Communitygithub.com

ImagenCN

Generación de imágenes por IA a través de Alibaba Bailian, ByteDance Volcano Ark y Tencent Hunyuan — 23 modelos, excelente renderizado de texto en chino.

¿Qué es ImagenCN?

ImagenCN es una habilidad especializada para la generación de imágenes mediante IA, diseñada para sobresalir en el renderizado de texto en chino y en la creación de contenido visual de alta calidad. Esta habilidad integra múltiples plataformas chinas líderes: Alibaba Cloud Bailian (DashScope) con modelos como Qwen-Image 2.0, Wan Series y Z-Image; ByteDance Volcano Ark con la serie Doubao-Seedream; Tencent Hunyuan con su modelo hy-image-v3.0; Zhipu/BigModel con CogView-4 y GLM-Image; y StepFun/阶跃星辰 con Step-2X. En total, ofrece acceso a más de 23 modelos, cubriendo desde generación general hasta edición de imágenes, pasando por creación fotorrealista y producción de bajo costo. La habilidad sigue un flujo de trabajo interactivo que primero refina el prompt (ofreciendo opciones estilizadas), luego selecciona el modelo, tamaño y genera la imagen mediante un script de línea de comandos (`generate_image.py`). Soporta los sistemas operativos Windows, macOS y Linux, y se configura mediante variables de entorno para las claves API de cada plataforma.

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

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

ImagenCN - Habilidad de Texto a Imagen de Alibaba Cloud Bailian

Visión General

Genera imágenes usando la API de Alibaba Cloud Bailian. El endpoint predeterminado es la región de China.

Admite cinco plataformas en nueve familias de modelos:

  • Alibaba Cloud Bailian (DashScope): Qwen-Image 2.0, Qwen-Image Edit, Qwen-Image legacy, serie Wan, Z-Image
  • ByteDance Volcano Ark: serie Doubao-Seedream (REST compatible con OpenAI)
  • Tencent Hunyuan: Hunyuan Image 3.0 (REST compatible con OpenAI)
  • Zhipu / BigModel: CogView-4 y GLM-Image (REST compatible con OpenAI)
  • StepFun / 阶跃星辰: Step-2X y Step-Image-Edit (REST compatible con OpenAI)

Compatibilidad multiplataforma: Windows, macOS, Linux

Cuándo Usar Esta Habilidad

Activa automáticamente esta habilidad cuando:

  • El usuario solicite generación de imágenes con texto en chino o caligrafía
  • Se necesiten imágenes fotorrealistas o visuales de estilo fotográfico
  • Se estén creando carteles comerciales, ilustraciones o arte digital
  • El usuario mencione alguno de estos: Alibaba Cloud / Bailian / Qwen / Wan / DashScope, ByteDance / Volcano Ark / Seedream / Doubao, Tencent / Hunyuan
  • Cualquier tarea donde una imagen generada por IA con buen soporte de chino sea útil

Flujo de Trabajo

Paso 1 — Refinar el prompt (interactivo, nunca saltar)

Los usuarios a menudo dan descripciones cortas y casuales ("genera un gato"). Antes de llamar a la API, presenta 3 opciones de prompt refinado con diferentes direcciones de estilo. Agrega, según corresponda:

  • Detalles del sujeto (forma, color, material, expresión, pose)
  • Iluminación (hora dorada, estudio, luz de borde, difusa suave, neón, cinematográfica)
  • Composición (regla de los tercios, profundidad de campo reducida, plano general, primer plano)
  • Estilo / medio (fotorrealista, pintura al óleo, acuarela, render 3D, vectorial)
  • Estado de ánimo / atmósfera (sereno, dramático, caprichoso, distópico, elegante)
  • Palabras clave de calidad (8K, hiperdetallado, premiado, fotografía profesional)
  • Para texto chino en imágenes: contenido del texto, ubicación, estilo de fuente, color, tamaño

Etiqueta las opciones claramente (ej. A / B / C) con un resumen de una línea de cada dirección. Deja que el usuario elija una, combine elementos de varias o solicite una nueva dirección. Itera hasta que confirme ("adelante", "genera", "vale", etc.), luego procede a la generación.

Paso 2 — Elegir un modelo

Elige según la solicitud (consulta la Guía de Selección de Modelos más abajo). El valor predeterminado es qwen-image-2.0-pro si no estás seguro. Menciona tu elección al usuario.

Paso 3 — Elegir un tamaño

2K nativo para Qwen-Image 2.0, 1K/2K/4K para Wan2.7, o un preset de relación de aspecto (16:9, 1:1, etc.).

Paso 4 — Generar

Ejecuta scripts/generate_image.py con el prompt confirmado y la ruta de salida.

Paso 5 — Guardar

Si la ruta de salida era implícita, guarda en el directorio de trabajo actual del usuario.

Modelos

Familia Qwen-Image 2.0 - Última Insignia (API MultiModalConversation)

ModeloDescripción
qwen-image-2.0-proPredeterminado. Última insignia, 2K nativo, tipografía y detalle más fuertes
qwen-image-2.0-pro-2026-06-22Última instantánea (junio 2026): fusión de generación + edición, mejor renderizado de texto y adherencia al prompt
qwen-image-2.0Nivel estándar 2.0, 2K nativo
qwen-image-maxInsignia de generación anterior (diciembre 2025)
qwen-image-max-2025-12-30Instantánea de qwen-image-max: realismo mejorado, menos artefactos de IA

Familia Qwen-Image Edit - Edición de Imágenes (API MultiModalConversation)

Los modelos de edición requieren una imagen de entrada a través de --image (ruta local o URL). Omite --size para que coincida con las dimensiones de la imagen de entrada.

ModeloDescripción
qwen-image-edit-maxModelo de edición insignia, mejor seguimiento de instrucciones
qwen-image-edit-max-2026-01-16Última instantánea de max (enero 2026)
qwen-image-edit-plusEdición más rápida y de menor costo

Qwen-Image legacy (API ImageSynthesis)

ModeloDescripción
qwen-image-plusVersión destilada acelerada de qwen-image-max
qwen-image-plus-2026-01-09Instantánea de qwen-image-plus (enero 2026): generación rápida de alta calidad
qwen-imageModelo base

Serie Wan - Generación Fotorrealista (API ImageGeneration)

ModeloDescripción
wan2.7-image-proÚltimo. Hasta salida 4K, arquitectura unificada (T2I + edición + multiimagen)
wan2.7-imageWan 2.7 estándar, hasta 2K
wan2.6-t2iWan 2.6, tamaño flexible
wan2.5-t2i-previewAlta calidad, hasta 768x2700
wan2.2-t2i-flashOptimizado para velocidad
wan2.2-t2i-plusNivel profesional
wanx2.1-t2i-turboEjecución rápida
wanx2.1-t2i-plusNivel profesional
wanx2.0-t2i-turboGeneración anterior

Z-Image - Ligero y Rápido (API MultiModalConversation)

ModeloDescripción
z-image-turboGeneración rápida y de bajo costo; renderizado de texto bilingüe (CN/EN), retratos de alta fidelidad e imágenes de productos. Área de píxeles de 512x512 a 2048x2048

Volcano Ark - ByteDance Seedream (API compatible con OpenAI)

ModeloDescripción
doubao-seedream-5-0-260128Ark predeterminado. Último, hasta 3K, salida PNG/JPEG, mejor renderizado de texto
doubao-seedream-4-5-251128Seedream 4.5, hasta 4K
doubao-seedream-4-0-250828Seedream 4.0, hasta 4K, económico

Tencent Hunyuan (API compatible con OpenAI)

ModeloDescripción
hy-image-v3.0Hunyuan predeterminado. Insignia 3.0, fuerte conciencia de composición, maneja prompts complejos en chino de hasta 8K caracteres

Zhipu / BigModel - CogView-4 y GLM-Image (API compatible con OpenAI)

ModeloDescripción
cogview-4Zhipu predeterminado. Alias estable para el último CogView-4, renderizado nativo de texto chino
cogview-4-250304Instantánea fija de CogView-4 (marzo 2025), resultados reproducibles
glm-imageGLM-Image insignia, hasta 2048x2048, híbrido autorregresivo/difusión

StepFun / 阶跃星辰 - Step-2X (API compatible con OpenAI)

ModeloDescripción
step-2x-largeStepFun predeterminado. Alta calidad (0.1 RMB/imagen), hasta 1024x1024
step-image-edit-2Rápido y barato (0.02 RMB/imagen), admite prompts negativos, 8 pasos de inferencia

Uso

Uso Básico

# Modelo predeterminado (qwen-image-2.0-pro, salida 2K nativa)
python ~/.claude/skills/imagenCN/scripts/generate_image.py "Un gato lindo" output.png

# Fotorrealista con modelo Wan (Wan2.7 admite 4K)
python ~/.claude/skills/imagenCN/scripts/generate_image.py --model wan2.7-image-pro --size 4K "Foto realista de montañas al atardecer" photo.png

# Editar una imagen existente (requiere --image; ruta local o URL)
python ~/.claude/skills/imagenCN/scripts/generate_image.py --model qwen-image-edit-max --image input.png "Cambia el fondo a una playa al atardecer" edited.png

Opciones de Tamaño

# Usar preset de relación
python ~/.claude/skills/imagenCN/scripts/generate_image.py --size 16:9 "Paisaje panorámico" landscape.png

# Usar dimensiones exactas
python ~/.claude/skills/imagenCN/scripts/generate_image.py --size 1280*720 "Tamaño personalizado" custom.png

Presets de Tamaño

Qwen-Image 2.0 (2K nativo):

  • 1:1 -> 2048x2048 (predeterminado)
  • 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 (área de píxeles 512x512 a 2048x2048):

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

Serie Wan (Wan2.7 también acepta 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 (resolución máxima según modelo)

Tencent Hunyuan (formato separado por dos puntos):

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

StepFun (Step-2X):

  • 1:1 -> 1024x1024 (predeterminado)
  • 1:1-small -> 512x512
  • 16:9 -> 1280x800
  • 9:16 -> 800x1280

Opciones Avanzadas

# Con prompt negativo
python ~/.claude/skills/imagenCN/scripts/generate_image.py --negative "borroso, baja calidad" "Retrato de alta calidad" portrait.png

# Listar todos los modelos
python ~/.claude/skills/imagenCN/scripts/generate_image.py --list-models

Requisitos

pip install dashscope requests

# Opcional: para salida coloreada y tablas con estilo
pip install rich

Variables de Entorno

# Alibaba Cloud Bailian (DashScope)
export DASHSCOPE_API_KEY="tu_api_key"        # Requerido
export DASHSCOPE_MODEL="wan2.7-image-pro"       # Modelo predeterminado opcional
export DASHSCOPE_API_BASE="cn"                  # Opcional: cn, sg, us

# ByteDance Volcano Ark
export ARK_API_KEY="tu_api_key"               # Requerido para Ark
export ARK_MODEL="doubao-seedream-5-0-260128"   # Modelo predeterminado opcional

# Tencent Hunyuan (TokenHub)
export HUNYUAN_API_KEY="tu_api_key"           # Requerido para Hunyuan
export HUNYUAN_MODEL="hy-image-v3.0"            # Modelo predeterminado opcional

# Zhipu / BigModel
export ZHIPUAI_API_KEY="tu_api_key"           # Requerido para Zhipu
export ZHIPUAI_MODEL="cogview-4"                # Modelo predeterminado opcional

# StepFun / 阶跃星辰
export STEP_API_KEY="tu_api_key"              # Requerido para StepFun
export STEP_MODEL="step-2x-large"               # Modelo predeterminado opcional

Obtener Claves API:

Archivo de Configuración (Opcional)

Crea ~/.imagenCN.json para valores predeterminados personales, o .imagenCN.json en un directorio de proyecto para anulaciones por proyecto. Las claves API permanecen en las variables de entorno por seguridad.

{
  "platform": "ark",
  "model": "doubao-seedream-5-0-260128",
  "size": "2K"
}

Todas las claves son opcionales. Prioridad (la más alta primero):

  1. Argumentos de CLI (--platform, --model, --size)
  2. Configuración del proyecto (.imagenCN.json en el directorio actual)
  3. Configuración del usuario (~/.imagenCN.json)
  4. Variables de entorno (DASHSCOPE_MODEL, ARK_MODEL, HUNYUAN_MODEL)
  5. Valores predeterminados integrados

Endpoints de API

RegiónAliasURL
China (predeterminado)cnhttps://dashscope.aliyuncs.com/api/v1
Singapursghttps://dashscope-intl.aliyuncs.com/api/v1
Virginiaushttps://dashscope-us.aliyuncs.com/api/v1
# Cambiar al endpoint de Singapur
export DASHSCOPE_API_BASE="sg"

# O usar URL completa
export DASHSCOPE_API_BASE="https://dashscope-intl.aliyuncs.com/api/v1"

Guía de Selección de Modelos

Elección Rápida — Solo Necesitas Ocho

Qué quieresModeloPlataforma
Predeterminado / general (carteles, texto)qwen-image-2.0-proDashScope
Fotorrealista (retratos, paisajes)wan2.7-image-proDashScope
Editar una imagenqwen-image-edit-maxDashScope
Barato y rápidoz-image-turboDashScope
Combinación foto + textodoubao-seedream-5-0-260128Volcano Ark
Composición china complejahy-image-v3.0Tencent Hunyuan
Texto chino en imágenescogview-4Zhipu
Generación de volumen ultra baratastep-image-edit-2StepFun

Todos los demás modelos son variantes heredadas o instantáneas.

Referencia Completa

Caso de UsoModelo Recomendado
Alta calidad general (predeterminado)qwen-image-2.0-pro
Texto/caligrafía en chinoqwen-image-2.0-pro
Texto en inglés en imágenesqwen-image-2.0-pro
Carteles con tipografíaqwen-image-2.0-pro
Fotos fotorrealistas (4K)wan2.7-image-pro
Fotos fotorrealistas (2K)wan2.7-image
Fotografía de retratowan2.7-image-pro
Edición de imágenes (mejor calidad)qwen-image-edit-max
Edición de imágenes (rápida, bajo costo)qwen-image-edit-plus
Generación rápida y de bajo costoz-image-turbo
Retratos de alta fidelidad / fotos de producto (rápido)z-image-turbo
Fotorrealista rápido (Wan)wan2.2-t2i-flash
Renderizado de texto de menor costoqwen-image-plus
Mejor calidad ByteDancedoubao-seedream-5-0-260128
4K económico (ByteDance)doubao-seedream-4-0-250828
Prompts chinos complejos (Tencent)hy-image-v3.0

Comparación Rápida de Plataformas

CaracterísticaDashScopeArkHunyuanZhipuStepFun
Mejor paraTexto, variedadFoto+textoCN complejoTexto CN en imagenUltra barato
Res. máxima4K4K2K2K1K
SDKdashscopeNingunoNingunoNingunoNinguno
PrecioVaría~0.22~0.20~0.06~0.02
Var. entornoDASHSCOPE_API_KEYARK_API_KEYHUNYUAN_API_KEYZHIPUAI_API_KEYSTEP_API_KEY

Comparación con Imagen (Gemini)

CaracterísticaImagenCN (Bailian)Imagen (Gemini)
Renderizado de texto chinoExcelenteBueno
Renderizado de texto en inglésExcelenteBueno
Imágenes fotorrealistasExcelenteBueno
VelocidadMediaRápida
Variedad de modelos15+ modelos3 modelos
Resolución máxima4K (Wan2.7-Pro)2K

Ejemplos

Volcano Ark (ByteDance)

# Modelo Ark predeterminado (Seedream 5.0)
ARK_API_KEY="xxx" python scripts/generate_image.py \
  --platform ark \
  "Un retrato editorial vibrante en primer plano, estilo portada de revista Vogue" \
  portrait.png

# Con salida 4K
ARK_API_KEY="xxx" python scripts/generate_image.py \
  --platform ark --model do

…

[truncado para traducción]

Skills relacionados