这些颜色有多准确？

它们是合理的，而非经过核实的。模型并不知道 1953 年那件外套究竟是什么颜色；它根据画面中可见的一切给出最可能的着色。肤色、植被和天空通常令人信服，因为它们的取值范围较窄；衣物、油漆表面以及其他颜色任意的物体则属于有依据的推测。用于历史影像时，请把输出作为一种诠释来呈现。

上色的费用是多少？

每次成功调用 2 积分。Starter 每月 400 积分、9.99 美元，Pro 每月 1,400 积分、29.99 美元，订阅期内未使用的积分可滚存。

如何把上色 API 集成到我的应用中？

在 ImgGen 账户中创建一个 API 密钥，然后向 https://app.imggen.ai/v1/colorize-photo POST 一个带 image 字段的 multipart 表单，并用 Authorization: Bearer 请求头进行认证。把 JSON 响应中 base64 的 image 字段解码后，写入您存放素材的位置即可。本页提供了 cURL、Node.js 与 Python 示例。

这个和修复 API 有什么区别？

这个端点是为添加色彩设计的，并可选择修复撕裂。修复端点是为修复损伤设计的，并可选择添加色彩。如果照片主要是受损了，请用修复；如果它只是黑白的，就用这个。

支持哪些格式和尺寸？

该 API 接受 JPEG（JPG）、PNG 和 WebP 文件，每张图片最大 25 MB。结果以 base64 编码的图像形式在 JSON 响应中返回。

你们会存储我发送的图片吗？

不会。该 API 是无状态的：它不会创建项目、不会保存文件，也不会保留您的图像。您上传的文件会写入一个临时对象，处理完成后在响应返回的同时立即删除。唯一保留的是一条使用日志，记录发生过一次调用以及消耗了多少积分。您的图像绝不会用于训练模型。

2 积分每次调用

照片上色 API

一个请求就能把黑白照片变成色彩自然的图像。可在同一次调用中选择修复撕裂，整个过程无需手动挑选任何颜色。

REST · JSON
无水印
不存储任何内容

获取 API 密钥查看文档

endpoint

POST /v1/colorize-photo

基础 URL: https://app.imggen.ai
认证: Authorization: Bearer sk_live_…
费用: 2 积分
输入: JPEG (JPG), PNG and WebP · max 25 MB

01 — 概览

什么是照片上色 API？

ImgGen AI 上色 API 是一个 REST 端点，为黑白或灰度图像添加逼真色彩。模型会依据图像本身的内容推断皮肤、衣物、植被、天空和材质的合理颜色，因此无需参考色板，也无需手动选择。上色后的结果会在同一个响应中返回。

这是 ImgGen AI 图像编辑 API 七个端点之一，它们共用同一个 API 密钥、同一个基础 URL，以及相同的请求与响应格式。如果您还需要在浏览器中而非通过代码使用该功能，同一套 AI 模型也驱动着 Colorize Photo 工具。

02 — 请求

请求参数

向 https://app.imggen.ai/v1/colorize-photo 发送一个 POST 请求，并在 Authorization 请求头中使用 API 密钥进行认证。

此端点接受的参数
参数	类型	必填	默认值	说明
image	file	必填	—	在上色的同时修复划痕与撕裂。
removeTears	boolean	可选	false	Repair scratches and tears while colorizing.

03 — 集成

如何集成照片上色 API？

在您的 ImgGen 账户中创建一个 API 密钥，将其设为环境变量，然后调用该端点。以下是同一个请求的 cURL、Node.js 与 Python 写法。

curl --request POST \
  --url 'https://app.imggen.ai/v1/colorize-photo' \
  --header 'Authorization: Bearer sk_live_YOUR_API_KEY' \
  --form image=@/path/to/photo.jpg \
  --form removeTears=false

import fs from 'node:fs';

const form = new FormData();
form.append('image', new Blob([fs.readFileSync('photo.jpg')]), 'photo.jpg');
form.append('removeTears', 'false');

const res = await fetch('https://app.imggen.ai/v1/colorize-photo', {
  method: 'POST',
  headers: { Authorization: `Bearer ${process.env.IMGGEN_API_KEY}` },
  body: form,
});

const data = await res.json();
// data.image is a base64-encoded PNG
fs.writeFileSync('result.png', Buffer.from(data.image, 'base64'));

import base64, os, requests

with open("photo.jpg", "rb") as f:
    res = requests.post(
        "https://app.imggen.ai/v1/colorize-photo",
        headers={"Authorization": f"Bearer {os.environ['IMGGEN_API_KEY']}"},
        files={"image": f},
    data={"removeTears": "false"},
    )

data = res.json()
with open("result.png", "wb") as out:
    out.write(base64.b64decode(data["image"]))

04 — 响应

响应

成功的调用会返回 JSON。结果为 base64 编码——写入磁盘或对象存储前请先解码。每次成功的响应还会带上 X-Credit-Remaining 请求头，显示本次调用后的余额。

{
  "success": true,
  "message": "Image colorized successfully",
  "image": "iVBORw0KGgoAAAANSUhEUgAA...SUVORK5CYII="
}

05 — 限制

值得了解的限制与行为

该端点接受 JPEG（JPG）、PNG 和 WebP，文件最大 25 MB，并在 60 秒内同步返回结果——无需轮询任务，也无需配置 webhook。

色彩是推断出来的，不是还原的

模型根据图像内容预测合理的色彩。它给出的是一种令人信服的诠释，而非经过史料核实的结果——如果您把结果展示给用户，值得如实说明这一点。

上色的同时修复

设置 removeTears=true，即可在同一次处理中修正划痕与物理损伤，无需再调用一次修复端点。

已有色彩的图像

该端点是为灰度输入设计的。发送本就有色彩的图像并无意义——如果目的是修复，请使用修复端点。

06 — 生产实践