SiliconFlow API

SiliconFlow（硅基流动）AI 生成能力集成。支持文生图、图生图、文生视频、图生视频、文字转语音。当用户需要生成图片、视频、语音时使用此技能。首次使用需运行 setup 配置自己的 API Key（在 siliconflow.cn 注册获取）。国内支付方式（微信/支付宝），无需海外银行卡。

硅基流动 AI 生成平台，支持多种生成模型，国内直接使用。

配置（首次使用必须配置）

1. 注册 siliconflow.cn 获取 API Key
2. 运行配置命令输入 Key：

bash

bash scripts/sf_api.sh setup

⚠️ API Key 保存在本地 .sf-config.json，不会泄露到技能包中。

可用命令

功能	命令	说明
文生图	t2i <提示词> [尺寸] [模型] [输出路径]	默认1024x1024，模型Kwai-Kolors/Kolors
图生图	i2i <图片路径> <提示词> [输出路径]	编辑已有图片
文生视频	t2v <提示词> [时长] [输出路径]	默认5秒，Wan2.2模型
图生视频	i2v <图片路径> <提示词> [时长] [输出路径]	上传图片生成视频
查询视频	vs <任务ID> [输出路径]	异步任务状态查询
文字转语音	tts <文本> [音色] [输出路径]	CosyVoice2
列出模型	models	查看可用模型列表

快速开始

脚本在 scripts/sf_api.sh，所有命令通过它执行。

bash

cd ~/.openclaw/workspace/skills/siliconflow-api

# 文生图
bash scripts/sf_api.sh t2i "一个穿深蓝色西装的老板坐在办公室，自信微笑，4K写实"

# 图生图（用老板照片生成成熟版）
bash scripts/sf_api.sh i2i /root/.openclaw/workspace/assets/laoban-photo.jpg "成熟稳重企业家风格，深蓝色西装，办公室背景"

# 文生视频
bash scripts/sf_api.sh t2v "一个穿西装的商人在办公室微笑" 5

# 图生视频（用老板照片生成视频）
bash scripts/sf_api.sh i2v /root/.openclaw/workspace/assets/laoban-photo.jpg "微笑看向镜头，轻轻点头" 5

# 语音生成
bash scripts/sf_api.sh tts "你好，我是做软件开发的，这是我们公司的产品"

图片生成

推荐模型

• Kwai-Kolors/Kolors（默认）— 中文理解好，写实风格强
• Qwen/Qwen-Image — 通义千问，质量高

常用尺寸

• 1024x1024（默认方图）
• 1216x832（横图，适合16:9）
• 832x1216（竖图，适合9:16手机）

提示词技巧

• 中文提示词效果更好
• 加 4K, 写实, 电影级 等词提升画质
• 加 浅景深, 柔和自然光 等摄影术语

视频生成

模型

• Wan-AI/Wan2.2-T2V-A14B — 文生视频
• Wan-AI/Wan2.2-I2V-A14B — 图生视频（上传参考图）

注意

• 视频生成是异步任务，提交后需轮询等待
• 生成时间约2-10分钟（排队+推理）
• 视频最长15秒
• 输出格式为 MP4

语音合成

模型

• FunAudioLLM/CosyVoice2-0.5B — 中文语音合成

音色选项

• 中文男声
• 中文女声

注意事项

• 所有生成都会消耗账户余额
• 图片生成约0.1-0.3元/次
• 视频生成较贵，约0.5-2元/次
• 语音合成约0.01元/次
• 生成结果保存在 /tmp/ 目录，用完后清理