教程
用 Seedream 5.0 Pro Layerize API 把一张图拆成可编辑图层
Jacey
2026年8月15日
12 分钟阅读
现在多数所谓的「AI 修图」，本质上还是把整张图重新生成一遍，然后祈祷你满意的部分能活下来。Seedream 5.0 Pro Layerize（图层拆分）换了个思路：你给它一张成品图，它把这张图拆开还给你——一张底图，加上若干张透明 PNG 图层，每一层都是一个可以单独移动、缩放、替换的元素。
最短路径：向
https://api.evolink.ai/v1/images/generations 发 POST，model 填 doubao-seedream-5.0-pro-layerize，带上恰好一张图片 URL。返回的是任务 ID 而不是图片——这个模型是异步的，耗时约 120 秒。之后轮询 GET /v1/tasks/{task_id}，等 status 变成 completed，再从 result_data 里取图层。本文重点讲容易踩坑的地方：三种「指定拆哪些元素」的方式、为什么按张计费让图层数量成为成本的主要变量，以及比普通生成更严格的输入限制。
你会拿到什么
一次请求产出 1 到 17 张图：1 张底图，加最多 16 个图层。
| 产出 | 格式 | 是什么 |
|---|---|---|
| 底图 | 跟随 output_format（默认 jpeg） | 背景，且被拿走的元素下方会自动补全 |
| 图层 1…16 | 恒为带 alpha 通道的 PNG，不受 output_format 影响 | 每层一个元素，其余区域透明 |
值得停一下的是底图。当 Layerize 把标题文字从海报上揭下来时，它不会留一个洞——而是把文字底下原本的内容重建出来。这正是它和「抠图 / 分割蒙版」的本质区别，也是产出能直接丢进设计软件、不用二次修补的原因。
图层数量不由你决定。没有任何参数能控制它，拆出几层取决于拆分结果。而且没有部分成功——只要有任意一个图层失败，整个请求失败，并全额退款。
三种指定图层的方式
prompt 是可选的，三种用法各对应一类活。
1. 不传 prompt —— 自动全量拆分
{
"model": "doubao-seedream-5.0-pro-layerize",
"image_urls": ["https://example.com/poster.png"],
"quality": "auto",
"output_format": "jpeg"
}完全不给提示词时，模型自己识别图中所有主要元素——文字块、主体、装饰、背景——逐个拆成独立图层。这是这个模型最主要的用法，一张复杂海报通常能拆出十层以上。
有个实现细节反复坑人：要整个键不发，而不是发空字符串。
"prompt": "" 会被上游理解成「用户给了一个空提示词」，从而丢掉自动识别的语义。正确做法是请求体里根本没有 prompt 这个键。2. 自然语言 —— 点名要哪些元素
{
"model": "doubao-seedream-5.0-pro-layerize",
"prompt": "把鹦鹉和标题文字拆出来",
"image_urls": ["https://example.com/poster.png"],
"quality": "2K"
}只关心两三个元素、不想为全量拆分买单时用这个。元素是按语义识别的，所以你说「标题文字」就行，不需要知道它在哪个位置。
3. bbox 坐标 —— 精确框定区域
{
"model": "doubao-seedream-5.0-pro-layerize",
"prompt": "标题文字<bbox>179 58 809 197</bbox>, 1 只鹦鹉<bbox>330 274 641 991</bbox>",
"image_urls": ["https://example.com/poster.png"],
"quality": "1.5K"
}<bbox> 标签内是四个数字，用归一化的 0–1000 坐标（不是像素），顺序为 左 上 右 下。当自然语言有歧义时用它——比如同一画面里有两个相似产品，或者有多个文字块、「那个标题」可能指其中任意一个。一个实用套路：先跑一次自动拆分，从结果里读出各图层的
bounding_box.normalized，再用这些坐标重跑一次，就能拿到你想要的精确切分。异步流程
第一步 —— 提交任务
curl -X POST https://api.evolink.ai/v1/images/generations \
-H "Authorization: Bearer $EVOLINK_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "doubao-seedream-5.0-pro-layerize",
"image_urls": ["https://example.com/poster.png"],
"quality": "auto"
}'返回的是任务句柄，不是图片：
{
"id": "task-unified-1757165031-seedream5prolayerize",
"object": "image.generation.task",
"model": "doubao-seedream-5.0-pro-layerize",
"status": "pending",
"progress": 0,
"type": "image",
"task_info": { "can_cancel": true, "estimated_time": 120 },
"usage": { "billing_rule": "per_call", "credits_reserved": 39.168 }
}注意
credits_reserved：这是按最坏情况预留的预估值，实际扣费按真正产出的图片数量和尺寸结算。第二步 —— 轮询直到完成
curl https://api.evolink.ai/v1/tasks/task-unified-1757165031-seedream5prolayerize \
-H "Authorization: Bearer $EVOLINK_API_KEY"status 会走 pending → processing → completed（或 failed）。按 120 秒左右预算，每 5 秒轮询一次足够。不想轮询就在提交时传 callback_url：仅支持 HTTPS、禁止内网地址、在计费确认后触发，失败最多重试 3 次（间隔 1 秒 / 2 秒 / 4 秒）。第三步 —— 读取图层
result_data 里每一项都带着足以在任意画布上还原构图的元数据：| 字段 | 含义 |
|---|---|
z_index | 叠放次序。0 是底图，图层从 1 开始递增 |
bounding_box.absolute | 在底图像素坐标系中的位置 |
bounding_box.normalized | 同一个框，0–1000 归一化坐标 |
name | 模型生成的名称，例如「绯红金刚鹦鹉」 |
description | 对该元素更长的描述 |
底图只带
z_index: 0，没有 name 和 bounding_box。按 z_index 排序、把每个图层放到它的 absolute 框位置合成，就能精确还原原图。及时保存文件：生成的图片链接 24 小时后失效。
输入限制比普通生成更严
整条链路里失败最多的就是这一步，因为 Layerize 并不接受普通 Seedream 生成能接受的全部输入。
| 限制 | 取值 |
|---|---|
| 图片数量 | 恰好 1 张。不传或传 2 张及以上都会报错 |
| 格式 | 仅 .png、.jpeg、.jpg——webp 会被拒绝 |
| 文件大小 | ≤ 30MB |
| 总像素 | 总量 262,144 到 36,000,000——512×512 是刚好达标的最小正方形 |
| 宽高比 | 1:16 到 16:1 之间 |
| URL | 必须能被服务端直接访问，或访问即触发直接下载 |
其中两条反复坑人：webp 在普通生成里没问题，在这里会被拒——如果你的管线存的是 webp，调用前先转格式。另外 262,144 的总像素下限比普通生成更高，缩略图会直接失败。
quality 的取值也更窄：图层模式只接受档位 auto、1K、1.5K、2K。传比例（如 16:9）或具体像素（如 2048x2048）会报错。用 auto 时输出跟随原图——原图落在 921,600 到 4,624,220 像素之间就保持原样，低于 1K 则按 1K 输出，高于 2K 则按 2K 输出。计费：数的是输出图片，不是请求次数
这是第一次看账单时最容易意外的地方。每张输出图按它自己的像素数定档计费——不看底图尺寸，也不是按请求计费。
EvoLink 上的 Layerize 比 BytePlus 官方价低 20%：
| 项目 | BytePlus 官方价 | EvoLink |
|---|---|---|
| 输入图 | $0.003 | $0.0024 |
| 输出图 低档（≤ 2,610,000 像素） | $0.0225 | $0.018 |
| 输出图 高档（> 2,610,000 像素） | $0.045 | $0.036 |
1K 和 1.5K 同价，都落在低档。档位是逐张判定的，所以 2K 底图按高档计费，而从它上面揭下来的小文字层按低档计费。两个实算例子：
简单的 1K 拆分，拆出三个图层：
1 张输入图（$0.0024）+ 1 张底图（$0.018）+ 3 个图层（$0.054）= $0.0744
一张 2K 海报拆出 8 个小文字层：
1 张输入图（$0.0024）+ 1 张高档底图（$0.036）+ 8 个低档图层（$0.144）= $0.1824
结论很清楚：决定成本的是图层数量，不是分辨率。八个小文字层的花费是那张 2K 底图的四倍。所以如果你只需要产品和标题两个元素，就在 prompt 里说清楚，别跑全量自动拆分——把目标从十个元素收窄到两个，省下的是实打实的钱，不是抠细节。
四个会让你翻车的点
- 发
"prompt": ""而不是不发这个键。会直接废掉自动识别——这个模型最好用的能力。 - 以为
output_format: "png"能影响图层。它只管底图。图层恒为带 alpha 的 PNG。 - 把失败当成部分成功来处理。没有部分成功。任一图层失败即整体失败并全额退款，所以重试逻辑要按「全有或全无」来写。
- 让链接过期。24 小时后就没了。在同一个任务里轮询完就立刻下载。
常见问题
最多能拆出多少层？
1 到 16 个图层，加上底图，最多 17 张输出图。不能指定具体数量，由拆分结果决定。
能控制拆哪些元素吗？
可以，三种方式：不传 prompt 走自动全量拆分；用自然语言描述元素；或用
<bbox> 标签以归一化 0–1000 坐标精确框定。图层真的是透明 PNG 吗？
是，每个图层都是带 alpha 通道的 PNG，且不受
output_format 影响。那个参数只管底图。一次调用要多久？
约 120 秒，明显慢于普通图片生成，这也是它设计成异步的原因。不想轮询可以用
callback_url。某个图层失败了会怎样？
整个请求失败——没有部分成功——并且全额退款。
任何图片都能拆吗？
需要 PNG 或 JPEG、总像素至少 262,144（例如 512×512）、小于 30MB、宽高比在 1:16 到 16:1 之间。webp 会被拒绝，尽管普通生成接受它。
