------------------------------------------------------------------------------- | | `model` | string | Ja | - | Modell-ID für die Generierung | | `prompt` | string | Ja | - | Was generiert werden soll | | `negative_prompt` | string | Nein | - | Was im Bild vermieden werden soll | | `width` | integer | Nein | `1024` | Ausgabebreite in Pixeln für Pixel-basierte Modelle wie `venice-sd35` und `qwen-image` | | `height` | integer | Nein | `1024` | Ausgabehöhe in Pixeln für Pixel-basierte Modelle wie `venice-sd35` und `qwen-image` | | `format` | string | Nein | `webp` | Ausgabeformat: `jpeg`, `png` oder `webp` | | `variants` | integer | Nein | `1` | Anzahl zu generierender Bilder (`1`–`4`), nur wenn `return_binary` `false` ist | | `return_binary` | boolean | Nein | `false` | Rohe Image-Bytes statt Base64-JSON zurückgeben | | `safe_mode` | boolean | Nein | `true` | Adult-Inhalte unscharf machen, wenn aktiviert | | `seed` | integer | Nein | zufällig | Denselben Seed wiederverwenden für konsistentere Iterationen | | `cfg_scale` | number | Nein | modellabhängig | Höhere Werte zwingen das Modell, dem Prompt enger zu folgen | | `style_preset` | string | Nein | - | Voreingestellten Stil aus [Image Styles](/api-reference/endpoint/image/styles) anwenden | | `aspect_ratio` | string | Bedingt | - | Wird von Modellen mit Ratio-basierter Größe verwendet, z. B. `qwen-image-2`, `gpt-image-2`, `nano-banana-2` und `nano-banana-pro` | | `resolution` | string | Bedingt | - | Wird von Modellen mit Resolution-Tiers wie `1K`, `2K` oder `4K` verwendet | | `enable_web_search` | boolean | Bedingt | `false` | Ermöglicht unterstützten Modellen die Nutzung aktueller Web-Informationen; erzeugt Zusatzkosten | Die Validierung ist modellspezifisch. Prüfe [Image-Modelle](/models/image) und die [Models-API](/api-reference/endpoint/models/list), bevor du dich quer über mehrere Modelle auf einen Parameter verlässt. *** ## Modellspezifische Optionen ### Hochauflösende Generierung Manche Image-Modelle unterstützen `aspect_ratio` ohne wählbare `resolution`-Stufe. Beispiel: `qwen-image-2` akzeptiert eine Aspect-Ratio und mappt sie auf modellspezifische Ausgabedimensionen: ```json theme={null} { "model": "qwen-image-2", "prompt": "Editorial product photo of a luxury watch on black marble, dramatic studio lighting", "aspect_ratio": "16:9" } ``` Andere Image-Modelle unterstützen `aspect_ratio` plus eine `resolution`-Stufe. Beispiel: `gpt-image-2`, `nano-banana-2` und `nano-banana-pro` unterstützen `1K`, `2K` und `4K`: ```json theme={null} { "model": "gpt-image-2", "prompt": "Editorial product photo of a luxury watch on black marble, dramatic studio lighting", "aspect_ratio": "16:9", "resolution": "4K" } ``` ```json theme={null} { "model": "nano-banana-2", "prompt": "Editorial product photo of a luxury watch on black marble, dramatic studio lighting", "aspect_ratio": "16:9", "resolution": "2K" } ``` Nutze [Image-Modelle](/models/image), um zu sehen, welche Modelle höhere Auflösungen unterstützen und wie sie bepreist werden. ### Style-Presets Wenn das gewählte Modell es unterstützt, kannst du mit `style_preset` die Ausgabe steuern, ohne deinen gesamten Prompt umzuschreiben. Gültige Preset-Namen findest du unter [Image Styles](/api-reference/endpoint/image/styles): ```json theme={null} { "model": "qwen-image-2", "prompt": "A futuristic Venice skyline at sunrise", "style_preset": "3D Model" } ``` Die aktuelle Style-Liste findest du unter [Image Styles](/api-reference/endpoint/image/styles). *** ## OpenAI-kompatibler Endpoint Wenn du bereits OpenAI-Image-SDKs oder bestehende DALL-E-Integrationen verwendest, unterstützt Venice auch `POST /images/generations`. Das Request-Format ist einfacher, bietet aber weniger Features als der native Venice-Endpoint. **Request:** ```json theme={null} { "model": "qwen-image-2", "prompt": "A clean isometric illustration of an AI control room", "size": "1024x1024", "response_format": "b64_json" } ``` Nutze die OpenAI-kompatible Route für schnellere Migrationen. Verwende `/image/generate`, wenn du Venice-spezifische Optionen wie `cfg_scale`, `style_preset`, `variants` oder Binary-Responses brauchst. *** ## Prompting-Tipps 1. Mit dem Motiv beginnen, dann Medium, Beleuchtung, Komposition und Stimmung ergänzen. 2. Zu vermeidende Details ins `negative_prompt` stecken, statt den Hauptprompt zu überladen. 3. `seed` beim Iterieren wiederverwenden, um Prompt-Änderungen zu vergleichen, ohne die Komposition komplett zu wechseln. 4. Größenangabe modellbewusst halten. Manche Modelle nutzen `width`/`height`, manche `aspect_ratio`, Resolution-Tier-Modelle `aspect_ratio` plus `resolution`. 5. `variants` beim Explorieren nutzen, dann auf eine einzelne Ausgabe zurückwechseln, sobald die Richtung steht. *** ## Fehler | Status | Bedeutung | Aktion | | ------ | ------------------------------------------------------------------------ | ------------------------------------------------------------------------------- | | `400` | Ungültige Request-Parameter | Feldnamen, Typen und modellspezifische Constraints prüfen | | `401` | Authentifizierung fehlgeschlagen oder Modell benötigt höhere Access-Tier | API-Schlüssel und Modellzugang prüfen | | `402` | Unzureichendes Guthaben | Credits unter [venice.ai/settings/api](https://venice.ai/settings/api) aufladen | | `415` | Ungültiger Content-Type | JSON mit `Content-Type: application/json` senden | | `429` | Rate-Limit überschritten oder Modell überlastet | Mit Backoff erneut versuchen; `Retry-After`-Header beachten | | `500` | Inferenz-Verarbeitung fehlgeschlagen | Request wiederholen | | `503` | Modell ausgelastet | Nach kurzer Verzögerung erneut versuchen | Wenn Safe Venice aktiviert ist, prüfe Response-Header wie `x-venice-is-blurred` und `x-venice-is-content-violation`, wenn du Moderationsergebnisse programmatisch erkennen musst. *** ## Verfügbare Modelle Aktuelle Modellliste, Preise und Feature-Support unter [Image-Modelle](/models/image).