Kraftfull API för bakgrundsborttagning för utvecklare
Integrera banbrytande AI-driven bakgrundsborttagning i dina applikationer med vår robusta och flexibla API.
Skaffa API-nyckelProblemfri integrering
Implementera bakgrundsborttagning i din app med bara några få rader kod. Vår väl dokumenterade API och SDKs för populära språk gör integreringen enkel.
Anpassningsbar utskrift för olika applikationer
Anpassa bakgrundsborttagningsprocessen efter dina behov. Justera parametrar, exportera i olika format och ersätt till och med bakgrunder programmat.
Enterprise-klassad prestanda
Byggd för skala och hastighet. Vår API hanterar miljontals förfrågningar dagligen med låg latens, vilket säkerställer att dina applikationer förblir lyhörda även under hög belastning.
Lås upp nya funktioner i dina appar
Gör det möjligt för dina användare med avancerade bildredigeringsfunktioner. Från e-handelsplattformar till sociala medier-appar är möjligheterna oändliga med vår bakgrundsborttagnings-API.
Rekommenderade verktyg för utvecklare
Hur ett litet utvecklarteam levererade en profilbildsbeskärningsfunktion på en sprint
Ett fyrapersonsutvecklarteam som byggde en hobbymarknadsplats-app behövde en profilbildsfunktion som omvandlade en användares avslappnade telefonbild till en ren katalogliknande avatar. Produktchefen ville ha den i nästa sprint, designern ville ha varumärkesanpassade bakgrunder som användaren kunde välja från och plattformsteamet ville ha inga nya serverkostnader. En traditionell integration hade inneburit en betald API-nyckel, en ny mikrotjänst och en kö.
Teamet kopplade in redigerarens webbläsarbaserade urklipp i det befintliga uppladdningsflödet som ett klientsidigt steg. Användaren väljer ett foto, urklippet körs lokalt på deras enhet, användaren väljer en av tre varumärkesanpassade bakgrunder och den resulterande JPEG:en går direkt till samma R2-bucket som resten av uppladdningsflödet använder. Ingen serversidesbearbetning, ingen nyckelrotation, ingen fakturering per begäran. Hela funktionen levererades på 480 rader kod, inklusive väljarens UI och analyshändelserna.
Funktionen gick live i slutet av sprinten, bearbetade 14 000 avatarer den första månaden utan extra infrastrukturkostnad och sänkte teamets profilifyllningsfrekvens från 31 procent till 58 procent eftersom väljaren kändes som en kurerad upplevelse istället för ett besvärligt uppladdningsfält. Plattformsfakturan förblev platt. Teamet behöll samma mönster i tankarna för ett framtida produktlistningsfotosteg.
"Vi behövde en avatarbeskärare som inte lade till en serversidestjänst eller ett betalt API. Att koppla in det webbläsarbaserade urklippet i vårt uppladdningsflöde tog en sprint och levererades till noll marginalkostnad per användare. Plattformsteamet märkte att vår förfrågansgraf inte ändrades."
"Jag är den enda ingenjören och behövde ett profilbildssteg som inte drog in en tredjeparts-SDK vi skulle behöva sköta för alltid. Ett klientsidigt urklipp betydde att jag levererade funktionen och sedan glömde den. Inga nycklar att rotera, inga hastighetsgränser, inga supportärenden sex månader senare."
"Att bunta in en tung SDK i en startmall får hela projektet att kännas uppblåst. Det webbläsarbaserade tillvägagångssättet betyder att bidragsgivare kan forka mallen utan att behöva ställa in ett tredjepartskonto. Adoption av fotosteget är upp sedan jag bytte."
Verktyg som passar utvecklarens arbetsflöde
Vanliga frågor för utvecklare
Finns det ett stabilt API för det webbläsarbaserade urklippet, eller behöver jag bädda in redigerarens iframe?
Redigeraren exponerar en liten JavaScript-yta som du kan anropa från din egen sida när modellen är laddad. Urklippet returnerar en Blob du äger, så du kan skicka den direkt till din befintliga uppladdningspipeline. Modell-laddaren hanterar caching över sessioner via Cache API, så det andra besöket är snabbt. Ingen iframe krävs och ingen postMessage-handshake, funktionen är anropbar som vilken annan klientsidig bildoperation som helst.
Vad är cold-start-kostnaden för modellen för en förstagångsbesökare?
Första laddningen hämtar WASM-runtime och modellvikterna, vilket tillsammans är ungefär 30 MB över tråden. En modern bredbandsanslutning klarar det på två eller tre sekunder; ett långsamt mobilnät närmare tio. Efterföljande besök träffar Cache API och startar omedelbart. För latenskänsliga appar värmer en preload-hint i HTML-headet cachen innan användaren når fotosteget. Serverassisterad fallback finns för enheter som inte kan köra modellen lokalt.
Finns det användningsgränser eller kvoter om jag integrerar detta i en kommersiell produkt?
Den webbläsarbaserade pipelinen körs på användarens enhet, så det finns ingen kvot per begäran och ingen hastighetsgräns att förhandla. Serverassisterad fallback för den sällsynta enhet som inte kan köra modellen lokalt har sin egen kvot dokumenterad separat. För kommersiella integrationer med hög volym är rekommendationen att hantera det lokala urklippet som standard och visa server-fallback endast vid kapacitetsdetekteringsfel, vilket håller kostnaden förutsägbar när du skalar.
Bygg en fotofunktion utan att lägga till en tjänst
Koppla in webbläsarbaserad bakgrundsborttagning i din befintliga uppladdningskomponent, behåll filen på användarens enhet och pipa resultatet rakt till din lagring.