根据文本提示词生成图像，可选提供最多 4 张参考图像（asset_id / url / inline_data）。编辑时，通过提示词中的指令配合参考图像即可，无需蒙版。此接口同步返回图像 URL，可直接将该 URL 用于其他接口（视频的 refs、first_frame/end_frame）。生成的图像不会自动加入素材库；如需保存到素材库，请调用 POST /api/v1/asset。按图像计费，仅成功时扣除点数。Beta 期间每个 API Key 的并发数受限，超限请求会被拒绝，不会排队。
请求头
X-API-Keystring必填你的 VisionStory API Key（sk-vs-...），请仅保存在服务端。可在 API Key 管理 中创建或管理，需要 Pro 或更高方案。
请求体
application/json必填aspect_ratiostring | null可为空宽高比，例如 1:1 / 16:9 / 9:16，默认 1:1。
model_idstring必填模型 ID，请查询 GET /api/v1/image/models。
promptstring必填文本提示词；提供 refs 时，也用于指定编辑指令。
refsMediaRef[] | null可为空最多 4 张参考图像，通过 asset_id / url / inline_data 提供。
asset_idstring | null可为空POST /api/v1/asset 返回的素材 ID，用于跨请求复用素材。
inline_dataInlineDataModel | null可为空仅供本次使用的内嵌 base64 媒体数据，不会加入素材库。图像支持 image/jpeg、image/jpg、image/png、image/webp、image/bmp、image/tiff、image/gif；音频支持 audio/wav、audio/x-wav、audio/wave、audio/mpeg、audio/mp3；视频支持 video/mp4、video/quicktime、video/mov。
datastring必填文件原始字节编码后的 base64 字符串，不包含 data: URI 前缀。
mime_typestring必填内嵌数据的 MIME 类型，网关据此区分图像、音频和视频。可接受的类型取决于具体接口，请参阅包含此对象的字段说明。数字人视频接受音频 ['audio/avi', 'audio/mpeg', 'audio/mp3', 'audio/mp4', 'audio/m4a', 'audio/wav'] 和图像 ['image/jpeg', 'image/jpg', 'image/png', 'image/webp', 'image/heic']。
urlstring | null可为空仅供本次使用的公开可访问媒体 URL，不会加入素材库。
resolutionstring | null可为空输出分辨率档位：1K（默认）或 2K。
响应
200请求成功
application/json
dataCreateImageResponse | null必填可为空当前接口的响应数据，字段定义见该接口的响应结构。仅当操作不返回数据时为 null。
cost_creditinteger生成此图像扣除的点数。
heightinteger像素高度。
model_idstring实际使用的模型 ID。
urlstring必填生成的 PNG 图像的 CDN URL，可直接用于其他接口的参考素材或首尾帧。
widthinteger像素宽度。
messagestring便于阅读的状态消息；调用成功时为 "success"。
server_timestring · date-time必填服务端生成响应时的时间戳，使用 ISO 8601 格式（UTC）。
default错误响应。所有失败均使用统一结构：error 对象包含数字错误码 code、便于阅读的 message、可选的 details 字符串，以及提供后续处理建议的可选 hint（便于 AI Agent 使用）。
application/json
errorErrorDetail必填codeinteger必填机器可读的错误码。传输层失败时对应 HTTP 状态码（例如 401、404、422、500），其他情况可能使用业务专用错误码。
detailsstring | null可为空可选的结构化错误详情，例如 422 响应中逐字段校验错误的 JSON 字符串。无补充信息时不返回。
hintstring | null可为空供用户和 AI Agent 参考的错误处理建议，例如如何修正请求或在哪里获取 API Key。可能不返回此字段。
messagestring必填便于阅读的错误原因说明，可安全记录到日志或展示给最终用户；此返回值未本地化。