text-2-image

# 阿里云文生图工具 此命令基于阿里云 Token Plan 的 qwen-image-2.0 模型，支持两种方式生成图片： 1. **纯文本生成**：根据文字描述生成图片 2. **图生图**：基于参考图片和文字描述生成新图片 ## 使用方法 ### 纯文本生成 ``` /text-2-image <图片描述> ``` 示例： ``` /text-2-image 一只可爱的橙色小猫坐在窗台上看风景 /text-2-image 未来科技感的城市夜景，霓虹灯闪烁 ``` ### 图生图（基于参考图片） ``` /text-2-image image:/path/to/image.png <图片描述> ``` 示例： ``` /text-2-image image:/Users/mozhenghua/photo.jpg 将这张照片转换为水彩画风格 /text-2-image image:./reference.png 保持构图，改成卡通风格 ``` ## 任务说明 调用阿里云 Token Plan 文生图 API，支持： 1. 纯文本描述生成图片 2. 基于参考图片和文字描述生成新图片（图生图） 生成的图片自动下载保存到当前目录。 ## 输入参数 用户需求接收格式：`$ARGUMENTS` 从用户输入中提取以下参数： - **image**（可选）：参考图片路径，格式为 `image:/path/to/image.png` - **prompt**（必需）：图片描述文字 - **model**（可选）：使用的模型，默认 `qwen-image-2.0` - **size**（可选）：图片尺寸，默认 `1024*1024` 支持的尺寸选项： - `1024*1024`（正方形，默认） - `720*1280`（竖版） - `1280*720`（横版） ## 执行步骤 ### 1. 参数提取与验证 从 `$ARGUMENTS` 中提取参数： - 检查是否包含 `image:/path/to/file` 格式的参考图片路径 - 如果用户指定了 `model:xxx` 或 `size:xxx`，则解析相应参数 - prompt 为剩余的所有文字内容 示例解析： - 输入：`一只小猫` → image=null, prompt="一只小猫", model="qwen-image-2.0", size="1024*1024" - 输入：`size:720*1280 一只小猫` → image=null, prompt="一只小猫", size="720*1280" - 输入：`image:/tmp/cat.jpg 改成水彩风格` → image="/tmp/cat.jpg", prompt="改成水彩风格" ### 2. 处理参考图片（如果提供） 如果用户提供了参考图片路径： ```bash # 检查文件是否存在 if [ ! -f "/path/to/image.png" ]; then echo "错误：图片文件不存在" exit 1 fi # 使用 base64 编码图片 image_base64=$(base64 -i "/path/to/image.png") ``` **重要说明**： - 必须检查文件是否存在 - 使用 `base64` 命令对图片进行编码 - macOS 使用 `base64 -i <file>`，Linux 使用 `base64 -w 0 <file>` ### 3. 调用阿里云 API #### 3.1 纯文本生成（无参考图片） 使用 Bash 工具执行 curl 命令调用 API： ```bash curl -s -X POST "https://llm-s8qpdvjob13kiwj5.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation" \ -H "Authorization: Bearer $QWEN_AUTH_TOKEN" \ -H "Content-Type: application/json" \ -d '{ "model": "<model>", "input": { "messages": [ { "role": "user", "content": [ { "text": "<prompt>" } ] } ] }, "parameters": { "size": "<size>" } }' ``` #### 3.2 图生图（有参考图片） 当提供参考图片时，content 数组需要同时包含图片和文本： ```bash curl -s -X POST "https://llm-s8qpdvjob13kiwj5.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation" \ -H "Authorization: Bearer $QWEN_AUTH_TOKEN" \ -H "Content-Type: application/json" \ -d '{ "model": "<model>", "input": { "messages": [ { "role": "user", "content": [ {"image": "<base64_encoded_image>"}, { "text": "<prompt>" } ] } ] }, "parameters": { "size": "<size>" } }' ``` **重要说明**： - 图片必须在文本之前放入 content 数组 - 图片使用 `{"image": "base64编码的图片内容"}` 格式 - 使用环境变量 `$QWEN_AUTH_TOKEN` 作为阿里云 API 的 Bearer token - 确保该环境变量已正确设置 - API 返回 JSON 格式响应 ### 4. 解析响应并提取图片 URL 从 API 返回的 JSON 中提取图片 URL： - 路径：`output.choices[0].message.content[0].image` - 使用 `jq` 工具解析 JSON（如果可用） - 或使用 `grep`/`sed` 等工具提取 示例响应结构： ```json { "output": { "choices": [ { "message": { "content": [ { "image": "https://xxx.oss-cn-beijing.aliyuncs.com/xxx.png" } ] } } ] } } ``` ### 5. 下载图片 使用 curl 下载图片到当前目录： ```bash curl -s -o "generated_$(date +%Y%m%d_%H%M%S).png" "<image_url>" ``` 文件命名格式：`generated_YYYYMMDD_HHMMSS.png` ### 6. 向用户报告结果 输出信息应包含： - 生成成功的提示 - 图片文件的完整路径 - 使用的模型和尺寸参数 - 是否使用了参考图片 - 原始 prompt 示例输出（纯文本生成）： ``` ✓ 图片生成成功！ 文件路径：/path/to/generated_20260626_143025.png 模型：qwen-image-2.0 尺寸：1024*1024 描述：一只可爱的橙色小猫坐在窗台上看风景 ``` 示例输出（图生图）： ``` ✓ 图片生成成功！ 文件路径：/path/to/generated_20260626_143025.png 模型：qwen-image-2.0 尺寸：1024*1024 参考图片：/tmp/cat.jpg 描述：改成水彩风格 ``` ## 错误处理 处理以下可能的错误情况： 1. **环境变量未设置** - 检查 `$QWEN_AUTH_TOKEN` 是否存在 - 提示用户设置该环境变量 2. **参考图片文件不存在** - 检查用户提供的图片路径是否有效 - 提示用户检查文件路径 3. **图片文件格式不支持** - 支持的格式：PNG, JPG, JPEG, WebP - 提示用户使用支持的格式 4. **图片文件过大** - 建议图片大小不超过 10MB - 提示用户压缩图片后重试 5. **API 调用失败** - 检查 HTTP 响应状态码 - 解析错误信息并友好提示 6. **JSON 解析失败** - 打印原始响应便于调试 - 提示用户重试或检查参数 7. **图片下载失败** - 检查 URL 有效性 - 提示网络连接问题 ## 最佳实践 1. **Prompt 编写建议** - 描述要具体明确 - 包含主体、场景、风格等关键元素 - 中英文均可，但中文效果更好 - 使用参考图片时，prompt 应描述想要的变化或风格 2. **参考图片选择** - 图片质量越高，生成效果越好 - 建议使用清晰、构图合理的图片 - 图片大小建议在 1MB-10MB 之间 - 支持格式：PNG, JPG, JPEG, WebP 3. **尺寸选择** - 正方形（1024*1024）：适合头像、图标 - 横版（1280*720）：适合封面、横幅 - 竖版（720*1280）：适合手机壁纸、海报 4. **文件管理** - 图片自动以时间戳命名，避免覆盖 - 建议定期整理生成的图片文件 ## 技术要求 - 必须使用 Bash 工具执行命令 - 使用 `curl -s` 静默模式避免进度输出 - JSON 数据使用单引号包裹，内部字符串使用双引号 - 正确转义特殊字符 - 使用 `-o` 参数保存文件，而不是重定向 - 图片编码时注意 macOS 和 Linux 的 base64 命令差异 ## 依赖项 - `curl`：HTTP 请求工具（系统自带） - `date`：时间戳生成（系统自带） - `base64`：图片 Base64 编码（系统自带） - `jq`（可选）：JSON 解析工具，如果可用则优先使用 ## 注意事项 - API 调用可能需要几秒到十几秒，请耐心等待 - 生成的图片质量受 prompt 描述质量影响 - 使用参考图片时，生成时间可能更长（需要上传和处理图片） - 每次调用都会产生 API 费用，请合理使用 - 确保有足够的磁盘空间存储图片（通常 < 5MB） - 参考图片的 Base64 编码可能产生较大的 JSON 请求体