千问图像生成与编辑助手

问题背景

在图像生成与编辑领域，处理复杂中文文字渲染和快速制作商用素材（如海报、宣传图）往往面临挑战。许多工具在文字准确性、元素编辑灵活性或输出质量上存在局限。

核心能力与实现方式

本技能基于阿里云千问图像 API，提供完整的图像生成与编辑工作流：

• 文生图：通过提示词直接生成图像，支持自定义尺寸（如 --size 2048x2048）和批量生成（--n 参数指定数量）。模型 qwen-image-2.0-pro 擅长中文文字渲染，适合制作含文字的商业设计。
• 图像编辑：支持对现有图像进行精细操作，包括增删改元素、修改文字内容、风格迁移等。编辑时通过 --images 参数传入 1-3 张图像（本地路径或 URL），专用模型如 qwen-image-edit-max 强化了几何精度和角色一致性。
• 多图融合：可将多张图像内容融合生成新图像，最多支持三张输入，通过提示词控制融合效果。

关键步骤涉及调用 generate_image.py 脚本，解析输出中的 MEDIA_URL: 行获取图像链接。参数如 --negative-prompt 用于规避常见 AI 伪影，--seed 确保结果可复现。

适用边界与注意点

• 模型差异：qwen-image-edit 基础模型不支持 --size 和 --no-prompt-extend；编辑模型在分辨率范围（512-2048 像素）上有限制。
• 文件与输出：输入图像最大 10MB，输出为 PNG 格式，URL 链接 24 小时后过期。默认反向提示词自动处理肢体扭曲等问题。
• 区域配置：北京和新加坡区域使用独立 API 密钥，混合调用会导致失败，需通过 --region 指定。
• 使用建议：适合需要高质量中文文字渲染的快速原型设计，但对极端复杂编辑（如工业设计细节）需选择专用模型如 qwen-image-edit-plus。