图片生成 API

概述

海鲸AI 图片生成 API 完全兼容 OpenAI SDK，只需将 baseURL 指向海鲸AI 即可直接使用 client.images.generate 调用，无需修改任何业务代码。支持 Flux、Gemini、DALL·E 等多种主流图像生成模型。

快速开始（OpenAI SDK）

TypeScript / Node.jsPython

typescript

import OpenAI from 'openai'

const client = new OpenAI({
  apiKey: 'YOUR_API_KEY',
  baseURL: 'https://api.haijingai.com/v2',
})

const response = await client.images.generate({
  model: 'flux-2-pro',
  prompt: '一只可爱的小猫在阳光下玩耍，摄影风格，柔和光线',
  n: 1,
  size: '1024x1024',
})

console.log(response.data[0].url)

python

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.haijingai.com/v2",
)

response = client.images.generate(
    model="flux-2-pro",
    prompt="一只可爱的小猫在阳光下玩耍，摄影风格，柔和光线",
    n=1,
    size="1024x1024",
)

print(response.data[0].url)

API 端点

POST https://api.haijingai.com/v2/images/generations

请求格式

请求头

参数名	类型	必填	说明
Content-Type	string	是	固定为 `application/json`
Authorization	string	是	`Bearer YOUR_API_KEY`

请求参数

与 OpenAI images.generate 接口参数完全一致：

参数名	类型	必填	默认值	说明
`model`	string	是	—	模型名称，如 `"flux-2-pro"`、`"dall-e-3"`
`prompt`	string	是	—	图像描述文本，支持中英文
`n`	integer \| null	否	`1`	生成图片数量，dall-e-3 仅支持 `1`
`size`	string \| null	否	`"1024x1024"`	输出尺寸，见下方尺寸说明
`quality`	string	否	`"standard"`	图片质量：`"standard"` 或 `"hd"`（仅 dall-e-3）
`style`	string \| null	否	`"vivid"`	风格：`"vivid"`（鲜明）或 `"natural"`（自然）（仅 dall-e-3）
`user`	string	否	—	终端用户标识，用于监控和滥用检测

size 支持的尺寸

尺寸	宽高比	适用场景
`256x256`	1:1	小尺寸图标（dall-e-2）
`512x512`	1:1	中等尺寸（dall-e-2）
`1024x1024`	1:1	正方形，通用场景
`1792x1024`	16:9	宽屏，横幅、视频封面
`1024x1792`	9:16	竖屏，手机壁纸、Stories

代码示例

基础文生图

TypeScriptPythoncURL

typescript

import OpenAI from 'openai'

const client = new OpenAI({
  apiKey: 'YOUR_API_KEY',
  baseURL: 'https://api.haijingai.com/v2',
})

const response = await client.images.generate({
  model: 'flux-2-pro',
  prompt: 'futuristic city skyline at sunset, cyberpunk style, neon lights',
  n: 1,
  size: '1792x1024',
})

const imageUrl = response.data[0].url
console.log('生成图片 URL:', imageUrl)

python

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.haijingai.com/v2",
)

response = client.images.generate(
    model="flux-2-pro",
    prompt="futuristic city skyline at sunset, cyberpunk style, neon lights",
    n=1,
    size="1792x1024",
)

image_url = response.data[0].url
print(f"生成图片 URL: {image_url}")

bash

curl https://api.haijingai.com/v2/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "flux-2-pro",
    "prompt": "futuristic city skyline at sunset, cyberpunk style, neon lights",
    "n": 1,
    "size": "1792x1024"
  }'

获取 Base64 格式图片

TypeScriptPython

typescript

const response = await client.images.generate({
  model: 'flux-2-pro',
  prompt: '一只可爱的柴犬，吉卜力风格插画，温暖色调',
  n: 1,
  size: '1024x1024',
})

const b64 = response.data[0].b64_json
// 在浏览器中显示
const imgSrc = `data:image/png;base64,${b64}`

python

import base64

response = client.images.generate(
    model="flux-2-pro",
    prompt="一只可爱的柴犬，吉卜力风格插画，温暖色调",
    n=1,
    size="1024x1024"
)

b64_data = response.data[0].b64_json
image_bytes = base64.b64decode(b64_data)

with open("output.png", "wb") as f:
    f.write(image_bytes)

print("图片已保存为 output.png")

错误处理

TypeScriptPython

typescript

import OpenAI from 'openai'

const client = new OpenAI({
  apiKey: 'YOUR_API_KEY',
  baseURL: 'https://api.haijingai.com/v2',
})

try {
  const response = await client.images.generate({
    model: 'flux-2-pro',
    prompt: '一只可爱的小猫',
    n: 1,
    size: '1024x1024',
  })
  console.log(response.data[0].url)
} catch (error) {
  if (error instanceof OpenAI.APIError) {
    console.error('状态码:', error.status)
    console.error('错误信息:', error.message)
  } else {
    throw error
  }
}

python

from openai import OpenAI, APIError

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.haijingai.com/v2",
)

try:
    response = client.images.generate(
        model="flux-2-pro",
        prompt="一只可爱的小猫",
        n=1,
        size="1024x1024",
    )
    print(response.data[0].url)
except APIError as e:
    print(f"状态码: {e.status_code}")
    print(f"错误信息: {e.message}")

响应格式

响应结构与 OpenAI images.generate 完全一致：

typescript

type ImagesResponse = {
  created: number // Unix 时间戳
  data: Image[] // 生成的图片数组
}

type Image = {
  url?: string // 图片 URL
  b64_json?: string // Base64 图片数据
  revised_prompt?: string // 优化后的提示词（部分模型支持）
}

响应示例

URL 格式（默认）

json

{
  "created": 1713200000,
  "data": [
    {
      "url": "https://example.com/generated-image.png",
      "revised_prompt": "A cute kitten playing in sunlight, photography style, soft lighting, shallow depth of field"
    }
  ]
}

Base64 格式

json

{
  "created": 1713200000,
  "data": [
    {
      "b64_json": "iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAYAAAAfFcSJAAAADUlEQVR42mNk+M9QDwADhgGAWjR9awAAAABJRU5ErkJggg=="
    }
  ]
}

最佳实践

编写高质量提示词

具体描述主题、风格、光线、构图：

✅ 推荐：
"一只橘色的小猫坐在木质窗台上，背景是落日余晖，温暖的侧光照射，
电影感景深，摄影风格，8K 超清"

❌ 不推荐：
"猫"

添加艺术风格关键词：

风格："油画风格"、"水彩画"、"赛博朋克"、"吉卜力动画"
光照："电影级光照"、"柔和光线"、"戏剧性光影"
视角："广角镜头"、"微距摄影"、"鸟瞰视角"

选择合适的尺寸

用途	推荐尺寸
社交媒体 Feed	`1024x1024`
Stories / Reels	`1024x1792`
网站横幅 / 视频封面	`1792x1024`
图标 / 头像	`1024x1024`

URL 有时效性

生成的图片 URL 通常有时效，建议及时下载到自己的存储：

typescript

async function downloadAndSave(url: string, path: string) {
  const res = await fetch(url)
  const buffer = await res.arrayBuffer()
  await fs.promises.writeFile(path, Buffer.from(buffer))
}

const response = await client.images.generate({
  model: 'flux-2-pro',
  prompt: '...',
  n: 1,
  size: '1024x1024',
})
await downloadAndSave(response.data[0].url!, 'output.png')

支持的模型

查看模型列表页面获取所有支持的图像生成模型及其详细信息，包括：

模型能力特点
价格信息
支持的参数

技术支持

如有任何问题或需要技术支持，请联系我们：

在线客服：访问海鲸AI 官网
技术文档：查看完整的 API 文档

图片生成 API ​

概述 ​

快速开始（OpenAI SDK） ​

API 端点 ​

请求格式 ​

请求头 ​

请求参数 ​

size 支持的尺寸 ​

代码示例 ​

基础文生图 ​

获取 Base64 格式图片 ​

错误处理 ​

响应格式 ​

响应示例 ​

URL 格式（默认） ​

Base64 格式 ​

最佳实践 ​

编写高质量提示词 ​

选择合适的尺寸 ​

URL 有时效性 ​

支持的模型 ​

相关资源 ​

技术支持 ​

图片生成 API

概述

快速开始（OpenAI SDK）

API 端点

请求格式

请求头

请求参数

size 支持的尺寸

代码示例

基础文生图

获取 Base64 格式图片

错误处理

响应格式

响应示例

URL 格式（默认）

Base64 格式

最佳实践

编写高质量提示词

选择合适的尺寸

URL 有时效性

支持的模型

相关资源

技术支持