贴纸物料的两步出图:百炼图像新模型生成加编辑的上手记录

简介: 本文记录用阿里云百炼新上线的Qwen图像模型(2.1-pro/turbo)优化贴纸透明背景流程:放弃手动抠图,改用“生成主体+编辑切底”两步法;澄清透明通道需在图生图(edit)中由提示词触发,非生成(generate)阶段;并指出水印默认开启、模型ID须写全等关键避坑点。实测alpha全透明像素达16万+,效率与质量双提升。(239字)

我在给一个 side project 做贴纸物料,卡住的地方不是主体,是主体外面那一圈背景。这篇写我怎么用阿里云百炼十月新上的两个图像模型把这一段流程改掉。中间有一次走错的尝试,一句让我换了做法的官方口径,还有一个到排版环节才暴露的默认值。

一、背景:一套贴纸物料卡在背景这一步

物料的要求很具体:张张贴纸都要透明底。白底印出来会带一圈方框,贴在笔记本或者机箱上都很突兀,所以透明底不是加分项,是及格线。

主体图我不担心,提示词写好就能出。背景这一段原来靠手动完成:放大到最大、沿边缘描、导出、放到深色底上检查白边,有毛刺就回去补。一张来回两三趟,一套物料做下来,背景花的时间比出图多。

中途我评估过接一个专门的抠图服务,结论是不划算:为了一个"把背景变透明"的动作,要新增账号、文档、API 和一份额度,出图与抠图之间还要倒腾格式。

贴纸物料的透明底踩坑记录:生成侧 0 个透明像素,编辑侧十六万与三十万

二、能力面:十月新上的两个图像模型

这一轮用的是 qwen-image-2.1-pro 和 qwen-image-2.1-turbo,阿里云百炼十月新上的两个图像模型。官方给这两个模型写的优势里都包含"原生透明",我就是照着这四个字下的手。

需要提醒的一点:模型 ID 要写全。2.1-pro、2.1-turbo 与其他图像模型的名字长得接近,差一个字符就是另一个模型,写错了命令不报错,图照样出,只是结果不属于你要核的那个模型。

三、上手准备:CLI 与 API Key

环境这边只有两项准备。CLI 的安装是一条 npm 命令,入口在 CLI 安装页。生成与编辑两条命令都要鉴权,Key 在控制台签发:API Key 页面。

Key 没配好的时候先处理鉴权,再回头核透明这件事,两个问题混在一起排查最耗时间。

四、第一次尝试:透明写在生成提示词里

我的第一反应是透明属于出图阶段,于是把诉求写进提示词,写得尽量死。

bl image generate --model qwen-image-2.1-turbo --prompt "一枚圆形柠檬切片贴纸,背景完全透明,alpha 通道透明,不要任何底色" --out-dir ./sticker --out-prefix s1

产物是 PNG,容器是 RGBA,属性看着正常。放到深色底上,柠檬外面那圈白底还在。把 alpha 通道拉直方图,全透明像素 0 个:通道在,内容没透。

帮助文本里没有任何透明相关的开关,所以我没有去推测原因,推测等于替它编一个解释。这一步能确认的只有现象,一次调用,0 个全透明像素。

五、官方口径:透明通道由提示词描述自动决定

答案在官方 API 参考页。原文是:图生图/图像编辑(I2I)支持传入最多 10 张参考图,且能够根据提示词描述自动决定输出普通图像还是带有透明通道的图像。pro 与 turbo 两个模型写的是同一句。

这句话把三件事说死了。透明通道的归属在编辑侧,不在生成侧。触发方式是提示词描述,由模型自动决定输出普通图还是带透明通道的图,整页没有 transparent 或 RGBA 这样的参数名。参考图的上限口径是最多 10 张。

也就是说,要改的不是提示词的措辞强度,是命令。

六、两步流程与单次读数

bl image edit --model qwen-image-2.1-turbo --image ./sticker/s1.png --prompt "保留柠檬切片主体,把背景改成完全透明的 alpha 通道" --out-dir ./sticker --out-prefix s2

alpha 直方图上,全透明像素 164,919 个。同一句提示词换 pro 跑了一次,301,400 个。两个模型各 1 次。

两组读数差了将近一倍,我不从这里推谁的边缘更干净:单次结果支撑不了比较结论。它能支撑的只有一条,编辑侧这条路是通的,提示词描述可以触发透明通道输出。

验收我固定成两个动作:看 alpha 直方图的全透明像素个数,再把成图放到棋盘底上目视一遍,透明区会露出格子,残留底色和白边藏不住。

编辑侧切出的透明贴纸放在棋盘底上,透明区露出棋盘格

流程就此定型:生成主体,编辑切背景,两步,产物落在同一个目录,不需要在两个服务之间搬素材。

七、产物默认值:水印开关

水印这边还有一个默认值。图切好进排版环节,我发现右下角有一个「AI 生成」角标。

帮助文本的口径是:省略水印 flag 时用 Profile 设置或 CLI 默认值(true)。不带开关就是带水印。需要干净底图的物料,命令里显式写 --watermark false;需要保留生成标识的场景,什么都不加,按默认走。

批量出图时这个默认值最容易漏,脚本跑完一般只核落盘数量和文件大小,不看图。我的做法是把水印的选择写进命令本身,不留给默认值。

八、我的痛点,和它能帮我解决什么

痛点三条。其一,透明底素材原来只有手动抠或另接抠图服务两条路,后者要新增的那几样第一节列过,抠完还得自己查边缘毛刺。其二,我不知道透明通道住在哪条命令上,在生成命令里白要了一轮,拿到 0 个全透明像素。其三,水印角标是产物进排版时才发现的,返工落在流程末端。

对应解决的三条。透明底改成两步:生成主体,编辑切底,同一个入口出图,不换服务也不另管一份额度。官方 API 参考那句原话把透明通道的位置与开关形态说死了,在编辑侧、由提示词描述自动决定、没有参数名,后续不会再走错路。水印开关默认开启,也可显式关闭,批量脚本里写死一行即可,不必等到交付前才发现。

边界同样写清楚:两组像素读数都是单次,只说明路通,不包稳定;语音合成这轮没测;中文排版与多字号这篇不验。

九、边界与下一步

这一轮没有覆盖的:10 张参考图上限在真实素材上的表现、局部控制、并发与限流。生成侧那一次为什么没有透明像素,我没有查明,也没有推测,这条留给平台侧口径确认。

编辑命令的参考图可以重复传,官方口径最多 10 张。我拿两张贴纸试过一次,成图里两个源主体都在,1 次,目视核验,不当结论。它指向的下一步是:一套物料里的同款元素,也许不必一张张出再手工拼。

再往后,我打算用语音合成给演示视频配旁白,把 side project 的宣发串成一条线。这句是计划,语音能力这轮没有读数。花费与额度这篇不写数字,用量与余量统一去控制台账单页和额度页看当天读数,控制台入口在 阿里云百炼首页。

十、四条注意事项

  1. 要透明底走编辑命令,把透明写进提示词描述;在生成命令里要透明,我那一次拿到的是 0 个全透明像素。
  2. 验收看 alpha 直方图的全透明像素数,别只看容器是不是 RGBA。
  3. 水印开关默认开,要干净图就显式关掉,别让默认值决定产物长相。
  4. 模型 ID 差一个字符就是另一个模型;单次读数只说明路通,稳定性自己多跑几轮。

这套物料我还在往下做,编辑侧那条路在不同提示词写法下的差别,我下一轮拿同一批素材多跑几遍再写。你那边要透明时提示词是怎么写的,欢迎在评论里交换写法和像素数。

相关文章
|
21天前
|
人工智能 API 数据安全/隐私保护
图像模型 Qwen-Image 2.1 生成与编辑两条路径的验收清单
本文详解阿里云百炼Qwen-Image 2.1系列(pro/turbo)的实测能力:验证四条官方宣称,明确“原生透明”仅在编辑路径生效;强调`--model`与`--watermark`必须显式传参;提出五条可直接落地的团队规范及六项量化验收判据,助力设计与内容团队高效、准确调用图像生成与编辑能力。(239字)
图像模型 Qwen-Image 2.1 生成与编辑两条路径的验收清单
|
2月前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
10975 34
|
2月前
|
Web App开发 Rust Shell
Codex 常见报错排查指南:15 种典型症状与对应修复方法
本页是 Codex 报错精准排查指南:直击15类真实故障根因(非表面报错),覆盖 CLI、编辑器扩展、Chrome 插件等5大入口,含实测修复方案、版本对照与配置要点。拒绝“轮换 API Key”式瞎试,先定位入口,再查日志,最后升级或调整配置。(239字)
|
2月前
|
人工智能 JSON Shell
把 AI 漫剧做成一条可复现的生产管线:百炼 CLI 四步链路与单价账
本文聚焦AI漫剧工业化生产,以百炼CLI(v1.22.0)构建可复现、可验算、可计价的四步管线:角色设定图→参考图分镜→配音→生视频。强调“参考图”为唯一身份锚点,破除seed误区;提供实测命令、耗时与单价(单集约¥3.8),附完整可执行脚本,兼顾成本治理与合规边界。(239字)
把 AI 漫剧做成一条可复现的生产管线:百炼 CLI 四步链路与单价账
|
2月前
|
人工智能 数据安全/隐私保护
百炼图像生成三档模型实测:中文小字的正确率、耗时与计价口径
本文实测百炼三大图像生成模型在中文文字渲染上的真实表现,聚焦公众号封面、海报等物料中易出错的日期、价格、法务句等小字号文本。结果表明:z-image-turbo快且便宜(5.1s/¥0.1),但2026年误为2016年;qwen-image-3.0与3.0-pro两轮全对(19/19),兼顾精度与交付稳定性。推荐按场景分档使用,避免“一档通吃”。
百炼图像生成三档模型实测:中文小字的正确率、耗时与计价口径
|
2月前
|
JSON 文字识别 API
open-code-review 接百炼:7 档 qwen 模型审同一份代码,一次 PR 的总账与耗时实测
本文实测 open-code-review 接入百炼 qwen 系列模型的完整方案:内置 dashscope provider,支持 7 档 qwen 模型;单价差 40 倍,单次审查成本差 545 倍;qwen3.7-plus 为性价比拐点(23.4 秒、满分、¥0.0799 内);详解配置、成本估算与门禁选型。
open-code-review 接百炼:7 档 qwen 模型审同一份代码,一次 PR 的总账与耗时实测
|
27天前
|
人工智能 自然语言处理 安全
阿里云百炼产品月报【2026年9月】
阿里云百炼本月重磅升级:Qwen3.8全模态实时模型上线,Token Plan取消周限额、新增Essential套餐及Agent Harness工具权益;Flow Agent预置模板即开即用,MCP广场上新46项服务,覆盖科研、金融、多媒体等场景;应用与Skill广场新增超30款模板及解决方案,控制台全面焕新,助力企业高效构建AI应用。
673 0
|
2月前
|
人工智能 安全 数据可视化
阿里云百炼 Agent Studio 产品手册全新发布:企业级 Agent 全栈服务平台
阿里云百炼正式发布《阿里云百炼 Agent Studio 产品手册》。手册围绕企业级 Agent“开发—运行—进化—商业化”全生命周期,系统呈现 Agent Studio 的可视化编排、托管运行、RAG/Memory/Parser X、MCP/Skill/Connector、硬件 Agent、安全治理与商业闭环等能力。新用户可获得限时免费体验额度,具体以官网活动页为准。
1064 2
|
2月前
|
运维 JavaScript API
语音能力栈的一次完整梳理:CosyVoice合成、Fun-ASR识别、Qwen-Omni多模态交互,一条CLI链路跑通
百炼CLI统一整合语音合成、识别与多模态交互能力,提供一站式命令行入口、统一计费与治理。支持64+系统音色(含方言)、Flash/异步ASR、Qwen-Omni多模态理解,集成Pipeline编排、用量管控及开源生态协同(如MCP),显著降低语音应用开发与运维成本。(239字)
语音能力栈的一次完整梳理:CosyVoice合成、Fun-ASR识别、Qwen-Omni多模态交互,一条CLI链路跑通
|
2月前
|
缓存 JSON 自然语言处理
从零开始搭建知识库 · EP06 · 范式篇(一)知识编译 vs 运行时检索
本文为「从零搭建知识库」第六期,对比检索式与编译式范式:前者实时切片检索,后者让模型通读全库生成结构化知识页。实测表明,编译范式能主动发现跨文档冲突、提升复杂问答一致性,并借助隐式前缀缓存显著降本(高频场景约6问回本),但牺牲元信息、不适用权限隔离与高频更新场景。(239字)

热门文章

最新文章