7.8 KiB
7.8 KiB
基于火山引擎 Ark API 的 Doubao Seedream 模型，支持文生图、图生图、多图融合、图片编辑。官方文档：Seedream 4.0-5.0 教程
## 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"] | 基于参考图生成新图，通过prompt控制保留原图产品外观 |
| 多图融合 | ["url1","url2",...] | 最多14张参考图融合，prompt中用"图1/图2"指代 |
默认模型: doubao-seedream-5-0-260128（5.0，支持4K、png输出、联网搜索）
## 图生图核心技巧
Seedream 的 image 参数传入的是参考图，模型会根据 prompt 重新生成图片。通过精确的 prompt 可以较好地保持产品形态，但不能做到像素级100%一致。
产品外观保持模板（来自官方文档验证有效）：
> "严格保持图1中U盘产品的整体外观、形状、颜色、尺寸比例和所有可见细节完全不变。在此前提下，仅更换背景和场景：将产品放置在XXX场景中..."
关键：先锁定"完全不变"，再用"在此前提下，仅更换..."描述新场景。
## Prompt 结构（官方推荐）
遵循 主体 + 行为 + 环境 + 风格 结构，建议不超过300个汉字：
- 主体: 产品是什么（用"图1"指代参考图）
- 行为: 产品在做什么/处于什么状态
- 环境: 背景、场景描述
- 风格: 光照、色彩、构图、氛围
## 文字渲染技巧
Seedream 5.0 文字渲染精度 99%+。关键写法：
- 双引号包裹：双引号内文字有特殊渲染优先级，标题"NAS U盘" 远优于 标题NAS U盘
- 指定字体形态：明确"白色加粗无衬线大号字体"、"黑色加粗印刷体"，避免模糊描述
- 清晰度约束：加"所有文字笔画清晰醒目、无乱码无模糊"
- 控制文字量：避免过多小字；功能标签用稍大字号并逐一指定位置，如 画面底部水平排列四个标签，白色中号粗体分别显示"秒变NAS""远程访问""自动备份""私有云盘"
## 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（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" $sw = [System.IO.StreamWriter]::new($tmpFile, $false, (New-Object System.Text.UTF8Encoding $false)) $sw.WriteLine('{') $sw.WriteLine(' "model": "doubao-seedream-5-0-260128",') $sw.WriteLine(' "prompt": "严格保持图1中产品的外观和形态完全不变，在此前提下仅更换背景为白色",') $sw.WriteLine(' "image": ["data:image/png;base64,' + $imgBase64 + '"],') $sw.WriteLine(' "size": "2K",') $sw.WriteLine(' "output_format": "png",') $sw.WriteLine(' "response_format": "url",') $sw.WriteLine(' "stream": false,') $sw.WriteLine(' "watermark": false,') $sw.WriteLine(' "optimize_prompt_options": { "mode": "standard" }') $sw.WriteLine('}') $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 $outputPath
> 当 prompt 中包含中文引号等特殊字符时，不要用 @"..."@ here-string 拼接 JSON，改用 StreamWriter.WriteLine() 逐行写入。
## 多图融合
json { "model": "doubao-seedream-5-0-260128", "prompt": "把图1的人物穿上图2的衣服，站在图3的场景中", "image": ["url1", "url2", "url3"], "size": "2K", "output_format": "png", "response_format": "url", "stream": false, "watermark": false }
## Seedream 参数参考
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| model | string | 是 | doubao-seedream-5-0-260128（5.0，推荐）、doubao-seedream-5-0-lite-260128（5.0 Lite）、doubao-seedream-4-5-251128（4.5）、doubao-seedream-4-0-250828（4.0） |
| prompt | string | 是 | 文本提示词，最多约300汉字或600英文词。建议按「主体+行为+环境+风格」结构组织 |
| image | string[] | 否 | 参考图片URL或Base64，最多14张；prompt中用"图1/图2"指代。输入+输出总数 ≤ 15 |
| size | string | 否 | 2K（默认）、3K（仅5.0）、4K（5.0/4.5/4.0）。推荐用别名（官方文档验证效果更好） |
| response_format | string | 否 | url（下载链接，24h有效）或 b64_json |
| output_format | string | 否 | png（仅5.0支持）或 jpeg（默认） |
| optimize_prompt_options | object | 否 | { "mode": "standard" } 开启提示词优化，提升生图质量（5.0/4.5仅支持standard） |
| sequential_image_generation | string | 否 | disabled（单图）或 auto（组图） |
| sequential_image_generation_options | object | 否 | { "max_images": N } N为1-15 |
| stream | boolean | 否 | false（等待全部）或 true（逐张返回） |
| watermark | boolean | 否 | 默认true，建议设false |
| tools | array | 否 | [{ "type": "web_search" }] 联网搜索（仅5.0） |
## 尺寸指南
| 别名 | 5.0 | 4.5 | 4.0 | 适用场景 |
|---|---|---|---|---|
| 2K | 2048px | 2048px | 2048px | 默认，质量与速度平衡 |
| 3K | 3072px | — | — | 高质量产品图 |
| 4K | 4096px | 4096px | 4096px | 最终生产级质量 |
推荐用别名（如2K）而非像素值，模型会自行判断最优分辨率。两种方式不可混用。
## 提示词技巧
- 场景描述: 主体、动作、环境、氛围
- 风格词: "电商商品主图风格"、"电影大片感"、"oc渲染"、"超现实主义"
- 质量词: "柔和自然光布光"、"光线追踪"、"景深"
- 图生图: 开头用"严格保持图1中产品的整体外观...完全不变。在此前提下，仅..."锁定产品形态
- 文字: 用双引号包裹所有文字内容如标题"NAS U盘"，逐一指定位置和字号，加清晰度约束
- 中文原生支持 — 无需翻译
## Windows注意事项
| 问题 | 解决方案 |
|---|---|
| JSON UTF-8 BOM | 用 [System.IO.StreamWriter]::new($path, $false, (New-Object System.Text.UTF8Encoding $false)) |
| curl引号问题 | 写JSON到临时文件，用 -d "@$tmpFile" |
| 中文引号/特殊字符 | 用 StreamWriter.WriteLine() 逐行写，不要用 here-string |
| curl别名冲突 | 用 curl.exe 而非 curl |
| 续行符 | 用反引号 ` |
## 错误处理
- 401: API Key无效
- 400: 检查提示词长度、图片格式、尺寸值（像素不低于3686400）
- 429: 限流，等待后重试
- 500: 服务器错误，稍后重试