AI Image Generator

异步生成 AI 图片与视频的技能。

⚠️ 首次使用必读

1. 获取 API Key

访问 https://ai.deepsop.com/ 注册并登录，然后创建你的 API Key。

2. 设置环境变量

在使用前，你必须先设置自己的 API Key：

# Linux/macOS/Git Bash (Windows)
export AI_ARTIST_TOKEN="sk-your_api_key_here"

# Windows PowerShell
$env:AI_ARTIST_TOKEN="sk-your_api_key_here"

3. 验证配置

验证配置是否正确：

python3 scripts/test_config.py

详细配置说明请查看下方"环境配置"章节。

快速开始

# 图片生成（默认 DeepSop·3.1Nano2-Evo）
python3 scripts/generate_image.py "一只可爱的猫"

# 视频生成（默认 DeepSop·V3.1FB）
python3 scripts/generate_video.py "海边日落风景"

参考图/视频上传流程

当用户提供本地文件作为参考图或参考视频时，需要先调用文件上传 API 转换为可访问的 URL：

文件上传 API

curl --location --request POST 'https://ai.deepsop.com/prod-api/system/fileUpload/upload' \
--header 'x-api-key: sk-your_api_key_here' \
--form 'file=@"C:\\Users\\admin\\Downloads\\image.png"'

返回结果：

{
  "msg": "操作成功",
  "fileName": "image.png",
  "code": 200,
  "url": "https://kocgo-ai-sales-test.oss-cn-hangzhou.aliyuncs.com/material/100/xxx.png"
}

使用上传后的 URL

获取到 url 后，可作为 firstImageUrl、lastImageUrl、imageUrlList、videoUrlList 或 elementList 等参数传入生成接口。

在对话中直接返回图片/视频

方式 1: Markdown 语法（推荐）

生成图片后，直接在回复中使用 Markdown 语法：

![图片描述](图片URL)
![视频描述](视频URL)

平台支持情况：

• ✅ WebChat、Discord、Telegram：完全支持
• ✅ 飞书：支持（需公开 URL）
• ❌ WhatsApp：不支持

方式 2: 下载后发送（需要 message 工具）

使用 --download 参数下载媒体文件，然后通过 message 工具发送：

python3 scripts/generate_image.py "风景画" --download
python3 scripts/generate_video.py "海边" --download

比如图片生成接着在代码中读取图片并发送：

from scripts.generate_image import generate_image
import base64

result = generate_image(prompt="风景画", download=True)

if result and result["status"] == "SUCCESS":
    # 方式 A: 使用 data URI
    image_uri = result["data_uri"]  # data:image/png;base64,...
    
    # 方式 B: 读取本地文件
    with open(result["local_path"], "rb") as f:
        image_data = f.read()
        base64_data = base64.b64encode(image_data).decode()

参数说明

通用参数

| 参数 | 默认值 | 说明 | |------|--------|------| | prompt | 必填 | 生成提示词（图片或视频描述）| | --model | 图片: DeepSop·3.1Nano2-Evo / 视频: DeepSop·V3.1FB | 生成模型（详见下方模型列表） | | --interval | 5 | 轮询间隔(秒) | | --download | - | 下载媒体文件到本地 | | --output-dir | workspace/images（图片） / workspace/videos（视频） | 文件保存目录 |

图片专属参数

| 参数 | 默认值 | 说明 | |------|--------|------| | --quality | 按模型自动匹配 | 图片质量：1K、2K、3K、4K（具体支持见下方模型能力表） | | --size | 按模型自动匹配 | 图片比例：1:1、3:4、4:3、16:9、9:16、2:3、3:2、4:5、5:4、1:4、4:1、1:8、8:1、21:9、auto（具体支持见下方模型能力表） | | --download | - | 下载图片到本地 | | --output-dir | workspace/images | 图片保存目录 | | --markdown-output | - | 以 Markdown 格式输出图片链接 | | --reference-image | - | 参考图本地路径，自动上传后作为 image-to-image 参考 | | --web-search | - | 开启联网搜索（仅 S5.0L 和 Nano2-Evo 支持） |

视频专属参数

| 参数 | 默认值 | 说明 | |------|--------|------| | --generation-type | TEXT | 生成类型：TEXT（文生视频）、FIRST&LAST（首尾帧生视频）、REFERENCE（参考图生视频）、CONTINUATION（视频续写）、EDIT（视频编辑）、FEATURE（参考视频生视频） | | --ratio | 按模型自动匹配 | 画面比例（具体支持见下方模型能力表） | | --resolution | 按模型自动匹配 | 视频分辨率：480p、720p、1080p、2K、4K（具体支持见下方模型能力表） | | --duration | 按模型自动匹配 | 视频时长（秒），不同模型支持范围不同 | | --mode | std | 生成模式：std（标准模式）、pro（专家模式/高品质）（仅 Kling V3 Omni 支持） | | --first-image-url | - | 首帧参考图 URL | | --last-image-url | - | 尾帧参考图 URL | | --first-image | - | 首帧参考图本地路径，自动上传后转换为 URL | | --last-image | - | 尾帧参考图本地路径，自动上传后转换为 URL | | --first-clip-url | - | 续写/编辑参考视频 URL | | --first-clip | - | 续写/编辑参考视频本地路径，自动上传后转换为 URL | | --image-url-list | - | 参考图片 URL 列表（用于参考图生视频） | | --video-url-list | - | 参考视频 URL 列表（用于 R2V 模型） | | --element-list | - | 参考主体 URL 列表（用于 Kling V3 Omni） | | --generate-audio | - | 开启音频生成（按模型能力生效） | | --no-audio | - | 关闭音频生成（按模型能力生效） | | --keep-original-sound | - | 保留视频原声（仅 Kling V3 Omni） | | --prompt-extend | - | 开启智能提示词改写（Wan系列支持） | --enhance-prompt | - | 开启提示词翻译成英文（Veo3.1系列支持） | --negative-prompt | - | 负向提示词（Veo3.1 Fast/Pro、Wan系列支持） | --shot-type | single | 镜头模式：single（单镜头）、multi（智能分镜）、customize（自定义分镜） | --duration-switch | - | 时长模式开关（仅 S1.5Pro） | --person-generation | allow_adult | 是否允许生成人物：allow_adult、dont_allow（仅 Veo3.1 Fast/Pro） | --resize-mode | pad | 图像缩放模式：pad（调整图片）、crop（裁剪图片）（仅 Veo3.1 Fast/Pro） | --multi-shot | - | 是否多镜头（仅 Kling V3 Omni） | --n | 1 | 生成视频数量（仅 Veo3.1 Fast/Pro） | --audio-url | - | 参考音频 URL（Wan系列 T2V/I2V 支持）

支持的模型

图片模型

| 模型 | methodType | 支持质量 | 支持比例 | 联网搜索 | 特点 | |------|-----------|---------|------| | S4.5 | 0 | 2K, 4K | 除 auto 外所有比例 | ❌ | 电影级画质4K，角色一致性 | N1 | 1 | 1K | 除 21:9、4:5、5:4、1:4、4:1、1:8、8:1 外 | ❌ | 支持多模态输入，精细参数调节 | N2 | 2 | 1K, 2K, 4K | 所有比例 | ❌ | 卓越的文字渲染和角色一致性 | N2-147 | 3 | 1K, 2K, 4K | 除 auto、1:4、4:1、1:8、8:1 外 | ❌ | 147版本，支持多模态输入 | S5.0L | 4 | 2K, 3K | 除 auto 外所有比例 | ✅ | 默认模型，生成快、风格全、易用 | N2-Pro | 5 | 1K, 2K, 4K | 除 auto、1:4、4:1、1:8、8:1 外 | ✅ | Pro版本，画质细节更优 | W2.7 | 6 | 1K, 2K | 除 auto、21:9 外 | ❌ | 画质清晰，细节丰富 | W2.7Pro | 7 | 1K, 2K | 除 auto、21:9 外 | ❌ | 精准控图与风格迁移 | N2-Evo | 8 | 1K, 2K, 4K | 所有比例 | ✅ | Evo版本，卓越的文字渲染 | N2-Beta | 9 | 1K, 2K, 4K | 所有比例 | ❌ | Beta测试版 | Auto | auto | 2K 除 auto、1:4、4:1、1:8、8:1、21:9 外 | ❌ | 自动选择最佳模型

视频模型

| 模型名称 | methodType | 支持生成类型 | 支持比例 | 支持分辨率 | 时长范围 | 特殊能力 | |---------|-----------|------------|---------|-----------|---------|---------| | S1.5Pro | 2 | TEXT, FIRST&LAST | 1:1, 3:4, 4:3, 16:9, 9:16, 21:9, adaptive | 480p, 720p, 1080p | 4-12s | 影视级叙事，支持音频生成、时长模式 | | Sora2 Beta | 1 | TEXT, FIRST&LAST | 16:9, 9:16 | 720p | 10-15s | Beta版本 | | Sora2 | 11 | TEXT, FIRST&LAST | 16:9, 9:16 | 720p | 4-12s | 基础版本 | | Sora2 Pro | 12 | TEXT, FIRST&LAST | 16:9, 9:16, 7:4, 4:7 | 720p, 2K | 4-12s | Pro版本 | | V3.1FB | 3 | TEXT, FIRST&LAST, REFERENCE | 16:9, 9:16, adaptive | 720p, 1080p, 4K | 8s | 快速轻量版，支持提示词翻译 | | V3.1PB | 4 | TEXT, FIRST&LAST, REFERENCE | 16:9, 9:16, adaptive | 720p, 1080p, 4K | 8s | 专业轻量版，多图参考 | | V3.1Fast | 5 | TEXT, FIRST&LAST | 16:9, 9:16, adaptive | 720p, 1080p, 4K | 4s, 8s | 快速版，支持音画同步 | | V3.1Pro | 6 | TEXT, FIRST&LAST | 16:9, 9:16, adaptive | 720p, 1080p, 4K | 4s, 8s | 专业版，4K超清，商业级 | | W2.6t | 7 | TEXT | 1:1, 3:4, 4:3, 16:9, 9:16 | 720p, 1080p | 3-15s | 文生视频，支持音频、提示词改写 | | W2.6i | 8 | FIRST&LAST | 固定 | 720p, 1080p | 3-15s | 首帧图生视频，比例由图片决定 | | W2.6r | 9 | REFERENCE | 1:1, 3:4, 4:3, 16:9, 9:16 | 720p, 1080p | 3-10s | 参考视频生视频 | | W2.7i | 14 | FIRST&LAST, CONTINUATION | 固定 | 720p, 1080p | 3-15s | 首帧图生视频，支持续写 | | W2.7t | 15 | TEXT | 1:1, 3:4, 4:3, 16:9, 9:16 | 720p, 1080p | 3-15s | 文生视频，支持音频、提示词改写 | | W2.7r | 16 | REFERENCE | 1:1, 3:4, 4:3, 16:9, 9:16 | 720p, 1080p | 3-15s（无视频引用）<br>3-10s（有视频引用） | 参考视频生视频 | | Kling V3 Omni | 10 | TEXT, FIRST&LAST, REFERENCE, EDIT, FEATURE | 1:1, 16:9, 9:16 | 720p, 1080p | 3-15s | 全能模型，支持主体参考、多镜头 | | Auto | auto | FIRST&LAST | 16:9, 9:16 | 720p | 4-12s | 自动选择最佳模型 |

VEO3.1 系列（V3.1FB、V3.1PB、V3.1Fast、V3.1Pro）共同说明： | 模型名称 | 支持特性 | |---------|-----------| | V3.1FB / V3.1PB | 支持 --enhance-prompt（提示词翻译成英文） | | V3.1Fast / V3.1Pro | 支持 --n、--person-generation、--resize-mode、--negative-prompt、--enhance-prompt、--generate-audio |

WAN2.6 系列共同说明： | 模型名称 | 支持特性 | |---------|-----------| | W2.6t / W2.7t | 文生视频，支持 --audio-url（自定义音频） | | W2.6i / W2.7i | 首帧图生视频，不支持 --ratio 参数（比例由首帧图决定），W2.7i 支持 --first-clip-url（续写） | | W2.6r / W2.7r | 参考视频生视频，支持 --video-url-list（参考视频列表），W2.7r 时长根据是否有视频引用动态变化 | | 全系列 | 支持 --prompt-extend（智能提示词改写）、--negative-prompt（负向提示词） |

Kling V3 Omni 特有能力： | 能力 | 说明 | |---------|-----------| | --element-list | 参考主体选择 | | --keep-original-sound | 保留视频原声 | | --mode | 生成模式（std/pro） | | --multi-shot | 是否多镜头 | | --shot-type | 镜头模式（single/multi/customize） | | --generate-audio | 生成声音 | | 不支持 --resolution | 分辨率固定 |

参数联动规则（自动处理）

图片质量按模型自动过滤 | model | 支持质量 | |-------|---------| | Auto | 2K | | S4.5 (0) | 2K, 4K | | N1 (1) | 1K | | N2 (2)、N2-147 (3)、N2-Pro (5)、N2-Evo (8)、N2-Beta (9) | 1K, 2K, 4K | | S5.0L (4) | 2K, 3K | | W2.7 (6)、W2.7Pro (7) | 1K, 2K |

图片比例按模型自动过滤 | model | 排除比例 | |-------|---------| | Auto | auto、1:4、4:1、1:8、8:1、21:9 | | S4.5 (0)、S5.0L (4) | auto | | N1 (1) | 21:9、4:5、5:4、1:4、4:1、1:8、8:1 | | N2-147 (3)、N2-Pro (5) | auto、1:4、4:1、1:8、8:1 | | W2.7 (6)、W2.7Pro (7) | auto、21:9 | | N2 (2)、N2-Evo (8)、N2-Beta (9) | 无（支持所有比例） |

视频生成类型按模型自动过滤 | model | 支持生成类型 | |-------|------------| | Auto | FIRST&LAST | | Sora2 Beta (1)、S1.5Pro (2)、V3.1PB (4)、V3.1Fast (5)、V3.1Pro (6)、Sora2 (11)、Sora2 Pro (12) | TEXT, FIRST&LAST | | W2.6t (7)、W2.7t (15) | TEXT | | W2.6i (8) | FIRST&LAST | | W2.7i (14) | FIRST&LAST, CONTINUATION | | W2.6r (9)、W2.7r (16) | REFERENCE | | Kling V3 Omni (10) | TEXT, FIRST&LAST, REFERENCE, EDIT, FEATURE | | V3.1FB (3) | TEXT, FIRST&LAST, REFERENCE |

视频分辨率按模型自动过滤 | model | 支持分辨率 | |-------|-----------| | Auto、Sora2 Beta (1)、Sora2 (11) | 720p | | S1.5Pro (2) | 480p, 720p, 1080p | | V3.1FB (3)、V3.1PB (4)、V3.1Fast (5)、V3.1Pro (6) | 720p, 1080p, 4K | | W2.6t (7)、W2.6i (8)、W2.6r (9)、Kling V3 Omni (10)、W2.7i (14)、W2.7t (15)、W2.7r (16) | 720p, 1080p | | Sora2 Pro (12) | 720p, 2K |

视频比例按模型自动过滤 | model | 支持比例 | |-------|---------| | Auto、Sora2 Beta (1) | 16:9, 9:16 | | S1.5Pro (2) | 1:1, 3:4, 4:3, 16:9, 9:16, 21:9, adaptive | | V3.1FB (3)、V3.1PB (4)、V3.1Fast (5)、V3.1Pro (6) | 16:9, 9:16, adaptive | | Kling V3 Omni (10) | 1:1, 16:9, 9:16 | | W2.6t (7)、W2.6r (9)、W2.7t (15)、W2.7r (16) | 1:1, 3:4, 4:3, 16:9, 9:16 | | W2.6i (8)、W2.7i (14) | 固定（由首帧图比例决定） | | Sora2 Pro (12) | 16:9, 9:16, 7:4, 4:7 |

视频时长按模型自动配置 | model | 时长范围 | 可选档位 | |-------|---------|---------| | Sora2 Beta (1) | 5-15s | 10s、15s | | V3.1FB (3)、V3.1PB (4) | 8s（固定） | 8s | | V3.1Fast (5)、V3.1Pro (6) | 4-8s | 4s、8s | | W2.6t (7)、W2.6i (8)、Kling V3 Omni (10)、W2.7i (14)、W2.7t (15) | 3-15s | 3s、15s | | W2.6r (9) | 3-10s | 3s、10s | | W2.7r (16) | 3-15s（无视频引用）<br>3-10s（有视频引用） | 3s、10s 或 3s、15s | | Sora2 (11)、Sora2 Pro (12) | 4-12s | 4s、12s | | S1.5Pro (2)、Auto | 4-12s | 4s、12s |

镜头模式按模型自动过滤 | model | 支持镜头模式 | |-------|------------| | W2.6t (7)、W2.6i (8)、W2.6r (9) | single、multi | | Kling V3 Omni (10) | single、multi、customize | | 其他 | single（默认） |

参数显隐逻辑（自动处理）

按模型显示的参数 | 参数 | 支持的 model (methodType) | |------|-------------------------| | web_search（联网搜索） | S5.0L (4)、N2-Evo (8) | | audio_url（参考音频） | W2.6t (7)、W2.6i (8)、W2.7i (14)、W2.7t (15)、W2.7r (16) | | prompt_extend（智能改写） | W2.6t (7)、W2.6i (8)、W2.6r (9)、W2.7i (14)、W2.7t (15)、W2.7r (16) | | first_clip_url（续写视频） | Kling V3 Omni (10)、W2.7i (14) | | keep_original_sound（保留原声） | Kling V3 Omni (10) | | element_list（参考主体） | Kling V3 Omni (10) | | video_url_list（参考视频） | W2.6r (9)、W2.7r (16) | | mode（生成模式） | Kling V3 Omni (10) | | duration_switch（时长模式） | S1.5Pro (2) | | generate_audio（生成声音） | S1.5Pro (2)、V3.1Fast (5)、V3.1Pro (6)、Kling V3 Omni (10) | | enhance_prompt（翻译英文） | V3.1FB (3)、V3.1PB (4)、V3.1Fast (5)、V3.1Pro (6) | | n（生成数量） | V3.1Fast (5)、V3.1Pro (6) | | person_generation（人物生成） | V3.1Fast (5)、V3.1Pro (6) | | resize_mode（缩放模式） | V3.1Fast (5)、V3.1Pro (6) | | negative_prompt（负向提示词） | V3.1Fast (5)、V3.1Pro (6)、W2.6t (7)、W2.6i (8)、W2.6r (9)、W2.7i (14)、W2.7t (15)、W2.7r (16) | | multi_shot（多镜头） | Kling V3 Omni (10) | | shot_type（镜头模式） | W2.6t (7)、W2.6i (8)、W2.6r (9)、Kling V3 Omni (10) |

按模型隐藏的参数 | 参数 | 不支持该参数的 model | |------|---------------------| | last_image_url（尾帧图片） | Auto、Sora2 Beta (1)、W2.6i (8)、Sora2 (11)、Sora2 Pro (12) | | ratio（生成比例） | W2.6i (8)、W2.7i (14) | | resolution（分辨率） | Kling V3 Omni (10) | | duration（时长） | Auto |

参数联动显隐（同模型下受其他参数影响） | 参数 | 依赖参数 | 显示条件 | |------|---------|---------| | text（提示词） | shot_type | shot_type = 'customize' | | multi_prompt（多镜头内容） | shot_type | shot_type = 'customize' | | image_url_list（参考图片） | generation_type | generation_type 为 REFERENCE、EDIT、FEATURE | | first_image_url（首帧图） | generation_type | generation_type = FIRST&LAST | | last_image_url（尾帧图） | generation_type | generation_type = FIRST&LAST | | first_clip_url（续写视频） | generation_type | generation_type 为 CONTINUATION、EDIT、FEATURE | | keep_original_sound（保留原声） | first_clip_url | first_clip_url 有值 | | element_list（参考主体） | generation_type | generation_type ≠ TEXT | | ratio（比例） | generation_type | Kling V3 Omni 除外：generation_type ≠ FIRST&LAST 且 ≠ EDIT | | duration（时长） | duration_switch | duration_switch = '1' |

使用示例

图片生成

# 基础用法 - 默认模型 DeepSop·3.1Nano2-Evo
python3 scripts/generate_image.py "一匹狼"

# 指定质量
python3 scripts/generate_image.py "风景画" --quality "4K"

# 指定比例
python3 scripts/generate_image.py "风景画" --ratio "16:9"

# 使用 N2 模型
python3 scripts/generate_image.py "生成一只狗" --model N2

# 使用 N2-Pro 并开启联网搜索
python3 scripts/generate_image.py "2024年流行的装修风格" --model N2-Pro --web-search

# 使用 W2.7Pro
python3 scripts/generate_image.py "山水画" --model W2.7Pro --quality "2K" --ratio "9:16"

# 使用 N2-Evo
python3 scripts/generate_image.py "赛博朋克城市" --model N2-Evo --quality "4K" --ratio "16:9"

# 下载图片到本地
python3 scripts/generate_image.py "风景画" --download

# 直接输出 Markdown 图片链接
python3 scripts/generate_image.py "一只可爱的猫" --markdown-output

# 使用参考图生成
python3 scripts/generate_image.py "基于这张图生成变体" --reference-image "./reference.png"

图片生成

# 基础用法 - 默认 DeepSop·V3.1FB
python3 scripts/generate_video.py "海边日落风景"

# 指定比例和分辨率
python3 scripts/generate_video.py "海边日落风景" --ratio "9:16" --resolution "1080p"

# 指定时长
python3 scripts/generate_video.py "一只猫在玩耍" --duration 5

# 专家模式
python3 scripts/generate_video.py "海边日落风景" --mode pro

# 首尾帧生视频
python3 scripts/generate_video.py "花朵绽放" --generation-type FIRST&LAST --first-image "./flower_start.jpg" --last-image "./flower_end.jpg"

# 参考图生视频
python3 scripts/generate_video.py "产品展示" --generation-type REFERENCE --image-url-list "https://example.com/product1.jpg,https://example.com/product2.jpg"

# 视频续写
python3 scripts/generate_video.py "继续这个视频" --generation-type CONTINUATION --first-clip "./my_video.mp4" --duration 5

# Veo3.1 系列 - 文生视频
python3 scripts/generate_video.py "现代轻奢吊灯" --model V3.1FB --ratio "16:9" --duration 8

# Veo3.1 系列 - 首尾帧控制
python3 scripts/generate_video.py "灯具变形动画" --model V3.1Pro --first-image "./start.jpg" --last-image "./end.jpg" --duration 8

# Veo3.1 系列 - 负向提示词
python3 scripts/generate_video.py "人物奔跑" --model V3.1Pro --negative-prompt "模糊, 抖动" --duration 8

# Veo3.1Fast - 生成多个视频
python3 scripts/generate_video.py "产品广告" --model V3.1Fast --n 3 --duration 4

# W2.7t - 文生视频
python3 scripts/generate_video.py "现代轻奢吊灯宣传" --model W2.7t --ratio "16:9" --duration 10 --prompt-extend

# W2.7t - 带参考音频
python3 scripts/generate_video.py "产品展示" --model W2.7t --audio-url "https://example.com/audio.mp3" --duration 10

# W2.7i - 首帧图生视频
python3 scripts/generate_video.py "水晶灯展示" --model W2.7i --first-image "./lamp.jpg" --duration 8

# W2.7i - 视频续写
python3 scripts/generate_video.py "继续这个动画" --model W2.7i --first-image "./lamp.jpg" --first-clip "./lamp_animation.mp4" --duration 5

# W2.7r - 参考视频生视频
python3 scripts/generate_video.py "参考素材风格生成" --model W2.7r --video-url-list "https://example.com/video.mp4" --duration 10

# W2.7r - 多参考视频
python3 scripts/generate_video.py "风格迁移" --model W2.7r --video-url-list "https://example.com/style1.mp4,https://example.com/style2.mp4" --duration 8

# Kling V3 Omni - 多镜头分镜
python3 scripts/generate_video.py "电影预告片" --model "Kling V3 Omni" --shot-type multi --multi-shot --mode pro

# Kling V3 Omni - 参考主体
python3 scripts/generate_video.py "角色在行走" --model "Kling V3 Omni" --element-list "https://example.com/character.jpg"

# Kling V3 Omni - 保留原声的视频编辑
python3 scripts/generate_video.py "编辑这段视频" --model "Kling V3 Omni" --generation-type EDIT --first-clip "./original.mp4" --keep-original-sound

# Sora2 Pro - 高分辨率
python3 scripts/generate_video.py "风景大片" --model Sora2Pro --ratio "7:4" --resolution "2K" --duration 12

模型名称速查表

图片模型（methodType → 模型名称） | methodType | 模型名称 | CLI 参数 | |-----------|---------|---------| | 0 | DeepSop·S4.5 | S4.5 | | 1 | DeepSop·N1 | N1 | | 2 | DeepSop·N2 | N2 | | 3 | DeepSop·3-Nano2-147 | N2-147 | | 4 | DeepSop·S5.0L | S5.0L | | 5 | DeepSop·3.1Nano2-147 | N2-Pro | | 6 | DeepSop.W2.7 | W2.7 | | 7 | DeepSop.W2.7Pro | W2.7Pro | | 8 | DeepSop·3.1Nano2-Evo | N2-Evo（默认） | | 9 | DeepSop·Nano2 Beta-Evo | N2-Beta | | auto | DeepSop·Auto | Auto |

视频模型（methodType → 模型名称） | methodType | 模型名称 | CLI 参数 | |-----------|---------|---------| | 1 | DeepSop·Sora2 Beta Max Evolink | Sora2Beta | | 2 | DeepSop·S1.5Pro | S1.5Pro | | 3 | DeepSop·V3.1FB | V3.1FB（默认） | | 4 | DeepSop·V3.1PB | V3.1PB | | 5 | DeepSop·V3.1Fast | V3.1Fast | | 6 | DeepSop·V3.1Pro | V3.1Pro | | 7 | DeepSop·W2.6t | W2.6t | | 8 | DeepSop·W2.6i | W2.6i | | 9 | DeepSop·W2.6r | W2.6r | | 10 | DeepSop.klingV3Omni | KlingV3Omni | | 11 | DeepSop·Sora2.147 | Sora2 | | 12 | DeepSop·Sora2 Pro.147 | Sora2Pro | | 14 | DeepSop·W2.7i | W2.7i | | 15 | DeepSop·W2.7t | W2.7t | | 16 | DeepSop·W2.7r | W2.7r | | auto | DeepSop·Auto | Auto |

程序化调用

from scripts.generate_image import generate_image, generate_video

# 图片 - 默认 DeepSop·3.1Nano2-Evo
result = generate_image(prompt="一只可爱的猫咪")

# 图片 - N2 模型
result = generate_image(prompt="生成一只狗", model="N2")

# 图片 - 带联网搜索
result = generate_image(prompt="2024年流行的装修风格", model="N2-Pro", web_search=True)

# 图片 - 下载到本地
result = generate_image(prompt="风景画", model="S5.0L", download=True, output_dir="./images")

# 视频 - 默认 DeepSop·V3.1FB
result = generate_video(prompt="小骏马祝福大家新年快乐")

# 视频 - S1.5Pro 带音频
result = generate_video(
    prompt="海边日落风景",
    model="S1.5Pro",
    ratio="9:16",
    resolution="1080p",
    duration=5,
    generate_audio=True
)

# 视频 - V3.1Pro 首尾帧控制
result = generate_video(
    prompt="灯具变形动画",
    model="V3.1Pro",
    first_image_url="https://example.com/start.jpg",
    last_image_url="https://example.com/end.jpg",
    ratio="16:9",
    resolution="1080p",
    duration=8
)

# 视频 - V3.1Fast 生成多个
result = generate_video(
    prompt="产品广告",
    model="V3.1Fast",
    n=3,
    duration=4,
    person_generation="allow_adult"
)

# 视频 - W2.7t 带参考音频和提示词改写
result = generate_video(
    prompt="产品宣传片",
    model="W2.7t",
    ratio="16:9",
    resolution="1080p",
    duration=10,
    audio_url="https://example.com/music.mp3",
    prompt_extend=True
)

# 视频 - W2.7r 多参考视频
result = generate_video(
    prompt="风格迁移视频",
    model="W2.7r",
    video_url_list=["https://example.com/style1.mp4", "https://example.com/style2.mp4"],
    ratio="16:9",
    duration=10
)

# 视频 - Kling V3 Omni 多镜头模式
result = generate_video(
    prompt="电影预告片",
    model="KlingV3Omni",
    generation_type="TEXT",
    shot_type="multi",
    multi_shot=True,
    mode="pro"
)

# 视频 - Kling V3 Omni 参考主体
result = generate_video(
    prompt="角色在奔跑",
    model="KlingV3Omni",
    generation_type="REFERENCE",
    element_list=["https://example.com/character.jpg"],
    keep_original_sound=False
)

if result and result["status"] == "SUCCESS":
    print(f"媒体链接: {result['url']}")
    print(f"本地路径: {result.get('local_path')}")

图像生成前处理与参数变动

模型切换时的自动参数调整

当用户切换生成模型时，系统会自动调整以下参数：

| 切换场景 | 自动调整规则 | |---------|-------------| | 切换到 N1 (methodType=1) | quality 自动设置为 1K | | 切换到其他模型 | quality 自动设置为 2K（默认）| | 切换到 S5.0L (methodType=4) | web_search 自动开启 | | 切换到其他模型 | web_search 自动关闭 |

模型与尺寸/质量的关系

图片生成时，size 参数会根据 methodType、quality 和用户选择的 ratio 自动计算：

| 模型类型 | methodType | size 格式 | 计算公式 | |---------|-----------|----------|---------| | S4.5、S5.0L | 0, 4 | {width}x{height} | 根据 quality 和 ratio 解析宽高后拼接 | | W2.7、W2.7Pro | 6, 7 | {width}*{height} | 根据 quality 和 ratio 解析宽高后用 * 拼接 | | N1、N2 系列 | 1, 2, 3, 5, 8, 9 | 比例字符串 | 直接使用用户选择的 ratio 值（如 16:9）| | Auto | auto | 比例字符串 | 直接使用用户选择的 ratio 值 |

生成前预处理参数

在调用生成 API 前，系统会自动添加以下限制参数：

| 参数 | 说明 | 来源 | |------|------|------| | targetMaxSize | 目标图片最大尺寸（字节）| 根据模型类型自动匹配 | | targetMinLength | 提示词最小长度 | 根据模型类型自动匹配 | | targetMaxLength | 提示词最大长度 | 根据模型类型自动匹配 |

图片生成限制参数说明

各模型的输入限制参数

根据选择的模型，系统会自动应用以下限制参数（targetMaxSize、targetMinLength、targetMaxLength）：

| methodType | 模型名称 | maxSize (MB) | minLength (字) | maxLength (字) | maxQuantity (张) | 上传说明 | |------------|---------|--------------|----------------|----------------|------------------|---------| | auto | Auto | .jpeg,.jpg,.png,.webp | 10 | 2000 | 360 | 500 | - | 最长边≤2000px，最短边≥360px | | 0 | S4.5 | .jpeg,.jpg,.png,.webp,.bmp,.tiff,.gif | 30 | 6000 | 300 | 500 | 14 | 宽高比 (0.4, 2.5)，最多生成15张 | | 1 | N1 | .jpeg,.jpg,.png,.webp | 10 | 6000 | - | 1000 | 5 | 最长边≤6000px | | 2 | N2 | .jpeg,.jpg,.png,.webp | 10 | 6000 | - | 1000 | 10 | 最长边≤6000px，最多5张真人图像 | | 3 | N2-147 | .jpeg,.jpg,.png,.webp | 10 | 6000 | - | 1000 | 5 | 最长边≤6000px | | 4 | S5.0L | .jpeg,.jpg,.png,.webp,.bmp,.tiff,.gif | 10 | 6000 | - | 300 | 14 | 宽高比 [1/16, 16]，最多生成15张 | | 5 | N2-Pro | .jpeg,.jpg,.png,.webp | 10 | 6000 | - | 1000 | 5 | 最长边≤6000px | | 6 | W2.7 | .jpeg,.jpg,.png,.bmp,.webp | 20 | 8000 | 240 | 2500 | 9 | 不支持透明通道，宽高比 [1:8, 8:1] | | 7 | W2.7Pro | .jpeg,.jpg,.png,.bmp,.webp | 20 | 8000 | 240 | 2500 | 9 | 不支持透明通道，宽高比 [1:8, 8:1] | | 8 | N2-Evo | .jpeg,.jpg,.png,.webp | 20 | 6000 | - | 1000 | 14 | 最长边≤6000px，最多4张真人图像 | | 9 | N2-Beta | .jpeg,.jpg,.png,.webp | 10 | 6000 | - | 1000 | 14 | 最长边≤6000px，最多4张真人图像 |

图片生成提示词长度限制

| methodType | 模型名称 | textLength (最大提示词字数) | |------------|---------|---------------------------| | 0 | S4.5 | 500 | | 1,2,3,5,8,9 | N1/N2 系列 | 1000 | | 4 | S5.0L | 300 | | 6,7 | W2.7/W2.7Pro | 2500 | | auto | Auto | 500 |

参数说明

| 参数 | 类型 | 说明 | |------|------|------| | targetAccept | string | 支持的图片文件格式 | | targetMaxSize | int (MB) | 上传图片的最大文件大小限制 | | targetMaxLength | int (px) | 图片最长边的最大像素限制 | | targetMinLength | int (px) | 图片最短边的最小像素限制 | | targetTextLength | int (字) | 提示词的最大长度限制 | | targetMaxQuantity | int (张) | 参考图片的最大上传数量 | | targetUploadTips | string | 上传说明和合规性提示 |

图片上传合规性要求

通用要求：

• 支持格式：JPEG、JPG、PNG、WEBP（部分模型支持 BMP、TIFF、GIF）
• 文件大小：根据模型不同，限制为 10MB-30MB
• 最长边限制：根据模型不同，限制为 2000px-8000px

内容审查要求（Sora2/Veo 系列）：

1. 不得包含真人或拟真人图像
2. 提示词禁止暴力、色情、版权侵权或涉及名人信息

Wan 系列特殊要求：

1. 不支持透明通道（PNG 透明部分会被处理）
2. 宽高比必须在 [1:8, 8:1] 范围内

Seedance 系列特殊要求：

1. 宽高比（宽/高）必须在 (0.4, 2.5) 范围内
2. 上传图片最长边 ≤ 6000px，最短边 ≥ 300px

图片分辨率映射规则

质量等级与分辨率对照表

系统根据选择的 quality（图片质量）和 ratio（画面比例）自动计算输出图片的分辨率（宽 x 高）。

| 质量 | 1:1 | 16:9 | 9:16 | 3:4 | 4:3 | 2:3 | 3:2 | 4:5 | 5:4 | 1:4 | 4:1 | 1:8 | 8:1 | 21:9 | |------|-----|------|------|-----|-----|-----|-----|-----|-----|-----|-----|-----|-----|------| | 1K | 1024x1024 | 1920x1080 | 1080x1920 | 768x1024 | 1024x768 | 682x1024 | 1024x682 | 1024x1280 | 1280x1024 | 512x2048 | 2048x512 | 362x2896 | 2896x362 | 2560x1080 | | 2K | 2048x2048 | 2560x1440 | 1440x2560 | 1728x2304 | 2304x1728 | 1664x2496 | 2496x1664 | 1843x2304 | 2304x1843 | 1024x4096 | 4096x1024 | 724x5792 | 5792x724 | 3584x1536 | | 3K | 3072x3072 | 4096x2304 | 2304x4096 | 2592x3456 | 3456x2592 | 2496x3744 | 3744x2496 | 2884x3605 | 3605x2884 | 1536x6144 | 6144x1536 | 1088x8704 | 8704x1088 | 4704x2016 | | 4K | 4096x4096 | 3840x2160 | 2160x3840 | 3072x4096 | 4096x3072 | 2730x4096 | 4096x2730 | 3277x4096 | 4096x3277 | 2048x8192 | 8192x2048 | 1448x11584 | 11584x1448 | 5040x2160 |

不同模型的分辨率格式

| 模型类型 | methodType | 输出格式 | 示例 | |---------|-----------|---------|------| | S4.5、S5.0L | 0, 4 | {width}x{height} | 2048x2048 | | W2.7、W2.7Pro | 6, 7 | {width}*{height} | 2048*2048 | | N1、N2 系列 | 1, 2, 3, 5, 8, 9 | 比例字符串 | 1:1、16:9 | | Auto | auto | 比例字符串 | 1:1、16:9 |

分辨率计算示例

from scripts.generate_image import get_image_resolution

# 获取 2K 质量、16:9 比例的分辨率
resolution = get_image_resolution(quality="2K", ratio="16:9")
print(resolution)  # 输出: [2560, 1440]

# 获取 4K 质量、1:1 比例的分辨率
resolution = get_image_resolution(quality="4K", ratio="1:1")
print(resolution)  # 输出: [4096, 4096]

# 仅获取质量对应的所有分辨率
resolutions = get_image_resolution(quality="2K")
print(resolutions)  # 输出: {'1:1': [2048, 2048], '16:9': [2560, 1440], ...}

视频生成前处理与参数变动

模型切换时的自动参数调整

当用户切换视频模型时，系统会自动调整以下参数：

| 切换场景 | 自动调整规则 | |---------|-------------| | 切换到 W2.6t/W2.7t (methodType=7) | generation_type 自动设置为 TEXT（文生视频）| | 切换到 W2.6r/W2.7r (methodType=9,16) | generation_type 自动设置为 REFERENCE（参考图/视频生视频）| | 切换到 Kling V3 Omni (methodType=10) | generation_type 自动设置为 REFERENCE | | 切换到其他模型 | generation_type 自动设置为 FIRST&LAST（首尾帧生视频）| | 切换到 Kling V3 Omni (methodType=10) | shot_type 自动设置为 multi（智能分镜）| | 切换到其他模型 | shot_type 自动设置为 single（单镜头）| | 切换到 V3.1系列/Sora2系列 (3,4,5,6,11,12) | duration 自动设置为 8 秒 | | 切换到其他视频模型 | duration 自动设置为 10 秒 |

镜头模式切换规则

当用户切换镜头模式时，系统会自动调整以下参数：

| 切换场景 | 自动调整规则 | |---------|-------------| | 切换到 Kling 多镜头模式（multi/customize） | multi_shot 自动设置为 true | | 切换到 Kling 自定义多镜头（customize） | text 参数清空，multi_prompt 初始化为 [{ index: 1, prompt: text, duration }] | | 切换到 Kling 智能分镜（multi） | text 参数设置为 multi_prompt[0].prompt，multi_prompt 清空 | | 切换到单镜头模式（single） | text 参数设置为 multi_prompt[0].prompt，multi_prompt 清空，multi_shot 设置为 false | | Kling 多镜头模式下禁止首尾帧生视频 | 如果 generation_type 为 FIRST&LAST，自动切换为 REFERENCE |

分辨率与比例的联动规则

| 模型 | 分辨率 | 比例联动规则 | |------|--------|-------------| | Sora2 Pro (methodType=12) | 720p | 支持比例：16:9、9:16 | | Sora2 Pro (methodType=12) | 2K | 支持比例：7:4、4:7 | | 其他模型 | - | 无特殊联动 |

生成类型切换时的参数重置

当用户切换生成类型时，系统会自动清空以下关联参数：

| 清空的参数 | 说明 | |-----------|------| | image_url_list | 参考图片列表 | | first_image_url | 首帧图片 | | last_image_url | 尾帧图片 | | first_clip_url | 续写/编辑参考视频 | | element_list | 参考主体列表 | | video_url_list | 参考视频列表 | | audio_url | 参考音频 | | duration_list | 参考视频时长列表 | | generate_audio | 视频编辑/参考视频生视频模式下自动关闭音频生成 |

在调用生成 API 前，系统会自动进行以下处理：

| 处理项 | 规则说明 | |--------|---------| | size（尺寸）| methodType=7,9（Wan系列）转换为 {width}*{height} 格式<br>methodType=11,12（Sora2系列）转换为 {width}x{height} 格式<br>其他模型保持比例字符串 | | duration（时长）| durationSwitch='2' 时设置为 -1（智能时长）<br>否则使用用户选择的值 | | shot_type（镜头类型）| Kling 多镜头模式（shot_type='multi'）转换为 intelligence<br>其他保持原值 | | generate_audio（生成声音）| Kling 视频编辑模式（first_clip_url 有值）时自动设置为 false | | video_list（视频列表）| Kling 视频编辑/参考视频生视频模式时构建视频对象 |

参数校验规则

生成前系统会进行以下校验：

| 校验项 | 条件 | 错误提示 | |--------|------|---------| | 提示词 | 非 Wan I2V 模式且无提示词，且非 Kling 自定义多镜头 | 请填写生成视频的提示词！ | | Wan I2V 首帧 | Wan I2V 模式且生成类型为首尾帧生视频，无首帧图片 | 请上传首帧图片！ | | Wan2.7 I2V 续写 | methodType=14 且生成类型为续写模式，无续写视频 | 请上传续写视频！ | | Kling 首尾帧/参考图 | Kling 首尾帧模式无首帧图片且无参考主体<br>或参考图模式无参考图片且无参考主体 | 请上传首帧图片或选择参考主体！<br>或：请至少上传一张参考图片或选择一个参考主体！ | | Kling 自定义多镜头 | Kling 自定义多镜头模式，分镜时长或提示词为空 | 分镜信息的时长不能为空或为0，镜头描述不能为空！ | | Kling 视频编辑 | Kling 视频编辑模式且生成类型为 EDIT/FEATURE，无编辑视频 | 请上传编辑视频/参考视频！ | | Wan R2V 数量 | Wan R2V 模式，参考图片+参考视频总数为0或大于5 | 上传的参考图片+参考视频总数不能为0且不能大于5！ | | 尾帧图片 | 有尾帧图片但无首帧图片 | 请上传首帧图片！ |

使用示例

from scripts.generate_video import generate_video

# 1. 模型切换示例 - 切换到 W2.6t 自动变为文生视频
result = generate_video(
    prompt="海边日落",
    model="W2.6t"
    # generation_type 会自动设置为 "TEXT"
)

# 2. 模型切换示例 - 切换到 Kling 自动变为多镜头模式
result = generate_video(
    prompt="电影预告片",
    model="KlingV3Omni"
    # shot_type 会自动设置为 "multi"
    # multi_shot 会自动设置为 True
)

# 3. 自定义多镜头模式
result = generate_video(
    prompt="",
    model="KlingV3Omni",
    shot_type="customize",
    multi_prompt=[
        {"index": 1, "prompt": "镜头1描述", "duration": 3},
        {"index": 2, "prompt": "镜头2描述", "duration": 3}
    ],
    duration=6
)

# 4. Kling 视频编辑模式（自动关闭音频生成）
result = generate_video(
    prompt="编辑这段视频",
    model="KlingV3Omni",
    generation_type="EDIT",
    first_clip_url="https://example.com/video.mp4",
    keep_original_sound=True
    # generate_audio 会自动设置为 False
)

# 5. Sora2 Pro - 分辨率与比例联动
result = generate_video(
    prompt="风景大片",
    model="Sora2Pro",
    resolution="2K",  # 2K 分辨率时比例会自动推荐 7:4
    ratio="7:4"
)

# 6. Wan R2V - 多参考素材
result = generate_video(
    prompt="风格迁移",
    model="W2.7r",
    image_url_list=["https://example.com/img1.jpg", "https://example.com/img2.jpg"],
    video_url_list=["https://example.com/style.mp4"]
    # 总数不能超过 5 个（图片+视频）
)

使用示例

from scripts.generate_image import generate_image

# 模型切换时的自动参数调整示例
# 1. 切换到 N1 模型时，quality 自动变为 "1K"
result = generate_image(
    prompt="一只猫",
    model="N1"  # quality 会自动设为 "1K"
)

# 2. 切换到 S5.0L 模型时，web_search 自动开启
result = generate_image(
    prompt="2024年流行的设计趋势",
    model="S5.0L"  # web_search 会自动设为 True
)

# 3. 手动覆盖自动参数（按此优先级：用户指定 > 系统默认）
result = generate_image(
    prompt="一只猫",
    model="N1",
    quality="2K"  # 手动指定会覆盖系统的 "1K" 默认值
)

视频模型输入限制参数

各视频模型的输入限制

根据选择的模型，系统会自动应用以下限制参数（图片、音频、视频上传）：

图片上传限制

| methodType | 模型名称 | 支持格式 | maxSize (MB) | maxLength (px) | minLength (px) | textLength (字) | maxQuantity (张) | 特殊说明 | |------------|---------|---------|--------------|----------------|----------------|-----------------|------------------|---------| | auto | Auto | .jpeg,.jpg,.png,.webp | 10 | 2000 | 360 | 500 | - | 最长边≤2000px，最短边≥360px | | 0 | Seedance1.0 Pro | .jpeg,.jpg,.png,.webp,.bmp,.tiff,.gif | 30 | 6000 | 300 | 500 | - | 宽高比 (0.4, 2.5) | | 1 | Sora2 Beta | .jpeg,.jpg,.png,.webp | 10 | 6000 | 300 | 2500 | - | 不得包含真人或拟真人图像 | | 2 | Seedance1.5 Pro | .jpeg,.jpg,.png,.webp,.bmp,.heic,.heif,.tiff,.gif | 30 | 6000 | 300 | 500 | - | 宽高比 (0.4, 2.5) | | 3 | Veo3.1 Fast Lite | .jpeg,.jpg,.png,.webp | 10 | 6000 | 300 | 2500 | 2 | 支持负向提示词(250字) | | 4 | Veo3.1 Pro Lite | .jpeg,.jpg,.png,.webp | 10 | 6000 | 300 | 2500 | - | 支持负向提示词(250字) | | 5 | Veo3.1 Fast | .jpeg,.jpg,.png,.webp | 10 | 6000 | 300 | 2500 | - | 支持负向提示词(250字) | | 6 | Veo3.1 Pro | .jpeg,.jpg,.png,.webp | 10 | 6000 | 300 | 2500 | - | 支持负向提示词(250字) | | 8 | Wan2.6 i2v | .jpeg,.jpg,.png,.bmp,.webp | 10 | 2000 | 360 | 750 | - | 宽高比 [1:8, 8:1] | | 9 | Wan2.6 r2v | .jpeg,.jpg,.png,.bmp,.webp | 10 | 5000 | 240 | 750 | 5 | 图片+视频≤5 | | 10 | Kling V3 Omni | .jpeg,.jpg,.png | 10 | - | 300 | 1250 | 7 | 宽高比 [1:2.5, 2.5:1] | | 11 | Sora2 | .jpeg,.jpg,.png,.webp | 10 | 6000 | 300 | 2500 | - | 图片比例必须符合生成比例 | | 12 | Sora2 Pro | .jpeg,.jpg,.png,.webp | 10 | 6000 | 300 | 2500 | - | 图片比例必须符合生成比例 | | 14 | Wan2.7 i2v | .jpeg,.jpg,.png,.bmp,.webp | 20 | 8000 | 240 | 2500 | - | 宽高比 [1:8, 8:1] | | 16 | Wan2.7 r2v | .jpeg,.jpg,.png,.bmp,.webp | 10 | 8000 | 240 | 2500 | 5 | 图片+视频≤5，宽高比 [1:8, 8:1] |

音频上传限制

| methodType | 模型名称 | 支持格式 | maxSize (MB) | maxLength (秒) | minLength (秒) | 说明 | |------------|---------|---------|--------------|----------------|----------------|------| | 7 | Wan2.6 t2v | .wav,.mp3 | 15 | 30 | 3 | 时长超出视频则截取，不足则无声 | | 8 | Wan2.6 i2v | .wav,.mp3 | 15 | 30 | 3 | 时长超出视频则截取，不足则无声 | | 14 | Wan2.7 i2v | .wav,.mp3 | 15 | 30 | 3 | 时长超出视频则截取，不足则无声 | | 15 | Wan2.7 t2v | .wav,.mp3 | 15 | 30 | 3 | 时长超出视频则截取，不足则无声 | | 16 | Wan2.7 r2v | .wav,.mp3 | 15 | 10 | 2 | 用于指定参考素材中主体角色的音色 |

视频上传限制

| methodType | 模型名称 | 支持格式 | maxSize (MB) | maxLength (秒) | minLength (秒) | maxQuantity | 说明 | |------------|---------|---------|--------------|----------------|----------------|-------------|------| | 9 | Wan2.6 r2v | .mp4,.mov | 100 | 30 | 1 | 3 | 图片+视频≤5 | | 10 | Kling V3 Omni | .mp4,.mov | 200 | 10 | 3 | - | 视频编辑/参考视频生视频 | | 14 | Wan2.7 i2v | .mp4,.mov | 100 | 10 | 2 | 1 | 视频续写模式，宽高比 [1:8, 8:1] | | 16 | Wan2.7 r2v | .mp4,.mov | 100 | 30 | 1 | 3 | 图片+视频≤5 |

负向提示词支持

| methodType | 模型名称 | negativeTextLength (字) | |------------|---------|------------------------| | 3 | Veo3.1 Fast Lite | 250 | | 4 | Veo3.1 Pro Lite | 250 | | 5 | Veo3.1 Fast | 250 | | 6 | Veo3.1 Pro | 250 | | 7 | Wan2.6 t2v | 250 | | 8 | Wan2.6 i2v | 250 | | 9 | Wan2.6 r2v | 250 | | 14 | Wan2.7 i2v | 250 | | 15 | Wan2.7 t2v | 250 | | 16 | Wan2.7 r2v | 250 |

Kling V3 Omni 特殊限制

当使用 Kling V3 Omni 模型时，参考图片数量限制根据是否有编辑视频动态变化：

| 场景 | 参考图片 + 多图主体数量限制 | |------|---------------------------| | 无编辑视频/参考视频 | ≤ 7 | | 有编辑视频/参考视频 | ≤ 4 |

参数说明

| 参数 | 类型 | 说明 | |------|------|------| | targetMaxSize | int (MB) | 上传文件的最大大小限制 | | targetMinLength | int (px/秒) | 图片最短边像素 / 音视频最短时长 | | targetMaxLength | int (px/秒) | 图片最长边像素 / 音视频最长时长 | | targetTextLength | int (字) | 提示词的最大长度限制 | | targetNegativeTextLength | int (字) | 负向提示词的最大长度限制 | | targetMaxQuantity | int | 单次最多上传文件数量 | | targetAccept | string | 支持的文件格式 | | targetUploadTips | string | 上传说明提示 |

视频分辨率映射规则

质量等级与分辨率对照表

系统根据选择的 resolution（视频质量）和 ratio（画面比例）自动计算输出视频的分辨率（宽 x 高）。

| 质量 | 1:1 | 16:9 | 9:16 | 3:4 | 4:3 | 7:4 | 4:7 | |------|-----|------|------|-----|-----|-----|-----| | 720p | 960x960 | 1280x720 | 720x1280 | 832x1088 | 1088x832 | - | - | | 1080p | 1440x1440 | 1920x1080 | 1080x1920 | 1248x1632 | 1632x1248 | - | - | | 2K | - | - | - | - | - | 1792x1024 | 1024x1792 |

不同视频模型的尺寸输出格式

| 模型类型 | methodType | 输出格式 | 示例 | |---------|-----------|---------|------| | Wan2.6/2.7 系列 (T2V/R2V) | 7, 9, 15, 16 | {width}*{height} | 1280*720 | | Sora2 系列 | 11, 12 | {width}x{height} | 1280x720 | | 其他视频模型 | 其他 | 比例字符串 | 16:9、9:16 |

分辨率计算示例

from scripts.generate_video import get_video_resolution

# 获取 1080p 质量、16:9 比例的分辨率
resolution = get_video_resolution(quality="1080p", ratio="16:9")
print(resolution)  # 输出: [1920, 1080]

# 获取 720p 质量、1:1 比例的分辨率
resolution = get_video_resolution(quality="720p", ratio="1:1")
print(resolution)  # 输出: [960, 960]

# 获取 2K 质量、7:4 比例的分辨率
resolution = get_video_resolution(quality="2K", ratio="7:4")
print(resolution)  # 输出: [1792, 1024]

# 仅获取质量对应的所有分辨率
resolutions = get_video_resolution(quality="1080p")
print(resolutions)  # 输出: {'1:1': [1440, 1440], '16:9': [1920, 1080], '9:16': [1080, 1920], '3:4': [1248, 1632], '4:3': [1632, 1248]}

视频提示词写作建议

推荐书写模版：主体 + 运动，背景 + 运动，镜头 + 运动 ...

1. 基础结构：图生视频已经有了场景，因此尽量减少（甚至避免）对静止/无变化部分的描述，在明确指出运动对象的情况下，多描述运动的部分，包括主体的运动、背景的运动/变化、以及镜头的运动。

2. 简单直接：尽量使用简单词语和句子结构，模型会根据我们的表达与对图像画面的理解进行提示词扩写，生成符合预期的视频。

3. 特征描述：当主体具有一些突出特征时，可以加上突出特征来更好定位主体，比如老人、戴墨镜的女人等。描述运动时，关键的程度副词一定要明确，比如快速、幅度大。

4. 遵从图片：需要基于输入的图片内容来写，需要明确写出主体以及想做的动作或者运镜，需注意提示词不要与图片内容/基础参数存在事实矛盾。

5. 负向提示词：部分模型不响应负向提示词（如 Kling V3 Omni），请查阅上方各模型说明。

返回字段

| 字段 | 说明 | |------|------| | status | SUCCESS / FAILED / TIMEOUT | | url | 媒体文件URL | | message | 状态描述 | | local_path | 本地保存路径（需 --download） | | data_uri | Base64 Data URI（需 --download） | | image_data | 原始图片字节（需 --download） |

环境配置

必需配置 - API Key

重要：使用前必须设置你自己的 API Key！

获取 API Key

1. 访问 https://ai.deepsop.com/
2. 注册并登录账号
3. 在控制台创建你的 API Key
4. 复制生成的 API Key（格式：sk-xxxxxx...）

方式 1：使用 .env 文件（推荐）

1. 复制 .env.example 为 .env：

   cp .env.example .env
   

2. 编辑 .env 文件，填入你的 API Key：

   AI_ARTIST_TOKEN=sk-your_api_key_here
   

3. 在运行脚本前加载环境变量：

   # Linux/macOS/Git Bash
   source .env
   
   # 或使用 export
   export $(cat .env | xargs)
   

方式 2：直接设置环境变量

Linux / macOS / Git Bash (Windows)

export AI_ARTIST_TOKEN="sk-your_api_key_here"

为了永久生效，将上述命令添加到 ~/.bashrc 或 ~/.zshrc 文件中。

Windows PowerShell

$env:AI_ARTIST_TOKEN="sk-your_api_key_here"

永久设置（系统级）：

[System.Environment]::SetEnvironmentVariable('AI_ARTIST_TOKEN', 'sk-your_api_key_here', 'User')

Windows CMD

set AI_ARTIST_TOKEN=sk-your_api_key_here

验证配置

运行以下命令验证 API Key 是否设置成功：

# Linux/macOS/Git Bash
echo $AI_ARTIST_TOKEN

# Windows PowerShell
echo $env:AI_ARTIST_TOKEN

# Windows CMD
echo %AI_ARTIST_TOKEN%

如果输出为空或显示默认值，说明环境变量未正确设置。

测试配置（推荐）

运行配置测试脚本，验证 API Key 是否正确设置：

python3 scripts/test_config.py

该脚本会检查：

• API Key 是否已设置
• 是否使用了默认 Key（需要替换为你自己的）
• 配置是否可以正常使用

可选配置 - 飞书通知

export FEISHU_WEBHOOK_URL="https://open.feishu.cn/open-apis/bot/v2/hook/xxx"

相关文件

• scripts/generate_image.py - 图片生成脚本
• scripts/generate_video.py - 视频生成脚本
• references/api.md - API 详细文档