Bildgenerierung

Schnellstart

Der native Bildendpunkt arbeitet standardmäßig synchron. Setzen Sie den booleschen Wert async auf true, um eine Hintergrundaufgabe zu erstellen. Das Beispiel verwendet qwen-image-2.0.

curl -X POST https://aihubmix.com/ai/v1/images/generations \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-image-2.0",
    "prompt": "A flower shop with delicate windows, warm sunlight streaming in",
    "n": 1,
    "size": "1024x1024",
    "async": true
  }'

{
  "id": "task_01K0ABCDEF",
  "object": "image",
  "model": "qwen-image-2.0",
  "status": "in_progress",
  "output": [],
  "error": null,
  "created_at": 1784707200,
  "completed_at": null,
  "expires_at": null
}

curl https://aihubmix.com/ai/v1/images/{id} \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY"

curl "{content_url}" \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  --output result.png

Wie findet man asynchrone Medienmodelle und ruft ihre Schemas ab?

Die Ermittlung erfolgt in zwei Schritten. Rufen Sie zuerst Text-zu-Bild- oder Text-zu-Video-Modelle mit Unterstützung für die asynchronen APIs aus dem öffentlichen Modellkatalog ab. Verwenden Sie anschließend die model_id, um das Anfrageschema der Endpunkte des Modells abzurufen.

Modelle mit Unterstützung für die asynchronen APIs auflisten

Der Modellkatalog verwendet dieselbe Datenquelle wie Playground. Nutzen Sie type=image_generation für Text-zu-Bild-Modelle und type=video für Text-zu-Video-Modelle. Mit schema_checked=true enthält die Liste nur Modelle mit veröffentlichtem und geprüftem Anfrageschema.

# Text-zu-Bild-Modelle
curl "https://aihubmix.com/api/v1/models?type=image_generation&schema_checked=true&sort_by=order"

# Text-zu-Video-Modelle
curl "https://aihubmix.com/api/v1/models?type=video&schema_checked=true&sort_by=order"

Beide Anfragen verwenden denselben Endpunkt. Der Filter type akzeptiert derzeit einen Wert. Fragen Sie daher jeden Modelltyp separat ab. Die Antwort hat die Form {success, message, data}. Für asynchrone Medienintegrationen sind die folgenden Felder in data relevant.

Feld	Beschreibung
`data[].model_id`	Modell-ID für Generierungsanfragen und nachfolgende Schema-Anfragen
`data[].model_name`	Anzeigename des Modells
`data[].types`	Kommagetrennte Modelltypen, möglicherweise mit `image_generation` und `llm`
`data[].input_modalities`	Kommagetrennte Eingabemodalitäten
`data[].schema_checked`	`true`, wenn das Anfrageschema veröffentlicht und geprüft wurde

{
  "success": true,
  "message": "",
  "data": [
    {
      "model_id": "qwen-image-2.0",
      "model_name": "Qwen Image 2.0",
      "types": "image_generation",
      "input_modalities": "text,image",
      "schema_checked": true
    }
  ]
}

Anfrageschema eines einzelnen Modells abrufen

Unterstützte Felder, Aufzählungswerte und Wertebereiche können je nach Modell variieren. Rufen Sie vor einer Bild- oder Videoanfrage über den folgenden öffentlichen Endpunkt die verfügbaren Endpunkte und Anfrage-JSON-Schemas des gewählten Modells ab.

# Text-zu-Bild-Modell
curl "https://aihubmix.com/call/schema/models/qwen-image-2.0/endpoints"

# Text-zu-Video-Modell
curl "https://aihubmix.com/call/schema/models/wan2.6-t2v/endpoints"

Die Antwort enthält für modality den Wert image oder video. Jeder Eintrag im Array endpoints beschreibt ein verfügbares Aufrufprotokoll.

Feld	Beschreibung
`default_endpoint`	Kennung des Standardendpunkts für das Modell
`endpoints[].endpoint`	Endpunktkennung
`endpoints[].method`	HTTP-Methode, zum Beispiel `POST`
`endpoints[].path`	Anfragepfad
`endpoints[].content_types`	Vom Endpunkt akzeptierte Inhaltstypen
`endpoints[].lifecycle`	Synchroner oder asynchroner Modus, Abfragepfad und Statuswerte
`endpoints[].request.schema`	Vollständiges Anfrage-JSON-Schema für dieses Modell und diesen Endpunkt mit Pflichtfeldern und Wertebeschränkungen

Ein Modell kann sowohl /ai/v1-Endpunkte als auch OpenAI-kompatible /v1-Endpunkte zurückgeben. OpenAI-kompatible Endpunkte unterstützen die neuesten Modelle möglicherweise noch nicht. Verwenden Sie daher bevorzugt die /ai/v1-Endpunkte. Wählen Sie für die asynchronen Aufgaben-APIs den Eintrag mit dem path /ai/v1/images/generations oder /ai/v1/videos aus und verwenden Sie dessen request.schema. Verlassen Sie sich nicht auf die Position eines Eintrags im Array endpoints. Die folgenden Befehle extrahieren das Anfrageschema für die beiden asynchronen Aufgabenendpunkte.

# Text-zu-Bild
curl -s "https://aihubmix.com/call/schema/models/qwen-image-2.0/endpoints" \
  | jq '.endpoints[] | select(.path == "/ai/v1/images/generations") | .request.schema'

# Text-zu-Video
curl -s "https://aihubmix.com/call/schema/models/wan2.6-t2v/endpoints" \
  | jq '.endpoints[] | select(.path == "/ai/v1/videos") | .request.schema'

Der Endpunkt gibt 404 model_not_found zurück, wenn das Modell nicht existiert oder keine auffindbaren Endpunkte besitzt. Wenn die Endpunktdaten vorübergehend nicht verfügbar sind, wird 500 endpoints_unavailable zurückgegeben.

Wie erstellt man Bildaufgaben?

Synchrone Bilder

Wenn Sie async weglassen oder auf false setzen, wartet der Endpunkt auf den Abschluss der Generierung und gibt anschließend das Aufgabenobjekt zurück:

curl -X POST https://aihubmix.com/ai/v1/images/generations \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-image-2.0",
    "prompt": "A flower shop with delicate windows, warm sunlight streaming in",
    "n": 1,
    "size": "1024x1024",
    "response_format": "url"
  }'

Auch synchrone Bildaufgaben werden als Aufgabendatensatz gespeichert. Wird die Clientverbindung unterbrochen oder geht die Erstellungsantwort verloren, können Sie die entsprechende Aufgabe über GET /ai/v1/images suchen.

Asynchrone Bilder

Wenn Sie async auf den booleschen Wert true setzen, gibt der Endpunkt sofort ein Aufgabenobjekt zurück und die Generierung wird im Hintergrund fortgesetzt:

curl -X POST https://aihubmix.com/ai/v1/images/generations \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-image-2.0",
    "prompt": "A flower shop with delicate windows, warm sunlight streaming in",
    "n": 2,
    "size": "1024x1024",
    "async": true
  }'

Fragen Sie asynchrone Bildaufgaben mit GET /ai/v1/images/{id} ab. Nach dem Abschluss können Sie die content_url jedes output-Eintrags direkt anfordern. Diese URL enthält bereits die result_id des jeweiligen Bildes.

async muss in Bildanfragen ein boolescher Wert sein. webhook_url und webhook_events_filter können nur zusammen mit async: true verwendet werden.

Standardfelder für Bilder

Feld	Typ	Erforderlich	Beschreibung
`model`	string	Ja	Modellname
`prompt`	string	Ja	Bildbeschreibung; darf nicht leer sein
`n`	integer/null	Nein	Anzahl der Bilder, Mindestwert `1`, Standardwert `1`
`size`	string/null	Nein	`{width}x{height}`, zum Beispiel `1024x1024`
`aspect_ratio`	string/null	Nein	Seitenverhältnis; alternativ zu `size`
`seed`	integer/null	Nein	Zufallsstartwert
`negative_prompt`	string/null	Nein	Negativer Prompt
`image`	string/object	Nein	Einzelnes Eingabebild als URL, Data URI, Base64 oder `{url}`-Objekt
`images`	array/null	Nein	Mehrere Eingabebilder
`mask`	string/object	Nein	Maske für die Bildbearbeitung
`output_format`	string/null	Nein	`png`, `jpeg` oder `webp`; Standardwert `png`
`response_format`	string/null	Nein	`url` oder `b64_json`; Standardwert `url`
`async`	boolean	Nein	Führt die Aufgabe asynchron aus, wenn der Wert `true` ist
`webhook_url`	string	Nein	HTTPS-Callback-URL mit maximal 512 Zeichen
`webhook_events_filter`	string[]	Nein	Nicht leere Teilmenge von `completed`, `failed` und `cancelled`
`extra`	object/null	Nein	Modellspezifische Zusatzparameter

Objekt einer Medienaufgabe

Die dedizierten Endpunkte für Bilder und Videos geben folgende Struktur zurück:

{
  "id": "task_01K0ABCDEF",
  "object": "image",
  "model": "qwen-image-2.0",
  "status": "completed",
  "output": [
    {
      "index": 0,
      "type": "file",
      "b64_json": null,
      "content_url": "https://aihubmix.com/ai/v1/images/task_01K0ABCDEF/content/result_01K0XYZ"
    }
  ],
  "error": null,
  "created_at": 1784707200,
  "completed_at": 1784707320,
  "expires_at": null
}

Feld	Typ	Beschreibung
`id`	string	Aufgaben-ID der Plattform
`object`	string	`image` oder `video`
`model`	string	Modellname
`status`	string	Aktueller Aufgabenstatus
`output`	array	Bereits generierte Ergebnisse; leeres Array, solange kein Ergebnis vorliegt
`error`	object/null	Fehlerinformationen; kann `code`, `message` und `upstream_detail` enthalten
`created_at`	integer	Erstellungszeit als Unix-Zeit in Sekunden
`completed_at`	integer/null	Zeitpunkt des endgültigen Status als Unix-Zeit in Sekunden
`expires_at`	null	Dedizierte Medienendpunkte geben derzeit `null` zurück

Einträge in output für Medien:

Feld	Typ	Beschreibung
`index`	integer	Reihenfolge des Ergebnisses, beginnend mit `0`
`type`	string	Derzeit `file`
`content_url`	string/null	URL zum Herunterladen des Ergebnisses
`b64_json`	string/null	Base64-codiertes Bildergebnis

Statusbeschreibung

Status	Beendet	Beschreibung
`pending`	Nein	Die Plattform hat die Aufgabe angenommen; sie wartet auf die Ausführung
`in_progress`	Nein	Die Aufgabe wird ausgeführt
`completed`	Ja	Die Aufgabe ist abgeschlossen; `output` kann gelesen werden
`failed`	Ja	Die Aufgabe ist fehlgeschlagen; die Ursache steht in `error`
`cancelled`	Ja	Die Aufgabe wurde abgebrochen

Der Client kann alle 15 Sekunden abfragen, bis der Status completed, failed oder cancelled lautet. Die 15 Sekunden sind eine Empfehlung für das clientseitige Polling und keine Einschränkung des Serverprotokolls.

Wie fragt man Medienaufgaben ab?

Mediendetails abfragen

# Bild
curl https://aihubmix.com/ai/v1/images/{task_id} \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY"

# Video
curl https://aihubmix.com/ai/v1/images/{task_id} \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY"

Die Detailendpunkte für Medien können einen aktualisierten Aufgabenstatus zurückgeben. Verwenden Sie zum Polling von Medien daher den jeweiligen Detailendpunkt für Bilder oder Videos.

Medienliste abfragen

Falls die Erstellungsantwort verloren geht, können Sie die Aufgaben-ID über die entsprechende Medienliste wiederfinden:

curl "https://aihubmix.com/ai/v1/images?limit=20&order=desc" \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY"

Parameter	Typ	Standardwert	Beschreibung
`after`	string	-	Cursor für die Seitennavigation; verwenden Sie `next_after` der vorherigen Seite
`limit`	integer	`20`	Anzahl pro Seite, maximal `100`
`order`	string	`desc`	Mit `asc` aufsteigend; alle anderen Werte werden als `desc` behandelt

{
  "object": "list",
  "data": [
    {
      "id": "task_01K0ABCDEF",
      "object": "image",
      "model": "qwen-image-2.0",
      "status": "in_progress",
      "output": [],
      "error": null,
      "created_at": 1784707200,
      "completed_at": null,
      "expires_at": null
    }
  ],
  "has_more": true,
  "next_after": "task_01K0ABCDEF"
}

Medienlisten geben eine Momentaufnahme zum Abfragezeitpunkt zurück und aktualisieren den Aufgabenstatus nicht aktiv.

Wie verwendet man einheitliche Aufgabenendpunkte?

Die einheitlichen Aufgabenendpunkte unterstützen folgende Filter:

curl "https://aihubmix.com/ai/v1/tasks?object=image&status=in_progress&limit=20&order=desc" \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY"

Parameter	Typ	Standardwert	Beschreibung
`object`	string	-	`llm`, `image` oder `video`
`status`	string	-	`pending`, `in_progress`, `completed`, `failed` oder `cancelled`
`model`	string	-	Exakte Filterung nach Modellname
`after`	string	-	Cursor für die Seitennavigation
`limit`	integer	`20`	Bereich von `1` bis `100`
`order`	string	`desc`	`asc` oder `desc`

Details einer einheitlichen Aufgabe:

curl https://aihubmix.com/ai/v1/tasks/{task_id} \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY"

Einheitlicher output-Eintrag einer Medienaufgabe:

{
  "index": 0,
  "result_id": "result_01K0XYZ",
  "type": "file",
  "content_type": "image/png",
  "content_url": "https://aihubmix.com/ai/v1/tasks/task_01K0ABCDEF/content/result_01K0XYZ"
}

Fordern Sie bei einem einzelnen Artefakt direkt /ai/v1/tasks/{id}/content an. Bei Aufgaben mit mehreren Artefakten müssen Sie /ai/v1/tasks/{id}/content/{result_id} anfordern. Ohne Ergebnis-ID wird 400 result_id_required zurückgegeben.

Die einheitlichen Endpunkte für Aufgabenlisten, Details und Inhalte sind nach dem Bearer Token isoliert, mit dem die Aufgabe erstellt wurde. Andere API Keys desselben Kontos können die Aufgabe nicht lesen.

Medienergebnisse herunterladen

Bilder herunterladen

Fordern Sie nach Abschluss der Bildaufgabe die output[].content_url jedes Eintrags im Medienaufgabenobjekt an:

curl "{content_url}" \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  --output result.png

Der Medienpfad zum Herunterladen eines Bildes lautet /ai/v1/images/{id}/content/{result_id}. Das Medienaufgabenobjekt veröffentlicht result_id nicht separat. Der Client kann direkt content_url verwenden. Wenn b64_json nicht leer ist, können Sie dieses Feld direkt Base64-decodieren.

Webhooks verwenden

Asynchrone Bilder und Videos unterstützen Webhooks auf Aufgabenebene:

curl -X POST https://aihubmix.com/ai/v1/images/generations \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-image-2.0",
    "prompt": "A tranquil garden at sunrise",
    "n": 1,
    "async": true,
    "size": "1024x1024",
    "webhook_url": "https://example.com/webhooks/aihubmix",
    "webhook_events_filter": ["completed", "failed"]
  }'

webhook_url darf höchstens 512 Zeichen lang sein und nicht auf den lokalen Rechner, ein privates Netzwerk oder eine andere eingeschränkte Adresse verweisen. Wenn Sie webhook_events_filter weglassen, sendet die Plattform completed, failed und cancelled. Bei expliziter Angabe darf das Array weder leer sein noch Duplikate enthalten und muss zusammen mit webhook_url verwendet werden. Wenn die Anfrage keine webhook_url enthält, versuchen asynchrone Bilder und Videos, die im Konto konfigurierte Standard-Callback-URL zu verwenden. Eine ungültige Standardadresse des Kontos wird ignoriert und verhindert die Erstellung der Aufgabe nicht.

Callback-Anfrage

{
  "event_id": "evt_01K0ABCDEF",
  "event_type": "completed",
  "created_at": "2026-08-12T12:00:00Z",
  "data": {
    "task_id": "task_01K0ABCDEF",
    "status": "completed",
    "model": "qwen-image-2.0",
    "results": [
      {
        "url": "https://aihubmix.com/ai/v1/tasks/task_01K0ABCDEF/content/result_01K0XYZ"
      }
    ]
  }
}

Feld	Beschreibung
`event_id`	ID des Callback-Ereignisses zur Deduplizierung
`event_type`	`completed`, `failed` oder `cancelled`
`created_at`	Ereigniszeit im Format RFC 3339
`data.task_id`	Aufgaben-ID der Plattform
`data.status`	Aktueller endgültiger Status
`data.model`	Modellname
`data.results[].url`	URL zum Herunterladen des Ergebnisses, die nach Abschluss enthalten sein kann
`data.error`	Fehlerinformationen, die bei einem Fehlschlag enthalten sein können

results ist nur vorhanden, wenn das Ergebnis archiviert wurde. Für den Download ist weiterhin ein Bearer Token erforderlich.

Wiederholungsversuche und Deduplizierung

Die Plattform stellt mindestens einmal zu. Dasselbe Ereignis kann daher mehrfach eintreffen:

HTTP 2xx kennzeichnet einen erfolgreichen Empfang.
HTTP 5xx, Netzwerkfehler oder Zeitüberschreitungen lösen einen erneuten Versuch aus.
Bei HTTP 3xx und 4xx erfolgt kein erneuter Versuch.
Es erfolgen höchstens 6 Zustellversuche mit Abständen von 1, 4, 16, 64 und 256 Sekunden.

Der Empfänger sollte event_id speichern und beim erneuten Empfang desselben Ereignisses direkt 2xx zurückgeben.

Webhooks auf Aufgabenebene besitzen keinen eigenen Signaturschlüssel. Wenn Sie eine Signaturprüfung benötigen, konfigurieren Sie ein Webhook-Abonnement auf Kontoebene und behalten Sie die Abfrage der Aufgabendetails als Bestätigung des Ergebnisses bei.

Fehlerantworten und Fehlercodes

{
  "error": {
    "message": "Task not found.",
    "type": "invalid_request_error",
    "code": "task_not_found",
    "tid": "req_01K0ABCDEF"
  }
}

HTTP-Statuscode	Fehlercode	Beschreibung
400	`invalid_request`	Parametertyp oder Wert ist ungültig
400	`result_id_required`	Die einheitliche Aufgabe besitzt mehrere Ergebnisse, beim Download wurde jedoch keine `result_id` angegeben
400	`webhook_invalid`	Die Webhook-URL ist ungültig oder für den Filter fehlt eine URL
400	`webhook_events_filter_invalid`	Die Webhook-Ereignisliste ist ungültig
401	`authentication_failed`	API Key fehlt oder ist ungültig
403	`async_not_enabled`	Die Funktion für asynchrone Aufgaben ist für das Konto nicht aktiviert
404	`task_not_found`	Aufgabe oder Cursor für die Seitennavigation ist nicht vorhanden
404	`result_not_found`	Ergebnis ist nicht vorhanden oder kann derzeit nicht heruntergeladen werden
410	`artifact_expired`	Ergebnis ist abgelaufen
413	`request_too_large`	Anfrageinhalt überschreitet 32 MiB
429	`too_many_downloads`	Begrenzung der Anzahl von Ergebnisdownloads wurde überschritten
503	`async_unavailable`	Dienst für asynchrone Bilder ist vorübergehend nicht verfügbar

error.tid ist die ID zur Anfrageverfolgung. Geben Sie sie bei einer Anfrage an den technischen Support mit an.

Vollständiges Beispiel

Diese Beispiele erstellen eine asynchrone Aufgabe, fragen sie ab und speichern alle Bilder.

import base64
import os
import time

import requests

base_url = "https://aihubmix.com"
headers = {
    "Authorization": f"Bearer {os.environ['AIHUBMIX_API_KEY']}",
    "Content-Type": "application/json",
}

response = requests.post(
    f"{base_url}/ai/v1/images/generations",
    headers=headers,
    json={
        "model": "qwen-image-2.0",
        "prompt": "A flower shop with delicate windows, warm sunlight streaming in",
        "n": 1,
        "size": "1024x1024",
        "async": True,
    },
    timeout=60,
)
response.raise_for_status()
task = response.json()

while task["status"] not in {"completed", "failed", "cancelled"}:
    time.sleep(15)
    response = requests.get(
        f"{base_url}/ai/v1/images/{task['id']}",
        headers=headers,
        timeout=30,
    )
    response.raise_for_status()
    task = response.json()

if task["status"] != "completed":
    raise RuntimeError(task.get("error") or task["status"])

for output in task["output"]:
    filename = f"result-{output['index']}.png"
    if output.get("b64_json"):
        content = base64.b64decode(output["b64_json"])
    else:
        result = requests.get(output["content_url"], headers=headers, timeout=120)
        result.raise_for_status()
        content = result.content
    with open(filename, "wb") as file:
        file.write(content)

import { writeFile } from "node:fs/promises";

const baseUrl = "https://aihubmix.com";
const headers = {
  Authorization: `Bearer ${process.env.AIHUBMIX_API_KEY}`,
  "Content-Type": "application/json",
};

const created = await fetch(`${baseUrl}/ai/v1/images/generations`, {
  method: "POST",
  headers,
  body: JSON.stringify({
    model: "qwen-image-2.0",
    prompt: "A flower shop with delicate windows, warm sunlight streaming in",
    n: 1,
    size: "1024x1024",
    async: true,
  }),
});
if (!created.ok) throw new Error(await created.text());
let task = await created.json();

const finished = new Set(["completed", "failed", "cancelled"]);
while (!finished.has(task.status)) {
  await new Promise((resolve) => setTimeout(resolve, 15_000));
  const polled = await fetch(`${baseUrl}/ai/v1/images/${task.id}`, { headers });
  if (!polled.ok) throw new Error(await polled.text());
  task = await polled.json();
}

if (task.status !== "completed") {
  throw new Error(JSON.stringify(task.error ?? task.status));
}

for (const output of task.output) {
  let content;
  if (output.b64_json) {
    content = Buffer.from(output.b64_json, "base64");
  } else {
    const result = await fetch(output.content_url, { headers });
    if (!result.ok) throw new Error(await result.text());
    content = Buffer.from(await result.arrayBuffer());
  }
  await writeFile(`result-${output.index}.png`, content);
}

Erste Schritte

Gateway-Funktionen

Modellfähigkeiten

Protokoll-Referenz

Plattform-Verwaltung

Datenschutz und Bedingungen

Schnellstart

Wie findet man asynchrone Medienmodelle und ruft ihre Schemas ab?

Modelle mit Unterstützung für die asynchronen APIs auflisten

Anfrageschema eines einzelnen Modells abrufen

Wie erstellt man Bildaufgaben?

Synchrone Bilder

Asynchrone Bilder

Standardfelder für Bilder

Objekt einer Medienaufgabe

Statusbeschreibung

Wie fragt man Medienaufgaben ab?

Mediendetails abfragen

Medienliste abfragen

Wie verwendet man einheitliche Aufgabenendpunkte?

Medienergebnisse herunterladen

Bilder herunterladen

Webhooks verwenden

Callback-Anfrage

Wiederholungsversuche und Deduplizierung

Fehlerantworten und Fehlercodes

Vollständiges Beispiel

​Schnellstart

​Wie findet man asynchrone Medienmodelle und ruft ihre Schemas ab?

​Modelle mit Unterstützung für die asynchronen APIs auflisten

​Anfrageschema eines einzelnen Modells abrufen

​Wie erstellt man Bildaufgaben?

​Synchrone Bilder

​Asynchrone Bilder

​Standardfelder für Bilder

​Objekt einer Medienaufgabe

​Statusbeschreibung

​Wie fragt man Medienaufgaben ab?

​Mediendetails abfragen

​Medienliste abfragen

​Wie verwendet man einheitliche Aufgabenendpunkte?

​Medienergebnisse herunterladen

​Bilder herunterladen

​Webhooks verwenden

​Callback-Anfrage

​Wiederholungsversuche und Deduplizierung

​Fehlerantworten und Fehlercodes

​Vollständiges Beispiel

Schnellstart

Wie findet man asynchrone Medienmodelle und ruft ihre Schemas ab?

Modelle mit Unterstützung für die asynchronen APIs auflisten

Anfrageschema eines einzelnen Modells abrufen

Wie erstellt man Bildaufgaben?

Synchrone Bilder

Asynchrone Bilder

Standardfelder für Bilder

Objekt einer Medienaufgabe

Statusbeschreibung

Wie fragt man Medienaufgaben ab?

Mediendetails abfragen

Medienliste abfragen

Wie verwendet man einheitliche Aufgabenendpunkte?

Medienergebnisse herunterladen

Bilder herunterladen

Webhooks verwenden

Callback-Anfrage

Wiederholungsversuche und Deduplizierung

Fehlerantworten und Fehlercodes

Vollständiges Beispiel