# 图像生成与视觉模型指南

视觉理解与图像生成是两类接口；生成项目要分别验证提示遵循、编辑一致性、文字、人物权利、安全审核和输出许可。

## 区分理解与生成

把图片发给多模态聊天模型是“看图并输出文本”；让模型创建或编辑图片是专用 Images/媒体任务。两者的模型、计费、输入格式和安全限制不同，不能因为都叫视觉而共用请求。

## 输入设计

明确是文生图、图生图、局部编辑还是多参考一致性，并记录宽高比、尺寸、输出格式、种子和参考权重。输入图片要限制大小、类型和下载来源，不能让服务端抓取任意 URL。

## API 工作流

同步接口直接返回图像或 URL；异步接口返回任务 ID，需要幂等创建、有界轮询、终态处理和结果转存。Base64 会显著增加内存与日志体积，高并发服务优先流式上传和对象存储。

## 如何评测

用固定提示与参考素材评估构图、主体一致性、手部、文字拼写、品牌色、编辑区域保持和多样性。自动指标只能筛选，人审仍是创意质量与权利风险的关键环节。

## 安全与权利

核验输入版权、人物同意、商标、敏感内容和厂商输出条款。不要把模型生成当成权利保证；保存提示、模型版本、审核结果和人工批准记录。

## 适用场景

- 图像理解与 OCR
- 文生图与编辑
- 品牌素材生产

## API 路径

- /v1/chat/completions
- /v1/images/generations

## 关联指南

- [Black Forest Labs](https://api.tu-zi.com/docs/providers/black-forest-labs): 专注于高质量图像生成与编辑，覆盖实时预览、生产工作流和精细控制。
- [FLUX 图像模型](https://api.tu-zi.com/docs/models/flux): FLUX.2 官方按 klein、max、pro、flex 区分本地高速、最高一致性、生产级质量和文字排版能力，并提供不同 API 与开源许可证。
- [Google Gemini](https://api.tu-zi.com/docs/models/gemini): Gemini 是 Google 的多模态家族，官方目录按通用推理、低延迟、图像、视频、音频、Embedding 与 Agent 等任务列出独立型号和方法。
- [ByteDance Jimeng](https://api.tu-zi.com/docs/providers/jimeng): 直连即梦使用 `visual.volcengineapi.com` 与火山引擎签名，本站 `/v1/videos` 使用本站 Bearer 令牌；客户端必须保存 task_id、处理终态并及时转存临时媒体。

## 常见问题

### 上传图片让模型分析和让模型生成图片是同一个接口吗？

通常不是。视觉理解把图片作为多模态对话输入并返回文本，生成或编辑图片使用 Images/媒体端点；请求结构、模型、计费和审核规则都可能不同。

### 图片 API 返回 URL 或任务 ID 后就完成了吗？

不一定。任务 ID 只表示异步任务已受理，需要查询到成功终态；返回 URL 也可能是短期临时地址，应校验媒体类型和大小后尽快流式转存到受控对象存储。

### 怎样控制图片生成的费用和内存占用？

限制尺寸、张数、并发和失败重试，并按需求选择质量档位。Base64 会放大响应和日志体积，高并发服务优先使用流式上传、URL/对象存储，避免整批图片常驻内存。

### 如何评测生成图片，模型输出是否天然可以商用？

用固定提示和参考图检查提示遵循、主体一致性、文字、编辑区域与品牌色，并保留人审。模型输出不是权利保证；必须核对输入版权、人物同意、商标、内容审核和厂商输出条款。

## 参考来源

- OpenAI Models: https://developers.openai.com/api/docs/models
- BFL API: https://docs.bfl.ai/quick_start/introduction

## 文档来源

来源: https://api.tu-zi.com/docs/use-cases/image-generation

核验日期: 2026-08-08

本文为文档接入参考。厂商原生接口与本站接口可能不同；请结合对应 API Reference 和模型广场确认本站地址、鉴权、模型 ID、分组与参数。本文不表示所有模型或上游服务均已通过实时调用验收。仅包含文档与示例，不包含当前用户的密钥或请求记录。