基于 Python 调用通义万相 2.1 API 实现图像与文本生成实战

调用时传入描述即可，例如：

prompt = "虚拟现实课堂上，学生身临历史战场学习历史"
image_url = generate_image(prompt)
if image_url:
    print(f"生成的图像链接：{image_url}")

保存生成的图像

拿到 URL 后，可以使用 urllib 下载到本地，方便后续使用。

import urllib.request

def save_image(image_url, save_path):
    try:
        urllib.request.urlretrieve(image_url, save_path)
        print(f"图像已保存到 {save_path}")
    except Exception as e:
        print("保存图像时出错:", e)

if image_url:
    save_dir = "generated_images"
    if not os.path.exists(save_dir):
        os.makedirs(save_dir)
    save_path = os.path.join(save_dir, "generated_image.jpg")
    save_image(image_url, save_path)

文本生成实现

文本生成的逻辑类似，主要参数是最大长度和温度值（temperature），用于控制生成的随机性。

text_generation_api_url = "https://api.tongyiwanxiang2.1/text-generation"

def generate_text(prompt, max_length=100):
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {api_key}"
    }
    data = {
        "prompt": prompt,
        "max_length": max_length,
        "temperature": 0.7
    }
    response = requests.post(text_generation_api_url, headers=headers, data=json.dumps(data))
    if response.status_code == 200:
        result = response.json()
        return result.get("generated_text")
    else:
        print(f"请求失败，状态码：{response.status_code}")
        return None

# 示例调用
prompt = "Write a short article about the development of technology"
generated_text = generate_text(prompt, max_length=200)
if generated_text:
    print(f"生成的文本：{generated_text}")

总结

实际开发中要注意异常处理和密钥管理。API 响应速度通常较快，但在高并发场景下建议增加重试机制或缓存策略。通过这种方式，我们可以快速将大模型能力集成到自己的应用中。