程序化 AI 生图
模型定价/选型以
model-package技能为准:草稿/批量用默认档(z-image-turbo0.10 元/张)、封面/成片用质量档(qwen-image-3.0-pro2K 0.50 元/张)。本技能只写调用方式,价格与 ID 不在此处维护。
2026-08-31 小说推广视频实战沉淀。内置 image_generate 工具不可用或需批量/精确控制时,用硅基生图 API。
通道优先级
- 千问云生图(模型包③:默认
qwen-image-3.00.18/张、封面质量档qwen-image-3.0-pro2k;本通道历史以 wan2.6-t2i 实跑过,端点/参数差异见 call-recipes):出图原生 1152x1536/1152x1152,成品再放大到平台规格;批量分波提交,撞 429/RateQuota 就退避重试(并发 1-4 安全,8 并发必触限;图像模型不走 Batch 推理,只走异步任务+重试)。 - 内置
image_generate(dashscope/wan2.7 通道)——先试;但可能 401 Unauthorized - TokenPlan 通义万相(见 token-plan-image-gen 技能,单张 1-2 token,weekly 额度)
- 硅基 Qwen-Image API(¥0.3/张;⚠️2026-09-08 实测 key 无额度 30001,充值/恢复后才可用)
⚠️ 2026-09-08 更新:硅基付费 key + free key 均无额度(30001 balance insufficient),"换硅基 Qwen-Image"这条主替代当前不可用。生图优先走 TokenPlan 万相;硅基恢复额度再切回。
硅基 Qwen-Image 快速调用
- 端点:POST
https://api.siliconflow.cn/v1/images/generations(不是 /chat/completions) - header:
Authorization: Bearer <SILICONFLOW_API_KEY>(default .env 里有) - body:
{"model":"Qwen/Qwen-Image","prompt":"...","image_size":"768x1344","batch_size":1,"num_inference_steps":20,"guidance_scale":3.0} - 返回
images[0].url= s3 临时 URL,到手立即下载(会过期) - 完整代码 + 坑见
references/siliconflow-image-gen.md
尺寸映射
- 竖版 9:16(抖音/小说封面):
768x1344 - 方形 1:1(头像/书封):
1024x1024 - 横版 16:9:
1344x768
小说封面配方(番茄 750x1000,2026-09-01 实测)
- 番茄书籍封面 = 3:4 竖版 750x1000;Qwen-Image 生 768x1344 → scale=max(750/w,1000/h) 放大 → 居中裁 750x1000
- ⚠️ 暗黑题材 AI 图常过暗(暗区<40 占比 >50%):封面小图必须提亮——gamma**(1/1.35) clip + Contrast 1.06,暗区压到 ~45% 才可交付,否则小尺寸看不清
- 书名用 PIL 叠加:msyhbd.ttc(微软雅黑粗体)72px 两行 + 底部标签 40px;顶部/底部先画半透明黑条(alpha 160)衬底保文字可读
- 保存 封面.jpg quality=92;原图 768x1344 存 源文件\cover_raw*.png,作品根目录只留 封面.jpg
- 完整实现参考 <WORK_DIR>\工具\脚本\小说\cover_jujitsu.py
铺满裁剪(→ 1080x1920)
scale = max(1080/w, 1920/h)
img = img.resize((int(w*scale), int(h*scale)), Image.LANCZOS)
img = img.crop((x, y, x+1080, y+1920))
出海封面顶配战役验收规范(封面军规:token 不省,质量优先)
- 亮度双口径必须同时给读数:灰度均值 + 暗区(gray<40)占比两个读法都列——"均值≤55"与"暗区≤55%"是两种判据读法,单口径交付会被验收方追问。成品交亮/暗两档;暗调重映射(gamma 压暗)时标题保持高亮白字。
- 千问 wan2.6-t2i 出图:负向词必含
no glyphs, no letters on screens, dust particles, melted foliage;文字一律 PIL 压字不上模型(Georgia Bold/Bookman Old Style Bold + Segoe UI Bold);成品长边按平台规格放大(KDP 竖版 1600x2560=1:1.6 官方推荐比例、方版 2560x2560、SH 系列页 1600x2400=2:3)。 - VLM 自检跑 3 票取多数:字迹/smear/浮尘/融变/过暗五项逐项报 True/False;1/3 票把地图细字失焦读成"涂抹"属常见误报——另 2 票判自然景深且画面语义合理即放行并如实记录异议票,不因单票打回整批。书名做 OCR 回读验拼写。
- 每张成品配 154px 缩略图并验书名在缩略图可读(小图冲击力=点击率的生死线,长书名两行排版)。
- MANIFEST.txt 逐张列:尺寸/比例/灰度均值/std/暗区占比/缩略图std/MB、原图来源、数字处理记录、VLM 读数、推荐用途、未动资产清单、边界声明(未上传/未动 payload)、可复现脚本位置。
- GM 验收=独立重算不吃清单:一条 execute_code 用 PIL 重开每张成品算 mean/暗区占比比对 MANIFEST 读数(应到小数点一致),glob 核缩略图在位;读数不符即打回。
封面「AI 底图 + PIL 压字」混合路线(默认起手)
- 分工固定:底图只交 AI(氛围/构图是它赢的地方),一切文字与印记全由 PIL 合成;换新底图时不许顺手缩回旧版字号/印记强度——压字强度只取历史最高档,缩略图可读性是点击生死线。
- 判据(质检脚本必须用磁盘成品像素实测,禁引用生成脚本自报的意图值):标题大写字高 200px 缩略图下 ≥15px(顶配 17px);标题对紧邻底对比 ≥15:1;印记/红章对比 ≥3:1(图形门槛);印记不得侵入署名带(框内印记色像素必须为 0,写成硬判据);人脸 0(YuNet 0.4+0.15 双阈值);底图 MSER 伪文字斑块 0;尺寸精确三档(1600×2560 主档 / 800×1200 / 200×320)。
- 放大印记必查重叠:印记直径放大 = 下缘下移,先上移章心再目检,并把重叠写成脚本硬判据而非人工看图。
- 交付三件同包落盘:三档 PNG + 质检报告 md + 合成脚本与底图(脚本+底图不在包里则不可复现,等于没交付)。
- 参考实现(含全部常数与硬判据):
<WORK_DIR>\写作\_出海运营\新书B-开书包-20261021\封面\v3\make_B_cover_v3.py+qa_B_cover_v3.py。
通用坑
- prompt 英文更稳,末尾加 "No text, no watermark"
- 同步返回约 26s/张;批量循环加 time.sleep(1) 防限流
- cv2.imwrite 写中文路径失败;用 imencode+buf.tofile;PIL save 中文路径 OK