AI 应用媒体生成【免费下载链接】imaginAIryPythonic AI generation of images and videos项目地址https://gitcode.com/gh_mirrors/im/imaginAIry点击查看免费下载本指南以 imaginairy 仓库中的imagineCLI 文档为骨架结合 imaginairy/cli/imagine.py、imaginairy/cli/shared.py、imaginairy/config.py 等源码展开。读完本文你将掌握imagine/aimg imagine的全部常用参数、ControlNet 控制信号、图生图与蒙版修复、外扩outpainting、平铺tile、参数调度arg-schedule与视频生成等进阶玩法并能把命令行参数与底层 ImaginePrompt 数据模型一一对应起来方便后续迁移到 Python API。imagine是 imaginAIry 的核心文生图命令既可以独立运行imagine也可以作为交互式 shellaimg的子命令使用。它支持一次批量生成多张图片、多个提示词、多张初始化图片以及 ControlNet 结构化控制还内置了--videogen将生成结果直接变为视频。下面按“入口与整体流程 → 高频参数 → 结构化控制 → 进阶玩法 → 底层原理”的顺序展开。命令入口与整体调用链两种调用方式独立命令imagine a scenic landscape等价于aimg imagine ...源码中的 docstring 明确指出 “Can be invoked via eitheraimg imagineor justimagine”见 imaginairy/cli/imagine.py。交互式 shell直接运行aimg进入提示符模型可常驻内存多次生成/编辑更快imaginairy/cli/main.py。aimg命令组注册了imagine、edit、upscale、describe、colorize、videogen、server等子命令。从 CLI 到 Python API 的调用链imagine_cmd首先收集并解析 ControlNet 输入然后委托给 imaginairy/cli/shared.py 中的_imagine_cmd第 32-267 行。核心流程如下提示词展开对每个 prompt 调用expand_prompts支持{}随机选词、{_category_}短语库语法imaginairy/enhancers/prompt_expansion.py。构造 ImaginePrompt把 CLI 参数映射为 imaginairy/schema.py 中的 Pydantic 模型进行校验与默认值填充如init_image_strength默认为 0.2、步骤数按 solver 决定等。批量生成调用imagine_image_files(prompts, outdir..., record_step_images..., make_gif..., make_compare_gif..., videogen...)imaginairy/api/generate.py输出目录结构为outdir/generated生成图、outdir/steps过程图、outdir/gif动画等。输出文件命名规则从 imaginairy/api/generate.py 可以看出输出文件名高度结构化{序号:06d}_{seed}_{solver}{steps}_PS{prompt_strength}[_img2img-{init_image_strength}]_{prompt}[_{type}].{ext}例如000066_801493266_PLMS40_PS7.5_gold_coins.jpg表示序号 66、seed 801493266、PLMS solver、40 步、提示词强度 7.5、提示词 “gold coins”。文件名即元数据仓库docs/assets/下大量示例文件如 docs/assets/000066_801493266_PLMS40_PS7.5_gold_coins.jpg就是这种命名的真实产物。高频基础参数详解下表覆盖了imagine最常用的参数定义见 imaginairy/cli/shared.py 的common_options与imagine_cmd专属选项参数默认值说明PROMPT_TEXT...位置参数—一个或多个提示词多个提示词依次各生成一张图--negative-prompt见下方说明排除不想要的内容如--negative-prompt ugly, blurry--prompt-strength7.5提示词跟随强度CFG 引导强度值越高越贴近提示词、越“不自然”--init-image PATH\|URL—起始图图生图可传多次、支持 glob 与 URL--init-image-strength0.2有控制/蒙版时为 0.0起始图保留强度取值 0-1越大越接近原图--image-prompt/--image-prompt-strength— / 0.35IP-Adapter 图像提示用参考图风格/内容引导生成--outdir./outputs输出目录--output-file-extensionjpg输出格式可选jpg/png-r, --repeats1每个提示词重复渲染次数--size模型默认尺寸512x512、单个整数正方形、1080p/4k/UHD等命名分辨率--stepssolver 相关ddim 50 / dpmpp 20扩散步数步数越多细节越多但收益递减--seed随机随机种子保证可复现--solver / --samplerddim采样器当前配置含ddim、dpmpp两类imaginairy/config.py--model / --model-weights-pathsd15模型别名如sd15、sdxl、openjourney-v2、sd21、flux或自定义权重路径--model-architecture—使用自定义权重时必须指定架构sd15、sdxl等--log-level/-q, --quietINFO日志级别--quiet等价于--log-level ERROR--show-workFalse把逐步扩散过程图写入outdir/steps调试--upscale/--fix-facesFalse生成后放大 / CodeFormer 人脸修复--fix-faces-fidelity0.5人脸修复保真度1最像原图0最“好看”--precisionautocast计算精度autocast或full--versionFalse打印版本号退出负提示词的内置默认值即使不传--negative-promptCLI 也会套用config.DEFAULT_NEGATIVE_PROMPTimaginairy/config.py来降低畸形手、坏解剖、模糊水印等常见瑕疵该默认值在ImaginePrompt的validate_negative_prompt中完成填充imaginairy/schema.py。OpenJourney 系列模型则将默认负提示词替换为poor qualityimaginairy/config.py。尺寸解析--size的三种写法--size由 imaginairy/utils/named_resolutions.py 的normalize_image_size解析支持WIDTHxHEIGHT或WIDTH,HEIGHT如512x512、1920x1080单个整数如512表示 512×512命名分辨率如720p、1080p、4K、UHD、HD、FHD等完整映射表见 imaginairy/utils/named_resolutions.py。建议尺寸为 8 的倍数不同架构有默认尺寸如 sd15 默认 512、sdxl 默认 1024见 imaginairy/config.py。结构化控制ControlNet 与--control-*参数imagine的独门优势在于把 ControlNet 控制信号做成了 CLI 一等公民参数定义见 imaginairy/cli/imagine.py参数说明--control-image PATH\|URL提供原始图片由程序自动提取控制信号如深度图、姿态、边缘--control-image-raw PATH\|URL直接提供已提取好的控制信号图如现成的 depth map / pose--control-mode MODE控制模式见下方枚举--control-strength控制信号强度可多次指定与多控制源一一对应--control-mode支持的取值同时是aimg model-list中展示的 CONTROL MODES见 imaginairy/cli/main.pycanny depth details normal hed openpose shuffle edit inpaint colorize qrcode densepose它们与 imaginairy/config.py 的CONTROL_CONFIGS一一对应每个模式都有独立的权重下载地址与配置文件如configs/control-net-v15.yaml、configs/control-net-v15-pool.yaml。多控制源组合CLI 通过记录参数的输入顺序ImagineColorsCommand._option_order将--control-image、--control-image-raw、--control-strength、--control-mode按位置配对imaginairy/cli/imagine.py因此可以同时叠加多个控制信号imagine \ --control-image person.jpg --control-mode openpose --control-strength 0.8 \ --control-image scene.jpg --control-mode depth --control-strength 0.5 \ a character standing in a room实战示例源自 README可在docs/assets/验证效果OpenPose 姿态控制imagine --control-image assets/indiana.jpg --control-mode openpose --caption-text openpose photo of a polar bear输入见 docs/assets/indiana.jpg姿态图 docs/assets/indiana-pose.jpg生成结果 docs/assets/indiana-pose-polar-bear.jpg。Canny 边缘控制imagine --control-image assets/lena.png --control-mode canny photo of a woman with a hat looking at the camera边缘图 docs/assets/lena-canny.jpg、生成图 docs/assets/lena-canny-generated.jpg。深度图控制imagine --control-image fancy-living.jpg --control-mode depth a modern living room深度图 docs/assets/fancy-living-depth.jpg、生成图 docs/assets/fancy-living-depth-generated.jpg。HED 边缘控制imagine --control-image dog.jpg --control-mode hed photo of a dalmation生成图 docs/assets/dog-hed-boundary-dalmation.jpg。编辑指令控制editimagine --control-image pearl-girl.jpg --control-mode edit --init-image-strength 0.01 --steps 30 --negative-prompt --model openjourney-v2 make it anime make it at the beach效果见 docs/assets/pearl_anime_019537_521829407_kdpmpp2m30_PS9.0_img2img-0.01_make_it_anime.jpg。细节补充detailsimagine --control-image assets/wishbone.jpg --control-mode details sharp focus, high-resolution --init-image-strength 0.2 --steps 30 -w 2048 -h 2048对比见 docs/assets/wishbone_headshot_badscale.jpg 与 docs/assets/wishbone_headshot_details.jpg。注意README 明确说明 ControlNet 目前不适用于 SDXL 模型结构化控制请使用 SD 1.5 系列sd15、openjourney-*等。底层校验方面ControlInput模型要求mode必须是合法模式、image与image_raw二选一且strength取值 0-1000默认 1见 imaginairy/schema.py。若未指定--init-image而给了--control-imageImaginePrompt会自动把控制图作为起始图使用imaginairy/schema.py。图生图、蒙版修复与外扩inpainting / outpainting基础图生图imagine --init-image girl_with_a_pearl_earring_large.jpg --init-image-strength 0.05 \ professional headshot photo of a woman with a pearl earring \ -r 4 -w 1024 -h 1024 --steps 50--init-image支持本地路径、URLLazyLoadingImage惰性加载见 imaginairy/schema.py以及textimg前缀文本图像。--init-image-strength取值 0-10.05 表示几乎完全重绘、仅保留构图/色彩线索1.0 则接近原图微调。当存在控制信号或蒙版时该值自动回退为 0.0imaginairy/schema.py。基于文本的蒙版--mask-prompt用文字描述要修补的区域支持布尔逻辑与强度修饰符由 clipseg 实现README “Prompt Based Masking” 一节有完整语法说明关键词AND、OR、NOT必须大写支持括号修饰符{n}扩张 n 像素、{-n}收缩、{*n}放大强度扩到弱匹配区、{/n}缩小强度像素强度取值 0-1写修饰符时注意量级。imagine \ --init-image pearl_earring.jpg \ --mask-prompt face AND NOT (bandana OR hair OR blue fabric){*6} \ --mask-mode keep \ --init-image-strength .2 \ --fix-faces \ a modern female president a female robot a female doctor a female firefighter相关参数--mask-image直接给蒙版图白重绘、黑保留、--mask-mode keep|replace保留还是替换蒙版区域、--mask-modify-original修复后把改动叠加回原图。对应效果图见 docs/assets/mask_examples/ 目录如珍珠耳环少女系列 docs/assets/mask_examples/pearl_pres.png、docs/assets/mask_examples/pearl_robot.png。校验规则mask_image与mask_prompt不能同时使用使用蒙版必须提供init_image若未显式指定模型蒙版/外扩任务会自动切换到对应 inpainting 权重如sd15inpaint、sdxl-inpaint见 imaginairy/schema.py。外扩Outpaintingimagine --init-image pearl-earring.jpg --init-image-strength 0 --outpaint all250,up0,down600 woman standing--outpaint语法帮助文本与 imaginairy/utils/outpaint.py 的outpaint_arg_str_parse校验一致--outpaint up10,down300,left50,right50或缩写u10,d300,l50,r50--outpaint all200或a200表示四边各扩 200扩展值会自动吸附使输出尺寸为 8 的倍数。示例效果见 tests/expected_output/test_outpainting_outpaint_.png。平铺与 360° 全景生成--tile/--tile-x/--tile-y使生成图像在 X/Y 方向无缝平铺对应ImaginePrompt.tile_mode的xy/x/y校验见 imaginairy/schema.py# 四向无缝平铺素材 imagine gold coins a lush forest piles of old books leaves --tile # 360 度等距柱状全景横向平铺 imagine --tile-x -w 1024 -h 512 360 degree equirectangular panorama photograph of the desert --upscale仓库示例平铺金币 docs/assets/000066_801493266_PLMS40_PS7.5_gold_coins.jpg、沙漠全景 docs/assets/desert_360.jpg。提示词工程与批量玩法提示词展开随机词 / 短语库{a|b|c}不重复地随机抽取imagine a {lime|blue|silver|aqua} colored dog -r 4 --seed 0会依次生成四种颜色的狗示例见 docs/assets/000184_0_plms40_PS7.5_a_silver_colored_dog_[generated].jpg。{_category_}从内置短语库抽取如{_color_}、{_animal_}、{_art-scene_}、{_artist_}、{_painting-style_}。短语库文件位于 imaginairy/enhancers/phraselists/ 与 imaginairy/vendored/noodle_soup_prompts/。--prompt-library-path可多次指定自定义短语库文件夹.txt 文件在提示词中用{_文件名_}引用。# 无限生成 8K 艺术画 aimg imagine -w 1920 -h 1080 --upscale {_art-scene_}. {_painting-style_} by {_artist_} -r 1000 --steps 30 --model sd21v # 无限生成桌面壁纸 imagine --tile {_desktop-background_} -r 100参数调度--arg-schedule在一次运行中让参数按序列变化两种格式解析实现见 imaginairy/cli/arg_schedule.py区间式--arg-schedule arg_name[start:end:increment]如prompt-strength[2:8:0.5]列举式--arg-schedule arg_name[val,val2,val3]如model[sd14,sd15,sd20,sd21,openjourney-v1,openjourney-v2]。所有调度必须长度一致。典型用法来自 READMEimagine valley, fairytale treehouse village ..., matte painting, ... \ --steps 60 --seed 1 \ --arg-schedule model[sd14,sd15,sd20,sd21,openjourney-v1,openjourney-v2] \ --arg-schedule caption-text[sd14,sd15,sd20,sd21,openjourney-v1,openjourney-v2]对比效果见 docs/assets/fairytale-treehouse-sd15.jpg 等一组同提示词不同模型的生成图。动画与视频--gif生成扩散过程 GIF保存在outdir/gif见 imaginairy/api/generate.py--compare-gif原图与生成结果对比动画需--init-image--compilation-anim gif|mp4把本次运行所有生成图做成幻灯片动画实现见 imaginairy/cli/shared.py--videogen生成图片后立即用 Stable Video Diffusion 产出短视频imaginairy/cli/imagine.py 与 imaginairy/api/generate.py--caption-text把指定文字叠印到图上如--caption-text openpose。常用模型与自定义权重内置模型别名一览完整定义见 imaginairy/config.py别名示例架构说明sd15Stable Diffusion 1.5默认模型支持 ControlNet 全模式sd15inpaintSD 1.5 Inpainting蒙版修复专用蒙版任务自动选用sdxl/sdxlinpaintSD XL / XL Inpainting高分辨率生成默认 1024 尺寸openjourney-v1/v2/v4SD 1.5艺术风格模型v1/v2 默认负提示词poor qualitysd21/sd21v等SD 2.x 系列通过--model sd21v等使用fluxFLUX.1-schnell少步数出图默认 5 步、无负提示词svd/svd-xt等Stable Video Diffusion视频生成模型配合--videogen查看全部aimg model-list会打印权重别名表与 ControlNet 模式表imaginairy/cli/main.py。自定义权重--model /path/to/weights.safetensors --model-architecture sd15也支持 diffusers 目录模型如 Hugging Face 模型仓库路径。CLI 中未匹配到内置别名时会将其包装为自定义权重配置imaginairy/cli/shared.py。测试与验证CLI 的可信度来自哪里仓库测试 tests/test_cli/test_cmds.py 覆盖了核心 CLI 行为test_cmd_help_time逐个子命令执行--help校验退出码为 0 且帮助输出耗时 1 秒tests/test_cli/test_cmds.pytest_imagine_cmd真实调用imagine_cmd生成 “gold coins”2 步、固定 seed 703425280断言成功tests/test_cli/test_cmds.pytest_aimg_shell验证aimg无参数时进入交互 shelltests/test_cli/test_cmds.py。tests/expected_output/目录中大量命名规范的 PNG如test_imagine[ddim]_.png、test_img2img_beach_to_sunset[dpmpp]_.png进一步印证了本文所述的参数组合与输出行为。环境要求与安装Python 优先 3.10Linux / macOS(M1) 开箱即用Windows 需先按官方指引安装 torch。硬件建议 CUDA GPU ≥ 11GB 显存或 M1首次运行会自动下载模型权重约 10GB 空间无需 Hugging Face 账号。安装pip install imaginairymacOS 需先安装 rust编译tokenizer依赖。缓存目录可通过HUGGINGFACE_HUB_CACHE环境变量修改模型缓存位置缓存位于~/.cache/imaginairy、~/.cache/clip、~/.cache/torch、~/.cache/huggingface。Docker仓库根目录提供 Dockerfile运行时建议映射 GPU 与缓存目录。小结imagine把 imaginAIry 的核心能力压缩进了一条命令文生图、图生图、蒙版修复、外扩、ControlNet 结构化控制、平铺、批量化提示词、参数调度、人脸修复与视频生成。理解 CLI 参数与ImaginePrompt/ControlInput数据模型的对应关系后你可以轻松地把命令行经验迁移到 Python APIfrom imaginairy import imagine, imagine_image_files, ImaginePrompt实现可编程、可批量的生成管线。赞分享AI 应用媒体生成【免费下载链接】imaginAIryPythonic AI generation of images and videos项目地址https://gitcode.com/gh_mirrors/im/imaginAIry点击查看免费下载相关推荐Infer help 子命令完全指南从命令行手册到网站文档生成Infer help 子命令完全指南从命令行手册到网站文档生成 导读 infer help 是 Infer 静态分析器内置的文档子命令它既承担着命令行手册静态分析代码质量开发工具TDengine时序数据库可视化工具5大核心功能带你轻松管理工业数据TDengine时序数据库可视化工具5大核心功能带你轻松管理工业数据 在工业物联网IIoT时代海量的时序数据需要高效存储和管理。TDengine作为一款数据库时序数据库大数据物联网云原生x64dbg 助记符帮助命令 mnemonichelp 完全指南从命令行查指令手册到反汇编视图的内置集成x64dbg 助记符帮助命令 mnemonichelp 完全指南从命令行查指令手册到反汇编视图的内置集成 mnemonichelp 是 x64dbg 内置的助逆向工程调试器开发工具应用安全上一篇Translumo打破语言壁垒的Windows实时屏幕翻译利器下一篇B站视频下载器3步轻松获取4K大会员专属内容创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
