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)
| Modelo | Descripción |
|---|---|
qwen-image-2.0-pro | Predeterminado. Última insignia, 2K nativo, tipografía y detalle más fuertes |
qwen-image-2.0-pro-2026-06-22 | Última instantánea (junio 2026): fusión de generación + edición, mejor renderizado de texto y adherencia al prompt |
qwen-image-2.0 | Nivel estándar 2.0, 2K nativo |
qwen-image-max | Insignia de generación anterior (diciembre 2025) |
qwen-image-max-2025-12-30 | Instantánea 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.
| Modelo | Descripción |
|---|---|
qwen-image-edit-max | Modelo de edición insignia, mejor seguimiento de instrucciones |
qwen-image-edit-max-2026-01-16 | Última instantánea de max (enero 2026) |
qwen-image-edit-plus | Edición más rápida y de menor costo |
Qwen-Image legacy (API ImageSynthesis)
| Modelo | Descripción |
|---|---|
qwen-image-plus | Versión destilada acelerada de qwen-image-max |
qwen-image-plus-2026-01-09 | Instantánea de qwen-image-plus (enero 2026): generación rápida de alta calidad |
qwen-image | Modelo base |
Serie Wan - Generación Fotorrealista (API ImageGeneration)
| Modelo | Descripción |
|---|---|
wan2.7-image-pro | Último. Hasta salida 4K, arquitectura unificada (T2I + edición + multiimagen) |
wan2.7-image | Wan 2.7 estándar, hasta 2K |
wan2.6-t2i | Wan 2.6, tamaño flexible |
wan2.5-t2i-preview | Alta calidad, hasta 768x2700 |
wan2.2-t2i-flash | Optimizado para velocidad |
wan2.2-t2i-plus | Nivel profesional |
wanx2.1-t2i-turbo | Ejecución rápida |
wanx2.1-t2i-plus | Nivel profesional |
wanx2.0-t2i-turbo | Generación anterior |
Z-Image - Ligero y Rápido (API MultiModalConversation)
| Modelo | Descripción |
|---|---|
z-image-turbo | Generación 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)
| Modelo | Descripción |
|---|---|
doubao-seedream-5-0-260128 | Ark predeterminado. Último, hasta 3K, salida PNG/JPEG, mejor renderizado de texto |
doubao-seedream-4-5-251128 | Seedream 4.5, hasta 4K |
doubao-seedream-4-0-250828 | Seedream 4.0, hasta 4K, económico |
Tencent Hunyuan (API compatible con OpenAI)
| Modelo | Descripción |
|---|---|
hy-image-v3.0 | Hunyuan 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)
| Modelo | Descripción |
|---|---|
cogview-4 | Zhipu predeterminado. Alias estable para el último CogView-4, renderizado nativo de texto chino |
cogview-4-250304 | Instantánea fija de CogView-4 (marzo 2025), resultados reproducibles |
glm-image | GLM-Image insignia, hasta 2048x2048, híbrido autorregresivo/difusión |
StepFun / 阶跃星辰 - Step-2X (API compatible con OpenAI)
| Modelo | Descripción |
|---|---|
step-2x-large | StepFun predeterminado. Alta calidad (0.1 RMB/imagen), hasta 1024x1024 |
step-image-edit-2 | Rápido 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-> 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 (área de píxeles 512x512 a 2048x2048):
1:1-> 1024x1024 (predeterminado)16:9-> 1280x7209:16-> 720x12802:3-> 1024x15363:2-> 1536x10241K-> 1024x1024
Serie Wan (Wan2.7 también acepta 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(resolución máxima según modelo)
Tencent Hunyuan (formato separado por dos puntos):
1:1-> 1024:102416:9-> 1920:10809:16-> 1080:19204:3-> 1600:12003:4-> 1200:1600
Zhipu (CogView-4 / GLM-Image):
1:1-> 1024x1024 (predeterminado)16:9-> 1344x7689:16-> 768x13444:3-> 1152x8643:4-> 864x11522:1-> 1440x7201:2-> 720x1440
StepFun (Step-2X):
1:1-> 1024x1024 (predeterminado)1:1-small-> 512x51216:9-> 1280x8009:16-> 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:
- 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
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):
- Argumentos de CLI (
--platform,--model,--size) - Configuración del proyecto (
.imagenCN.jsonen el directorio actual) - Configuración del usuario (
~/.imagenCN.json) - Variables de entorno (
DASHSCOPE_MODEL,ARK_MODEL,HUNYUAN_MODEL) - Valores predeterminados integrados
Endpoints de API
| Región | Alias | URL |
|---|---|---|
| China (predeterminado) | 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 |
# 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 quieres | Modelo | Plataforma |
|---|---|---|
| Predeterminado / general (carteles, texto) | qwen-image-2.0-pro | DashScope |
| Fotorrealista (retratos, paisajes) | wan2.7-image-pro | DashScope |
| Editar una imagen | qwen-image-edit-max | DashScope |
| Barato y rápido | z-image-turbo | DashScope |
| Combinación foto + texto | doubao-seedream-5-0-260128 | Volcano Ark |
| Composición china compleja | hy-image-v3.0 | Tencent Hunyuan |
| Texto chino en imágenes | cogview-4 | Zhipu |
| Generación de volumen ultra barata | step-image-edit-2 | StepFun |
Todos los demás modelos son variantes heredadas o instantáneas.
Referencia Completa
| Caso de Uso | Modelo Recomendado |
|---|---|
| Alta calidad general (predeterminado) | qwen-image-2.0-pro |
| Texto/caligrafía en chino | qwen-image-2.0-pro |
| Texto en inglés en imágenes | qwen-image-2.0-pro |
| Carteles con tipografía | qwen-image-2.0-pro |
| Fotos fotorrealistas (4K) | wan2.7-image-pro |
| Fotos fotorrealistas (2K) | wan2.7-image |
| Fotografía de retrato | wan2.7-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 costo | z-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 costo | qwen-image-plus |
| Mejor calidad ByteDance | doubao-seedream-5-0-260128 |
| 4K económico (ByteDance) | doubao-seedream-4-0-250828 |
| Prompts chinos complejos (Tencent) | hy-image-v3.0 |
Comparación Rápida de Plataformas
| Característica | DashScope | Ark | Hunyuan | Zhipu | StepFun |
|---|---|---|---|---|---|
| Mejor para | Texto, variedad | Foto+texto | CN complejo | Texto CN en imagen | Ultra barato |
| Res. máxima | 4K | 4K | 2K | 2K | 1K |
| SDK | dashscope | Ninguno | Ninguno | Ninguno | Ninguno |
| Precio | Varía | ~0.22 | ~0.20 | ~0.06 | ~0.02 |
| Var. entorno | DASHSCOPE_API_KEY | ARK_API_KEY | HUNYUAN_API_KEY | ZHIPUAI_API_KEY | STEP_API_KEY |
Comparación con Imagen (Gemini)
| Característica | ImagenCN (Bailian) | Imagen (Gemini) |
|---|---|---|
| Renderizado de texto chino | Excelente | Bueno |
| Renderizado de texto en inglés | Excelente | Bueno |
| Imágenes fotorrealistas | Excelente | Bueno |
| Velocidad | Media | Rápida |
| Variedad de modelos | 15+ modelos | 3 modelos |
| Resolución máxima | 4K (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]