当前位置: 首页 > article >正文

Qwen Pixel Art实战教程:用Python requests调用API生成带透明通道的像素图标

Qwen Pixel Art实战教程用Python requests调用API生成带透明通道的像素图标想不想亲手打造一套风格统一、背景透明的像素风图标无论是用于游戏开发、UI设计还是个人项目自己生成专属的像素图标总是充满乐趣。今天我们就来聊聊如何绕过Web界面直接用Python代码调用Qwen Pixel Art镜像的API高效生成带透明通道的像素图标。这个基于Qwen-Image-2512大模型和Pixel Art LoRA微调的服务能理解你的文字描述并生成高质量、背景透明的像素艺术图像。我们将从最基础的API调用开始一步步带你实现批量生成、参数调整最终打造一个属于你自己的像素图标生成脚本。1. 环境准备与快速启动在开始写代码之前我们需要先把服务跑起来。别担心整个过程非常简单。1.1 启动Qwen Pixel Art服务假设你已经按照说明使用Docker启动了服务。命令大致如下docker run -d \ --name qwen-pixel-art \ --gpus all \ -p 7860:7860 \ -v /path/to/models:/root/ai-models \ qwen-pixel-art:latest启动后服务会在本地的7860端口运行。首次启动需要加载模型大约等待3-5分钟。你可以通过访问http://localhost:7860/health来检查服务是否就绪如果返回{status:healthy}就说明一切准备就绪了。1.2 安装必要的Python库我们只需要一个非常基础的库requests。打开你的终端或命令行执行以下命令安装pip install requests如果还需要处理图像比如查看或保存可以顺便安装Pillowpip install Pillow好了环境搞定。接下来我们直接进入最核心的部分——调用API。2. 你的第一个API调用生成像素图标API调用听起来很复杂其实就和我们平时用浏览器访问一个网址差不多只不过这次我们是用代码来“访问”并且告诉它我们想要什么。2.1 理解API端点Qwen Pixel Art服务提供了一个标准的HTTP API。我们生成图像主要使用这个地址http://localhost:7860/generate我们需要向这个地址发送一个POST请求请求体里要包含我们生成图片的“要求”也就是提示词prompt和一些参数。2.2 编写基础调用代码让我们写一个最简单的Python脚本生成一个“火球”魔法图标。import requests import json # 1. 定义API的地址 api_url http://localhost:7860/generate # 2. 准备请求的数据 # 提示词是关键服务会自动在前面加上“Pixel Art”触发词 # 为了得到透明背景我们可以在提示词中强调“transparent background” prompt_text a glowing red fireball spell icon, transparent background, simple design, game asset payload { prompt: prompt_text, # 其他参数我们可以先使用默认值 negative_prompt: , # 不希望图片里出现什么可以先留空 steps: 20, # 生成步数影响细节和速度 cfg_scale: 7.5, # 提示词跟随程度值越大越贴近你的描述 seed: -1, # 随机种子-1代表随机固定数字可复现相同结果 width: 256, # 图片宽度 height: 256 # 图片高度 } # 3. 设置请求头告诉服务器我们发送的是JSON格式的数据 headers { Content-Type: application/json } # 4. 发送POST请求 print(f正在生成图标: {prompt_text}) response requests.post(api_url, headersheaders, datajson.dumps(payload)) # 5. 检查请求是否成功 if response.status_code 200: print(图标生成成功) # API返回的是JSON里面包含图片的Base64编码字符串 result response.json() # 6. 保存生成的图片 # 图片数据在 images 字段里是一个列表我们取第一张 import base64 image_data base64.b64decode(result[images][0]) # 保存为PNG文件PNG格式支持透明通道 output_filename fireball_icon.png with open(output_filename, wb) as f: f.write(image_data) print(f图标已保存为: {output_filename}) else: print(f请求失败状态码: {response.status_code}) print(f错误信息: {response.text})把上面的代码保存为一个.py文件比如generate_icon.py然后在终端运行python generate_icon.py。稍等片刻你就能在当前目录下看到一个名为fireball_icon.png的像素图标了用图片查看器打开它看看背景是不是透明的3. 进阶技巧优化提示词与参数第一次生成的结果可能不完全符合你的想象。别急调整提示词和参数就像和AI对话需要一点技巧。3.1 编写更有效的像素图标提示词好的提示词是成功的一半。对于像素图标我们可以遵循一些结构# 一个结构化的提示词示例 prompt_template “{主体描述}, {风格细节}, {背景要求}, {质量要求}” # 具体例子生成一个生命药水图标 good_prompt “a small glass bottle filled with red bubbling liquid, pixel art, game icon, isolated on transparent background, clean edges, 32x32 pixel style, vibrant colors”提示词要素解析主体描述a small glass bottle filled with red bubbling liquid核心物体。风格与类型pixel art, game icon明确指定像素艺术和游戏图标。背景要求isolated on transparent background强调透明背景、物体孤立。质量与细节clean edges, 32x32 pixel style, vibrant colors清晰的边缘、指定像素风格、鲜艳的颜色。可以多尝试这些关键词top-down view(俯视图适合地图图标)side view(侧视图)flat design(扁平设计)low poly(低多边形)item icon(物品图标)skill icon(技能图标)3.2 调整关键生成参数除了提示词请求体里的参数对结果影响也很大。payload { “prompt”: “a silver sword icon, pixel art, transparent background”, “negative_prompt”: “blurry, messy, watermark, text, realistic, photograph”, # 负面提示词排除不想要的元素 “steps”: 25, # 适当增加步数如20-30可以让细节更丰富但速度会变慢。 “cfg_scale”: 8.0, # 如果你想更严格地遵守提示词可以调高7-10。调低5-7则给模型更多创意空间。 “seed”: 42, # 如果你对某次生成的结果满意但想微调就固定seed然后微调提示词或cfg_scale。 “width”: 128, # 像素图标通常不需要很大128x128或256x256就够了生成更快。 “height”: 128 }重点参数解读negative_prompt这是“排除法”。告诉模型不要什么。对于图标排除blurry模糊、messy杂乱很有效。seed生成图像的“随机数种子”。设为相同的seed和参数每次都会生成几乎相同的图像。这是微调和复现结果的利器。steps生成过程的迭代次数。不是越高越好一般20-30之间性价比最高。4. 实战项目批量生成图标套装现在我们来点更实用的。假设你在开发一款游戏需要一套5个不同元素的魔法图标。4.1 构建批量生成脚本我们将定义一个图标主题列表然后循环调用API生成。import requests import json import base64 import time from pathlib import Path def generate_and_save_icon(api_url, prompt, icon_name, output_dir“./icons”): “”“生成单个图标并保存”“” payload { “prompt”: prompt, “negative_prompt”: “blurry, messy, realistic, photograph, 3d render”, “steps”: 22, “cfg_scale”: 7.5, “seed”: -1, “width”: 128, “height”: 128 } headers {“Content-Type”: “application/json”} try: response requests.post(api_url, headersheaders, datajson.dumps(payload), timeout60) response.raise_for_status() # 如果状态码不是200抛出异常 result response.json() image_data base64.b64decode(result[‘images’][0]) # 确保输出目录存在 Path(output_dir).mkdir(parentsTrue, exist_okTrue) filepath Path(output_dir) / f“{icon_name}.png” with open(filepath, ‘wb’) as f: f.write(image_data) print(f“✓ 成功生成: {icon_name}”) return True except requests.exceptions.RequestException as e: print(f“✗ 生成 {icon_name} 时出错: {e}”) return False except KeyError as e: print(f“✗ API返回数据格式异常 {icon_name}: {e}”) return False # 主程序 if __name__ “__main__”: API_URL “http://localhost:7860/generate” OUTPUT_DIR “game_magic_icons” # 定义你要生成的一套图标 icon_set [ { “name”: “fireball”, “prompt”: “a fierce burning fireball, pixel art spell icon, transparent background, orange and yellow flames, clean edges” }, { “name”: “frost_nova”, “prompt”: “an exploding ring of ice crystals, pixel art spell icon, transparent background, blue and white, sparkling” }, { “name”: “healing_light”, “prompt”: “a soft glowing green cross or plus sign, pixel art healing icon, transparent background, serene, radiant” }, { “name”: “lightning_bolt”, “prompt”: “a sharp jagged lightning bolt, pixel art electricity icon, transparent background, bright yellow, dynamic” }, { “name”: “earth_shield”, “prompt”: “a round shield made of stone or earth, pixel art defense icon, transparent background, brown and gray, sturdy” } ] print(f“开始批量生成魔法图标输出到目录: {OUTPUT_DIR}”) success_count 0 for icon in icon_set: success generate_and_save_icon(API_URL, icon[‘prompt’], icon[‘name’], OUTPUT_DIR) if success: success_count 1 time.sleep(1) # 每次请求间隔1秒避免对服务器造成压力 print(f“\n批量生成完成成功 {success_count}/{len(icon_set)} 个图标。”)运行这个脚本喝杯咖啡的功夫一套风格统一的像素魔法图标就整整齐齐地躺在game_magic_icons文件夹里了。4.2 后期处理与验证生成完成后我们快速写个小脚本来验证一下所有图标的背景是否是透明的Alpha通道是否存在。from PIL import Image import os def check_transparency(directory): “”“检查目录下所有PNG图片的透明度”“” for filename in os.listdir(directory): if filename.endswith(‘.png’): filepath os.path.join(directory, filename) try: with Image.open(filepath) as img: if img.mode in (‘RGBA’, ‘LA’) or (img.mode ‘P’ and ‘transparency’ in img.info): print(f“{filename}: 包含透明通道 ({img.mode})”) else: print(f“{filename}: 不包含透明通道 ({img.mode})”) except Exception as e: print(f“无法读取 {filename}: {e}”) # 检查我们刚才生成的图标 check_transparency(“game_magic_icons”)5. 总结走完这一趟你会发现用代码调用API生成像素图标其实就是一个“构造请求-发送请求-处理响应”的过程。它比手动在Web UI上点击要强大和高效得多特别适合需要批量生成、集成到自动化流程中的场景。我们来快速回顾一下关键点服务就绪确保http://localhost:7860的generate端点可以访问。核心请求向/generate发送一个包含prompt等参数的JSON格式POST请求。提示词技巧描述要具体风格要指明别忘了强调transparent background。参数微调利用negative_prompt排除杂质用seed固定风格进行微调。批量生产用循环和函数封装轻松生成一套图标。结果处理API返回Base64编码的图片数据解码后保存为PNG即可保留透明通道。下次当你需要一堆像素风的小图标时别再到处找素材了。打开你的代码编辑器用几行Python脚本让Qwen Pixel Art为你量身打造吧。从简单的物品到复杂的场景唯一的限制就是你的想象力。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。

相关文章:

Qwen Pixel Art实战教程:用Python requests调用API生成带透明通道的像素图标

Qwen Pixel Art实战教程:用Python requests调用API生成带透明通道的像素图标 想不想亲手打造一套风格统一、背景透明的像素风图标?无论是用于游戏开发、UI设计,还是个人项目,自己生成专属的像素图标总是充满乐趣。今天&#xff0…...

HunyuanVideo-Foley效果展示:厨房炒菜声、城市交通音,细节还原惊艳

HunyuanVideo-Foley效果展示:厨房炒菜声、城市交通音,细节还原惊艳 你有没有想过,一段无声的视频,能自动“长出”声音来?不是随便配点背景音乐,而是那种画面里锅铲在动,耳边就响起“滋啦”的炒…...

Git-RSCLIP图文相似度应用:构建遥感知识图谱支撑语义推理与关联分析

Git-RSCLIP图文相似度应用:构建遥感知识图谱支撑语义推理与关联分析 1. 引言:从“看图说话”到“知图懂意” 想象一下,你面前有一张从几百公里高空拍摄的卫星图像。上面有蜿蜒的线条、不同颜色的色块、规则或不规则的几何图形。你能看出什么…...

基于立创地阔星STM32F103C8T6与ESP8266的超声波+震动感应智能垃圾桶硬件设计全解析

基于立创地阔星STM32F103C8T6与ESP8266的超声波震动感应智能垃圾桶硬件设计全解析 最近有不少朋友在问,想自己动手做一个智能感应垃圾桶,把超声波测距、震动感应、Wi-Fi联网这些功能都集成进去,但不知道硬件电路该怎么设计。正好,…...

从部署到应用:LingBot-Depth完整项目实战,打造你的第一个3D感知工具

从部署到应用:LingBot-Depth完整项目实战,打造你的第一个3D感知工具 1. 项目开篇:为什么你需要一个自己的3D感知工具 想象一下,你手头有一个普通的RGB摄像头,或者一个精度不太够的深度传感器。你想用它来做个机器人避…...

Z-Image-Turbo_UI界面应用场景:电商配图、社交头像、创意设计一键生成

Z-Image-Turbo_UI界面应用场景:电商配图、社交头像、创意设计一键生成 你是不是也遇到过这样的烦恼?做电商需要上新一批商品,主图、详情图、场景图,每张都要设计,找设计师太贵,自己用PS又不会;…...

乙巳马年·皇城大门春联生成终端W在嵌入式设备上的轻量化部署探索

乙巳马年皇城大门春联生成终端W在嵌入式设备上的轻量化部署探索 春节临近,街边巷尾的春联摊又开始热闹起来。你有没有想过,如果有一个小盒子,不用联网,自己就能根据你的想法“吐”出一副独一无二的春联,会是怎样的体验…...

Kimi-VL-A3B-Thinking镜像免配置:预置LangChain工具链,支持Agent自主调用

Kimi-VL-A3B-Thinking镜像免配置:预置LangChain工具链,支持Agent自主调用 你是不是也遇到过这样的场景?拿到一张复杂的图表,想快速提取里面的关键信息;或者收到一张产品设计图,需要分析其中的元素和布局。…...

CLIP-GmP-ViT-L-14入门指南:理解GmP微调如何提升CLIP在ObjectNet泛化能力

CLIP-GmP-ViT-L-14入门指南:理解GmP微调如何提升CLIP在ObjectNet泛化能力 你是不是遇到过这种情况:一个在ImageNet上表现优异的视觉模型,换到一个稍微不同的数据集上,比如ObjectNet,性能就大幅下降?这背后…...

UI-TARS-desktop效果展示:用自然语言操控电脑的惊艳案例

UI-TARS-desktop效果展示:用自然语言操控电脑的惊艳案例 想象一下,你正忙于一个项目,需要同时打开多个软件、搜索资料、整理文件,还要处理邮件。传统操作意味着你要在键盘和鼠标之间来回切换,点击无数个菜单和按钮。但…...

YOLOv8 vs EfficientDet:轻量化检测模型全面评测

YOLOv8 vs EfficientDet:轻量化检测模型全面评测 1. 评测背景与意义 目标检测技术作为计算机视觉的核心领域,近年来在工业界获得了广泛应用。从安防监控到自动驾驶,从智能零售到工业质检,高效准确的物体识别能力已经成为众多AI应…...

基于超级电容的便携式点焊机设计与实现

1. 项目概述便携点焊机2.1是一款面向锂电维修、电池组组装及电子DIY场景的微型化点焊设备,其核心设计目标是在单手可握的紧凑结构内,实现对0.1mm镍带等薄型导电材料的可靠焊接。该设备摒弃传统工频变压器或大容量锂电池直驱方案,转而采用单节…...

立创开源:基于STM32F103的FOC驱动器设计(芙宁娜·彩印版)——硬件电路与软件实现详解

立创开源:基于STM32F103的FOC驱动器设计(芙宁娜彩印版)——硬件电路与软件实现详解 最近在做一个云台项目,需要驱动一个小功率的无刷电机,并且要实现精准的位置和速度控制。找了一圈,发现市面上的驱动器要么…...

星图平台快速搭建AI助手:Clawdbot集成YOLOv8实现智能视觉检测

星图平台快速搭建AI助手:Clawdbot集成YOLOv8实现智能视觉检测 无需复杂配置,30分钟搭建专业级视觉AI助手 视觉检测技术正在改变各行各业,从智能安防到工业质检,从自动驾驶到医疗影像分析。但传统方案往往需要昂贵的硬件和复杂的部…...

5分钟学会Z-Image-Turbo:AI绘画小白也能轻松出大片

5分钟学会Z-Image-Turbo:AI绘画小白也能轻松出大片 1. 快速入门指南 1.1 什么是Z-Image-Turbo Z-Image-Turbo是阿里通义推出的高性能AI图像生成模型,经过社区开发者"科哥"二次开发构建为WebUI版本,让普通用户也能轻松使用。这个…...

南北阁Nanbeige 4.1-3B入门实操:Win11系统优化与右键菜单定制以提升开发效率

南北阁Nanbeige 4.1-3B入门实操:Win11系统优化与右键菜单定制以提升开发效率 对于在Windows 11上进行AI开发的伙伴们来说,最大的痛点可能不是模型本身,而是那个“水土不服”的开发环境。装个Python包冲突了,想快速调用模型还得切…...

AIGlasses OS Pro C语言基础:嵌入式视觉开发入门

AIGlasses OS Pro C语言基础:嵌入式视觉开发入门 用最简单的方式,带你进入智能眼镜的视觉开发世界 1. 开篇:为什么选择AIGlasses OS Pro? 如果你对智能眼镜开发感兴趣,但又觉得门槛太高,那么AIGlasses OS …...

Qwen3视觉黑板报在微信小程序开发中的应用:智能客服与内容生成

Qwen3视觉黑板报在微信小程序开发中的应用:智能客服与内容生成 最近在做一个教育类的小程序项目,团队里负责客服的同学天天忙得焦头烂额。用户问的问题五花八门,从课程安排到知识点解析,很多问题都需要配上图片或图表才能讲清楚。…...

基于立创TI MSPM0的电机PID控制实战:从定速到定距的嵌入式入门项目

基于立创TI MSPM0的电机PID控制实战:从定速到定距的嵌入式入门项目 最近有不少刚开始接触嵌入式的小伙伴问我,PID算法听起来挺高大上的,到底怎么在单片机上实现?能不能用一个看得见摸得着的项目来学?正好,我…...

SecGPT-14B商业应用探索:DevSecOps流程中漏洞修复建议生成

SecGPT-14B商业应用探索:DevSecOps流程中漏洞修复建议生成 1. SecGPT-14B模型概述 SecGPT-14B是由云起无垠推出的开源网络安全大模型,专注于提升安全防护的智能化水平。这个模型基于先进的大语言模型技术,特别针对网络安全场景进行了优化和…...

wan2.1-vae开源镜像免配置教程:双卡RTX 4090一键启动文生图服务

wan2.1-vae开源镜像免配置教程:双卡RTX 4090一键启动文生图服务 1. 快速了解wan2.1-vae wan2.1-vae是基于Qwen-Image-2512模型的AI图像生成平台,它能够根据用户输入的中英文提示词,生成高质量、高分辨率的图像。这个开源镜像最大的特点就是…...

ViT图像分类模型Java面试常见问题解析

ViT图像分类模型Java面试常见问题解析 本文针对Java开发者在AI方向面试中常见的ViT图像分类模型相关问题,提供从基础原理到实践优化的全面解析,帮助求职者系统准备技术面试。 1. ViT模型基础原理与核心概念 1.1 ViT模型的基本工作原理 Vision Transfor…...

WuliArt Qwen-Image Turbo优化指南:如何利用Turbo LoRA实现最快出图

WuliArt Qwen-Image Turbo优化指南:如何利用Turbo LoRA实现最快出图 1. 极速文生图引擎的核心优势 在当今AI绘图领域,速度与质量的平衡一直是技术难点。WuliArt Qwen-Image Turbo通过独特的工程优化,实现了4步推理即可生成高清图像的惊人效…...

Audio Pixel Studio部署教程:阿里云ECS轻量应用服务器一键部署

Audio Pixel Studio部署教程:阿里云ECS轻量应用服务器一键部署 1. 快速了解Audio Pixel Studio Audio Pixel Studio是一款基于Streamlit开发的轻量级音频处理Web应用,它集成了两大核心功能: Edge-TTS语音合成:采用微软Edge TTS…...

Qwen3-ASR-1.7B实战应用:搭建个人语音助手后端服务

Qwen3-ASR-1.7B实战应用:搭建个人语音助手后端服务 1. 为什么选择Qwen3-ASR-1.7B 语音助手已经成为现代生活中不可或缺的一部分,从智能家居控制到日程管理,语音交互正在改变我们与技术互动的方式。然而,大多数个人开发者面临一个…...

用SPIRAN ART SUMMONER为你的游戏/小说做概念图:实战教程

用SPIRAN ART SUMMONER为你的游戏/小说做概念图:实战教程 1. 为什么你需要一个“幻光”概念图生成器 如果你正在创作游戏、小说,或者任何需要视觉想象力的项目,你肯定遇到过这样的困境:脑子里有一个无比清晰、无比震撼的画面&am…...

Asian Beauty Z-Image Turbo 安全部署实践:在企业内网环境下的模型服务化

Asian Beauty Z-Image Turbo 安全部署实践:在企业内网环境下的模型服务化 最近和不少做内容创作、电商设计的朋友聊天,大家普遍有个痛点:想用AI图片生成工具提升效率,但又担心把图片数据传到公网有风险,或者服务不稳定…...

Phi-3-Mini-128K一文详解:官方pipeline封装+Streamlit界面开发全流程

Phi-3-Mini-128K一文详解:官方pipeline封装Streamlit界面开发全流程 想体验微软最新的小模型,又担心自己的电脑配置不够?今天,我就带你从零开始,手把手搭建一个能在本地流畅运行的Phi-3对话工具。这个工具不仅严格遵循…...

开箱即用!Qwen3-4B-Instruct-2507镜像实测:三步搭建智能问答系统

开箱即用!Qwen3-4B-Instruct-2507镜像实测:三步搭建智能问答系统 1. 引言:从“数学尖子生”到“全能助手”的进化 如果你正在寻找一个能在自己电脑上流畅运行、既能解数学题又能陪你聊天的AI助手,那么阿里云最新开源的 Qwen3-4B…...

Qwen3.5-35B-AWQ-4bit图文问答效果优化:图片预处理建议与提问方式最佳实践

Qwen3.5-35B-AWQ-4bit图文问答效果优化:图片预处理建议与提问方式最佳实践 1. 模型能力概述 Qwen3.5-35B-A3B-AWQ-4bit是一款面向视觉多模态理解的量化模型,特别擅长图片内容理解和图文对话任务。经过量化处理后,模型在保持较高准确率的同时…...