Python AI 绘画

本文我们将为大家介绍如何基于一些开发 API 或开源的库来搭建一套自己的 AI 作图工具。

通过文生图 API

通过文生图 API，您可以基于文本描述创造出全新的原创图像。

阿里云百炼提供两大系列模型：

通义千问（Qwen-Image）: 擅长渲染复杂的中英文文本，本章节以这个为例。
通义万相（Wan系列）: 用于生成写实图像和摄影级视觉效果。

通过运行以下命令安装 DashScope Python SDK：

# 如果运行失败，您可以将pip替换成pip3再运行
pip install -U requests dashscope

我们需要开通阿里云百炼模型服务并获得 API-KEY。

我们可以先使用阿里云主账号访问百炼模型服务平台：https://bailian.console.aliyun.com/，然后点击右上角登录，登录成功后点击右上角的齿轮⚙️图标，选择 API key，然后复制 API key，如果没有也可以创建 API key：

开通阿里云百炼不会产生费用，仅模型调用（超出免费额度后）、模型部署、模型调优会产生相应计费。

现在要使用 API，都需要按 token 来计费，还好都不贵，我们可以先购买个最便宜的包：阿里云百炼大模型服务平台。

接下来我们通过设置提示词来生成图片：

实例

from http import HTTPStatus
from urllib.parse import urlparse, unquote
from pathlib import PurePosixPath
import requests
from dashscope import ImageSynthesis
import os

prompt = "一副典雅庄重的对联悬挂于厅堂之中，房间是个安静古典的中式布置，桌子上放着一些青花瓷，对联上左书"义本生知人机同道善思新"，右书"通云赋智乾坤启数高志远"， 横批"智启通义"，字体飘逸，中间挂在一着一副中国风的画作，内容是岳阳楼。"

# 请用百炼API Key
api_key = "sk-xxx"

print('----同步调用，请等待任务执行----')
rsp = ImageSynthesis.call(api_key=api_key,
                          model="qwen-image",
                          prompt=prompt,
                          n=1,
                          size='1328*1328',
                          prompt_extend=True,
                          watermark=True)
print('response: %s' % rsp)
if rsp.status_code == HTTPStatus.OK:
    # 在当前目录下保存图片
    for result in rsp.output.results:
        file_name = PurePosixPath(unquote(urlparse(result.url).path)).parts[-1]
        with open('./%s' % file_name, 'wb+') as f:
            f.write(requests.get(result.url).content)
else:
    print('同步调用失败, status_code: %s, code: %s, message: %s' %
          (rsp.status_code, rsp.code, rsp.message))

输出结果类似如下，会看到有个 url 的参数，我们访问它就可以下载通过提示词描述的图片了：

----同步调用，请等待任务执行----
response: {"status_code": 200, "request_id": "1968746e-f434-4f77-9f8c-9b1adb80e8d7", "code": null, "message": "", "output": {"task_id": "d85c65d9-c4ff-4d66-a895-7c7746620b0c", "task_status": "SUCCEEDED", "results": [{"url": "https://dashscope-result-sh.oss-cn-shanghai.aliyuncs.com/7d/05/20250916/8d68e658/d85c65d9-c4ff-4d66-a895-7c7746620b0c-1.png?xxxxxxxxx", 
...

以上实例生成的图片如下：

更多内容可以参考官方文档：https://help.aliyun.com/zh/model-studio/text-to-image

Stable Diffusion

需要使用的开源库为 Stable Diffusion web UI，它是基于 Gradio 库的 Stable Diffusion 浏览器界面

Stable Diffusion web UI GitHub 地址：https://github.com/AUTOMATIC1111/stable-diffusion-webui

运行 Stable Diffusion 需要硬件要求比较高，运行时会消耗较大的资源，特别是显卡。

Windows 环境安装

本地环境要求安装 Python 3.10.6 或以上版本，并把它加入到本机的环境变量中。

下载 Stable Diffusion web UI GitHub 源码 https://github.com/AUTOMATIC1111/stable-diffusion-webui。

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

如果没有安装 Git ，可以在右上角下载 zip 压缩包。

解压 stable-diffusion-webui，并进入 stable-diffusion-webui 目录。

接下来我们需要下载模型，下载地址：https://huggingface.co/CompVis/stable-diffusion-v-1-4-original

将下载的模型移动到 stable-diffusion-webui/models/Stable-diffusion 目录下。

进入 stable-diffusion-webui 目录：

Windows 使用非管理员运行:

webui-user.bat

Linux 和 Mac OS 环境执行以下命令：

./webui.sh

接下来程序就会自动安装并启动，启动成功会看到一个可访问的 URL 地址 http://127.0.0.1:7860：

访问 http://127.0.0.1:7860，界面如下：

注意: 如果安装出现卡住不动，很可能是下载 Github 源码出现问题了，可以使用 Github 的一些镜像来解决，目前还没非常稳定的镜像，建议 Google 搜索下。我这边在 2023 年 4 月 6 号使用以下镜像地址 https://hub.fgit.ml，打开 stable-diffusion-webui 目录的 launch.py 文件，替换以下部分代码的 Github 地址（代码大概在 230～240 行之间）：

Civitai 介绍

Civitai 有许多定制好的模型，而且可以免费下载，我们使用国风3模型来测试，下载地址：https://civitai.com/models/10415/3-guofeng3?modelVersionId=36644

下载完后，我们将模型移动到 stable-diffusion-webui/models/Stable-diffusion 目录下，重新启动 stable-diffusion-webui ：

./webui.sh

这样我们就可以在模型列表中选择国风3模型了：

选择后，我们可以到模型介绍页面去拷贝一些提示词和测试参数：

为了快速生成，我高度跟宽度都减半了，之后点生成按钮即可：

生成完整过程，可以关注我们微信视频号查看：