奇梦AI · GPT-image 生图

一句话介绍

奇梦AI GPT-image 生图 —— 一个 Key 打通图像 · 视频 · 音频全模态，主流模型全覆盖，生图最低 0.0276 算力/次。

主推 GPT Image 2（tt-image-2）：全平台图像最便宜、排版最强的旗舰模型。
同一套鉴权还能顺带调用视频生成、视频超分、语音合成、AI 音乐 —— 素材生产不用再换平台。

主推能力：GPT Image 生图

> 想更强的人物一致性或要 4K：换 banana-2（麦吉2，0.084/次）或 banana-pro（香蕉布拉拉，0.108/次）。

平台定位：全模态一站式

除了生图，同一个 Key 还能直接调用以下能力 —— 一套鉴权、一个账户、一份账单：

> 另有 68 个语言模型 可走同一 Key 调用（OpenAI / Anthropic / Gemini 三种协议全兼容）。

核心优势

1. 生图最便宜 —— GPT Image 仅 0.0276 算力/次，是同类旗舰模型里价格最低的一档，且排版能力最强。
2. 全模态一站式 —— 生图、生视频、超分、配音、作曲，同一套鉴权、同一个账户、同一份账单。素材生产不用在多个平台之间搬文件。
3. 主流模型全都在 —— 覆盖当下创作圈主流生成模型，不必为了某个模型单独去注册一个平台。
4. 价格透明 —— 所有价格、24 小时成功率、平均耗时都能通过接口实时查到，不玩暗箱。
5. 接口简单统一 —— 生成类模型共用一套异步协议：提交任务 → 拿 task_id → 轮询取结果。换模型只需改一个 model 字段。
6. 兼容 OpenAI 协议 —— 图像生成/编辑可直接用 OpenAI SDK 或 ComfyUI，把 base_url 指过来就能跑，现成工作流零改造接入。

价格速览

> 完整价格（含多渠道分组、参数加价、低成功率避坑）见 references/MODELS_AND_PRICING.md。

默认模型：GPT Image（tt-image-2）

首次接入验证统一用 tt-image-2，理由：

• 全平台图像最低价（0.0276 / 次），验证成本几乎可忽略
• 语义理解、文字渲染与复杂排版最强，首轮成功率最高
• 支持文生图 / 图生图 / 多图参考合成 / 提示词引导的局部编辑
• 支持自定义分辨率，最高可至 2K 以上

> 想更强的人物一致性、或要 4K，可换 banana-2（麦吉2，0.084/次）或 banana-pro。

第一部分 · 安装部署（技能被调用时先执行）

第 0 步（强制）· 运行自检 —— 每次调用技能都应该先跑

cd ~/.workbuddy/skills/qimeng-api
python scripts/setup.py

这个脚本幂等、可反复执行，一次做完这些事：

关于"自动安装"的说明：本技能纯标准库实现，无第三方依赖，所以不存在 pip install 环节——"安装"就是文件校验 + 运行目录初始化 + 密钥连通性验证，setup.py 全包。脚本会输出一份可行动状态报告，明确列出「阻塞项」和「下一步」，不需要用户自己判断。

若技能文件本身还不存在（首次部署到新机器），需要先把整个 qimeng-api/ 目录落到 ~/.workbuddy/skills/ 下，再执行第 0 步。技能文件落盘是外部动作，脚本无法自我复制。

第 1 步 · 主动弹出官网，引导申请密钥

必须主动把官网给用户，不要等用户问。 照这个话术：

> 请打开 https://qim.lk666.ai ，登录后进入「API 密钥管理」，点新建密钥，复制那串 sk- 开头的字符串发给我。

拿到 Key 后由你代为写入 .env（用户不懂技术，不要让他自己编辑文件）：

# 由 agent 执行，把真实 Key 写入 .env
cp .env.example .env    # 若 .env 不存在
# 然后编辑 .env，填入 QIMENG_API_KEY=sk-xxx

写完后务必重跑 setup.py 验证，确认不是坏 Key。

第 2 步 · 查询余额并解释给用户

python scripts/qimeng_client.py balance

{"api_key_quota":{"limit":100,"remaining":100,"used":0},"balance":9.53,"unit":"算力"}

不要只贴 JSON，要翻译成人话：
- balance = 算力余额（生成消耗这项）
- api_key_quota = 接口调用次数额度（独立计数，不扣算力）
- 顺手算一下：余额 ÷ 单价 = 能出多少张图 / 多少条视频

第 3 步 · 拉模型清单 + 价格，合并成一张表

python scripts/qimeng_client.py models --type image
python scripts/qimeng_client.py pricing --type image

关键做法：把 models 和 pricing 合并展示，用户要的是一张能决策的表，不是两堆数据。

必带字段：模型名 / 显示名 / 能力标签 / 最低价 / 计费方式 / 24h成功率。

价格接口额外给的信息一定要用上：
- success_rate_24h —— 把低于 80% 的标出来（已知 kling-v3-omni-videoref 是 0%，完全不可用）
- avg_response_seconds —— 让用户有等待预期
- option_prices —— 参数加价（如选 2K 价格 ×1.94）

详细价格表见 references/PRICING.md。

第二部分 · 标准工作流（每次都要走完）

每次都必须：出测试命令 → 执行 → 给建议

这是本技能的核心工作循环，不要只给命令不执行，也不要执行完不给建议。

A. 出测试命令（至少两条，覆盖不同用途）

按用户需求选模型，带上预期成本。不要只给一条。

B. 执行测试

直接跑，不要问"要不要我帮你跑"。

C. 给建议（关键，不能省）

测试完成后必须给出：

两条标准测试命令（开箱即用）

> 默认测试模型固定用「GPT Image」tt-image-2（全平台图像最便宜、效果最稳的一档）。
> 备选：麦吉2 banana-2、香蕉布拉拉 banana-pro。
> 客户端已内置别名：--model "GPT Image" / --model 奇梦麦吉2 / --model 香蕉布拉拉 都会自动映射到真实模型名。

⚠️ 参数名跨模型不通用 —— 必须先查 params 再传参。

客户端会自动拉取该模型的真实参数定义再校验，传错会直接拦截并打印该模型支持的参数，不会静默失败。

测试 1 · 电影级概念海报（GPT Image · 约 0.0276 算力）

python scripts/qimeng_client.py generate \
  --model "GPT Image" \
  --prompt "古装仙侠剧概念海报。主体：一位原创少年剑客侧身立于画面中央偏左，束发金冠，身穿深蓝色织金暗纹劲装，双手按剑立于身前；人物为原创设计，面部为东方少年清秀面容，五官自然。背景：右侧黑色水墨笔触化为飘逸披风向画外延展，冰雪山谷与翻涌云雾环绕，冷蓝与青灰主调，细雪飘落。构图：竖版，人物左中位置，上方三分之一留大片空白供标题排版。风格：电影级质感，中式唯美，高细节，无任何文字、无水印、无品牌标识、无logo、无人名署名。" \
  --size 1024x1536 --quality high --download poster.png --timeout 600

> 为什么默认用 GPT Image：0.0276/次是全平台图像最低价，且文字渲染与排版能力最强，首轮成功率最高。

测试 2 · 高级人物写真 / 图生图（麦吉2 · 约 0.084 算力）

python scripts/qimeng_client.py generate \
  --model 奇梦麦吉2 \
  --prompt "电影级人物写真，3D动画电影质感的东方少女侧脸特写，逆光穿透发丝形成轮廓光，皮肤次表面散射质感细腻可见毛孔，柔和棚拍打光，85mm定焦浅景深，背景虚化成柔和光斑，冷青色调，超高细节" \
  --aspect-ratio 2:3 --image-size 2K \
  --images "参考图.jpg" \
  --download portrait.png --timeout 600

> --images 支持三种形式：公网 URL / data:...;base64, 内联 / 本地文件路径（客户端自动转 base64，无需图床）。
> 为什么用参考图：带参考图时人物一致性显著提升，是海报、换装、系列图的主力用法。

> ⚠️ 用别人作品当参考图时，只参考风格，不要复刻品牌与人
> 提示词里显式写上「无任何文字、无水印、无品牌标识、无logo、无人名署名」，
> 并把人物描述为原创设计（避免直接复刻真人面部）。商用素材尤其注意这一点。

纯文生图艺术海报（杰作 Imagine · 约 0.168 算力）

python scripts/qimeng_client.py generate \
  --model mj_imagine \
  --prompt "电影级海报，雨夜赛博朋克都市，霓虹灯牌倒映在积水街道，一个撑黑伞的孤影背影位于画面下方三分之一处，青蓝与洋红对撞色调，体积光穿透雨幕，Anamorphic 宽银幕构图，颗粒质感，史诗氛围" \
  --aspect-ratio 2:3 --download poster.png

> 为什么用 mj_imagine：平台原话"以电影级审美著称，光影、构图与色彩浑然一体"，V8.1 版本，最宽支持 14:1。

视频测试（如果要测视频）

python scripts/qimeng_client.py generate \
  --model hailuo-h3 \
  --prompt "产品展示镜头，一只手将手串缓缓举到窗前，阳光透过珠子形成通透的光晕，镜头缓慢推进，浅景深，柔和背景虚化，高级质感" \
  --aspect-ratio 16:9 --download video.mp4 --timeout 3600

> hailuo-h3 0.0576 算力/秒，10 秒视频约 0.576 算力，24h 成功率 100%。
> 视频必须加 --timeout 3600，默认 900 秒不够。

视频超分（video-enhance · 0.0166 算力/秒）

python scripts/qimeng_client.py generate \
  --model video-enhance \
  --prompt "提升分辨率与细节清晰度，保持原画面风格与色彩" \
  --images "待增强的视频.mp4" \
  --download enhanced.mp4 --timeout 3600

> 全平台单价最低的能力项（0.0166/秒），24h 成功率 100%，短视频素材提清晰度的性价比之选。

消费记录（每次生成后必给）

用户明确要求：每次生成完都要报消费记录。客户端已自动输出，无需手动查：

┌─ 消费记录 ──────────────────────────────────────
│ 生成前余额：9.4800 算力
│ 生成后余额：9.3900 算力
│ 本次消费　：-0.0900 算力
│ 平台计价　：0.084
└─────────────────────────────────────────────────

向用户汇报时按「生成前 → 生成后 → 花了多少」三句话说清，不要只贴表格。
加 --no-balance 可跳过（省两次接口调用）。

第三部分 · 技术参考

两套 API 面

备用域名：https://api.lk666.ai。

鉴权

4 选 1，由 QIMENG_AUTH_TYPE 控制（默认 bearer）：

生成主流程（异步）

POST /v1/media/generate  →  data.task_id
      ↓ 立即落盘 tasks.json（status=pending）
GET  /v1/media/status?task_id={id}   每 3~5s 轮询
      ↓ is_final=true 且 state=success
落盘 status=success + result_url  →  取结果/下载

请求体三个顶层字段：model · prompt · params（notify_url 也是顶层）。

{
  "model": "banana-pro",
  "prompt": "...",
  "params": { "size": "auto", "quality": "auto", "images": ["https://.../ref.png"] }
}

task_id 在 data.task_id（嵌套对象），不是顶层字段、也不是 data 数组。客户端已适配 _extract_task_id。

常用模型速查（含价格与成功率）

模型别名（上游改名用）

用户/上游平台出于上架原因会改展示名，客户端已内置映射，两种写法都能用：

> 上游展示名可含中文与空格，真实模型名不含。传 --model "GPT Image" 时会先打印 [别名] GPT Image → tt-image-2 再执行。

文件上传规则（重要）

平台不提供文件托管，图片参数需要公网可访问的地址或内联数据。

> 实测更正：早期文档称「平台拒绝 base64」（code=400），但 tt-image-2 官方文档已明确支持
> data:<mime>;base64,<数据> 内联传入。客户端现已优先走 base64 内联（无需图床配置、无需外网可访问），
> 仅在内联失败时回落到 superbed 图床。若某模型拒绝内联，客户端会自动切换并提示。

图床 Token（可选）：https://www.superbed.cn 。未配置图床也能正常传参考图，这是本地文件测试的默认路径。

状态判定

务必先读 references/TASK_STATES.md。 平台有 43 种 status 取值。

核心原则：用 is_final 判终态，不要用 status 字面值。客户端 classify() 已做全量兼容（成功 10 种 + 失败 16 种 + 非终态 25 种），并兼容 runnning（三 n）、CANCELED 等拼写变体。

时间预期：图片 2~5 分钟，视频 5~60 分钟，音频 10 秒~3 分钟。

命令速查

> --key 可写在子命令前或后，两种都支持。
> generate 常用可选参数：--aspect-ratio --image-size --size --quality --duration --images --no-balance --no-poll --timeout。

落盘与恢复

所有 generate / resume 任务持久化到 references/tasks.json：

{
  "65462415": {
    "model": "banana-pro",
    "prompt": "...",
    "status": "pending",
    "task_id": "65462415",
    "created_at": "2026-...",
    "result_url": "https://cos.lingkeai.vip/uploads/.../xxx.png",
    "finished_at": "2026-..."
  }
}

status：pending / success / failed。
先落盘再轮询——进程中断后用 resume 续跑，不重复创建、不重复计费。

持续规则

1. 调用技能先跑 setup.py，确认环境就绪。
2. 付费前查余额；余额不足提示官网充值。
3. Key 错误 → 提示「API 密钥管理」检查/重建。
4. 状态严格用 is_final，不依赖中文 status。
5. 不臆测接口：能力以运行时返回为准。
6. 低于 80% 成功率的模型要主动警告用户。
7. 每次测试后必须给建议（效果/成本/调优/替换/下一步）。
8. 缺能力主动提建议：通过 feedback 提交「功能建议」，告知 feedback_id 与查询方式。

已知坑

目录结构

qimeng-api/
├── SKILL.md                            # 本文件
├── scripts/
│   ├── setup.py                        # 自检与自动初始化（第 0 步）
│   └── qimeng_client.py                # 客户端（纯标准库）
├── references/
│   ├── MODELS_AND_PRICING.md           # ⭐ 全量模型清单与价格表（对外展示用）
│   ├── TASK_STATES.md                  # 43 种任务状态判定规则
│   ├── PRICING.md                      # 价格体系详解与成本预判
│   ├── models.json                     # 缓存：68 个 LLM
│   ├── generation_models.json          # 缓存：100 个生成模型
│   ├── pricing.json                    # 缓存：全渠道价格明细
│   ├── API_CAPABILITIES.json           # discover 产出
│   └── tasks.json                      # 任务落盘（自动生成）
├── .env.example                        # 脱敏模板
├── GITIGNORE.txt                       # 密钥隔离规则（发布时 .gitignore 不被平台接收）
└── .env                                # 真实密钥（自行创建，切勿提交）

完整接口清单（共 27 个）

安全

• 绝不内置密钥。SKILL.md、.env.example 均只留占位符。
• .env 已被 .gitignore 忽略，不进分发 zip。
• 切勿把真实 .env 上传知识库、Git 或公开仓库。
• 用户若在对话中贴出明文 Key，主动提醒轮换。
• 展示 Key 时脱敏：sk-962...eb37。