AI身份证照片生成API集成指南

本文将介绍如何集成AI身份证照片生成API,该API可以通过输入人像照片的URL和选择的模板来创建各种风格的身份证照片。无论是用于个人证件、企业名片还是其他需求,这项技术都能提供极大的便利。

环境准备

在开始之前,请确保您已具备以下条件: - 注册并登录 Ace Data Cloud 账户。 - 获取API访问权限。

申请使用API

要使用此API,您首先需要在 AI身份证照片生成API 页面申请相应的服务。进入页面后,点击"获取"按钮,如下图所示:

如果您尚未登录或注册,将会自动跳转到登录页面,完成后会返回当前页面。首次申请将获得免费的使用配额。

基本使用方法

首先,了解基本的使用方式,即输入需要处理的人像图像和选择的AI身份证照片模板以获取处理结果。您需要传递一个 image_urls 字段,该字段是需要处理的人像图像链接的数组,如下图所示:

接下来,您需要输入自己选择的模板。以下是八种常见的模板供您参考:

json 复制代码
{
   "male_portrait":  "男性人像照片",
   "male_portrait2":  "男性人像照片(另一个版本)",
   "kindergarten":  "幼儿园入园照片",
   "logo_tshirt": "公司标志T恤照片",
   "wedding":  "结婚登记照片",
   "business_photo":  "商务风格照片",
   "bob_suit": "黑色西装搭配波波头",
   "female_portrait":  "女性人像照片"
}

然后,您可以指定生成速度参数 mode,通常分为两种类型:慢速 relax 和快速 fast。具体内容如下图所示:

在设置请求头时,包括:

  • accept: 需要接收的响应结果格式,这里填写为 application/json,表示JSON格式。
  • authorization: 调用API的密钥,申请后可以直接选择。

同时,设置请求体,包括:

  • mode: 生成身份证照片的通道,主要有快速和放松两种。当使用放松模式时,强烈建议使用下面的 callback_url 参数。
  • template: 身份证照片的模板样式。
  • image_urls: 需要上传的身份证照片人像链接。
  • callback_url: 接收回调结果的URL。

在选择完毕后,您会发现右侧生成了相应的代码,如下图所示:

点击"尝试"按钮进行测试,得到如下结果:

json 复制代码
{
  "success": true,
  "task_id": "ae1e4948-dba1-4a6f-87af-67961b647428",
  "data": [
    {
      "id": "202411031951124776",
      "image_url": "https://platform.cdn.acedata.cloud/headshots/ae1e4948-dba1-4a6f-87af-67961b647428.png",
      "template": "男性人像照片"
    },
    {
      "id": "202411031951128490",
      "image_url": "https://platform.cdn.acedata.cloud/headshots/ae1e4948-dba1-4a6f-87af-67961b647428.png",
      "template": "男性人像照片"
    }
  ]
}

返回结果包含多个字段,具体说明如下:

  • success: 当前身份证照片生成任务的状态。
  • task_id: 当前身份证照片生成任务的ID。
  • data: 当前身份证照片生成任务的结果列表。
  • id: 当前身份证照片生成任务的照片ID。
  • image_url: 当前身份证照片生成任务的图像链接。
  • template: 当前身份证照片生成任务使用的模板名称。

您可以通过 data 结果中的图像链接提取满意的身份证照片信息。

如果您想生成相应的集成代码,可以直接复制生成的代码,例如,CURL代码如下:

shell 复制代码
curl -X POST 'https://api.acedata.cloud/headshots/generate' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "mode": "fast",
  "template": "male_portrait",
  "image_urls": ["https://i-blog.csdnimg.cn/direct/a3166f1d2ee84c3faa34d14c10b2a5a1.jpg"]
}'

异步回调

由于AI身份证照片的生成时间相对较长,约1-2分钟,如果API长时间没有响应,HTTP请求将保持连接,导致额外的系统资源消耗。因此,此API还支持异步回调。

整体流程为:当客户端发起请求时,指定额外的 callback_url 字段。客户端发起API请求后,API会立即返回一个包含 task_id 字段信息的结果,表示当前任务ID。当任务完成后,生成的身份证照片结果将以POST JSON的形式发送到客户端指定的 callback_url,同时也包含 task_id 字段,便于通过ID关联任务。

以下是具体的操作示例。

首先,Webhook回调是可以接收HTTP请求的服务,开发者应将其替换为自己HTTP服务器的URL。为了方便演示,我们使用公共Webhook示例网站 https://webhook.site/,打开网站以获取Webhook URL,如下图所示:

复制此URL,它可以用作Webhook。示例为 https://webhook.site/00f38b26-4289-4899-83d6-0cea7308850a

接下来,我们可以将 callback_url 字段设置为上述Webhook URL,同时填写人像图像链接和模板。当 mode 参数设置为 relax 时,建议使用异步回调,如下图所示:

点击运行,您会发现立即得到如下结果:

复制代码
{
  "task_id": "763b1450-8804-434f-acc7-d713be73a28f"
}

稍等片刻后,可以在 https://webhook.site/00f38b26-4289-4899-83d6-0cea7308850a 观察到生成的结果,如下图所示:

内容如下:

json 复制代码
{
    "success": true,
    "task_id": "763b1450-8804-434f-acc7-d713be73a28f",
    "data": [
        {
            "id": "202411032010131366",
            "image_url": "https://platform.cdn.acedata.cloud/headshots/763b1450-8804-434f-acc7-d713be73a28f.png",
            "template": "男性人像"
        },
        {
            "id": "202411032010132420",
            "image_url": "https://platform.cdn.acedata.cloud/headshots/763b1450-8804-434f-acc7-d713be73a28f.png",
            "template": "男性人像"
        }
    ]
}

您可以看到结果中包含一个 task_id 字段,其他字段与上述描述相似。该字段可用于关联任务。

错误处理

在调用API时,如果发生错误,API将返回相应的错误代码和消息。例如:

  • 400 token_mismatched: 错误请求,可能是由于缺少或无效参数。
  • 400 api_not_implemented: 错误请求,可能是由于缺少或无效参数。
  • 401 invalid_token: 未授权,授权令牌无效或缺失。
  • 429 too_many_requests: 请求过多,您已超过请求限制。
  • 500 api_error: 内部服务器错误,服务器出现问题。

错误响应示例

```

相关推荐
cup1113 小时前
[技术复盘] Windows Python 打包实战:Nuitka 环境踩坑总结与 CI 自动化构建全指南
python·ai·环境变量·ci·nuitka·skill
IT王师傅17 小时前
从 豆包 到 Codex CLI:一名普通开发者的 AI 工具进化路线
ai·codex cli·openclaw
岳小哥AI18 小时前
Siri要接入AI了,苹果手机上一句话让GPT写文案、DeepSeek写代码的时刻来了
ai·ai基础
Artech18 小时前
[MAF预定义的AIContextProvider-03]ChatHistoryMemoryProvider——赋予Agent从经验中学习的能力
ai·c#·agent·memory·maf
哥布林学者1 天前
深度学习进阶(三十一)FlashAttention:IO 感知的精确注意力
机器学习·ai
岳小哥AI2 天前
AI大模型"幻觉"从何而来?解密GPT-4、DeepSeek一本正经胡说八道的真相
ai·ai基础
JaguarJack2 天前
Openai Codex 重大更新 已支持接入任意开源大模型
ai·openai·codex
Artech3 天前
[MAF预定义的AIContextProvider-02]AgentSkillsProvider——将Agent Skills引入MAF
ai·c#·agent·agent skills·maf
岳小哥AI3 天前
读懂计算机视觉CV、语言感知(ASR/TTS)、多模态,就能理解AI是如何“看到”与“听到”世界的
ai·ai基础
大树883 天前
金刚石散热越强,管路越先见顶
大数据·运维·服务器·人工智能·ai