ImagenCN - 阿里云百联文本生成图像技能 是做什么的?
概述
使用阿里云百联API生成图像。默认端点为中国区。
支持横跨五个平台、九个模型家族:
- 阿里云百联 (DashScope): Qwen-Image (通义万相) 2.0, Qwen-Image 编辑版, Qwen-Image 旧版, Wan系列, Z-Image
- 字节跳动火山引擎: Doubao-Seedream系列 (兼容OpenAI的REST API)
- 腾讯混元: 混元图像 3.0 (兼容OpenAI的REST API)
- 智谱 / BigModel: CogView-4 和 GLM-Image (兼容OpenAI的REST API)
- 阶跃星辰: Step-2X 和 Step-Image-Edit (兼容OpenAI的REST API)
跨平台支持: Windows, macOS, Linux
何时使用该技能
在以下情况下自动激活此技能:
- 用户请求生成包含中文文字或书法的图像
- 需要照片级逼真的图像或摄影风格视觉效果
- 创作商业海报、插画或数字艺术
- 用户提及以下任何内容:阿里云 / 百联 / 通义万相 / Wan / DashScope, 字节跳动 / 火山引擎 / Seedream / Doubao, 腾讯 / 混元
- 任何AI生成的图像如果具备强大中文支持会更有帮助的任务
工作流程
第一步 — 优化提示词 (交互式,切勿跳过)
用户通常会给出简短、随意的描述 (如“生成一只猫”)。在调用API之前,提供3个不同的优化提示词选项,并给出不同的风格方向。适当地添加:
- 主体细节 (形状、颜色、材质、表情、姿势)
- 光照 (黄金时刻、工作室光、轮廓光、柔和漫射光、霓虹光、电影光)
- 构图 (三分法、浅景深、广角、特写)
- 风格/媒介 (照片级逼真、油画、水彩、3D渲染、矢量)
- 情绪/氛围 (宁静、戏剧性、奇思妙想、反乌托邦、优雅)
- 质量关键词 (8K、超精细、获奖作品、专业摄影)
- 针对图像上的中文文字:文字内容、位置、字体样式、颜色、大小
明确标记选项 (例如 A / B / C),并附上每个方向的一行摘要。让用户选择一个,组合多个元素,或要求一个新的方向。反复迭代,直到用户确认 (“go”, “generate”, “ok”等),然后进入生成阶段。
第二步 — 选择模型
根据请求选择 (参见下面的模型选择指南)。如果不确定,默认使用 qwen-image-2.0-pro。将您的选择告知用户。
第三步 — 选择尺寸
Qwen-Image 2.0 原生支持2K,Wan2.7支持 1K/2K/4K,或使用宽高比预设 (16:9, 1:1等)。
第四步 — 生成
使用确认的提示词和输出路径运行 scripts/generate_image.py。
第五步 — 保存
如果输出路径是隐式的,则保存到用户的当前工作目录。
模型
Qwen-Image 2.0 系列 - 最新旗舰 (MultiModalConversation API)
| 模型 | 描述 |
|---|---|
qwen-image-2.0-pro | 默认。最新旗舰,原生2K,最强的文字渲染和细节表现 |
qwen-image-2.0-pro-2026-06-22 | 最新快照 (2026年6月):生成+编辑融合,更好的文字渲染和提示词遵循 |
qwen-image-2.0 | 标准2.0层级,原生2K |
qwen-image-max | 上一代旗舰 (2025年12月) |
qwen-image-max-2025-12-30 | qwen-image-max快照:改进的真实感,更少AI伪影 |
Qwen-Image 编辑版系列 - 图像编辑 (MultiModalConversation API)
编辑模型需要通过 --image 提供输入图像 (本地路径或URL)。省略 --size 以匹配输入图像尺寸。
| 模型 | 描述 |
|---|---|
qwen-image-edit-max | 旗舰编辑模型,最强的指令遵循能力 |
qwen-image-edit-max-2026-01-16 | 最新 max 快照 (2026年1月) |
qwen-image-edit-plus | 更快、更低成本的编辑 |
Qwen-Image 旧版 (ImageSynthesis API)
| 模型 | 描述 |
|---|---|
qwen-image-plus | qwen-image-max 的蒸馏加速版 |
qwen-image-plus-2026-01-09 | qwen-image-plus 快照 (2026年1月):更快的优质生成 |
qwen-image | 基础模型 |
Wan系列 - 照片级真实感生成 (ImageGeneration API)
| 模型 | 描述 |
|---|---|
wan2.7-image-pro | 最新。最高4K输出,统一架构 (T2I + 编辑 + 多图) |
wan2.7-image | Wan 2.7 标准版,最高2K |
wan2.6-t2i | Wan 2.6,灵活尺寸 |
wan2.5-t2i-preview | 高质量,最大768x2700 |
wan2.2-t2i-flash | 速度优化版 |
wan2.2-t2i-plus | 专业版 |
wanx2.1-t2i-turbo | 快速执行 |
wanx2.1-t2i-plus | 专业版 |
wanx2.0-t2i-turbo | 早期版本 |
Z-Image - 轻量与快速 (MultiModalConversation API)
| 模型 | 描述 |
|---|---|
z-image-turbo | 快速、低成本的生成;双语 (中/英) 文字渲染,高保真肖像和产品图片。像素尺寸范围 512x512 到 2048x2048 |
火山引擎 - 字节跳动 Seedream (兼容OpenAI的API)
| 模型 | 描述 |
|---|---|
doubao-seedream-5-0-260128 | ARK默认。最新,最高3K,PNG/JPEG输出,最佳文字渲染 |
doubao-seedream-4-5-251128 | Seedream 4.5, 最高4K |
doubao-seedream-4-0-250828 | Seedream 4.0, 最高4K, 经济实惠 |
腾讯混元 (兼容OpenAI的API)
| 模型 | 描述 |
|---|---|
hy-image-v3.0 | 混元默认。旗舰3.0,强大的构图感知,能处理最多8K字符的复杂中文提示词 |
智谱 / BigModel - CogView-4 & GLM-Image (兼容OpenAI的API)
| 模型 | 描述 |
|---|---|
cogview-4 | 智谱默认。最新CogView-4的稳定别名,原生中文文字渲染 |
cogview-4-250304 | CogView-4 固定快照 (2025年3月),可复现结果 |
glm-image | GLM-Image 旗舰版,最高2048x2048,混合自回归/扩散模型 |
阶跃星辰 - Step-2X (兼容OpenAI的API)
| 模型 | 描述 |
|---|---|
step-2x-large | 阶跃星辰默认。高质量 (0.1元/图片),最大1024x1024 |
step-image-edit-2 | 快速且便宜 (0.02元/图片),支持负向提示词,8步推理 |
用法
基本用法
# 默认模型 (qwen-image-2.0-pro, 原生2K输出)
python ~/.claude/skills/imagenCN/scripts/generate_image.py "一只可爱的猫" output.png
# 使用Wan模型的照片级真实感生成 (Wan2.7支持4K)
python ~/.claude/skills/imagenCN/scripts/generate_image.py --model wan2.7-image-pro --size 4K "日落时分山脉的真实照片" photo.png
# 编辑现有图像 (需要 --image;本地路径或URL)
python ~/.claude/skills/imagenCN/scripts/generate_image.py --model qwen-image-edit-max --image input.png "将背景改为日落海滩" edited.png
尺寸选项
# 使用比例预设
python ~/.claude/skills/imagenCN/scripts/generate_image.py --size 16:9 "宽阔的风景" landscape.png
# 使用精确尺寸
python ~/.claude/skills/imagenCN/scripts/generate_image.py --size 1280*720 "自定义尺寸" custom.png
尺寸预设
Qwen-Image 2.0 (原生2K):
1:1-> 2048x2048 (默认)16:9-> 2688x15369:16-> 1536x26884:3-> 2304x17283:4-> 1728x23041K-> 1024x10242K-> 2048x2048
Qwen-Image 旧版:
1:1-> 1328x132816:9-> 1664x9289:16-> 928x16644:3-> 1472x11043:4-> 1104x1472
Z-Image (像素尺寸 512x512 到 2048x2048):
1:1-> 1024x1024 (默认)16:9-> 1280x7209:16-> 720x12802:3-> 1024x15363:2-> 1536x10241K-> 1024x1024
Wan系列 (Wan2.7也接受 1K/2K/4K):
1:1-> 1024x10241:1-large-> 1280x128016:9-> 1280x7209:16-> 720x12804:3-> 1200x9003:4-> 900x12002:1-> 1440x720
火山引擎 (Seedream):
1:1-> 2048x204816:9-> 2848x16009:16-> 1600x28484:3-> 2304x17283:4-> 1728x23043:2-> 2496x16642:3-> 1664x24961K/2K/3K/4K(具体取决于模型的最大分辨率)
腾讯混元 (冒号分隔格式):
1:1-> 1024:102416:9-> 1920:10809:16-> 1080:19204:3-> 1600:12003:4-> 1200:1600
智谱 (CogView-4 / GLM-Image):
1:1-> 1024x1024 (默认)16:9-> 1344x7689:16-> 768x13444:3-> 1152x8643:4-> 864x11522:1-> 1440x7201:2-> 720x1440
阶跃星辰 (Step-2X):
1:1-> 1024x1024 (默认)1:1-small-> 512x51216:9-> 1280x8009:16-> 800x1280
高级选项
# 带负向提示词
python ~/.claude/skills/imagenCN/scripts/generate_image.py --negative "模糊、低质量" "高质量肖像" portrait.png
# 列出所有模型
python ~/.claude/skills/imagenCN/scripts/generate_image.py --list-models
要求
pip install dashscope requests
# 可选:用于彩色输出和样式化表格
pip install rich
环境变量
# 阿里云百联 (DashScope)
export DASHSCOPE_API_KEY="your_api_key" # 必填
export DASHSCOPE_MODEL="wan2.7-image-pro" # 可选的默认模型
export DASHSCOPE_API_BASE="cn" # 可选: cn, sg, us
# 字节跳动火山引擎
export ARK_API_KEY="your_api_key" # 使用火山引擎时必填
export ARK_MODEL="doubao-seedream-5-0-260128" # 可选的默认模型
# 腾讯混元 (TokenHub)
export HUNYUAN_API_KEY="your_api_key" # 使用混元时必填
export HUNYUAN_MODEL="hy-image-v3.0" # 可选的默认模型
# 智谱 / BigModel
export ZHIPUAI_API_KEY="your_api_key" # 使用智谱时必填
export ZHIPUAI_MODEL="cogview-4" # 可选的默认模型
# 阶跃星辰
export STEP_API_KEY="your_api_key" # 使用阶跃星辰时必填
export STEP_MODEL="step-2x-large" # 可选的默认模型
获取API密钥:
- DashScope: https://bailian.console.aliyun.com/
- 火山引擎: https://console.volcengine.com/ark/region:ark+cn-beijing/apikey
- 腾讯混元: https://console.cloud.tencent.com/tokenhub/apikey
- 智谱: https://bigmodel.cn
- 阶跃星辰: https://platform.stepfun.com/interface-key
配置文件 (可选)
创建 ~/.imagenCN.json 用于个人默认配置,或在项目目录中创建 .imagenCN.json 用于项目级覆盖。为安全起见,API密钥保留在环境变量中。
{
"platform": "ark",
"model": "doubao-seedream-5-0-260128",
"size": "2K"
}
所有键都是可选的。优先级 (从高到低):
- CLI参数 (
--platform,--model,--size) - 项目配置 (当前目录下的
.imagenCN.json) - 用户配置 (
~/.imagenCN.json) - 环境变量 (
DASHSCOPE_MODEL,ARK_MODEL,HUNYUAN_MODEL) - 内置默认值
API 端点
| 区域 | 别名 | URL |
|---|---|---|
| 中国 (默认) | cn | https://dashscope.aliyuncs.com/api/v1 |
| 新加坡 | sg | https://dashscope-intl.aliyuncs.com/api/v1 |
| 弗吉尼亚 | us | https://dashscope-us.aliyuncs.com/api/v1 |
# 切换到新加坡端点
export DASHSCOPE_API_BASE="sg"
# 或使用完整URL
export DASHSCOPE_API_BASE="https://dashscope-intl.aliyuncs.com/api/v1"
模型选择指南
快速挑选 — 你只需要八个
| 你要什么 | 模型 | 平台 |
|---|---|---|
| 默认/通用 (海报,文字) | qwen-image-2.0-pro | DashScope |
| 照片级真实感 (肖像,风景) | wan2.7-image-pro | DashScope |
| 编辑图片 | qwen-image-edit-max | DashScope |
| 便宜且快速 | z-image-turbo | DashScope |
| 照片+文字组合 | doubao-seedream-5-0-260128 | 火山引擎 |
| 复杂中文构图 | hy-image-v3.0 | 腾讯混元 |
| 图像中的中文文字 | cogview-4 | 智谱 |
| 超低价批量生成 | step-image-edit-2 | 阶跃星辰 |
所有其他模型均为旧版/快照变体。
完整参考
| 用途 | 推荐模型 |
|---|---|
| 通用高质量 (默认) | qwen-image-2.0-pro |
| 中文文字/书法 | qwen-image-2.0-pro |
| 图像上的英文文字 | qwen-image-2.0-pro |
| 含排版的宣传海报 | qwen-image-2.0-pro |
| 照片级真实感照片 (4K) | wan2.7-image-pro |
| 照片级真实感照片 (2K) | wan2.7-image |
| 肖像摄影 | wan2.7-image-pro |
| 图像编辑 (最佳质量) | qwen-image-edit-max |
| 图像编辑 (快速低成本) | qwen-image-edit-plus |
| 快速、低成本的生成 | z-image-turbo |
| 高保真肖像/产品照片 (快速) | z-image-turbo |
| 快速照片级真实感 (Wan) | wan2.2-t2i-flash |
| 较低成本的文字渲染 | qwen-image-plus |
| 字节跳动最佳质量 | doubao-seedream-5-0-260128 |
| 经济实惠的4K (字节跳动) | doubao-seedream-4-0-250828 |
| 复杂中文提示词 (腾讯) | hy-image-v3.0 |
平台快速对比
| 特性 | DashScope | Ark | 混元 | 智谱 | 阶跃星辰 |
|---|---|---|---|---|---|
| 最适合 | 文字,多样性 | 照片+文字 | 复杂中文 | 图像中的中文文字 | 超低价 |
| 最大分辨率 | 4K | 4K | 2K | 2K | 1K |
| SDK | dashscope | 无 | 无 | 无 | 无 |
| 价格 | 不等 | ~0.22 | ~0.20 | ~0.06 | ~0.02 |
| 环境变量 | DASHSCOPE_API_KEY | ARK_API_KEY | HUNYUAN_API_KEY | ZHIPUAI_API_KEY | STEP_API_KEY |
与 Imagen (Gemini) 的对比
| 特性 | ImagenCN (百联) | Imagen (Gemini) |
|---|---|---|
| 中文文字渲染 | 优秀 | 良好 |
| 英文文字渲染 | 优秀 | 良好 |
| 照片级真实感图像 | 优秀 | 良好 |
| 速度 | 中等 | 快速 |
| 模型多样性 | 15+ 种模型 | 3 种模型 |
| 最大分辨率 | 4K (Wan2.7-Pro) | 2K |
示例
火山引擎 (字节跳动)
# 默认火山引擎模型 (Seedream 5.0)
ARK_API_KEY="xxx" python scripts/generate_image.py \
--platform ark \
"充满活力的特写社论肖像,Vogue 杂志封面风格" \
portrait.png
# 使用4K输出
ARK_API_KEY="xxx" python scripts/generate_image.py \
--platform ark --model doubao-seedream-5-0-260128 --size 4K \
"赛博朋克风格的城市天际线,霓虹灯与雨夜" \
cyberpunk_city.png
腾讯混元
# 默认混元模型 (hy-image-v3.0)
HUNYUAN_API_KEY="xxx" python scripts/generate_image.py \
--platform hunyuan \
"一幅中国山水画风格的现代数字艺术,包含'宁静致远'四字书法" \
landscape_art.png
智谱 (CogView-4)
# 默认智谱模型 (cogview-4)
ZHIPUAI_API_KEY="xxx" python scripts/generate_image.py \
--platform zhipu \
"游戏角色概念设计,包含'风暴之刃'文字标识" \
game_concept.png
阶跃星辰
# 默认阶跃星辰模型 (step-2x-large)
STEP_API_KEY="xxx" python scripts/generate_image.py \
--platform stepfun \
"Q版卡通动物,白色背景,商品包装风格" \
cartoon_animal.png
# 使用编辑模型进行快速修改
STEP_API_KEY="xxx" python scripts/generate_image.py \
--platform stepfun --model step-image-edit-2 \
--image existing_product.png \
"将背景改为淡蓝色" \
edited_product.png