atlas-cloud

تولید و ویرایش تصویر و ویدیو با مدل‌های چندگانه از طریق Atlas Cloud

این مهارت تولید یا ویرایش تصویر و ویدیو را از طریق درگاه Atlas Cloud انجام می‌دهد و به مدل‌هایی مانند Seedance، Gemini Omni Flash، MiniMax H3، Seedream، GPT Image و Nano Banana دسترسی می‌دهد.

پیش از هر درخواست پولی، مدل و عملیات معتبر را از کاتالوگ بررسی می‌کند، هزینه تقریبی را اعلام می‌کند و خروجی‌ها را در مسیر پروژه ذخیره و بررسی می‌کند؛ بنابراین برای تولیدهای چندمرحله‌ای و مدیریت‌شده، جایگزین مناسبی برای اتصال جداگانه به چند ارائه‌دهنده است.

چه چیزی می‌گیرید

تولید و ویرایش تصویر با مدل‌های مختلف Atlas Cloud
تولید ویدیو از متن، تصویر یا مجموعه‌ای از تصاویر، ویدیوها و صداهای مرجع
انتخاب مدل و مسیر دقیق بر اساس کاتالوگ به‌روز Atlas
اعلام مدل، تعداد درخواست و هزینه تقریبی پیش از اجرای فراخوان پولی
ذخیره خروجی‌ها و ارائه اطلاعات provenance شامل مدل، شناسه پیش‌بینی و مسیر فایل

برای چه کاری خوب است

تیم‌های تولید محتوای ویدیویی که به چند مدل تصویر و ویدیو از یک درگاه نیاز دارند
پروژه‌هایی که از تصاویر، ویدیوها یا فایل‌های صوتی مرجع برای حفظ تداوم بصری استفاده می‌کنند
کاربرانی که می‌خواهند تولید رسانه‌ای را داخل ساختار پروژه و با کنترل هزینه انجام دهند

برای چه کاری نیست

درخواست‌هایی که به مدل یا endpoint مستقیم یک فروشنده خارج از Atlas Cloud نیاز دارند
پروژه‌هایی که کلید ATLASCLOUD_API_KEY یا بودجه لازم برای فراخوان‌های پولی را ندارند
تولیدهای آزمایشی که به کنترل کامل زیرساخت و پارامترهای API ارائه‌دهنده مستقیم نیاز دارند

دربارهٔ این اسکیل

Atlas Cloud

Route complete productions through image_selector or video_selector. Call
atlas_image or atlas_video directly when the user names Atlas Cloud or an
exact Atlas model. Never substitute a direct vendor endpoint for an Atlas request.

Set ATLASCLOUD_API_KEY. The aliases ATLAS_CLOUD_API_KEY and ATLAS_API_KEY
are accepted for compatibility.

Preflight every paid call

Read tool.get_info()["model_catalog"]; do not infer availability from a search collection or invent a task suffix.
Select an exact model id and operation supported by that catalog.
Announce the Atlas tool, provider, exact model, request count, and estimated cost before submitting.
Use local-path inputs when convenient. The tool uploads them through Atlas.
Save outputs inside the active projects/<project-id>/ tree and inspect them.

Video routes

Family	Operations	Exact route notes
Seedance 2.5	text, image, reference	`bytedance/seedance-2.5/{text,image,reference}-to-video`; image mode uses `image` plus optional `last_image`; reference mode accepts up to 30 images, 10 videos, and 10 audios (including audio-only); 4–30s; $0.134/s
Seedance 2.0	text, image, reference	`bytedance/seedance-2.0/{text,image,reference}-to-video`; 4–15s; $0.112/s
Gemini Omni Flash	text, image, reference, video edit	Standard routes use `google/gemini-omni-flash/...`; developer routes exist for text/image/reference only. Standard image mode uses one `image`; standard reference uses `images`; developer reference requires one `video_clips` object.
MiniMax H3	text, image, reference	`minimax/h3/{text,image,reference}-to-video`; image mode supports optional `end_image`; reference mode requires `refers` objects; 4–15s; 768P/2K; $0.10/s

Use canonical OpenMontage fields:

tool.execute({
    "prompt": "...",
    "model": "minimax/h3/reference-to-video",
    "operation": "reference_to_video",
    "duration": 10,
    "resolution": "2K",
    "reference_images": ["projects/demo/character.png"],
    "reference_audios": ["projects/demo/performance.wav"],
    "output_path": "projects/demo/h3.mp4",
})

For Gemini developer reference video, pass video_clips objects with url,
start, and ends. For H3, callers may pass normalized reference_images,
reference_videos, and reference_audios; the tool converts them to refers.

Do not silently clamp duration, resolution, or ratio. Invalid values must fail
before billing with the supported choices in the error.

Image routes

Family	Operations	Exact route notes
Seedream 5.0 Pro	generate, edit, decompose	`bytedance/seedream-v5.0-pro/text-to-image`, `/edit`, `/layer-decomposition`; edit accepts up to 10 images; sizes use `WIDTH*HEIGHT`
Seedream 5.0 Lite	edit	`bytedance/seedream-v5.0-lite/edit`; no live Lite text-to-image sibling is assumed; accepts up to 14 images
GPT Image 2	generate, edit	`openai/gpt-image-2/text-to-image`, `/edit`; sizes use `WIDTHxHEIGHT`; edit accepts up to 10 images
Nano Banana 2	generate, edit	`google/nano-banana-2/text-to-image`, `/edit`; uses aspect ratio plus 1k/2k/4k resolution; edit accepts up to 14 images

Set generation_mode to generate, edit, or decompose. Source images can
be supplied as image_path, image_paths, image_url, or image_urls.

tool.execute({
    "prompt": "Replace the packaging with matte cobalt glass; preserve the logo",
    "model": "google/nano-banana-2/edit",
    "generation_mode": "edit",
    "image_paths": ["projects/campaign/source.png"],
    "resolution": "2k",
    "output_path": "projects/campaign/revised.png",
})

Result and failure contract

Both tools submit to Atlas, poll the returned prediction id, download every
output, and return ToolResult provenance containing the provider, exact model,
prediction id, submitted parameters, source URL, artifact paths, and estimated
cost. A missing key, unsupported route, invalid enum, missing media input, failed
prediction, timeout, or download failure must return a failed result without
switching providers.

Confirm current pricing and schemas from the machine-readable model page
(Accept: text/markdown) immediately before quoting or spending on a batch.

دانلود ZIP