跳到主要内容
版本：1.1.5

Image Generation

Spring AI 通过 ImageModel 接口统一了 OpenAI DALL-E、Azure OpenAI、Stability AI 和 ZhiPuAI 四家厂商的图片生成能力，支持参数化控制尺寸、风格、生成数量。

1. 架构定位​

ImageModel 是图片生成的统一入口，支持 OpenAI、Azure OpenAI、Stability AI 等厂商。通过自动注入即可使用，也可手动创建。

2. 图片生成模型​

ImageModel 是单一方法的函数式接口。

2.1 自动注入​

引入任一厂商 Starter 后，ImageModel 由 Spring Boot 自动配置提供。

配置项说明
spring.ai.openai.api-keyOpenAI API 密钥
spring.ai.openai.image.options.model模型名称，如 dall-e-3
@RestController
public class ImageController {

    private final ImageModel imageModel;

    public ImageController(ImageModel imageModel) {
        this.imageModel = imageModel;
    }

    @GetMapping("/image")
    public String generate(@RequestParam String prompt) {
        ImageResponse response = imageModel.call(new ImagePrompt(prompt));
        return response.getResult().getOutput().getUrl();
    }
}

2.2 手动创建​

当不使用 Spring Boot 自动配置时，可直接实例化具体实现。

完整示例：ManualImageDemo.java
ManualImageDemo.java
public class ManualImageDemo {

    public static void main(String[] args) {
        OpenAiImageApi imageApi = OpenAiImageApi.builder()
                .apiKey(System.getenv("OPENAI_API_KEY"))
                .build();

        OpenAiImageOptions options = OpenAiImageOptions.builder()
                .model("dall-e-3")
                .quality("hd")
                .N(1)
                .build();

        OpenAiImageModel imageModel = OpenAiImageModel.builder()
                .openAiImageApi(imageApi)
                .defaultOptions(options)
                .build();

        ImageResponse response = imageModel.call(
                new ImagePrompt("一只在月光下弹吉他的猫，赛博朋克风格"));
        System.out.println("图片 URL: " + response.getResult().getOutput().getUrl());
    }
}

3. 数据结构​

3.1 提示词封装​

ImagePrompt 封装提示词消息和选项，有 5 种构造方式。

// 最简：纯文本
ImagePrompt p1 = new ImagePrompt("一只坐在窗边的橘猫，梵高风格");

// 文本 + 选项
ImagePrompt p2 = new ImagePrompt("未来城市", ImageOptionsBuilder.builder()
        .width(1024).height(1024).style("vivid").build());

// 单条加权消息 + 选项
ImagePrompt p3 = new ImagePrompt(
        new ImageMessage("画面主体：橘猫", 1.5f),
        ImageOptionsBuilder.builder().build());

// 多条加权消息
ImageMessage msg1 = new ImageMessage("画面主体：橘猫", 1.0f);
ImageMessage msg2 = new ImageMessage("背景：星空", 0.5f);
ImagePrompt p4 = new ImagePrompt(List.of(msg1, msg2));

// 多条消息 + 选项
ImagePrompt p5 = new ImagePrompt(
        List.of(msg1, msg2),
        ImageOptionsBuilder.builder().model("dall-e-3").build());

3.2 提示词消息​

ImageMessage 封装一段提示词文本及其权重（权重对 Stability AI 的多提示词架构尤为重要）。

ImageMessage message = new ImageMessage("一只白猫", 1.0f);

String text = message.getText();     // "一只白猫"
Float weight = message.getWeight();  // 1.0

3.3 响应结果​

ImageResponse response = imageModel.call(new ImagePrompt("未来城市"));

// 遍历所有生成结果
List<ImageGeneration> results = response.getResults();
for (ImageGeneration gen : results) {
    Image image = gen.getOutput();
    System.out.println("URL: " + image.getUrl());
    System.out.println("Base64: " + image.getB64Json());
}

// 获取第一个结果
ImageGeneration first = response.getResult();

// 响应元数据
ImageResponseMetadata metadata = response.getMetadata();
System.out.println("创建时间: " + metadata.getCreated());

3.4 图片数据​

一张生成的图片，包含 URL 或 Base64 编码数据。

Image image = new Image("https://example.com/image.png", null);

String url = image.getUrl();        // 图片访问 URL
String b64 = image.getB64Json();    // Base64 编码数据（Stability AI 以此为主）

4. 使用方式​

4.1 基础图片生成​

完整示例：SimpleImageDemo.java
SimpleImageDemo.java
@Component
public class SimpleImageDemo implements CommandLineRunner {

    private final ImageModel imageModel;

    public SimpleImageDemo(ImageModel imageModel) {
        this.imageModel = imageModel;
    }

    @Override
    public void run(String... args) {
        ImageResponse response = imageModel.call(
                new ImagePrompt("一座漂浮在云端的蒸汽朋克城市")
        );

        Image image = response.getResult().getOutput();
        System.out.println("生成图片 URL: " + image.getUrl());
    }
}

4.2 带参数控制​

完整示例：ImageOptionsDemo.java
ImageOptionsDemo.java
@Component
public class ImageOptionsDemo implements CommandLineRunner {

    private final ImageModel imageModel;

    public ImageOptionsDemo(ImageModel imageModel) {
        this.imageModel = imageModel;
    }

    @Override
    public void run(String... args) {
        ImageOptions options = ImageOptionsBuilder.builder()
                .N(2)
                .width(1024)
                .height(1024)
                .style("vivid")
                .build();

        ImagePrompt prompt = new ImagePrompt(
                "一座建在巨树上的精灵城市，奇幻风格",
                options
        );

        ImageResponse response = imageModel.call(prompt);

        for (ImageGeneration gen : response.getResults()) {
            System.out.println("URL: " + gen.getOutput().getUrl());
        }
    }
}

4.3 加权提示词（多段描述）​

ImageMessage 的权重参数允许对提示词的不同部分施加不同影响力。权重越高，该段描述越被模型重视。此特性对 Stability AI 尤为关键，DALL-E 权重偏差影响较小但仍可用于逻辑分组。

完整示例：WeightedPromptDemo.java
WeightedPromptDemo.java
@Component
public class WeightedPromptDemo implements CommandLineRunner {

    private final ImageModel imageModel;

    public WeightedPromptDemo(ImageModel imageModel) {
        this.imageModel = imageModel;
    }

    @Override
    public void run(String... args) {
        List<ImageMessage> messages = List.of(
                new ImageMessage("一只可爱的柯基犬", 2.0f),
                new ImageMessage("背景是樱花树下", 0.5f),
                new ImageMessage("柔和的光线，浅景深", 0.3f)
        );

        ImagePrompt prompt = new ImagePrompt(
                messages,
                ImageOptionsBuilder.builder()
                        .model("dall-e-3")
                        .width(1024)
                        .height(1024)
                        .build()
        );

        ImageResponse response = imageModel.call(prompt);
        System.out.println("URL: " + response.getResult().getOutput().getUrl());
    }
}

5. 便携式选项​

ImageOptions 是跨厂商的便携式选项接口，ImageOptionsBuilder 提供链式 API 构建选项。

ImageOptions options = ImageOptionsBuilder.builder()
        .model("dall-e-3")
        .width(1024)
        .height(1024)
        .N(1)
        .style("vivid")
        .build();

ImagePrompt prompt = new ImagePrompt("未来城市", options);

6. 完整综合示例​

完整示例：ImageGenerationCompleteExample.java
ImageGenerationCompleteExample.java
@Component
public class ImageGenerationCompleteExample implements CommandLineRunner {

    private final ImageModel imageModel;

    public ImageGenerationCompleteExample(ImageModel imageModel) {
        this.imageModel = imageModel;
    }

    @Override
    public void run(String... args) {
        record GenerationResult(String url, String revisedPrompt, Long created) {}

        List<ImageMessage> messages = List.of(
                new ImageMessage("一个未来科技公司办公室，玻璃幕墙，悬浮办公桌", 1.5f),
                new ImageMessage("色调：蓝白为主，配合暖黄灯光", 0.8f)
        );

        ImageOptions options = ImageOptionsBuilder.builder()
                .model("dall-e-3")
                .N(1)
                .width(1024)
                .height(1024)
                .style("vivid")
                .responseFormat("url")
                .build();

        ImageResponse response = imageModel.call(new ImagePrompt(messages, options));

        for (ImageGeneration gen : response.getResults()) {
            Image image = gen.getOutput();
            OpenAiImageGenerationMetadata metadata =
                    (OpenAiImageGenerationMetadata) gen.getMetadata();

            System.out.println("图片 URL: " + image.getUrl());
            System.out.println("优化提示词: " + metadata.getRevisedPrompt());
        }

        System.out.println("响应创建时间: " + response.getMetadata().getCreated());
    }
}