admin/membank
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

合并豆包万相图片技能到image-tools，删除doubao-image独立目录

Browse Source
This commit is contained in:
12600k-rog-d4
2026-05-16 02:20:37 +08:00
parent 2bc5df886a
commit 4efeda9189
2 changed files with 276 additions and 38 deletions
Download Patch File Download Diff File Expand all files Collapse all files

238
.trae/skills/image-tools/SKILL.md
View File

@@ -1,17 +1,193 @@
--- ---
name: image-tools name: image-tools
description: 阿里云万相2.7图生图工具，用于AI生成产品主图、场景图、电商素材。Invoke when user needs to generate product images, e-commerce visuals, or AI image editing. description: AI图片生成与编辑工具集。包含豆包万相（Doubao Seedream）和阿里云万相2.7两个AI图片引擎，支持文生图、图生图、多图融合、图片编辑。用于生成产品主图、场景图、电商素材、宣传页等。Invoke when user needs to generate, edit, or transform images for e-commerce or product visuals.
--- ---
# Image Tools - 万相2.7 AI图生图 # Image Tools - AI图片生成与编辑工具集
使用阿里云百炼 **wan2.7-image-pro** 模型进行 AI 图生图处理，支持文生图、图生图、图片编辑。 集成两个AI图片引擎：
1. **豆包万相（Doubao Seedream）** — 火山引擎Ark API，支持文生图、图生图、多图融合、图片编辑、批量生成
2. **阿里云万相2.7** — 阿里云百炼 wan2.7-image-pro，支持文生图、图生图、图片编辑
## 前提条件 ---
## 引擎1：豆包万相（Doubao Seedream）
使用火山引擎 Ark API 的 Doubao Seedream 模型，支持文生图、图生图、多图融合、图片编辑。
### 前提条件
- `curl.exe`（Windows内置）
- Ark API Key: `ark-119a37ed-f123-42fc-aea6-b38d47d47fc0-f7ddf`
- API端点: `https://ark.cn-beijing.volces.com/api/v3/images/generations`
### 模式一览
| 模式 | `image`参数 | 用途 |
|---|---|---|
| 文生图 | 省略或`[]` | 从文字描述生成图片 |
| 图生图 | `["url1"]` | 风格转换、精修、变换 |
| 多图融合 | `["url1","url2",...]` | 最多14张参考图融合 |
| 图片编辑 | `["url1"]` + 编辑提示词 | 移除/替换元素、换背景等 |
默认模型: `doubao-seedream-5-0-260128`
### 文生图（Windows PowerShell）
```powershell
$tmpFile = "$env:TEMP\request.json"
$prompt = "YOUR_PROMPT_HERE"
$json = @"
{"model":"doubao-seedream-5-0-260128","prompt":"$prompt","size":"2k","sequential_image_generation":"disabled","response_format":"url","stream":false,"watermark":false}
"@
$sw = [System.IO.StreamWriter]::new($tmpFile, $false, (New-Object System.Text.UTF8Encoding $false))
$sw.Write($json); $sw.Close()
$response = curl.exe -s -X POST https://ark.cn-beijing.volces.com/api/v3/images/generations `
-H "Content-Type: application/json" `
-H "Authorization: Bearer ark-119a37ed-f123-42fc-aea6-b38d47d47fc0-f7ddf" `
-d "@$tmpFile" | ConvertFrom-Json
$imageUrl = $response.data[0].url
$outputPath = Join-Path (Get-Location) "output-name.png"
curl.exe -s -o $outputPath $imageUrl
Write-Output $outputPath
```
### 图生图/图片编辑（本地文件输入，Windows PowerShell）
```powershell
$imgBytes = [System.IO.File]::ReadAllBytes((Resolve-Path "path\to\input.png"))
$imgBase64 = [System.Convert]::ToBase64String($imgBytes)
$tmpFile = "$env:TEMP\request.json"
$prompt = "YOUR_EDIT_INSTRUCTIONS_HERE"
$json = @"
{"model":"doubao-seedream-5-0-260128","prompt":"$prompt","image":["data:image/png;base64,$imgBase64"],"size":"2k","sequential_image_generation":"disabled","response_format":"url","stream":false,"watermark":false}
"@
$sw = [System.IO.StreamWriter]::new($tmpFile, $false, (New-Object System.Text.UTF8Encoding $false))
$sw.Write($json); $sw.Close()
$response = curl.exe -s -X POST https://ark.cn-beijing.volces.com/api/v3/images/generations `
-H "Content-Type: application/json" `
-H "Authorization: Bearer ark-119a37ed-f123-42fc-aea6-b38d47d47fc0-f7ddf" `
-d "@$tmpFile" | ConvertFrom-Json
$imageUrl = $response.data[0].url
$outputPath = Join-Path (Get-Location) "output-name.png"
curl.exe -s -o $outputPath $imageUrl
Write-Output $outputPath
```
### 多图融合
```json
{
"model": "doubao-seedream-5-0-260128",
"prompt": "把图1的人物穿上图2的衣服，站在图3的场景中",
"image": ["url1", "url2", "url3"],
"size": "2k",
"sequential_image_generation": "disabled",
"response_format": "url",
"stream": false,
"watermark": false
}
```
### 批量生成（最多15张）
```json
{
"model": "doubao-seedream-5-0-260128",
"prompt": "一个女孩和她的布偶牛在过山车上，分别呈现早晨、中午、傍晚的场景",
"sequential_image_generation": "auto",
"sequential_image_generation_options": { "max_images": 3 },
"size": "2k",
"response_format": "url",
"stream": false,
"watermark": false
}
```
### 豆包参数参考
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| `model` | string | 是 | `doubao-seedream-5-0-260128`（默认）或 `doubao-seededit-3-0-i2i`（精确编辑） |
| `prompt` | string | 是 | 文本提示词，最多~300中文字或~600英文词 |
| `image` | string[] | 否 | 参考图片URL或Base64（`data:image/png;base64,...`），最多14张 |
| `size` | string | 否 | `2k`（默认）、`3k`、`4k` 或 `WIDTHxHEIGHT`（如`2048x1024`），必须小写 |
| `response_format` | string | 否 | `url`（下载链接，24h有效）或 `b64_json` |
| `sequential_image_generation` | string | 否 | `disabled`（默认，单图）或 `auto`（模型决定批量数） |
| `sequential_image_generation_options` | object | 否 | `{ "max_images": N }` N为1-15，仅auto模式 |
| `stream` | boolean | 否 | `false`（等待全部）或 `true`（逐张返回） |
| `watermark` | boolean | 否 | 添加"AI Generated"水印，默认`false` |
| `guidance_scale` | float | 否 | 文本遵循度(CFG)，范围[1,10]，仅seededit-3-0-i2i |
| `seed` | int32 | 否 | 可复现种子，仅seededit-3-0-i2i |
### 豆包尺寸指南
| 别名 | 近似分辨率 | 适用场景 |
|---|---|---|
| `2k` | ~2048px | **默认** — 质量与速度平衡 |
| `3k` | ~3072px | 高质量，产品图 |
| `4k` | ~4096px | 最终生产质量 |
| `WIDTHxHEIGHT` | 自定义 | 如`2048x1024`宽幅横幅 |
像素约束：两个维度必须在[1280, 4096]，最大3:1宽高比。
### 豆包提示词技巧
- **描述场景**: 主体、动作、环境、氛围
- **指定风格**: "电影大片感"、"水彩画风"、"赛博朋克"、"oc渲染"、"超现实主义"
- **质量关键词**: "光线追踪"、"景深"、"极致的光影"、"动态模糊"
- **编辑指令**: "把背景换成海滩"、"移除画面中的人物"、"将风格改为水彩画"
- **中文提示词原生支持** — 无需翻译为英文
### Windows注意事项
| 问题 | 解决方案 |
|---|---|
| PowerShell 5.1给JSON加UTF-8 BOM | **不要**用`Set-Content`或`[System.Text.Encoding]::UTF8`，用`[System.IO.StreamWriter]::new($path, $false, (New-Object System.Text.UTF8Encoding $false))` |
| PowerShell破坏curl中的`"` | **始终**写JSON到临时文件，用`-d "@$tmpFile"` |
| curl别名冲突 | 用`curl.exe`而非`curl` |
| 续行符 | 用反引号`` ` `` |
### 豆包错误处理
- **401**: API Key无效 — 检查Authorization头
- **400**: 请求错误 — 检查提示词长度、图片格式、尺寸值
- **429**: 限流 — 等待后重试
- **500**: 服务器错误 — 稍后重试
### 精确编辑模型
需要精细编辑时，`doubao-seededit-3-0-i2i`提供额外控制：
```json
{
"model": "doubao-seededit-3-0-i2i",
"prompt": "Change the dress color to red",
"image": ["data:image/png;base64,..."],
"guidance_scale": 5.5,
"seed": 42,
"size": "adaptive",
"response_format": "url",
"watermark": false
}
```
---
## 引擎2：阿里云万相2.7
使用阿里云百炼 **wan2.7-image-pro** 模型，支持文生图、图生图、图片编辑。
### 前提条件
环境变量 `DASHSCOPE_API_KEY` 已配置（默认使用内置Key） 环境变量 `DASHSCOPE_API_KEY` 已配置（默认使用内置Key）
## 基本用法 ### 基本用法
```bash ```bash
python wan_image_edit.py <提示词> <输入图片> [输出路径] [尺寸] python wan_image_edit.py <提示词> <输入图片> [输出路径] [尺寸]
@@ -23,7 +199,7 @@ python wan_image_edit.py <提示词> <输入图片> [输出路径] [尺寸]
- `输出路径`: 输出文件名（可选，默认 wan_output.png） - `输出路径`: 输出文件名（可选，默认 wan_output.png）
- `尺寸`: 1K 或 2K（可选，默认 2K） - `尺寸`: 1K 或 2K（可选，默认 2K）
## 示例 ### 示例
```bash ```bash
# 白底产品图 # 白底产品图
@@ -32,50 +208,36 @@ python wan_image_edit.py "keep the product, pure white background, professional
# 场景图 # 场景图
python wan_image_edit.py "place product on modern desk, cozy home office" "product.png" "scene.png" python wan_image_edit.py "place product on modern desk, cozy home office" "product.png" "scene.png"
# 高性能风格
python wan_image_edit.py "cyberpunk gaming setup with RGB lights, benchmark scores" "product.png" "gaming.png" "2K"
# 文生图（无输入图片） # 文生图（无输入图片）
python wan_image_edit.py "futuristic NAS server in data center" "" "t2i.png" python wan_image_edit.py "futuristic NAS server in data center" "" "t2i.png"
# 直接在图上添加文字
python wan_image_edit.py "keep product, add bold text: 千兆高速传输, professional tech background" "product.png" "with_text.png"
``` ```
## 可用尺寸 ### 万相2.7可用尺寸
| 尺寸 | 分辨率 | 适用场景 | | 尺寸 | 分辨率 | 适用场景 |
|-----|-------|---------| |-----|-------|---------|
| 1K | 1024x1024 | 快速预览、轮播图 | | 1K | 1024x1024 | 快速预览、轮播图 |
| 2K | 2048x2048 | 主图、海报（推荐）| | 2K | 2048x2048 | 主图、海报（推荐）|
## 代码调用 ---
```python ## 引擎选择建议
from wan_image_edit import wan_image_edit
# 基础调用 | 场景 | 推荐引擎 | 原因 |
wan_image_edit( |-----|---------|------|
prompt="keep the product, white background", | 电商产品主图 | 豆包万相 | 中文提示词支持好，风格丰富 |
image_path="product.png", | 场景图/氛围图 | 豆包万相 | 高质量渲染，支持多种风格 |
output_path="output.png", | 精细图片编辑 | 豆包万相(seededit) | 专用编辑模型，精确控制 |
size="2K" | 多图融合 | 豆包万相 | 原生支持最多14图融合 |
) | 批量生成 | 豆包万相 | 一次请求最多15张 |
| 快速产品抠图/换背景 | 万相2.7 | Python脚本调用便捷 |
# 批量生成多张 ---
styles = [
("white bg", "product.png", "white.png"),
("cyberpunk", "product.png", "cyber.png"),
("data center", "product.png", "datacenter.png"),
]
for prompt, img, out in styles:
wan_image_edit(prompt, img, out)
```
## 提示词技巧 ## 输出规范
- **保持产品**: "keep the product", "retain the original product" - 保存图片到用户当前工作目录（或子目录）
- **背景**: "white background", "modern office", "data center" - API返回的URL 24小时内有效 — 立即下载保存到本地
- **风格**: "cyberpunk", "minimalist", "professional" - **不要回读图片** — 用markdown显示: `![image](/absolute/path/to/image.png)`
- **氛围**: "dramatic lighting", "warm tones", "neon lights" - 只使用**绝对路径**
- **添加文字**: "add bold text: 千兆高速传输" - 不要在对话中重复路径

76
.trae/skills/image-tools/references/doubao-api-reference.md Normal file
View File

@@ -0,0 +1,76 @@
# Volcengine Ark Image API Reference
## Endpoint
`POST https://ark.cn-beijing.volces.com/api/v3/images/generations`
## Authentication
```
Authorization: Bearer ark-119a37ed-f123-42fc-aea6-b38d47d47fc0-f7ddf
```
## Response Format
### Success Response (response_format: "url")
```json
{
"created": 1234567890,
"data": [
{
"url": "https://...",
"revision": 0
}
]
}
```
### Success Response (response_format: "b64_json")
```json
{
"created": 1234567890,
"data": [
{
"b64_json": "...",
"revision": 0
}
]
}
```
### Error Response
```json
{
"error": {
"code": "invalid_request_error",
"message": "..."
}
}
```
## Available Models
| Model ID | Capabilities | Max Size |
|---|---|---|
| `doubao-seedream-5-0-260128` | Text-to-image, image-to-image, multi-image fusion, editing, batch | 2K |
| `doubao-seedream-4-5-t2i` | Text-to-image, image-to-image, multi-image fusion | 4K |
| `doubao-seedream-4-0-t2i` | Text-to-image, image-to-image, multi-image fusion | 4K |
| `doubao-seedream-5-0-lite-t2i` | Text-to-image, batch, web search | 3K |
| `doubao-seedream-3-0-t2i` | Text-to-image (with seed/guidance_scale) | 2K |
| `doubao-seededit-3-0-i2i` | Dedicated image editing (with seed/guidance_scale) | adaptive |
## Image Input Formats
- **URL**: Publicly accessible HTTP/HTTPS URL
- **Base64**: `data:image/<format>;base64,<encoded_data>`
- Format must be lowercase: `data:image/png;base64,...` (not `PNG`)
- Supported formats: png, jpeg, webp
## Size Constraints
- Pixel range: `[1280, 4096]` for both width and height
- Max aspect ratio: 3:1 (long edge to short edge)
- Custom size format: `"WIDTHxHEIGHT"` (e.g., `"2048x1024"`)