Communitygithub.com

ImagenCN - 阿里云百联文本生成图像技能

通过阿里云百联、字节跳动火山引擎和腾讯混元等平台实现AI图像生成,支持23种模型,擅长中文文本渲染。

ImagenCN - 阿里云百联文本生成图像技能 是什么?

ImagenCN 是一个专为需要在图像中处理中文文本的开发者设计的AI图像生成技能。它整合了阿里云百联(DashScope)、字节跳动火山引擎(Ark)、腾讯混元、智谱(BigModel)和阶跃星辰(StepFun)五大平台,提供23种不同能力的模型,涵盖从旗舰级文本渲染到极致性价比的图像生成。该技能的核心优势在于对中文文字、书法和复杂排版的卓越支持,并能根据用户简短描述自动生成多种风格提示词选项进行交互确认。它支持Windows、macOS和Linux平台,通过环境变量配置API密钥,并通过命令行脚本 (`scripts/generate_image.py`) 执行生成,最大输出分辨率可达4K。无论是创建商业海报、摄影级写实图像,还是编辑现有图片,ImagenCN 都能提供针对性的模型推荐和参数调整,是中文AI图像生成场景下的强大工具。

兼容平台✓Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add Agents365-ai/imagenCN

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

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-2025-12-30qwen-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-plusqwen-image-max 的蒸馏加速版
qwen-image-plus-2026-01-09qwen-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-imageWan 2.7 标准版,最高2K
wan2.6-t2iWan 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-5-0-260128ARK默认。最新,最高3K,PNG/JPEG输出,最佳文字渲染
doubao-seedream-4-5-251128Seedream 4.5, 最高4K
doubao-seedream-4-0-250828Seedream 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-4-250304CogView-4 固定快照 (2025年3月),可复现结果
glm-imageGLM-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 -> 2688x1536
  • 9:16 -> 1536x2688
  • 4:3 -> 2304x1728
  • 3:4 -> 1728x2304
  • 1K -> 1024x1024
  • 2K -> 2048x2048

Qwen-Image 旧版:

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

Z-Image (像素尺寸 512x512 到 2048x2048):

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

Wan系列 (Wan2.7也接受 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

火山引擎 (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 (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 -> 1024:1024
  • 16:9 -> 1920:1080
  • 9:16 -> 1080:1920
  • 4:3 -> 1600:1200
  • 3:4 -> 1200:1600

智谱 (CogView-4 / GLM-Image):

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

阶跃星辰 (Step-2X):

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

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):

  1. CLI参数 (--platform, --model, --size)
  2. 项目配置 (当前目录下的 .imagenCN.json)
  3. 用户配置 (~/.imagenCN.json)
  4. 环境变量 (DASHSCOPE_MODEL, ARK_MODEL, HUNYUAN_MODEL)
  5. 内置默认值

API 端点

区域别名URL
中国 (默认)cnhttps://dashscope.aliyuncs.com/api/v1
新加坡sghttps://dashscope-intl.aliyuncs.com/api/v1
弗吉尼亚ushttps://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-proDashScope
照片级真实感 (肖像,风景)wan2.7-image-proDashScope
编辑图片qwen-image-edit-maxDashScope
便宜且快速z-image-turboDashScope
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DashScopeArk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4K4K2K2K1K
SDKdashscope无无无无
价格不等~0.22~0.20~0.06~0.02
环境变量DASHSCOPE_API_KEYARK_API_KEYHUNYUAN_API_KEYZHIPUAI_API_KEYSTEP_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

相关技能