wan-image-gen

基于阿里云百炼 Wan 图像生成模型的生图 skill。支持文生图任务提交、轮询任务状态、下载生成图片到本地。 当用户需要根据提示词生成图片、批量出图、指定尺寸或继续查询已有图片生成任务时，使用此 skill。

通过阿里云百炼 Wan 文生图接口创建异步任务，并自动轮询、下载生成结果。

详细接口与限制见 references/api.md。

Setup

1. 配置 API Key：

export DASHSCOPE_API_KEY="sk-xxx"

也可以在 skill 目录下创建 config.json：

可先参考 config.example.json 再复制为 config.json。

{
  "apiKey": "sk-xxx",
  "baseUrl": "https://dashscope.aliyuncs.com",
  "defaultGoal": "balanced",
  "goals": {
    "cheap": {
      "tier": "draft",
      "preset": "draft"
    },
    "balanced": {
      "tier": "standard"
    },
    "quality": {
      "tier": "final",
      "preset": "final"
    }
  },
  "defaultTier": "standard",
  "tiers": {
    "draft": {
      "model": "wanx2.0-t2i-turbo"
    },
    "standard": {
      "model": "wan2.2-t2i-flash"
    },
    "final": {
      "model": "wan2.6-t2i"
    }
  },
  "outputDir": "./outputs"
}

2. 运行环境要求 Node.js >= 18

配置优先级：

• CLI 参数
• 环境变量
• config.json
• 脚本默认值

默认模型

• 默认档位为 final，对应 wan2.6-t2i
• 推荐优先使用 --tier，只有明确要指定模型时再传 --model

目标驱动选型

• cheap -> draft + 默认 preset=draft
• balanced -> standard
• quality -> final + 默认 preset=final

推荐把这组映射维护在 config.json 的 goals 里；goal 表示用户意图，tier 表示具体模型档位。

档位驱动选型

• draft -> wanx2.0-t2i-turbo
• standard -> wan2.2-t2i-flash
• final -> wan2.6-t2i

推荐把这组映射维护在 config.json 的 tiers 里，而不是改主脚本。

CLI

主要脚本：node scripts/wan-image-gen.js

低成本草稿

node scripts/wan-image-gen.js \
  --prompt="一间有着精致窗户的花店，漂亮的木质门，摆放着花朵" \
  --goal="cheap" \
  --ratio="1:1" \
  --n=1

最终出图

node scripts/wan-image-gen.js \
  --prompt="一个赛博朋克风格的雨夜街道，电影感灯光，雨水反光，细节丰富" \
  --goal="quality" \
  --ratio="16:9" \
  --name="cyberpunk-night"

提交任务但不等待

node scripts/wan-image-gen.js \
  --prompt="一个赛博朋克风格的雨夜街道" \
  --no-wait

继续轮询已有任务

node scripts/wan-image-gen.js \
  --task-id="你的task_id"

仅做预检，不实际提交

node scripts/wan-image-gen.js \
  --prompt="一张产品海报，主体是一瓶绿色玻璃香水" \
  --ratio="3:4" \
  --dry-run

参数约定

• --prompt：正向提示词。提交新任务时必填
• --negative-prompt：反向提示词
• --goal=cheap|balanced|quality：按用户目标选择更合适的默认模型和尺寸策略
• --tier=draft|standard|final：按成本/质量档位自动选模型
• --model：模型名，默认 wan2.6-t2i
  • 优先级：model > tier > goal > 默认
  • config.json 中可通过 defaultGoal/defaultTier 与 goals/tiers 维护映射
• --ratio：官方推荐比例快捷选项
  • 1:1=1280*1280
  • 3:4=1104*1472
  • 4:3=1472*1104
  • 9:16=960*1696
  • 16:9=1696*960
• --preset：快捷尺寸预设
  • draft=1280*1280
  • final=1440*1440
  • square=1280*1280
  • portrait=1104*1472
  • landscape=1472*1104
  • story=960*1696
  • widescreen=1696*960
• --size：输出尺寸，如 1280*1280
  • 优先级：size > ratio > preset
• --n：生成张数，建议测试时设为 1
• --seed：随机种子
• --prompt-extend=true|false：是否启用提示词智能改写，默认 true
• --watermark=true|false：是否添加水印，默认 false
• --task-id：查询已有任务，不再提交新任务
• --no-wait：只提交任务，返回 task_id
• --poll-interval：轮询间隔秒数，默认 10
• --timeout：总等待超时秒数，默认 600
• --output-dir：图片下载目录，默认 outputs/
• --name：输出文件名前缀
• --dry-run：只打印最终请求体和配置预检，不实际调用 API

推荐工作流

1. 先用 --goal=cheap 做低成本验证。
2. Prompt 稳定后，切到 --goal=balanced 或 --goal=quality。
3. 再根据画面需求选择更贴近目标比例的 --ratio=3:4、4:3、9:16 或 16:9。
4. 如果需要更高细节，再切到 --preset=final 或显式自定义 --size。
5. 需要多轮迭代时，用 --name 给同一主题打上稳定前缀。
6. 下载后的文件名会自动带时间戳、task_id 和 prompt 摘要，便于回溯。

覆盖优先级

• 模型选择：CLI --model > CLI --tier > CLI --goal > config.defaultGoal/config.goal > config.defaultTier/config.tier > config.model > 内置默认
• 画幅选择：CLI --size > CLI --ratio > CLI --preset > goal 默认 ratio/preset > config.ratio > config.preset > 脚本默认
• goal 用于表达用户意图，tier 用于表达具体模型档位；显式 --tier 会覆盖 goal
• tier 和 goal 都只负责给出默认模型或默认尺寸策略，不会锁死 size/ratio/preset

提示词建议

• 先写清主体，再写场景、风格、光线、镜头或构图
• 如果只想改一个变量，prompt 里明确写“其余保持不变”
• 反复试 prompt 时，先保持 n=1
• 如果要稳定复现，显式传 --seed

工作流

1. 用户要生图时，提交异步任务。
2. 提交前脚本会显示一次成本提醒，按中国内地价格表估算总费用。
3. 返回 task_id 后轮询 GET /api/v1/tasks/{task_id}。
4. 成功后立即下载图片到本地目录。
5. 如果只想拿 task_id，使用 --no-wait。

成本提醒

• 脚本会在 preflight 和 --dry-run 中输出预计费用
• 当前内置的是你提供的中国内地单价表
• 图像费用按 单价（元/张） × n 估算
• 这不是实时计费查询；如果官方价格调整，需要同步更新脚本

失败时优先检查

• DASHSCOPE_API_KEY 或 config.json 是否配置正确
• baseUrl 和 API Key 是否属于同一地域
• prompt 是否过短或描述过于模糊
• 是否该先用 --preset=draft 而不是直接大尺寸反复试
• 尺寸是否符合所选模型限制
• 宽高比是否在 [1:4, 4:1] 范围内
• 自定义尺寸如果被服务端拒绝，优先改用官方推荐尺寸预设
• n 是否过大导致费用或限流问题
• task_id 是否已超过 24 小时