Qwen 多模态生图改图文档

本文档说明如何通过 WisGate 调用 Qwen Image 系列图像生成和图像编辑模型。经过测试，当前 Qwen / Wan 新图像模型应统一使用阿里百炼多模态图像请求结构：input.messages[].content[]。纯文生图时，content 中只放 text；图像编辑时，content 中放 image 和 text。

所有示例均使用 https://api.wisgate.cn。本页只展示已验证可用的多模态请求格式，不展示旧版 input.prompt 请求格式。

基础信息

能力	方法	WisGate 路径	请求格式	标准内容结构
文生图	POST	/v1/images/generations	JSON	input.messages[0].content 中只放 text
单图编辑	POST	/v1/images/generations	JSON	input.messages[0].content 中放 1 个 image 和 1 个 text
多图编辑	POST	/v1/images/generations	JSON	input.messages[0].content 中放 1 到 3 个 image 和 1 个 text

WisGate 仍使用 /v1/images/generations 作为入口，服务端会请求 DashScope multimodal-generation/generation。OpenAI SDK 的 base_url / baseURL 使用：

https://api.wisgate.cn/v1

认证方式：

Authorization: Bearer YOUR_API_KEY

模型支持

实际可用模型以当前 WisGate 站点后台配置为准。Qwen Image 系列适合中文文字、海报、商品包装、图文排版和需要较强文字理解的图片任务。

模型系列	能力	说明
qwen-image-2.0*	文生图、图像编辑	新版 Qwen Image，多模态理解与中文文字能力更强
qwen-image-max	文生图	高质量图像生成，适合复杂提示词和细节要求较高的场景
qwen-image-plus	文生图	通用图像生成，适合日常内容生产
qwen-image-edit*	图像编辑	支持基于参考图的局部修改、风格转换和多图融合

调用时请使用 WisGate 分配给你的模型名，例如：

{
  "model": "qwen-image-2.0"
}

多模态请求结构

请求体使用 JSON。最重要的字段是 input.messages[0].content：

字段	类型	说明
model	string	WisGate 模型名
prompt	string	兼容字段，建议填写占位文本；实际生成内容以 input.messages 中的 text 为准
input.messages[].role	string	固定使用 user
input.messages[].content[].text	string	文生图提示词或图像编辑指令
input.messages[].content[].image	string	图像 URL 或 Data URL。文生图不要传空图片字段
parameters.size	string	图片尺寸，使用阿里多模态格式，例如 1024*1024、1328*1328
parameters.n	integer	生成数量。编辑模型通常固定输出 1 张
parameters.watermark	boolean	是否添加水印
parameters.prompt_extend	boolean	是否开启提示词智能改写，是否生效取决于具体模型
parameters.negative_prompt	string	反向提示词，是否生效取决于具体模型
response_format	string	url 或 b64_json。默认建议使用 url

纯文生图时，content 内只放 text，不要传空图片字段或旧版 images 字段。

文生图

curl -X POST "https://api.wisgate.cn/v1/images/generations" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-image-2.0",
    "prompt": "占位提示词，实际以 input.messages 内的 text 为准",
    "input": {
      "messages": [
        {
          "role": "user",
          "content": [
            {
              "text": "一张极简中文咖啡店海报，标题文字为「晨光咖啡」，白底，黑色字体，少量棕色点缀"
            }
          ]
        }
      ]
    },
    "parameters": {
      "negative_prompt": "",
      "prompt_extend": true,
      "watermark": false,
      "size": "1024*1536",
      "n": 1
    },
    "response_format": "url"
  }'

复杂中文文字示例

curl -X POST "https://api.wisgate.cn/v1/images/generations" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-image-2.0",
    "prompt": "占位提示词，实际以 input.messages 内的 text 为准",
    "input": {
      "messages": [
        {
          "role": "user",
          "content": [
            {
              "text": "一副典雅庄重的对联悬挂于厅堂之中，房间是安静古典的中式布置，桌上放着青花瓷，对联左书「义本生知人机同道善思新」，右书「通云赋智乾坤启数高志远」，横批「智启通义」，中间挂着岳阳楼中国风画作，字体飘逸"
            }
          ]
        }
      ]
    },
    "parameters": {
      "negative_prompt": "",
      "prompt_extend": true,
      "watermark": false,
      "size": "1328*1328"
    },
    "response_format": "url"
  }'

图像编辑 / 图生图

图像编辑也使用 /v1/images/generations 的多模态 JSON 请求格式。将参考图放入 content[].image，将编辑指令放入 content[].text。图片可以使用公网 URL，也可以使用 Data URL。

单图编辑

curl -X POST "https://api.wisgate.cn/v1/images/generations" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-image-edit",
    "prompt": "占位提示词，实际以 input.messages 内的 text 为准",
    "input": {
      "messages": [
        {
          "role": "user",
          "content": [
            {
              "image": "https://example.com/input.png"
            },
            {
              "text": "保留主体姿势，把背景替换为夜晚城市街景，电影感灯光"
            }
          ]
        }
      ]
    },
    "parameters": {
      "watermark": false,
      "size": "1024*1024"
    },
    "response_format": "url"
  }'

多参考图编辑

curl -X POST "https://api.wisgate.cn/v1/images/generations" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-image-edit",
    "prompt": "占位提示词，实际以 input.messages 内的 text 为准",
    "input": {
      "messages": [
        {
          "role": "user",
          "content": [
            {
              "image": "https://example.com/subject.png"
            },
            {
              "image": "https://example.com/style.png"
            },
            {
              "text": "融合第一张图的人物主体和第二张图的服装风格，生成一张商业摄影风格图片"
            }
          ]
        }
      ]
    },
    "parameters": {
      "watermark": false,
      "size": "1024*1024"
    },
    "response_format": "url"
  }'

多图编辑时，图片顺序会影响模型理解。建议在提示词中明确“第一张图”“第二张图”各自的用途。

不建议使用的格式

不要使用旧版 input.prompt 结构组织 Qwen 图像请求。该格式在当前 Qwen / Wan 新图像模型上可能无法正常生成。

{
  "input": {
    "prompt": "不要使用这种结构",
    "negative_prompt": "不要把反向提示词放在 input 内"
  }
}

请使用 input.messages[].content[]，并将反向提示词、尺寸、水印等控制项放在 parameters 中。

响应格式

成功响应兼容 OpenAI Images API：

{
  "created": 1770000000,
  "data": [
    {
      "url": "https://example.com/generated-image.png",
      "b64_json": "",
      "revised_prompt": ""
    }
  ],
  "extra": {
    "request_id": "xxx"
  }
}

字段	说明
created	WisGate 生成响应的 Unix 时间戳
data[].url	图片 URL。建议业务侧及时下载或转存
data[].b64_json	当 response_format=b64_json 时返回 Base64 图片内容
data[].revised_prompt	如模型返回改写后的提示词，则在此字段中展示
extra	上游响应的保留字段，便于排查请求 ID、任务 ID 或错误码

Qwen 上游多模态响应通常会把图片放在 output.choices[].message.content[].image 中，WisGate 会解析为 OpenAI 兼容的 data[].url 或 data[].b64_json。

限制与建议

项目	建议
文生图内容	content 中只放 text，不要传空 image 字段
编辑图片数量	建议传 1 到 3 张图片；多图时在提示词中说明每张图的用途
图片格式	使用公网 URL 或 Data URL；公网 URL 应无需登录且可被上游访问
尺寸格式	使用 1024*1024 这类阿里多模态格式，不要写成 1024x1024
输出数量	图像编辑模型通常固定输出 1 张；文生图也建议先用 n=1 验证提示词
结果 URL	生成图片 URL 通常有有效期，业务侧如需长期保存应及时转存

错误响应

{
  "error": {
    "message": "model is required",
    "type": "invalid_request_error",
    "code": "invalid_request_error"
  }
}

场景	处理建议
401 或鉴权失败	检查 Authorization: Bearer YOUR_API_KEY 是否正确
model is required	请求体必须包含 model
prompt 为空	顶层 prompt 建议保留占位文本，同时实际内容写入 input.messages
生成失败或无图	检查是否使用 input.messages[].content[]，不要使用旧版 input.prompt
尺寸不支持	检查目标模型支持的 parameters.size 范围，格式使用 1024*1024
图片 URL 不可访问	确认图片 URL 可公网访问，或改用 Data URL

调用建议

• 将 input.messages 作为 Qwen / Wan 新图像模型的唯一标准请求结构。
• 纯文生图时只传 text，不要传空图片字段。
• 多图编辑时，按“主体图、风格图、背景图”的顺序上传，并在提示词中显式说明。
• 测试阶段将 parameters.n 设置为 1，确认提示词、尺寸和模型选择后再放大生成数量。