MS-ai — ModelScope AI 技能
通过 ModelScope API 进行文生图、图生图、视觉理解和文本生成，遇到 429 限速自动轮换模型。
前置条件
1. 安装依赖
pip install requests Pillow
2. 配置 API Key
编辑 ~/.openclaw/openclaw.json，在 skills.entries 下添加：
{
"skills": {
"entries": {
"ms-ai": {
"enabled": true,
"env": {
"MODELSCOPE_API_KEY": "ms-key1,ms-key2,ms-key3"
}
}
}
}
}
多个 Key 用逗号 , 分隔。当一个 Key 的所有模型都失败时，自动切换到下一个 Key 重试全部模型。
💡 也可以使用环境变量 export MODELSCOPE_API_KEY=key1,key2，但推荐用 Skill 级别配置，更整洁且仅对该 Skill 生效。
⚠️ 本技能调用 ModelScope API 会消耗额度。如果用户没有明确说"使用ms-ai"，必须先告知并确认后再执行。
功能概览
| 功能 | 脚本 | 说明 |
|---|
| 文生图 | generate.py | 文字描述 → 图片 |
| 图生图 | generate.py --image | 上传图片 + 描述 → 修改后的图片 |
| 视觉理解 | vision.py | 分析图片内容、OCR、场景识别 |
| 文本生成 | text.py | 多模型对话/文本生成 |
图片生成 (generate.py)
# 文生图（默认 1920x1080 横屏）
python3 <skill_dir>/scripts/generate.py --prompt "一只金色的猫" --output cat.jpg
# ⭐ 推荐：用 --aspect 指定场景（agent 首选方式）
python3 <skill_dir>/scripts/generate.py --prompt "PPT封面" --aspect ppt --output slide.png
python3 <skill_dir>/scripts/generate.py --prompt "抖音短视频" --aspect douyin --output video.png
python3 <skill_dir>/scripts/generate.py --prompt "竖版海报" --aspect poster --output poster.png
# 也可以直接传宽高比
python3 <skill_dir>/scripts/generate.py --prompt "风景画" --aspect 16:9 --output landscape.jpg
# 图生图
python3 <skill_dir>/scripts/generate.py --prompt "给狗戴上生日帽" --image dog.png --output result.jpg
# 精确指定像素尺寸（最高优先级）
python3 <skill_dir>/scripts/generate.py --prompt "自定义" --width 2560 --height 1440 --output custom.jpg
| 参数 | 说明 | 默认值 |
|---|
--prompt | 描述文字（必填） | — |
--output | 输出文件路径 | output.jpg |
--model | 指定模型（别名或完整ID） | 自动轮换 |
--image | 输入图片（图生图，可多次指定） | — |
--aspect | 宽高比预设或场景名（推荐） | — |
--width | 图片宽度 | 1920 |
--height | 图片高度 | 1080 |
--lora | LoRA 模型 ID | — |
📐 优先级：--aspect > --width/--height > 默认 1920×1080
🎯 场景→尺寸速查表（Agent 必读！）
生图前必须根据使用场景选择正确的 --aspect 参数：
| 场景 | --aspect 值 | 尺寸 | 说明 |
|---|
| PPT / 幻灯片 | ppt 或 16:9 | 1920×1080 | 横屏演示 |
| 横屏视频 | video-h 或 16:9 | 1920×1080 | YouTube、B站 |
| 竖屏短视频 | video-v / douyin / 9:16 | 1080×1920 | 抖音、快手、Reels |
| 文章/视频封面 | cover 或 16:9 | 1920×1080 | 公众号、头条 |
| 微信公众号 | weixin 或 16:9 | 1920×1080 | 图文封面 |
| 竖版海报 | poster 或 2:3 | 1200×1800 | 活动海报、宣传 |
| 社交媒体 | social 或 1:1 | 1024×1024 | 微博、朋友圈 |
| 头像 | avatar 或 1:1 | 1024×1024 | 个人头像 |
| 电影画幅 | cinema 或 21:9 | 2560×1080 | 超宽屏 |
| 摄影/印刷 | photo 或 3:2 | 1800×1200 | 标准摄影 |
| A4 文档 | print-a4 或 3:4 | 1152×1536 | 竖版文档 |
| iPad 横屏 | 4:3 | 1536×1152 | 传统比例 |
⚠️ Agent 调用规则：每次生图前，先判断使用场景，再传 --aspect。不确定时默认 16:9（横屏）。
视觉理解 (vision.py)
python3 <skill_dir>/scripts/vision.py --image photo.jpg --prompt "描述这张图片"
python3 <skill_dir>/scripts/vision.py --image screenshot.png --prompt "图片里有什么文字？"
| 参数 | 说明 | 默认值 |
|---|
--prompt | 分析提示词（必填） | — |
--image | 输入图片路径 | — |
--model | 指定模型 | 自动轮换 |
--stdin-b64 | 从 stdin 读取 base64 图片 | — |
--image 和 --stdin-b64 二选一。涉及视觉理解任务时优先使用此脚本。
文本生成 (text.py)
python3 <skill_dir>/scripts/text.py --prompt "解释量子计算"
python3 <skill_dir>/scripts/text.py --prompt "写一首诗" --stream
python3 <skill_dir>/scripts/text.py --prompt "继续" --history history.json --output history.json
| 参数 | 说明 | 默认值 |
|---|
--prompt | 用户输入（必填） | — |
--model | 指定模型 | 自动轮换 |
--max-tokens | 最大输出 token 数 | 4096 |
--temperature | 温度（0-2） | 0.7 |
--stream | 流式输出 | 关闭 |
--history | 历史消息 JSON 文件 | — |
模型配置
文生图模型
| 优先级 | 模型 ID | 别名 |
|---|
| 1 | FireRedTeam/FireRed-Image-Edit-1.1 | firered |
| 2 | Qwen/Qwen-Image-2512 | qwen |
| 3 | Qwen/Qwen-Image-Edit-2511 | edit |
| 4 | Tongyi-MAI/Z-Image-Turbo | turbo |
视觉理解 / 文本生成模型
| 优先级 | 模型 ID | 别名 |
|---|
| 1 | moonshotai/Kimi-K2.5 | kimi |
| 2 | ZhipuAI/GLM-5 | glm |
| 3 | MiniMax/MiniMax-M2.5 | minimax |
| 4 | Qwen/Qwen3.5-397B-A17B | qwen |
| 5 | XiaomiMiMo/MiMo-V2-Flash（仅text） | mimo |
轮换机制（Key × 模型双重轮换）
策略：先换 Key，每个 Key 试完所有模型，再换下一个 Key
- 使用 Key1，按优先级依次尝试所有模型
- Key1 的所有模型都失败 → 切换到 Key2，重新尝试所有模型
- 所有 Key × 所有模型都失败 → 报错退出
总共最多尝试 n_keys × n_models 次。遇到 429 限速等待 10 秒后换下一个模型。
故障排除
| 问题 | 原因 | 解决方案 |
|---|
未设置 MODELSCOPE_API_KEY | 未配置 API Key | 在 skills.entries.ms-ai.env 中配置 |
429 Too Many Requests | 频率限制 | 脚本自动轮换，等待重试 |
所有模型都失败 | 额度用尽或全部限速 | 等待后重试 |
ImportError: requests | 缺少依赖 | pip install requests Pillow |
更新日志
v1.2.0 (2026-03-26)
--aspect 预设参数：支持宽高比（16:9, 9:16 等）和场景名（ppt, douyin, poster 等）- 默认尺寸：从 1024×1024 改为 1920×1080（16:9 横屏，覆盖 PPT/视频/封面等主流场景）
- 场景速查表：SKILL.md 新增 场景→尺寸 对照表，agent 一眼选对
- 支持 8 种宽高比 + 13 个场景别名
v1.1.0 (2026-03-24)
- Key 轮换：支持多个 API Key（逗号分隔），所有模型失败后自动切换下一个 Key
- 新增
common.py 共享模块，统一 Key + 模型双重轮换逻辑
- 轮换策略：先换 Key → 每个 Key 试完所有模型 → 再换下一个 Key
v1.0.2 (2026-03-24)
- 配置方式统一为 Skill 级别 env（openclaw.json skills.entries）
- 文档结构优化
v1.0.1 (2026-03-24)
- 移除 openclaw.json tools 自定义键配置
v1.0.0 (2026-03-24)
- 首次发布：文生图、图生图、视觉理解、文本生成
- 模型自动轮换（429 限速处理）
