Intégration et utilisation de l'API Flux Tasks

La principale fonctionnalité de l’API Flux Tasks est de permettre la consultation de l’état d’exécution d’une tâche en utilisant l’ID de tâche généré par l’API Flux Images Generation. Ce document détaillera les instructions d’intégration de l’API Flux Tasks, vous aidant à intégrer facilement et à tirer pleinement parti de la puissance de cette API. Grâce à l’API Flux Tasks, vous pouvez facilement interroger l’état d’exécution des tâches de l’API Flux Images Generation.

Processus de demande

Pour utiliser l’API Flux Images Generation, commencez par obtenir votre jeton API sur le tableau de bord Ace Data Cloud pour le garder en réserve.

Si vous n’êtes pas encore connecté ou inscrit, vous serez automatiquement redirigé vers la page de connexion vous invitant à vous inscrire et à vous connecter, après quoi vous serez automatiquement renvoyé à la page actuelle. Un jeton API suffit pour appeler tous les services de la plateforme, sans avoir besoin de demander séparément pour chaque service. La première demande vous donnera un quota gratuit pour une expérience sans frais ; lorsque le quota est insuffisant, vous pouvez recharger le solde général sur le tableau de bord.

📘 Documentation complète : Flux Images Generation API →

Exemple de demande

L’API Flux Tasks peut être utilisée pour interroger les résultats de l’API Flux Images Generation. Pour savoir comment utiliser l’API Flux Images Generation, veuillez consulter la documentation Flux Images Generation API. Prenons un exemple avec un ID de tâche retourné par le service Flux Images Generation. Supposons que nous ayons un ID de tâche : 2db0168c-2373-4367-8d9a-9dc778802e8a, nous allons maintenant démontrer comment l’utiliser en passant cet ID de tâche.

Exemple de tâche

Configuration des en-têtes de demande et du corps de la demande

Request Headers comprend :

accept : spécifie que la réponse doit être au format JSON, ici rempli avec application/json.
authorization : la clé pour appeler l’API, que vous pouvez sélectionner directement après la demande.

Request Body comprend :

id : l’ID de la tâche téléchargée.
action : la manière d’opérer sur la tâche.

Configuration comme indiqué dans l’image ci-dessous :

Exemple de code

Vous pouvez voir que divers langages de code ont déjà été générés automatiquement sur le côté droit de la page, comme illustré :

Voici quelques exemples de code :

CURL

curl -X POST 'https://api.acedata.cloud/flux/tasks' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "id": "2c454ff3-4f8f-47f0-8147-acb29a84d1c2",
  "action": "retrieve"
}'

Python

import requests

url = "https://api.acedata.cloud/flux/tasks"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "id": "2c454ff3-4f8f-47f0-8147-acb29a84d1c2",
    "action": "retrieve"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Exemple de réponse

Après une demande réussie, l’API renverra les détails de la tâche d’image ici. Par exemple :

{
  "_id": "677de81d550a4144a5f4cf62",
  "id": "2db0168c-2373-4367-8d9a-9dc778802e8a",
  "api_id": "deefc5d7-7f22-43e9-929e-f2b6afee60b7",
  "application_id": "001c2f84-2a4a-4c4d-ba3f-8a89f43b5be2",
  "created_at": 1736304669.779,
  "started_at": 1736304669.839,
  "finished_at": 1736304679.439,
  "elapsed": 9.6,
  "credential_id": "b00bddd3-140f-4343-a9a2-affb312b60de",
  "request": {
    "action": "generate",
    "size": "1024x1024",
    "prompt": "un chat siamois blanc"
  },
  "trace_id": "6624929c-bb80-40c0-81e8-d96af8405d19",
  "user_id": "ad7afe47-cea9-4cda-980f-2ad8810e51cf",
  "response": {
    "success": true,
    "task_id": "2db0168c-2373-4367-8d9a-9dc778802e8a",
    "trace_id": "6624929c-bb80-40c0-81e8-d96af8405d19",
    "data": [
      {
        "prompt": "un chat siamois blanc",
        "image_url": "https://cdn.acedata.cloud/e724d7f13d.png",
        "seed": 281520112,
        "timings": {
          "inference": 3.193
        }
      }
    ]
  }
}

Le résultat de la réponse contient plusieurs champs, le champ request est le corps de la demande lors de l’initiation de la tâche, tandis que le champ response est le corps de la réponse retourné après l’achèvement de la tâche. Les descriptions des champs sont les suivantes.

id, l’ID de la tâche d’image générée, utilisé pour identifier de manière unique cette tâche de génération d’image.
request, informations de demande dans la tâche d’image.
response, informations de retour dans la tâche d’image.
created_at, date de création de la tâche, horodatage Unix (secondes, flottant).
started_at, date de début d’exécution de la tâche, horodatage Unix (secondes, flottant).
finished_at, date de fin de la tâche, horodatage Unix (secondes, flottant). Ce champ n’est pas retourné si la tâche n’est pas terminée.
elapsed, temps d’exécution de la tâche, en secondes (flottant, avec 3 décimales). Ce champ n’est pas retourné si la tâche n’est pas terminée.

Opération de requête en masse

Ceci est destiné à interroger les détails des tâches d’image pour plusieurs ID de tâche, contrairement à ce qui précède, il faut sélectionner l’action comme retrieve_batch. Request Body comprend :

ids : tableau des ID de tâches téléchargées.
action : la manière d’opérer sur les tâches.

Configuration comme indiqué dans l’image ci-dessous :

Exemple de code

Vous pouvez voir que divers langages de code ont déjà été générés automatiquement sur le côté droit de la page, comme illustré :

Voici quelques exemples de code :

Exemple de réponse

Après une demande réussie, l’API renverra les détails spécifiques de toutes les tâches d’image en masse. Par exemple :

{
  "items": [
    {
      "_id": "677de81d550a4144a5f4cf62",
      "id": "2db0168c-2373-4367-8d9a-9dc778802e8a",
      "api_id": "deefc5d7-7f22-43e9-929e-f2b6afee60b7",
      "application_id": "001c2f84-2a4a-4c4d-ba3f-8a89f43b5be2",
      "created_at": 1736304669.779,
      "started_at": 1736304669.839,
      "finished_at": 1736304679.439,
      "elapsed": 9.6,
      "credential_id": "b00bddd3-140f-4343-a9a2-affb312b60de",
      "request": {
        "action": "generate",
        "size": "1024x1024",
        "prompt": "un chat siamois blanc"
      },
      "trace_id": "6624929c-bb80-40c0-81e8-d96af8405d19",
      "user_id": "ad7afe47-cea9-4cda-980f-2ad8810e51cf",
      "response": {
        "success": true,
        "task_id": "2db0168c-2373-4367-8d9a-9dc778802e8a",
        "trace_id": "6624929c-bb80-40c0-81e8-d96af8405d19",
        "data": [
          {
            "prompt": "un chat siamois blanc",
            "image_url": "https://cdn.acedata.cloud/e724d7f13d.png",
            "seed": 281520112,
            "timings": {
              "inference": 3.193
            }
          }
        ]
      }
    },
    {
      "_id": "677de950550a4144a5f52963",
      "id": "72bdd69d-290d-4710-a6d4-60c78968865a",
      "api_id": "deefc5d7-7f22-43e9-929e-f2b6afee60b7",
      "application_id": "001c2f84-2a4a-4c4d-ba3f-8a89f43b5be2",
      "created_at": 1736304976.278,
      "started_at": 1736304976.338,
      "finished_at": 1736304985.938,
      "elapsed": 9.6,
      "credential_id": "b00bddd3-140f-4343-a9a2-affb312b60de",
      "request": {
        "action": "generate",
        "size": "1024x1024",
        "prompt": "un chat siamois blanc"
      },
      "trace_id": "1dca4b49-d31d-42e6-83d9-7f0c56f62d31",
      "user_id": "ad7afe47-cea9-4cda-980f-2ad8810e51cf",
      "response": {
        "success": true,
        "task_id": "72bdd69d-290d-4710-a6d4-60c78968865a",
        "trace_id": "1dca4b49-d31d-42e6-83d9-7f0c56f62d31",
        "data": [
          {
            "prompt": "un chat siamois blanc",
            "image_url": "https://cdn.acedata.cloud/e724d7f13d.png",
            "seed": 1437672535,
            "timings": {
              "inference": 3.175
            }
          }
        ]
      }
    }
  ],
  "count": 2
}

Le résultat retourné contient plusieurs champs, parmi lesquels items contient les détails spécifiques des tâches d’images en lot. Chaque tâche d’image a les mêmes informations de champ que celles décrites précédemment, les champs sont les suivants.

items : tous les détails spécifiques des tâches d’images en lot. C’est un tableau, chaque élément du tableau a le même format que le résultat de la requête d’une tâche unique décrite ci-dessus.
count : le nombre de tâches d’images dans cette requête en lot.

CURL

curl -X POST 'https://api.acedata.cloud/flux/tasks' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "ids": ["2db0168c-2373-4367-8d9a-9dc778802e8a","72bdd69d-290d-4710-a6d4-60c78968865a"],
  "action": "retrieve_batch"
}'

Python

import requests

url = "https://api.acedata.cloud/flux/tasks"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "ids": ["2db0168c-2373-4367-8d9a-9dc778802e8a","72bdd69d-290d-4710-a6d4-60c78968865a"],
    "action": "retrieve_batch"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Gestion des erreurs

Lors de l’appel de l’API, si une erreur survient, l’API renverra un code d’erreur et un message correspondant. Par exemple :

400 token_mismatched : Mauvaise requête, possiblement due à des paramètres manquants ou invalides.
400 api_not_implemented : Mauvaise requête, possiblement due à des paramètres manquants ou invalides.
401 invalid_token : Non autorisé, jeton d’autorisation invalide ou manquant.
429 too_many_requests : Trop de requêtes, vous avez dépassé la limite de fréquence.
500 api_error : Erreur interne du serveur, un problème est survenu côté serveur.

Exemple de réponse d’erreur

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

Conclusion

Grâce à ce document, vous avez appris comment utiliser l’API FLux Tasks pour interroger les détails spécifiques d’une ou plusieurs tâches d’images en lot. Nous espérons que ce document vous aidera à mieux intégrer et utiliser cette API. Pour toute question, n’hésitez pas à contacter notre équipe de support technique.

Démarrage

Chat IA

Image IA

Vidéo IA

Audio IA

Web & Données

CAPTCHA

Identité

Proxy

Avancé

Coding

Intégration et utilisation de l'API Flux Tasks

Processus de demande

Exemple de demande

Exemple de tâche

Configuration des en-têtes de demande et du corps de la demande

Exemple de code

CURL

Python

Exemple de réponse

Opération de requête en masse

Exemple de code

Exemple de réponse

CURL

Python

Gestion des erreurs

Exemple de réponse d’erreur

Conclusion

​Processus de demande

​Exemple de demande

​Exemple de tâche

​Configuration des en-têtes de demande et du corps de la demande

​Exemple de code

​CURL

​Python

​Exemple de réponse

​Opération de requête en masse

​Exemple de code

​Exemple de réponse

​CURL

​Python

​Gestion des erreurs

​Exemple de réponse d’erreur

​Conclusion

Processus de demande

Exemple de demande

Exemple de tâche

Configuration des en-têtes de demande et du corps de la demande

Exemple de code

CURL

Python

Exemple de réponse

Opération de requête en masse

Exemple de code

Exemple de réponse

CURL

Python

Gestion des erreurs

Exemple de réponse d’erreur

Conclusion