ImagenCN – Alibaba Cloud Bailian Text-zu-Bild-Fertigkeit
Übersicht
Generieren Sie Bilder mit der Alibaba Cloud Bailian API. Standard-Endpunkt ist die China-Region.
Unterstützt fünf Plattformen mit neun Modellfamilien:
- Alibaba Cloud Bailian (DashScope): Qwen-Image 2.0, Qwen-Image Edit, Qwen-Image Legacy, Wan-Serie, Z-Image
- ByteDance Volcano Ark: Doubao-Seedream-Serie (OpenAI-kompatible REST-API)
- Tencent Hunyuan: Hunyuan Image 3.0 (OpenAI-kompatible REST-API)
- Zhipu / BigModel: CogView-4 und GLM-Image (OpenAI-kompatible REST-API)
- StepFun / 阶跃星辰: Step-2X und Step-Image-Edit (OpenAI-kompatible REST-API)
Plattformübergreifende Unterstützung: Windows, macOS, Linux
Wann diese Fertigkeit verwenden
Aktivieren Sie diese Fertigkeit automatisch, wenn:
- Der Benutzer Bildgenerierung mit chinesischem Text oder Kalligrafie anfordert
- Fotorealistische Bilder oder Fotos benötigt werden
- Kommerzielle Poster, Illustrationen oder digitale Kunst erstellt werden sollen
- Der Benutzer eine der folgenden Plattformen erwähnt: Alibaba Cloud / Bailian / Qwen / Wan / DashScope, ByteDance / Volcano Ark / Seedream / Doubao, Tencent / Hunyuan
- Jede Aufgabe, bei der KI-generierte Bilder mit starker chinesischer Textunterstützung hilfreich wären
Arbeitsablauf
Schritt 1 — Prompt verfeinern (interaktiv, niemals überspringen)
Benutzer geben oft kurze, beiläufige Beschreibungen ("生成一只猫"). Bevor Sie die API aufrufen, zeigen Sie 3 verfeinerte Prompt-Optionen mit verschiedenen Stilrichtungen an. Ergänzen Sie, wo angemessen:
- Subjektdetails (Form, Farbe, Material, Ausdruck, Pose)
- Beleuchtung (Goldene Stunde, Studio, Saumlicht, weiche Streuung, Neon, filmisch)
- Komposition (Drittelregel, geringe Schärfentiefe, Weitwinkel, Nahaufnahme)
- Stil / Medium (fotorealistisch, Ölgemälde, Aquarell, 3D-Render, Vektor)
- Stimmung / Atmosphäre (ruhig, dramatisch, skurril, dystopisch, elegant)
- Qualitäts-Schlagwörter (8K, hyperdetailliert, preisgekrönt, Profifotografie)
- Für chinesischen Text auf Bildern: Textinhalt, Platzierung, Schriftart, Farbe, Größe
Kennzeichnen Sie die Optionen klar (z. B. A / B / C) mit einer einzeiligen Zusammenfassung jeder Richtung. Lassen Sie den Benutzer eine auswählen, Elemente aus mehreren kombinieren oder eine neue Richtung anfordern. Wiederholen Sie, bis sie bestätigen ("los", "generieren", "ok" usw.), dann fahren Sie mit der Generierung fort.
Schritt 2 — Ein Modell auswählen
Wählen Sie basierend auf der Anfrage (siehe Modellauswahlhilfe unten). Standardmäßig qwen-image-2.0-pro verwenden, wenn unsicher. Teilen Sie dem Benutzer Ihre Wahl mit.
Schritt 3 — Eine Größe auswählen
Native 2K für Qwen-Image 2.0, 1K/2K/4K für Wan2.7 oder ein Seitenverhältnis-Vorgabe (16:9, 1:1 usw.).
Schritt 4 — Generieren
Führen Sie scripts/generate_image.py mit dem bestätigten Prompt und Ausgabepfad aus.
Schritt 5 — Speichern
Wenn der Ausgabepfad implizit war, speichern Sie im aktuellen Arbeitsverzeichnis des Benutzers.
Modelle
Qwen-Image 2.0 Familie – Neuestes Flaggschiff (MultiModalConversation API)
| Modell | Beschreibung |
|---|---|
qwen-image-2.0-pro | Standard. Neuestes Flaggschiff, nativ 2K, stärkste Typografie und Details |
qwen-image-2.0-pro-2026-06-22 | Neuester Snapshot (Juni 2026): Generierungs- und Bearbeitungsfusion, bessere Textwiedergabe und Prompt-Treue |
qwen-image-2.0 | Standard 2.0 Stufe, nativ 2K |
qwen-image-max | Flaggschiff der vorherigen Generation (Dezember 2025) |
qwen-image-max-2025-12-30 | Snapshot von qwen-image-max: verbesserte Realitätsnähe, weniger KI-Artefakte |
Qwen-Image Edit Familie – Bildbearbeitung (MultiModalConversation API)
Bearbeitungsmodelle benötigen ein Eingabebild über --image (lokaler Pfad oder URL). Lassen Sie --size weg, um die Abmessungen des Eingabebildes zu übernehmen.
| Modell | Beschreibung |
|---|---|
qwen-image-edit-max | Flaggschiff-Bearbeitungsmodell, stärkste Befehlsausführung |
qwen-image-edit-max-2026-01-16 | Neuester Max-Snapshot (Januar 2026) |
qwen-image-edit-plus | Schnellere, kostengünstigere Bearbeitung |
Qwen-Image Legacy (ImageSynthesis API)
| Modell | Beschreibung |
|---|---|
qwen-image-plus | Destillierte, beschleunigte Version von qwen-image-max |
qwen-image-plus-2026-01-09 | Snapshot von qwen-image-plus (Januar 2026): schnellere Generierung hoher Qualität |
qwen-image | Basismodell |
Wan-Serie – Fotorealistische Generierung (ImageGeneration API)
| Modell | Beschreibung |
|---|---|
wan2.7-image-pro | Neuestes. Bis zu 4K-Ausgabe, einheitliche Architektur (T2I + Bearbeitung + Multi-Image) |
wan2.7-image | Wan 2.7 Standard, bis zu 2K |
wan2.6-t2i | Wan 2.6, flexible Größe |
wan2.5-t2i-preview | Hohe Qualität, bis zu 768x2700 |
wan2.2-t2i-flash | Geschwindigkeitsoptimiert |
wan2.2-t2i-plus | Profi-Stufe |
wanx2.1-t2i-turbo | Schnelle Ausführung |
wanx2.1-t2i-plus | Profi-Stufe |
wanx2.0-t2i-turbo | Frühere Generation |
Z-Image – Leicht & schnell (MultiModalConversation API)
| Modell | Beschreibung |
|---|---|
z-image-turbo | Schnelle, kostengünstige Generierung; zweisprachige (CN/EN) Textwiedergabe, hochgetreue Porträts und Produktbilder. Pixelbereich 512x512 bis 2048x2048 |
Volcano Ark – ByteDance Seedream (OpenAI-kompatible API)
| Modell | Beschreibung |
|---|---|
doubao-seedream-5-0-260128 | Ark Standard. Neuestes, bis zu 3K, PNG/JPEG-Ausgabe, beste Textwiedergabe |
doubao-seedream-4-5-251128 | Seedream 4.5, bis zu 4K |
doubao-seedream-4-0-250828 | Seedream 4.0, bis zu 4K, budgetfreundlich |
Tencent Hunyuan (OpenAI-kompatible API)
| Modell | Beschreibung |
|---|---|
hy-image-v3.0 | Hunyuan Standard. Flaggschiff 3.0, starkes Kompositionsverständnis, verarbeitet komplexe chinesische Prompts bis zu 8K Zeichen |
Zhipu / BigModel – CogView-4 & GLM-Image (OpenAI-kompatible API)
| Modell | Beschreibung |
|---|---|
cogview-4 | Zhipu Standard. Stabiles Alias für das neueste CogView-4, native chinesische Textwiedergabe |
cogview-4-250304 | Fixierter Snapshot von CogView-4 (März 2025), reproduzierbare Ergebnisse |
glm-image | GLM-Image Flaggschiff, bis zu 2048x2048, hybride autoregressive/diffusionsbasiert |
StepFun / 阶跃星辰 – Step-2X (OpenAI-kompatible API)
| Modell | Beschreibung |
|---|---|
step-2x-large | StepFun Standard. Hohe Qualität (0,1 RMB/Bild), bis zu 1024x1024 |
step-image-edit-2 | Schnell und günstig (0,02 RMB/Bild), unterstützt negative Prompts, 8 Inferenzschritte |
Verwendung
Grundlegende Verwendung
# Standardmodell (qwen-image-2.0-pro, native 2K-Ausgabe)
python ~/.claude/skills/imagenCN/scripts/generate_image.py "Eine süße Katze" output.png
# Fotorealistisch mit Wan-Modell (Wan2.7 unterstützt 4K)
python ~/.claude/skills/imagenCN/scripts/generate_image.py --model wan2.7-image-pro --size 4K "Realistisches Foto von Bergen bei Sonnenuntergang" photo.png
# Ein vorhandenes Bild bearbeiten (benötigt --image; lokaler Pfad oder URL)
python ~/.claude/skills/imagenCN/scripts/generate_image.py --model qwen-image-edit-max --image input.png "Ändere den Hintergrund in einen Strand bei Sonnenuntergang" edited.png
Größenoptionen
# Seitenverhältnis-Vorgabe verwenden
python ~/.claude/skills/imagenCN/scripts/generate_image.py --size 16:9 "Breite Landschaft" landscape.png
# Exakte Abmessungen verwenden
python ~/.claude/skills/imagenCN/scripts/generate_image.py --size 1280*720 "Benutzerdefinierte Größe" custom.png
Größenvorgaben
Qwen-Image 2.0 (nativ 2K):
1:1-> 2048x2048 (Standard)16:9-> 2688x15369:16-> 1536x26884:3-> 2304x17283:4-> 1728x23041K-> 1024x10242K-> 2048x2048
Qwen-Image Legacy:
1:1-> 1328x132816:9-> 1664x9289:16-> 928x16644:3-> 1472x11043:4-> 1104x1472
Z-Image (Pixelbereich 512x512 bis 2048x2048):
1:1-> 1024x1024 (Standard)16:9-> 1280x7209:16-> 720x12802:3-> 1024x15363:2-> 1536x10241K-> 1024x1024
Wan-Serie (Wan2.7 akzeptiert auch 1K/2K/4K):
1:1-> 1024x10241:1-large-> 1280x128016:9-> 1280x7209:16-> 720x12804:3-> 1200x9003:4-> 900x12002:1-> 1440x720
Volcano Ark (Seedream):
1:1-> 2048x204816:9-> 2848x16009:16-> 1600x28484:3-> 2304x17283:4-> 1728x23043:2-> 2496x16642:3-> 1664x24961K/2K/3K/4K(modellabhängige maximale Auflösung)
Tencent Hunyuan (Doppelpunkt-getrenntes Format):
1:1-> 1024:102416:9-> 1920:10809:16-> 1080:19204:3-> 1600:12003:4-> 1200:1600
Zhipu (CogView-4 / GLM-Image):
1:1-> 1024x1024 (Standard)16:9-> 1344x7689:16-> 768x13444:3-> 1152x8643:4-> 864x11522:1-> 1440x7201:2-> 720x1440
StepFun (Step-2X):
1:1-> 1024x1024 (Standard)1:1-small-> 512x51216:9-> 1280x8009:16-> 800x1280
Erweiterte Optionen
# Mit negativem Prompt
python ~/.claude/skills/imagenCN/scripts/generate_image.py --negative "verschwommen, geringe Qualität" "Hochwertiges Porträt" portrait.png
# Alle Modelle auflisten
python ~/.claude/skills/imagenCN/scripts/generate_image.py --list-models
Anforderungen
pip install dashscope requests
# Optional: für farbige Ausgabe und gestaltete Tabellen
pip install rich
Umgebungsvariablen
# Alibaba Cloud Bailian (DashScope)
export DASHSCOPE_API_KEY="ihr_api_schlüssel" # Erforderlich
export DASHSCOPE_MODEL="wan2.7-image-pro" # Optionales Standardmodell
export DASHSCOPE_API_BASE="cn" # Optional: cn, sg, us
# ByteDance Volcano Ark
export ARK_API_KEY="ihr_api_schlüssel" # Erforderlich für Ark
export ARK_MODEL="doubao-seedream-5-0-260128" # Optionales Standardmodell
# Tencent Hunyuan (TokenHub)
export HUNYUAN_API_KEY="ihr_api_schlüssel" # Erforderlich für Hunyuan
export HUNYUAN_MODEL="hy-image-v3.0" # Optionales Standardmodell
# Zhipu / BigModel
export ZHIPUAI_API_KEY="ihr_api_schlüssel" # Erforderlich für Zhipu
export ZHIPUAI_MODEL="cogview-4" # Optionales Standardmodell
# StepFun / 阶跃星辰
export STEP_API_KEY="ihr_api_schlüssel" # Erforderlich für StepFun
export STEP_MODEL="step-2x-large" # Optionales Standardmodell
API-Schlüssel erhalten:
- DashScope: https://bailian.console.aliyun.com/
- Volcano Ark: https://console.volcengine.com/ark/region:ark+cn-beijing/apikey
- Tencent Hunyuan: https://console.cloud.tencent.com/tokenhub/apikey
- Zhipu: https://bigmodel.cn
- StepFun: https://platform.stepfun.com/interface-key
Konfigurationsdatei (Optional)
Erstellen Sie ~/.imagenCN.json für persönliche Standardeinstellungen oder .imagenCN.json in einem Projektverzeichnis für projektspezifische Überschreibungen. API-Schlüssel bleiben aus Sicherheitsgründen in Umgebungsvariablen.
{
"platform": "ark",
"model": "doubao-seedream-5-0-260128",
"size": "2K"
}
Alle Schlüssel sind optional. Priorität (höchste zuerst):
- CLI-Argumente (
--platform,--model,--size) - Projektkonfiguration (
.imagenCN.jsonim aktuellen Verzeichnis) - Benutzerkonfiguration (
~/.imagenCN.json) - Umgebungsvariablen (
DASHSCOPE_MODEL,ARK_MODEL,HUNYUAN_MODEL) - Integrierte Standardeinstellungen
API-Endpunkte
| Region | Alias | URL |
|---|---|---|
| China (Standard) | cn | https://dashscope.aliyuncs.com/api/v1 |
| Singapur | sg | https://dashscope-intl.aliyuncs.com/api/v1 |
| Virginia | us | https://dashscope-us.aliyuncs.com/api/v1 |
# Zum Singapur-Endpunkt wechseln
export DASHSCOPE_API_BASE="sg"
# Oder vollständige URL verwenden
export DASHSCOPE_API_BASE="https://dashscope-intl.aliyuncs.com/api/v1"
Modellauswahlhilfe
Schnellauswahl — Sie brauchen nur acht
| Was Sie möchten | Modell | Plattform |
|---|---|---|
| Standard / Allgemein (Poster, Text) | qwen-image-2.0-pro | DashScope |
| Fotorealistisch (Porträts, Landschaften) | wan2.7-image-pro | DashScope |
| Ein Bild bearbeiten | qwen-image-edit-max | DashScope |
| Günstig & schnell | z-image-turbo | DashScope |
| Foto + Text-Kombination | doubao-seedream-5-0-260128 | Volcano Ark |
| Komplexe chinesische Komposition | hy-image-v3.0 | Tencent Hunyuan |
| Chinesischer Text in Bildern | cogview-4 | Zhipu |
| Ultragünstige Massengenerierung | step-image-edit-2 | StepFun |
Alle anderen Modelle sind Legacy-/Snapshot-Varianten.
Vollständige Referenz
| Anwendungsfall | Empfohlenes Modell |
|---|---|
| Allgemein hohe Qualität (Standard) | qwen-image-2.0-pro |
| Chinesischer Text/Kalligrafie | qwen-image-2.0-pro |
| Englischer Text auf Bildern | qwen-image-2.0-pro |
| Poster mit Typografie | qwen-image-2.0-pro |
| Fotorealistische Fotos (4K) | wan2.7-image-pro |
| Fotorealistische Fotos (2K) | wan2.7-image |
| Porträtfotografie | wan2.7-image-pro |
| Bildbearbeitung (beste Qualität) | qwen-image-edit-max |
| Bildbearbeitung (schnell, kostengünstig) | qwen-image-edit-plus |
| Schnelle, kostengünstige Generierung | z-image-turbo |
| Hochgetreue Porträts / Produktbilder (schnell) | z-image-turbo |
| Schnell fotorealistisch (Wan) | wan2.2-t2i-flash |
| Kostengünstigere Textwiedergabe | qwen-image-plus |
| ByteDance beste Qualität | doubao-seedream-5-0-260128 |
| Budgetfreundlich 4K (ByteDance) | doubao-seedream-4-0-250828 |
| Komplexe chinesische Prompts (Tencent) | hy-image-v3.0 |
Plattform-Schnellvergleich
| Merkmal | DashScope | Ark | Hunyuan | Zhipu | StepFun |
|---|---|---|---|---|---|
| Am besten für | Text, Vielfalt | Foto+Text | Komplexe CN | CN-Text im Bild | Ultragünstig |
| Max. Auflösung | 4K | 4K | 2K | 2K | 1K |
| SDK | dashscope | Kein | Kein | Kein | Kein |
| Preis | Variiert | ~0,22 | ~0,20 | ~0,06 | ~0,02 |
| Umgebungsvariable | DASHSCOPE_API_KEY | ARK_API_KEY | HUNYUAN_API_KEY | ZHIPUAI_API_KEY | STEP_API_KEY |
Vergleich mit Imagen (Gemini)
| Merkmal | ImagenCN (Bailian) | Imagen (Gemini) |
|---|---|---|
| Chinesische Textwiedergabe | Hervorragend | Gut |
| Englische Textwiedergabe | Hervorragend | Gut |
| Fotorealistische Bilder | Hervorragend | Gut |
| Geschwindigkeit | Mittel | Schnell |
| Modellvielfalt | 15+ Modelle | 3 Modelle |
| Max. Auflösung | 4K (Wan2.7-Pro) | 2K |
Beispiele
Volcano Ark (ByteDance)
# Standardmodell (Seedream 5.0)
ARK_API_KEY="xxx" python scripts/generate_image.py --platform ark "Ein lebendiges Nahaufnahme-Editorial-Porträt im Stil des Vogue-Covers" portrait.png
# Mit 4K-Ausgabe
ARK_API_KEY="xxx" python scripts/generate_image.py --platform ark --model do
...
[gekürzt für die Übersetzung]