Qwen-Image-Lightning代码实例Python调用API实现批量文生图脚本想用AI批量生成图片但每次手动在网页上点来点去太麻烦今天我来分享一个实用的Python脚本让你能通过代码调用Qwen-Image-Lightning的API实现一键批量文生图。无论是做设计素材、营销配图还是内容创作这个脚本都能帮你把效率拉满。这个脚本的核心思路很简单我们不再依赖Web界面手动操作而是直接与镜像背后的服务对话用程序发送请求、接收图片并自动保存。这样一来你就可以把几十上百个创意描述写在一个文件里让脚本自动跑完所有任务解放双手。1. 准备工作与环境确认在开始写代码之前我们需要确保两件事一是Qwen-Image-Lightning镜像服务已经成功启动并运行二是你的电脑上已经安装了必要的Python库。1.1 确保镜像服务已就绪首先你需要在CSDN星图镜像广场找到并部署“Qwen-Image-Lightning”镜像。部署成功后控制台会提供一个访问链接通常是http://你的服务器IP:8082。关键一步找到API地址这个Web界面背后其实隐藏着一个我们可以直接调用的API接口。通过浏览器的开发者工具按F12我们可以在网络请求中找到它。通常其生成图片的API端点Endpoint是类似于http://你的服务器IP:8082/run/predict这样的地址。请在你的环境里确认这个地址我们后续的代码会用到它。1.2 安装必要的Python库我们的脚本主要依赖requests库来发送HTTP请求用PILPillow或opencv来处理和保存图片。如果你还没有安装可以通过pip快速安装。打开你的终端或命令提示符输入以下命令pip install requests Pillow安装完成后我们就可以开始编写脚本了。2. 编写核心API调用函数我们先从最核心的部分开始写一个函数它能够接收一段文本描述提示词调用Qwen-Image-Lightning的API并返回生成的图片。import requests import json import time from PIL import Image from io import BytesIO import base64 def generate_image_single(prompt, api_url, output_dir./outputs): 调用Qwen-Image-Lightning API生成单张图片。 参数: prompt (str): 图片描述文本支持中英文。 api_url (str): 镜像服务的API地址例如 http://127.0.0.1:8082/run/predict。 output_dir (str): 图片保存的目录默认为当前目录下的outputs文件夹。 返回: str: 成功则返回保存的图片文件路径失败则返回None。 # 准备请求数据结构与Web界面发送的请求一致 payload { data: [ prompt, # 文本提示词 1024x1024, # 图片尺寸与镜像默认设置保持一致 1.0, # CFG Scale与镜像默认设置保持一致 4, # 推理步数Lightning模式固定为4步 42, # 随机种子固定值确保可复现也可设置为-1让系统随机 ] } headers { Content-Type: application/json } try: print(f正在生成: {prompt[:50]}...) start_time time.time() # 发送POST请求到API response requests.post(api_url, datajson.dumps(payload), headersheaders, timeout300) # 设置较长超时时间 response.raise_for_status() # 如果请求失败抛出异常 # 解析返回的JSON数据 result response.json() # API返回的数据结构通常包含一个列表列表中的第一个元素是Base64编码的图片字符串 if result and data in result and len(result[data]) 0: image_b64 result[data][0] # 移除可能存在的Base64头部信息如 data:image/png;base64, if , in image_b64: image_b64 image_b64.split(,)[1] # 解码Base64并转换为图片 image_data base64.b64decode(image_b64) image Image.open(BytesIO(image_data)) # 确保输出目录存在 import os os.makedirs(output_dir, exist_okTrue) # 生成文件名用时间戳和提示词前几个字符清理非法字符 safe_prompt_part .join([c for c in prompt[:20] if c.isalnum() or c in ( , -, _)]).rstrip() timestamp int(time.time()) filename f{timestamp}_{safe_prompt_part}.png filepath os.path.join(output_dir, filename) # 保存图片 image.save(filepath) elapsed_time time.time() - start_time print(f 生成成功保存至: {filepath} (耗时: {elapsed_time:.1f}秒)) return filepath else: print(f 错误API返回的数据格式异常。) return None except requests.exceptions.RequestException as e: print(f 网络请求失败: {e}) return None except (KeyError, IndexError, json.JSONDecodeError) as e: print(f 解析API响应失败: {e}) return None except Exception as e: print(f 生成过程中发生未知错误: {e}) return None这个函数做了以下几件事构造请求按照Web界面交互的格式封装了提示词、图片尺寸、CFG值、步数和种子。发送请求使用requests.post将数据发送到我们找到的API地址。处理响应接收返回的JSON从中提取Base64编码的图片数据。解码保存将Base64字符串解码成图片并用PIL库保存为PNG文件。3. 实现批量生成与任务管理单次生成搞定后批量生成就很简单了准备一个提示词列表然后用循环调用上面的函数。我们还可以增加一些实用功能比如进度显示、错误重试。def batch_generate_images(prompts_list, api_url, output_dir./batch_outputs, delay2): 批量生成图片。 参数: prompts_list (list): 包含所有提示词的字符串列表。 api_url (str): API地址。 output_dir (str): 批量输出目录。 delay (int): 每张图片生成后的等待时间秒避免请求过于频繁。 返回: list: 成功生成的图片路径列表。 successful_paths [] total len(prompts_list) print(f开始批量生成任务共计 {total} 个提示词。) print( * 50) for idx, prompt in enumerate(prompts_list, 1): print(f[{idx}/{total}]) result_path generate_image_single(prompt, api_url, output_dir) if result_path: successful_paths.append(result_path) # 如果不是最后一张则等待一段时间 if idx total: time.sleep(delay) print( * 50) print(f批量任务完成成功生成 {len(successful_paths)}/{total} 张图片。) return successful_paths # 示例如何准备提示词列表并调用批量函数 if __name__ __main__: # 你的Qwen-Image-Lightning API地址请务必修改成你自己的 YOUR_API_URL http://127.0.0.1:8082/run/predict # 示例地址需要替换 # 示例提示词列表你可以从文件读取也可以直接写在这里 my_prompts [ 一只穿着宇航服的猫在月球上弹吉他电影质感8k高清, 未来赛博朋克城市霓虹灯光高度细节大师之作, 宁静的山水水墨画远处有亭台楼阁晨雾缭绕, 一碗热气腾腾的拉面特写镜头摄影风格令人垂涎欲滴, 机械蝴蝶停留在生锈的齿轮上蒸汽朋克风格柔光, ] # 执行批量生成 results batch_generate_images(my_prompts, YOUR_API_URL, output_dir./my_ai_arts)你可以把提示词列表my_prompts替换成你自己的创意或者写一个函数从txt或csv文件中读取。4. 进阶技巧与问题排查脚本跑起来后你可能会想让它更强大或者遇到一些问题。这里分享几个进阶技巧和常见问题的解决方法。4.1 从文件读取提示词将提示词保存在一个文本文件里每行一个用脚本读取会更方便管理。def read_prompts_from_file(filepath): 从文本文件中读取提示词每行一个。 prompts [] try: with open(filepath, r, encodingutf-8) as f: for line in f: line line.strip() if line and not line.startswith(#): # 忽略空行和以#开头的注释行 prompts.append(line) print(f从文件 {filepath} 中读取了 {len(prompts)} 个提示词。) return prompts except FileNotFoundError: print(f错误文件 {filepath} 未找到。) return [] # 使用示例 prompts_from_file read_prompts_from_file(my_prompts.txt) if prompts_from_file: batch_generate_images(prompts_from_file, YOUR_API_URL)4.2 处理生成失败与重试机制网络波动或服务瞬时压力可能导致个别请求失败。我们可以给单次生成函数加上简单的重试逻辑。def generate_image_with_retry(prompt, api_url, output_dir./outputs, max_retries2): 带重试机制的图片生成函数。 for attempt in range(max_retries 1): result generate_image_single(prompt, api_url, output_dir) if result is not None: return result elif attempt max_retries: wait_time (attempt 1) * 5 # 重试等待时间递增 print(f 第{attempt1}次尝试失败{wait_time}秒后重试...) time.sleep(wait_time) else: print(f 提示词 {prompt[:30]}... 生成失败已重试{max_retries}次。) return None然后在批量函数中调用这个带重试的版本即可。4.3 常见问题与解决思路连接被拒绝或超时检查确认YOUR_API_URL的IP和端口是否正确以及镜像服务是否已完全启动启动约需2分钟。解决在浏览器中访问Web界面http://IP:8082确保能正常打开。返回错误或乱码检查API地址末尾的路径如/run/predict是否准确。通过浏览器开发者工具查看网络请求确认。解决根据镜像的实际API文档或网络请求抓包结果调整payload的数据结构。生成速度慢说明这是正常的。Qwen-Image-Lightning采用了显存保护模式单张1024x1024图片生成约需40-50秒以换取极低的显存占用和超高稳定性。建议批量脚本中的delay参数可以设置为0或很小因为脚本是顺序请求本身就有间隔。生成的图片风格或细节不满意调整提示词这是影响效果最关键的因素。尝试更具体、更详细的描述加入风格词汇如“虚幻引擎渲染”、“宫崎骏动画风格”、“胶片摄影”。注意当前脚本固定了种子seed42这保证了相同提示词生成结果可复现。如果你想获得随机变化可以将payload中的种子值改为-1。5. 总结通过这个Python脚本我们成功将Qwen-Image-Lightning强大的文生图能力集成到了自动化工作流中。回顾一下关键点核心原理脚本的核心是模拟浏览器向镜像服务的后端API发送HTTP POST请求并处理返回的图片数据。关键步骤主要包括构造符合API要求的请求数据、发送请求、解码Base64图片并保存。批量价值通过循环和文件读取我们可以轻松处理成百上千的生成任务极大提升了创作效率。稳定可靠得益于Qwen-Image-Lightning镜像底层的显存优化技术这个脚本可以长时间稳定运行无需担心显存溢出问题。你可以在此基础上继续扩展比如加入多线程并发请求以提升总体速度需注意服务端压力或者将生成的图片自动上传到图床、打包成PDF报告等。希望这个脚本能成为你AI创作路上的得力助手。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。