Communitygithub.com

ImagenCN – KI-Bildgenerierung (Alibaba Cloud Bailian)

KI-Bildgenerierung über Alibaba Bailian, ByteDance Volcano Ark und Tencent Hunyuan – 23 Modelle, exzellente chinesische Texterkennung.

Was ist ImagenCN – KI-Bildgenerierung (Alibaba Cloud Bailian)?

ImagenCN ist eine vielseitige KI-Fertigkeit für die Bildgenerierung, die fünf Plattformen mit 23 Modellen vereint: Alibaba Cloud Bailian (DashScope), ByteDance Volcano Ark, Tencent Hunyuan, Zhipu/BigModel und StepFun. Es eignet sich besonders für Aufgaben, die starke chinesische Texterkennung erfordern, aber auch für fotorealistische Bilder, kommerzielle Poster und digitale Kunst. Die Fertigkeit interagiert mit dem Benutzer, um Prompts zu verfeinern, bevor sie generiert, und unterstützt eine breite Palette von Größen und Auflösungen bis zu 4K. Die Integration mit Claude Code, Cursor, Codex und anderen KI-Agenten erfolgt über die Befehlszeile – sie ruft Skripte auf, die API-Schlüssel aus Umgebungsvariablen verwenden. ImagenCN bietet eine detaillierte Modellauswahlhilfe, ermöglicht das Bearbeiten vorhandener Bilder und kann über eine Konfigurationsdatei personalisiert werden.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add Agents365-ai/imagenCN

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

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)

ModellBeschreibung
qwen-image-2.0-proStandard. Neuestes Flaggschiff, nativ 2K, stärkste Typografie und Details
qwen-image-2.0-pro-2026-06-22Neuester Snapshot (Juni 2026): Generierungs- und Bearbeitungsfusion, bessere Textwiedergabe und Prompt-Treue
qwen-image-2.0Standard 2.0 Stufe, nativ 2K
qwen-image-maxFlaggschiff der vorherigen Generation (Dezember 2025)
qwen-image-max-2025-12-30Snapshot 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.

ModellBeschreibung
qwen-image-edit-maxFlaggschiff-Bearbeitungsmodell, stärkste Befehlsausführung
qwen-image-edit-max-2026-01-16Neuester Max-Snapshot (Januar 2026)
qwen-image-edit-plusSchnellere, kostengünstigere Bearbeitung

Qwen-Image Legacy (ImageSynthesis API)

ModellBeschreibung
qwen-image-plusDestillierte, beschleunigte Version von qwen-image-max
qwen-image-plus-2026-01-09Snapshot von qwen-image-plus (Januar 2026): schnellere Generierung hoher Qualität
qwen-imageBasismodell

Wan-Serie – Fotorealistische Generierung (ImageGeneration API)

ModellBeschreibung
wan2.7-image-proNeuestes. Bis zu 4K-Ausgabe, einheitliche Architektur (T2I + Bearbeitung + Multi-Image)
wan2.7-imageWan 2.7 Standard, bis zu 2K
wan2.6-t2iWan 2.6, flexible Größe
wan2.5-t2i-previewHohe Qualität, bis zu 768x2700
wan2.2-t2i-flashGeschwindigkeitsoptimiert
wan2.2-t2i-plusProfi-Stufe
wanx2.1-t2i-turboSchnelle Ausführung
wanx2.1-t2i-plusProfi-Stufe
wanx2.0-t2i-turboFrühere Generation

Z-Image – Leicht & schnell (MultiModalConversation API)

ModellBeschreibung
z-image-turboSchnelle, kostengünstige Generierung; zweisprachige (CN/EN) Textwiedergabe, hochgetreue Porträts und Produktbilder. Pixelbereich 512x512 bis 2048x2048

Volcano Ark – ByteDance Seedream (OpenAI-kompatible API)

ModellBeschreibung
doubao-seedream-5-0-260128Ark Standard. Neuestes, bis zu 3K, PNG/JPEG-Ausgabe, beste Textwiedergabe
doubao-seedream-4-5-251128Seedream 4.5, bis zu 4K
doubao-seedream-4-0-250828Seedream 4.0, bis zu 4K, budgetfreundlich

Tencent Hunyuan (OpenAI-kompatible API)

ModellBeschreibung
hy-image-v3.0Hunyuan Standard. Flaggschiff 3.0, starkes Kompositionsverständnis, verarbeitet komplexe chinesische Prompts bis zu 8K Zeichen

Zhipu / BigModel – CogView-4 & GLM-Image (OpenAI-kompatible API)

ModellBeschreibung
cogview-4Zhipu Standard. Stabiles Alias für das neueste CogView-4, native chinesische Textwiedergabe
cogview-4-250304Fixierter Snapshot von CogView-4 (März 2025), reproduzierbare Ergebnisse
glm-imageGLM-Image Flaggschiff, bis zu 2048x2048, hybride autoregressive/diffusionsbasiert

StepFun / 阶跃星辰 – Step-2X (OpenAI-kompatible API)

ModellBeschreibung
step-2x-largeStepFun Standard. Hohe Qualität (0,1 RMB/Bild), bis zu 1024x1024
step-image-edit-2Schnell 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 -> 2688x1536
  • 9:16 -> 1536x2688
  • 4:3 -> 2304x1728
  • 3:4 -> 1728x2304
  • 1K -> 1024x1024
  • 2K -> 2048x2048

Qwen-Image Legacy:

  • 1:1 -> 1328x1328
  • 16:9 -> 1664x928
  • 9:16 -> 928x1664
  • 4:3 -> 1472x1104
  • 3:4 -> 1104x1472

Z-Image (Pixelbereich 512x512 bis 2048x2048):

  • 1:1 -> 1024x1024 (Standard)
  • 16:9 -> 1280x720
  • 9:16 -> 720x1280
  • 2:3 -> 1024x1536
  • 3:2 -> 1536x1024
  • 1K -> 1024x1024

Wan-Serie (Wan2.7 akzeptiert auch 1K/2K/4K):

  • 1:1 -> 1024x1024
  • 1:1-large -> 1280x1280
  • 16:9 -> 1280x720
  • 9:16 -> 720x1280
  • 4:3 -> 1200x900
  • 3:4 -> 900x1200
  • 2:1 -> 1440x720

Volcano Ark (Seedream):

  • 1:1 -> 2048x2048
  • 16:9 -> 2848x1600
  • 9:16 -> 1600x2848
  • 4:3 -> 2304x1728
  • 3:4 -> 1728x2304
  • 3:2 -> 2496x1664
  • 2:3 -> 1664x2496
  • 1K / 2K / 3K / 4K (modellabhängige maximale Auflösung)

Tencent Hunyuan (Doppelpunkt-getrenntes Format):

  • 1:1 -> 1024:1024
  • 16:9 -> 1920:1080
  • 9:16 -> 1080:1920
  • 4:3 -> 1600:1200
  • 3:4 -> 1200:1600

Zhipu (CogView-4 / GLM-Image):

  • 1:1 -> 1024x1024 (Standard)
  • 16:9 -> 1344x768
  • 9:16 -> 768x1344
  • 4:3 -> 1152x864
  • 3:4 -> 864x1152
  • 2:1 -> 1440x720
  • 1:2 -> 720x1440

StepFun (Step-2X):

  • 1:1 -> 1024x1024 (Standard)
  • 1:1-small -> 512x512
  • 16:9 -> 1280x800
  • 9:16 -> 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:

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):

  1. CLI-Argumente (--platform, --model, --size)
  2. Projektkonfiguration (.imagenCN.json im aktuellen Verzeichnis)
  3. Benutzerkonfiguration (~/.imagenCN.json)
  4. Umgebungsvariablen (DASHSCOPE_MODEL, ARK_MODEL, HUNYUAN_MODEL)
  5. Integrierte Standardeinstellungen

API-Endpunkte

RegionAliasURL
China (Standard)cnhttps://dashscope.aliyuncs.com/api/v1
Singapursghttps://dashscope-intl.aliyuncs.com/api/v1
Virginiaushttps://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 möchtenModellPlattform
Standard / Allgemein (Poster, Text)qwen-image-2.0-proDashScope
Fotorealistisch (Porträts, Landschaften)wan2.7-image-proDashScope
Ein Bild bearbeitenqwen-image-edit-maxDashScope
Günstig & schnellz-image-turboDashScope
Foto + Text-Kombinationdoubao-seedream-5-0-260128Volcano Ark
Komplexe chinesische Kompositionhy-image-v3.0Tencent Hunyuan
Chinesischer Text in Bilderncogview-4Zhipu
Ultragünstige Massengenerierungstep-image-edit-2StepFun

Alle anderen Modelle sind Legacy-/Snapshot-Varianten.

Vollständige Referenz

AnwendungsfallEmpfohlenes Modell
Allgemein hohe Qualität (Standard)qwen-image-2.0-pro
Chinesischer Text/Kalligrafieqwen-image-2.0-pro
Englischer Text auf Bildernqwen-image-2.0-pro
Poster mit Typografieqwen-image-2.0-pro
Fotorealistische Fotos (4K)wan2.7-image-pro
Fotorealistische Fotos (2K)wan2.7-image
Porträtfotografiewan2.7-image-pro
Bildbearbeitung (beste Qualität)qwen-image-edit-max
Bildbearbeitung (schnell, kostengünstig)qwen-image-edit-plus
Schnelle, kostengünstige Generierungz-image-turbo
Hochgetreue Porträts / Produktbilder (schnell)z-image-turbo
Schnell fotorealistisch (Wan)wan2.2-t2i-flash
Kostengünstigere Textwiedergabeqwen-image-plus
ByteDance beste Qualitätdoubao-seedream-5-0-260128
Budgetfreundlich 4K (ByteDance)doubao-seedream-4-0-250828
Komplexe chinesische Prompts (Tencent)hy-image-v3.0

Plattform-Schnellvergleich

MerkmalDashScopeArkHunyuanZhipuStepFun
Am besten fürText, VielfaltFoto+TextKomplexe CNCN-Text im BildUltragünstig
Max. Auflösung4K4K2K2K1K
SDKdashscopeKeinKeinKeinKein
PreisVariiert~0,22~0,20~0,06~0,02
UmgebungsvariableDASHSCOPE_API_KEYARK_API_KEYHUNYUAN_API_KEYZHIPUAI_API_KEYSTEP_API_KEY

Vergleich mit Imagen (Gemini)

MerkmalImagenCN (Bailian)Imagen (Gemini)
Chinesische TextwiedergabeHervorragendGut
Englische TextwiedergabeHervorragendGut
Fotorealistische BilderHervorragendGut
GeschwindigkeitMittelSchnell
Modellvielfalt15+ Modelle3 Modelle
Max. Auflösung4K (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]

Verwandte Skills