简介:本文面向开发者与运维人员,讲解如何接入支持文生图、参考图生成和图片编辑的图像服务,稳定输出4096×4096像素图片。读者可掌握凭证配置、三类请求代码、超时重试策略、结果校验方法与常见故障排查思路,搭建可复用的智能体视觉创作模块。
读完本文,你可以独立完成三类请求:根据文字生成图片,参考一张或多张图片生成新图,以及在已有图片上做局部或整体修改。你还能解析返回结果、保存图片文件,并处理超时、参数错误和画面质量问题。
先明确一个概念。4096×4096是1:1方形画幅,总像素约1678万(4096×4096=16,777,216)。常见的4K标准并不是这个尺寸:4K UHD为3840×2160,约830万像素;DCI 4K为4096×2160,约885万像素。4096×4096的像素总量约为这两者的两倍,计算量和耗时也随之增加。因此本文把它称为”4096×4096方形4K输出”,并在成本估算时按这个口径计算。
本文的关键结论有两点。第一,4K级别的生成耗时长、费用高,正式出图前应先用低分辨率确认构图和风格。第二,接口的具体字段、模型名称和限制以服务商文档为准。文中的代码是结构示意,替换为官方规范中的真实端点与字段后即可使用。
典型场景包括营销素材批量生成、电商商品图衍生、设计草稿快速迭代,以及基于参考图统一视觉风格。
| 维度 | 托管接口调用 | 自部署开源权重 |
|---|---|---|
| 上线速度 | 快,对接接口即可 | 慢,需要准备硬件和推理环境 |
| 运维成本 | 低,服务方负责扩容 | 高,需要自行维护服务 |
| 数据合规 | 图片经过外部服务 | 数据可留在内网 |
| 可定制性 | 受接口能力限制 | 可做二次开发和微调 |
原型验证阶段建议使用托管接口。涉及敏感数据或需要深度定制时,再评估自部署。自部署所需的显存取决于具体模型和量化方案,请以模型发布方文档为准。切换到本地推理服务时,通常只需把请求地址替换为本地地址,请求结构保持一致。
requests和Pillow。凭证必须从环境变量读取,启动时立即校验。缺失时直接报错,避免使用空凭证发起请求。
import osAPI_KEY = os.environ.get("IMAGE_API_KEY", "")BASE_URL = os.environ.get("IMAGE_API_BASE_URL", "").rstrip("/")if not API_KEY or not BASE_URL:raise RuntimeError("缺少 IMAGE_API_KEY 或 IMAGE_API_BASE_URL,请检查环境变量")HEADERS = {"Authorization": f"Bearer {API_KEY}","Content-Type": "application/json",}
密钥轮换时只需更新环境变量,代码无需修改。开发、测试和生产环境使用各自的变量值,即可避免测试请求污染生产数据。
先用低分辨率确认构图,再生成4K定稿。下面的函数支持传入尺寸参数,调试时传入1024x1024,定稿时传入4096x4096。
import requestsdef text_to_image(prompt: str, size: str = "1024x1024", n: int = 1, timeout: int = 120) -> dict:payload = {"prompt": prompt, "size": size, "n": n}resp = requests.post(f"{BASE_URL}/<文生图接口路径>", # 替换为官方文档中的路径headers=HEADERS,json=payload,timeout=timeout,)resp.raise_for_status()return resp.json()
提示词建议包含五个要素:
下面是一个可直接复用的4K提示词模板:
prompt = ("主体:一位穿米色风衣的女性站在海边栈道上;""环境:傍晚,远处有渔船,海面泛着金色余晖;""风格:写实摄影,胶片质感,细节清晰;""光照与构图:逆光,主体位于画面左侧三分之一处,低机位;""限制:画面中无文字、无水印、无多余人物。")
如果结果偏离预期,先检查要素是否缺失,再考虑调整措辞。盲目增加提示词长度通常无效。
参考图生成让模型参考一张或多张输入图片,统一风格、构图或色调。实施时注意以下四点。
import base64from pathlib import Pathfrom PIL import ImageALLOWED_SUFFIX = {".png", ".jpg", ".jpeg", ".webp"}MAX_BYTES = 10 * 1024 * 1024 # 以接口文档为准def prepare_reference(src: str, tmp_dir: str = "/tmp") -> str:path = Path(src)if path.suffix.lower() not in ALLOWED_SUFFIX:raise ValueError(f"不支持的格式:{path.suffix}")# 重新保存以去除EXIF等元数据with Image.open(path) as im:clean_path = Path(tmp_dir) / f"clean_{path.stem}.png"im.convert("RGB").save(clean_path, format="PNG")data = clean_path.read_bytes()if len(data) > MAX_BYTES:raise ValueError("参考图超过大小限制,请先压缩")return base64.b64encode(data).decode("ascii")def reference_generate(subject: str, ref_paths: list[str], size: str = "1024x1024") -> dict:refs = [prepare_reference(p) for p in ref_paths]payload = {"prompt": f"参考第一张图的构图,参考第二张图的色调,主体为{subject}","reference_images": refs, # 字段名以官方规范为准"size": size,}resp = requests.post(f"{BASE_URL}/<参考图生成接口路径>",headers=HEADERS,json=payload,timeout=120,)resp.raise_for_status()return resp.json()
参考图数量有上限,超出时接口会返回参数错误。上限以接口文档为准。代码中先检查数量,可以提前拦截问题,避免浪费一次4K请求。