用途:该技能通过直接 API 调用 wan2.7-image 模型,完成图像生成与编辑任务,覆盖文生图、图像编辑和组图生成三类场景。
主要能力:文生图可由纯文本提示词生成单张图像;图像编辑支持基于1-9张参考图进行编辑、风格迁移、多图融合与主体一致性生成;组图生成可依据文本及最多9张参考图,一次输出最多12张关联图片,实际数量由模型决定。分辨率支持 1K/2K 或自定义。
使用方式:先阅读 common.md 完成环境配置,获取并设置 DASHSCOPE_API_KEY、DASHSCOPE_BASE_URL,并选择地域。有本地文件时执行 python scripts/file_to_oss.py --file /tmp/image.jpg --model wan2.7-image,有 base64 数据时执行 python scripts/file_to_oss.py --base64 "<base64_data>" --model wan2.7-image 上传获得 oss:// URL。有分辨率或宽高比需求时,执行 python scripts/parse_resolution.py "2K 3:4" 获取 size 配置。随后调用 scripts/image-generation-editing.py,按文生图、图生图编辑或组图三种模式填入 enable_sequential、n、size 等参数。图片链接有效期24小时,如需长期保存应指定目录存盘。任务耗时过长时脚本会输出 task_id,可用 python scripts/check_wan_task_status.py "<task_id>" 每隔10秒查询,连续查询3次,仍为 RUNNING 则提示用户之后再用该 task_id 查询;不要私自减少参考图或组图张数。
适用场景:插画与照片生成、图片局部替换与风格迁移、多图合成、教程或故事类系列图制作。
限制:必须配置 DashScope API Key;参考图数量与组图数量有上限;图片链接仅24小时有效;生成数量与结果受模型影响;详细参数与错误码需查阅 image-generation-editing.md 及 DashScope 文档。