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-2025-12-30 | qwen-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-plus | qwen-image-max 的精簡加速版本 |
qwen-image-plus-2026-01-09 | qwen-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-image | Wan 2.7 標準,最高 2K |
wan2.6-t2i | Wan 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-5-0-260128 | Ark 預設。最新,最高 3K,PNG/JPEG 輸出,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,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-4-250304 | CogView-4 固定快照 (2025 年 3 月),可重現結果 |
glm-image | GLM-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-large | StepFun 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-> 2688x15369:16-> 1536x26884:3-> 2304x17283:4-> 1728x23041K-> 1024x10242K-> 2048x2048
Qwen-Image 舊版:
1:1-> 1328x132816:9-> 1664x9289:16-> 928x16644:3-> 1472x11043:4-> 1104x1472
Z-Image (像素範圍 512x512 至 2048x2048):
1:1-> 1024x1024 (預設)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(最大解析度取決於模型)
騰訊混元 (冒號分隔格式):
1:1-> 1024:102416:9-> 1920:10809:16-> 1080:19204:3-> 1600:12003:4-> 1200:1600
智譜 (CogView-4 / GLM-Image):
1:1-> 1024x1024 (預設)16:9-> 1344x7689:16-> 768x13444:3-> 1152x8643:4-> 864x11522:1-> 1440x7201:2-> 720x1440
階躍星辰 (Step-2X):
1:1-> 1024x1024 (預設)1:1-small-> 512x51216:9-> 1280x8009:16-> 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:
- DashScope:https://bailian.console.aliyun.com/
- 火山引擎:https://console.volcengine.com/ark/region:ark+cn-beijing/apikey
- 騰訊混元:https://console.cloud.tencent.com/tokenhub/apikey
- 智譜:https://bigmodel.cn
- 階躍星辰:https://platform.stepfun.com/interface-key
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):
- CLI 參數 (
--platform、--model、--size) - 專案設定檔 (當前目錄中的
.imagenCN.json) - 使用者設定檔 (
~/.imagenCN.json) - 環境變數 (
DASHSCOPE_MODEL、ARK_MODEL、HUNYUAN_MODEL) - 內建預設值
API 端點
| 區域 | 別名 | URL |
|---|---|---|
| 中國 (預設) | cn | https://dashscope.aliyuncs.com/api/v1 |
| 新加坡 | sg | https://dashscope-intl.aliyuncs.com/api/v1 |
| 維吉尼亞 | us | https://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-pro | DashScope |
| 寫實照片 (肖像、風景) | wan2.7-image-pro | DashScope |
| 編輯圖片 | qwen-image-edit-max | DashScope |
| 便宜快速 | z-image-turbo | DashScope |
| 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 | DashScope | Ark | 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 | 4K | 4K | 2K | 2K | 1K |
| SDK | dashscope | 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_KEY | ARK_API_KEY | HUNYUAN_API_KEY | ZHIPUAI_API_KEY | STEP_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]