cloudflare-media

使用 Cloudflare Workers AI 生成图片或语音。触发条件： - 文生图："生成图片"、"文生图"、"text-to-image"、"AI 作图"、"帮我画" - TTS："文字转语音"、"TTS"、"读出来"、"语音合成"、"text-to-speech"

Cloudflare Workers AI — 图片 & 语音生成

凭证配置

优先从 skills/cloudflare-media/config.json 或 MEMORY.md 读取 Account ID 和 API Token，缺失则询问用户。

---

第一部分：文生图（Text-to-Image）

可选模型一览（共10个）

#	模型	模型 ID	简介	价格	传输方式
1	FLUX.2 klein 4B	@cf/black-forest-labs/flux-2-klein-4b	高速蒸馏版，4B参数，实时预览	$0.000059/tile	multipart
2	FLUX.2 klein 9B	@cf/black-forest-labs/flux-2-klein-9b	增强质量版，9B参数	$0.015/first MP	multipart
3	FLUX.2 dev	@cf/black-forest-labs/flux-2-dev	最高质量，开放权重	$0.00021/tile/step	multipart
4	FLUX.1 schnell	@cf/black-forest-labs/flux-1-schnell	12B参数，最快4步生成，适合批量	$0.000053/tile	JSON body
5	SDXL-Lightning	@cf/bytedance/stable-diffusion-xl-lightning	极快文生图，几步完成，Beta	$0.00/step	JSON body
6	DreamShaper 8 LCM	@cf/lykon/dreamshaper-8-lcm	强逼真写实风格，不牺牲创意范围	免费	JSON body
7	Leonardo Lucid Origin	@cf/leonardo/lucid-origin	强提示跟随，支持文字渲染	$0.007/tile	JSON body
8	Leonardo Phoenix 1.0	@cf/leonardo/phoenix-1.0	最佳文字生成，提示 adherence 最强	$0.0058/tile	JSON body

---

1. FLUX.2 klein 4B / 9B / dev（Black Forest Labs）

特点： 高速/高质量/最高质量三档，multipart/form-data 传输

参数	必填	默认	说明
prompt	✅	—	图片描述文本
width	❌	1024	宽度 256~1024（64倍数）
height	❌	1024	高度 256~1024（64倍数）
steps	❌	—	步数（参考值25）

bash

curl -X POST "https://api.cloudflare.com/client/v4/accounts/{ACCOUNT}/ai/run/@cf/black-forest-labs/flux-2-klein-4b" \
  -H "Authorization: Bearer {TOKEN}" \
  -F "prompt=a sunset over the ocean" \
  -F "width=1024" -F "height=1024"

返回： {"result":{"image":"base64..."}} → 保存为 .png

---

2. FLUX.1 schnell（Black Forest Labs）

特点： 12B 参数，极快（默认4步），适合批量生成，JSON body

参数	必填	默认	说明
prompt	✅	—	图片描述（最长2048字符）
steps	❌	4	步数（1~8，越高越慢）

bash

curl -X POST "https://api.cloudflare.com/client/v4/accounts/{ACCOUNT}/ai/run/@cf/black-forest-labs/flux-1-schnell" \
  -H "Authorization: Bearer {TOKEN}" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"a cyberpunk cat","steps":4}'

返回： {"image":"base64..."} → 保存为 .jpg

---

3. SDXL-Lightning（ByteDance）Beta

特点： 极快几步生成，支持 img2img，输出为原始 JPEG 二进制流

参数	必填	默认	说明
prompt	✅	—	图片描述
negative_prompt	❌	—	反向提示词
width	❌	1024	宽度 256~2048
height	❌	1024	高度 256~2048
num_steps	❌	20	步数（1~20）
guidance	❌	7.5	提示跟随度
strength	❌	1	img2img 强度（0~1）
seed	❌	—	随机种子
image / image_b64	❌	—	img2img 输入图（数组或base64）
mask / mask_b64	❌	—	inpainting mask

bash

curl -X POST "https://api.cloudflare.com/client/v4/accounts/{ACCOUNT}/ai/run/@cf/bytedance/stable-diffusion-xl-lightning" \
  -H "Authorization: Bearer {TOKEN}" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"a cyberpunk cat","num_steps":10}'

返回： 原始 JPEG 二进制流 → 保存为 .jpg

---

4. DreamShaper 8 LCM（lykon）

特点： 强逼真写实风格，LCM 加速，支持 img2img + inpainting，参数同 SDXL-Lightning

参数	必填	默认	说明
prompt	✅	—	图片描述
negative_prompt	❌	—	反向提示词
width	❌	1024	宽度 256~2048
height	❌	1024	高度 256~2048
num_steps	❌	20	步数（1~20）
guidance	❌	7.5	提示跟随度
strength	❌	1	img2img 强度（0~1）
seed	❌	—	随机种子
image / image_b64	❌	—	img2img 输入图
mask / mask_b64	❌	—	inpainting mask

bash

curl -X POST "https://api.cloudflare.com/client/v4/accounts/{ACCOUNT}/ai/run/@cf/lykon/dreamshaper-8-lcm" \
  -H "Authorization: Bearer {TOKEN}" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"a realistic photo of a cat","num_steps":8}'

返回： 原始 JPEG 二进制流 → 保存为 .jpg

---

5. Leonardo Lucid Origin

参数	必填	默认	说明
prompt	✅	—	图片描述
width	❌	1120	宽度 0~2500
height	❌	1120	高度 0~2500
guidance	❌	4.5	提示跟随度（0~10）
num_steps	❌	—	步数（1~40）
seed	❌	—	随机种子

返回： {"result":{"image":"base64..."}} → 保存为 .png

---

6. Leonardo Phoenix 1.0

参数	必填	默认	说明
prompt	✅	—	图片描述
width	❌	1024	宽度 0~2048
height	❌	1024	高度 0~2048
guidance	❌	2	提示跟随度（2~10）
num_steps	❌	25	步数（1~50）
negative_prompt	❌	—	反向提示词
seed	❌	—	随机种子

返回： 原始 JPEG 二进制流 → 保存为 .jpg

---

第二部分：TTS（Text-to-Speech）

可选模型一览（共4个）

#	模型	模型 ID	简介	价格
1	Deepgram Aura-2 英语	@cf/deepgram/aura-2-en	40个声音，上下文感知，自然停顿表达	$0.03/1k字符
2	Deepgram Aura-2 西班牙语	@cf/deepgram/aura-2-es	同上，专为西班牙语优化	$0.03/1k字符
3	Deepgram Aura-1	@cf/deepgram/aura-1	12个声音，Aura-2 低配版，半价	$0.015/1k字符
4	MyShell MeloTTS	@cf/myshell-ai/melotts	多语言（en/es/fr/zh/ja/ko），费用最低	$0.0002/分钟

Deepgram Aura 声音列表

Aura-2（40个）： amalthea, andromeda, apollo, arcas, aries, asteria, athena, atlas, aurora, callista, cora, cordelia, delia, draco, electra, harmonia, helena, hera, hermes, hyperion, iris, janus, juno, jupiter, luna, mars, minerva, neptune, odysseus, ophelia, orion, orpheus, pandora, phoebe, pluto, saturn, thalia, theia, vesta, zeus

默认声音：luna（女声，温暖）

Aura-1（12个）： angus, asteria, arcas, orion, orpheus, athena, luna, zeus, perseus, helios, hera, stella

默认声音：angus（男声）

Deepgram Aura 参数

参数	必填	默认	说明
text	✅	—	要转语音的文本
speaker	❌	luna/angus	声音名称
encoding	❌	mp3	编码：linear16/flac/mulaw/alaw/mp3/opus/aac
sample_rate	❌	—	采样率（Hz）
bit_rate	❌	—	比特率（bps）

bash

curl -X POST "https://api.cloudflare.com/client/v4/accounts/{ACCOUNT}/ai/run/@cf/deepgram/aura-2-en" \
  -H "Authorization: Bearer {TOKEN}" \
  -H "Content-Type: application/json" \
  -d '{"text":"Hello world","speaker":"luna"}'

返回： 原始 MP3 二进制流 → 保存为 .mp3

MyShell MeloTTS 参数

参数	必填	默认	说明
prompt	✅	—	要转语音的文本
lang	❌	en	语言：en/es/fr/zh/ja/ko

bash

curl -X POST "https://api.cloudflare.com/client/v4/accounts/{ACCOUNT}/ai/run/@cf/myshell-ai/melotts" \
  -H "Authorization: Bearer {TOKEN}" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Hello world","lang":"en"}'

返回： {"result":{"audio":"base64..."}}（实测为 WAV 16bit 44100Hz PCM）→ 保存为 .wav

---

第三部分：交互流程

步骤一：检查凭证

读取 skills/cloudflare-media/config.json 或 MEMORY.md，缺失则询问用户。

步骤二：展示模型选项

用户提出请求后立即展示所有可选模型：

文生图（8个模型）：

text

🎨 文生图 — 可选模型（共8个）

1️⃣ FLUX.2 klein 4B（推荐快速预览）
   高速蒸馏版，4B参数，实时交互

2️⃣ FLUX.2 klein 9B
   增强质量版，9B参数，更细腻

3️⃣ FLUX.2 dev
   最高输出质量，开放权重

4️⃣ FLUX.1 schnell
   12B参数，极快（4步），适合批量

5️⃣ SDXL-Lightning（Beta）
   极快几步生成，ByteDance出品

6️⃣ DreamShaper 8 LCM
   强逼真写实风格

7️⃣ Leonardo Lucid Origin
   强提示跟随，支持文字渲染

8️⃣ Leonardo Phoenix 1.0
   最佳文字生成

请提供：模型编号（默认1）+ 图片描述 + 尺寸（可选）

TTS（4个模型）：

text

🔊 TTS — 可选模型（共4个）

1️⃣ Deepgram Aura-2 英语（推荐）
   40个声音，上下文感知，自然表达
   默认声音：luna

2️⃣ Deepgram Aura-2 西班牙语
   同上，专为西班牙语优化

3️⃣ Deepgram Aura-1
   12个声音，半价

4️⃣ MyShell MeloTTS
   多语言（en/es/fr/zh/ja/ko），最便宜

请提供：模型编号（默认1）+ 要朗读的文本 + 声音（可选）

步骤三：生成并发送

• webchat：图片用 image 展示，音频用 tts 工具发送
• 其他 channel：走对应平台接口

---

第四部分：注意事项

1. 免费额度：SDXL-Lightning / DreamShaper 均为 $0.00（免费），FLUX/Leonardo 按 tile 计费
2. 输出格式实测：
   • Deepgram Aura → 原始 MP3 二进制
   • MeloTTS → base64 WAV（不是 MP3！）
   • Phoenix 1.0 / SDXL-Lightning / DreamShaper → 原始 JPEG 二进制流
3. img2img/inpainting：SDXL-Lightning 和 DreamShaper 支持图生图，需要额外提供 image/mask 数据，skill 当前版本暂不支持图片输入作为参数传递