Communitygithub.com

ImagenCN - AI 圖片生成

透過阿里雲百煉、字節跳動火山引擎和騰訊混元等平台生成 AI 圖片,支援 23 種模型,中文文字渲染效果卓越。

ImagenCN - AI 圖片生成 是什麼?

ImagenCN 是一個專為 AI 代理設計的圖片生成技能,整合了阿里雲百煉(DashScope)、字節跳動火山引擎(Volcano Ark)、騰訊混元(Hunyuan)、智譜(Zhipu/BigModel)及階躍星辰(StepFun)等五大平台,提供共 23 種模型。該技能擅長生成包含中文文字、書法、商業海報、寫實攝影等內容,並特別優化了中文文字渲染品質。技能工作流程包含:互動式提示詞優化(提供三種風格選項)、模型選擇(預設為 `qwen-image-2.0-pro`)、尺寸設定(支援 1K 至 4K 及多種長寬比),以及透過 `scripts/generate_image.py` 指令生成並儲存圖片。支援 Windows、macOS 和 Linux 跨平台使用,透過環境變數設定 API 金鑰,亦支援可選的 JSON 設定檔進行個人化或專案層級覆蓋。

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

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

ImagenCN - 阿里雲百煉文字轉圖片技能

概述

使用阿里雲百煉 API 生成圖片。預設端點為中國區域。

支援五大平台,涵蓋九個模型系列:

  • 阿里雲百煉 (DashScope):Qwen-Image 2.0、Qwen-Image Edit、Qwen-Image 舊版、Wan 系列、Z-Image
  • 字節跳動火山引擎:Doubao-Seedream 系列 (OpenAI 相容 REST)
  • 騰訊混元:Hunyuan Image 3.0 (OpenAI 相容 REST)
  • 智譜 / BigModel:CogView-4 和 GLM-Image (OpenAI 相容 REST)
  • 階躍星辰:Step-2X 和 Step-Image-Edit (OpenAI 相容 REST)

跨平台支援:Windows、macOS、Linux

何時使用此技能

在以下情況下自動啟用此技能:

  • 使用者要求生成包含中文文字或書法的圖片
  • 需要逼真照片或攝影風格的視覺效果
  • 創作商業海報、插畫或數位藝術
  • 使用者提及以下任一關鍵詞:阿里雲 / 百煉 / Qwen / Wan / DashScope、字節跳動 / 火山引擎 / Seedream / Doubao、騰訊 / 混元
  • 任何需要具備強大中文支援的 AI 生成圖片任務

工作流程

步驟 1 — 優化提示詞 (互動式,不可省略)

使用者經常給出簡短、隨興的描述 (「生成一隻貓」)。在呼叫 API 之前,提供 3 個不同風格方向的優化提示詞選項。根據情況,加入:

  • 主體細節 (形狀、顏色、材質、表情、姿勢)
  • 光線 (黃金時刻、棚燈、邊緣光、柔光擴散、霓虹、電影感)
  • 構圖 (三分法、淺景深、廣角、特寫)
  • 風格 / 媒材 (寫實、油畫、水彩、3D 渲染、向量)
  • 情緒 / 氛圍 (寧靜、戲劇化、奇幻、反烏托邦、優雅)
  • 品質關鍵詞 (8K、超精細、獲獎作品、專業攝影)
  • 圖片上的中文文字:文字內容、位置、字體風格、顏色、大小

清楚標示選項 (例如 A / B / C),並附上每個方向的單行摘要。讓使用者選擇一個、結合多個選項的元素,或要求新的方向。重複此過程直到使用者確認 (「生成」、「好」、「ok」等),然後繼續進行生成。

步驟 2 — 選擇模型

根據請求選擇模型 (請參閱下方的模型選擇指南)。如果不確定,預設使用 qwen-image-2.0-pro。向使用者告知您的選擇。

步驟 3 — 選擇尺寸

Qwen-Image 2.0 原生支援 2K,Wan2.7 支援 1K/2K/4K,或使用長寬比預設值 (16:9、1:1 等)。

步驟 4 — 生成

使用確認後的提示詞和輸出路徑執行 scripts/generate_image.py。

步驟 5 — 儲存

如果輸出路徑不明確,則儲存到使用者的當前工作目錄。

模型

Qwen-Image 2.0 系列 - 最新旗艦 (MultiModalConversation API)

模型描述
qwen-image-2.0-pro預設。最新旗艦,原生 2K,最強的文字排版和細節
qwen-image-2.0-pro-2026-06-22最新快照 (2026 年 6 月):生成 + 編輯融合,更好的文字渲染和提示遵循度
qwen-image-2.0標準 2.0 層級,原生 2K
qwen-image-max前一代旗艦 (2025 年 12 月)
qwen-image-max-2025-12-30qwen-image-max 快照:改善真實感,減少 AI 偽影

Qwen-Image Edit 系列 - 圖片編輯 (MultiModalConversation API)

編輯模型需要透過 --image (本地路徑或 URL) 提供輸入圖片。省略 --size 以匹配輸入圖片的尺寸。

模型描述
qwen-image-edit-max旗艦編輯模型,最強的指令遵循能力
qwen-image-edit-max-2026-01-16最新 max 快照 (2026 年 1 月)
qwen-image-edit-plus更快、成本更低的編輯

Qwen-Image 舊版 (ImageSynthesis API)

模型描述
qwen-image-plusqwen-image-max 的精簡加速版本
qwen-image-plus-2026-01-09qwen-image-plus 快照 (2026 年 1 月):更快的優質生成
qwen-image基礎模型

Wan 系列 - 寫實生成 (ImageGeneration API)

模型描述
wan2.7-image-pro最新。最高 4K 輸出,統一架構 (T2I + 編輯 + 多圖)
wan2.7-imageWan 2.7 標準,最高 2K
wan2.6-t2iWan 2.6,彈性尺寸
wan2.5-t2i-preview高品質,最高 768x2700
wan2.2-t2i-flash速度最佳化
wan2.2-t2i-plus專業層級
wanx2.1-t2i-turbo快速執行
wanx2.1-t2i-plus專業層級
wanx2.0-t2i-turbo較早世代

Z-Image - 輕量快速 (MultiModalConversation API)

模型描述
z-image-turbo快速、低成本生成;雙語 (中/英) 文字渲染,高保真肖像和產品圖片。像素範圍 512x512 至 2048x2048

火山引擎 - 字節跳動 Seedream (OpenAI 相容 API)

模型描述
doubao-seedream-5-0-260128Ark 預設。最新,最高 3K,PNG/JPEG 輸出,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,經濟實惠

騰訊混元 (OpenAI 相容 API)

模型描述
hy-image-v3.0混元預設。旗艦 3.0,強大的構圖感知能力,處理高達 8K 字元的複雜中文提示詞

智譜 / BigModel - CogView-4 和 GLM-Image (OpenAI 相容 API)

模型描述
cogview-4智譜預設。最新 CogView-4 的穩定別名,原生中文文字渲染
cogview-4-250304CogView-4 固定快照 (2025 年 3 月),可重現結果
glm-imageGLM-Image 旗艦,最高 2048x2048,混合自迴歸/擴散模型

階躍星辰 - Step-2X (OpenAI 相容 API)

模型描述
step-2x-largeStepFun 預設。高品質 (0.1 元/張),最高 1024x1024
step-image-edit-2快速且便宜 (0.02 元/張),支援反向提示詞,8 步推理

使用方式

基本用法

# 預設模型 (qwen-image-2.0-pro,原生 2K 輸出)
python ~/.claude/skills/imagenCN/scripts/generate_image.py "一隻可愛的貓" output.png

# 使用 Wan 模型生成寫實照片 (Wan2.7 支援 4K)
python ~/.claude/skills/imagenCN/scripts/generate_image.py --model wan2.7-image-pro --size 4K "日落時分的山脈實景照片" photo.png

# 編輯現有圖片 (需要 --image;本地路徑或 URL)
python ~/.claude/skills/imagenCN/scripts/generate_image.py --model qwen-image-edit-max --image input.png "將背景改為日落海灘" edited.png

尺寸選項

# 使用比例預設
python ~/.claude/skills/imagenCN/scripts/generate_image.py --size 16:9 "寬闊風景" landscape.png

# 使用精確尺寸
python ~/.claude/skills/imagenCN/scripts/generate_image.py --size 1280*720 "自訂尺寸" custom.png

尺寸預設

Qwen-Image 2.0 (原生 2K):

  • 1:1 -> 2048x2048 (預設)
  • 16:9 -> 2688x1536
  • 9:16 -> 1536x2688
  • 4:3 -> 2304x1728
  • 3:4 -> 1728x2304
  • 1K -> 1024x1024
  • 2K -> 2048x2048

Qwen-Image 舊版:

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

Z-Image (像素範圍 512x512 至 2048x2048):

  • 1:1 -> 1024x1024 (預設)
  • 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 (最大解析度取決於模型)

騰訊混元 (冒號分隔格式):

  • 1:1 -> 1024:1024
  • 16:9 -> 1920:1080
  • 9:16 -> 1080:1920
  • 4:3 -> 1600:1200
  • 3:4 -> 1200:1600

智譜 (CogView-4 / GLM-Image):

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

階躍星辰 (Step-2X):

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

進階選項

# 使用反向提示詞
python ~/.claude/skills/imagenCN/scripts/generate_image.py --negative "模糊、低品質" "高品質肖像" portrait.png

# 列出所有模型
python ~/.claude/skills/imagenCN/scripts/generate_image.py --list-models

需求

pip install dashscope requests

# 選用:彩色輸出和格式化表格
pip install rich

環境變數

# 阿里雲百煉 (DashScope)
export DASHSCOPE_API_KEY="your_api_key"        # 必填
export DASHSCOPE_MODEL="wan2.7-image-pro"       # 選用預設模型
export DASHSCOPE_API_BASE="cn"                  # 選用:cn, sg, us

# 字節跳動火山引擎
export ARK_API_KEY="your_api_key"               # Ark 必填
export ARK_MODEL="doubao-seedream-5-0-260128"   # 選用預設模型

# 騰訊混元 (TokenHub)
export HUNYUAN_API_KEY="your_api_key"           # 混元必填
export HUNYUAN_MODEL="hy-image-v3.0"            # 選用預設模型

# 智譜 / BigModel
export ZHIPUAI_API_KEY="your_api_key"           # 智譜必填
export ZHIPUAI_MODEL="cogview-4"                # 選用預設模型

# 階躍星辰
export STEP_API_KEY="your_api_key"              # StepFun 必填
export STEP_MODEL="step-2x-large"               # 選用預設模型

取得 API 金鑰:

設定檔 (選用)

建立 ~/.imagenCN.json 以設定個人預設值,或在專案目錄中建立 .imagenCN.json 以設定專案層級的覆蓋值。出於安全考量,API 金鑰請保留在環境變數中。

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

所有鍵皆為選用。優先順序 (最高優先):

  1. CLI 參數 (--platform、--model、--size)
  2. 專案設定檔 (當前目錄中的 .imagenCN.json)
  3. 使用者設定檔 (~/.imagenCN.json)
  4. 環境變數 (DASHSCOPE_MODEL、ARK_MODEL、HUNYUAN_MODEL)
  5. 內建預設值

API 端點

區域別名URL
中國 (預設)cnhttps://dashscope.aliyuncs.com/api/v1
新加坡sghttps://dashscope-intl.aliyuncs.com/api/v1
維吉尼亞ushttps://dashscope-us.aliyuncs.com/api/v1
# 切換至新加坡端點
export DASHSCOPE_API_BASE="sg"

# 或使用完整 URL
export DASHSCOPE_API_BASE="https://dashscope-intl.aliyuncs.com/api/v1"

模型選擇指南

快速選擇 — 您只需要八種

需求模型平台
預設 / 通用 (海報、文字)qwen-image-2.0-proDashScope
寫實照片 (肖像、風景)wan2.7-image-proDashScope
編輯圖片qwen-image-edit-maxDashScope
便宜快速z-image-turboDashScope
照片 + 文字組合doubao-seedream-5-0-260128火山引擎
複雜中文構圖hy-image-v3.0騰訊混元
圖片中的中文文字cogview-4智譜
超便宜大量生成step-image-edit-2階躍星辰

所有其他模型均為舊版/快照變體。

完整參考

使用案例建議模型
通用高品質 (預設)qwen-image-2.0-pro
中文文字/書法qwen-image-2.0-pro
圖片上的英文文字qwen-image-2.0-pro
含文字排版的海報qwen-image-2.0-pro
寫真照片 (4K)wan2.7-image-pro
寫真照片 (2K)wan2.7-image
肖像攝影wan2.7-image-pro
圖片編輯 (最佳品質)qwen-image-edit-max
圖片編輯 (快速、低成本)qwen-image-edit-plus
快速、低成本生成z-image-turbo
高保真肖像/產品照 (快速)z-image-turbo
快速寫真 (Wan)wan2.2-t2i-flash
低成本文字渲染qwen-image-plus
字節跳動最佳品質doubao-seedream-5-0-260128
經濟實惠的 4K (字節跳動)doubao-seedream-4-0-250828
複雜中文提示詞 (騰訊)hy-image-v3.0

平台快速比較

功能DashScopeArk混元智譜階躍星辰
最適合文字、多樣性照片+文字複雜中文圖片中的中文文字超便宜
最大解析度4K4K2K2K1K
SDKdashscope無無無無
價格因模型而異~0.22~0.20~0.06~0.02
環境變數DASHSCOPE_API_KEYARK_API_KEYHUNYUAN_API_KEYZHIPUAI_API_KEYSTEP_API_KEY

與 Imagen (Gemini) 的比較

功能ImagenCN (百煉)Imagen (Gemini)
中文文字渲染優秀良好
英文文字渲染優秀良好
寫實圖片優秀良好
速度中等快速
模型多樣性15+ 種模型3 種模型
最大解析度4K (Wan2.7-Pro)2K

範例

火山引擎 (字節跳動)

# 預設 Ark 模型 (Seedream 5.0)
ARK_API_KEY="xxx" python scripts/generate_image.py \
  --platform ark \
  "一張充滿活力的特寫編輯風格肖像,Vogue 雜誌封面風格" \
  portrait.png

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

…

[因翻譯需求而截斷]

相關技能