wan-video/wan-skills/wan2-7-image-skill

Wan2.7 Image Generation Skill （Wan2.7 图片生成编辑技能）

Generate AI images with "Wan2.7 Image" via direct API calls.

Quick Start

1. 配置环境 → common.md 2. 了解能力 → 阅读下文核心能力介绍 3. 选择模式 → 根据需求选择三种操作模式之一 4. 详细用法 → image-generation-editing.md

核心能力：

• ✅ 文生图：纯文本生成单张图像
• ✅ 图像编辑：基于参考图的编辑、风格迁移、多图融合
• ✅ 组图生成：文生组图、图生组图（最多 12 张）

Workflow: Unified Image Generation & Editing（统一图像生成与编辑）

graph TB
    A[用户请求] --> B{是否有参考图？}
    B -->|无参考图 | C[文生图/文生组图]
    B -->|有参考图 | D[图生图/图像编辑/图生组图]
    C --> E[调用image-generation-editing.py]
    D --> E
    E -->|SUCCEEDED| I[返回图片 URL]
    E -->|FAILED| J[错误处理]

流程说明：

1. 判断模式 - 根据是否有参考图以及用户内容，选择文生图,图生图还是组图生成
2. 预处理脚本执行 - 根据输入情况自动选择：

• 有文件路径：调用 scripts/file_to_oss.py --file 上传文件到OSS
• 有 base64 数据（如Claw chat框粘贴场景）：调用 scripts/file_to_oss.py --base64 上传到OSS
• 有分辨率和长宽比的需求：执行 scripts/parse_resolution.py 获取size配置

1. 调用生成脚本 - 调用 scripts/image-generation-editing.py，根据下述三种操作模式进行对应的参数填充
2. 获取结果 - 从响应中提取图片 URL（有效期 24 小时）
3. 展示结果 - 把图片URL在用户交互界面中显示出来
4. 保存图片 - 提示用户图片结果链接有有效期，如果用户想长期保存结果，让用户指定一个目录，把图片存进这个目录

📖 详细流程与参数： image-generation-editing.md

Three Operation Modes（三种操作模式）

Mode 1: 图像生成（文生图）

用途： 纯文本生成单张图像

输入： 文本提示词 输出： 图片 特点： 无需输入参考图

关键参数：

• enable_sequential: false
• n: 生成数量 1
• size: 分辨率 (支持 1K/2K 或自定义)

📖 详细说明与用例： image-generation-editing.md#mode-1

Mode 2: 图像编辑（图生图、风格迁移、多图融合）

用途： 基于参考图像进行编辑、风格迁移或保持主体一致性生成

输入： 文本提示词 + 1-9 张参考图 输出： 图片 特点： 输入1-9张参考图进行参考生成

关键参数：

• enable_sequential: false
• n: 生成数量 1
• size: 分辨率（支持 1K/2K 或自定义）

📖 详细说明与用例： image-generation-editing.md#mode-2

Mode 3: 组图生成

用途： 根据文本描述生成系列图像（一次生成多张关联的图片，教程、故事等）

输入： 文本提示词 + 可选参考图（最多 9 张） 输出： 最多 12 张图片 特点： 一次生成多张关联的图片，实际数量由模型决定

关键参数：

• enable_sequential: true
• n: 生成数量范围 [1-12]
• size: 分辨率 （支持 1K/2K 或自定义）

📖 详细说明与用例： image-generation-editing.md#mode-3

Documents Structure（文档结构）

📖 Common Configuration

用途： 通用配置和环境变量管理

包含内容：

• API Key 获取和配置步骤
• 环境变量配置（DASHSCOPE_API_KEY, DASHSCOPE_BASE_URL）
• 地域选择（北京、新加坡）

何时查阅： 首次配置环境或需要修改配置时

📖 Image Generation & Editing

用途： Wan 2.7 统一技能详细文档

包含内容：

• 三种操作模式的详细说明和用例（Mode 1/2/3）
• 图像输入要求（格式、分辨率、大小、宽高比）
• 分辨率转换脚本使用说明（parse_resolution.py）

何时查阅： 需要了解具体 API 用法、参数配置或排查问题时

📖 Upload to OSS

用途： 本地文件或 base64 图片数据上传到临时 OSS 存储的 Python 脚本

包含内容：

• 文件上传功能实现
• 获取 oss:// URL
• 支持文件路径和 base64 两种输入方式
• 支持所有需要本地文件的场景，如果用户在聊天框粘贴传入参考图，请把这些参考图，以 base64 形式传递给脚本

何时查阅： 需要上传本地图片用于图生图、图像编辑、图生组图时

使用示例：

# 方式 1: 从文件路径上传
python scripts/file_to_oss.py --file /tmp/image.jpg --model wan2.7-image
 
# 方式 2: 从 base64 数据上传（OpenClaw 场景）
python scripts/file_to_oss.py --base64 "<base64_data>" --model wan2.7-image
 
# 输出：oss://dashscope-instant/xxx/cat.png

📖 Parse resolution

用途： 解析用户输入的分辨率描述，转换为 API 所需的 size 参数。

包含内容：

• 用户输入中有分辨率，1K，2K，2:4 等相关内容
• K + 比例："2K 3:4", "1K 16:9"
• 仅 K 值："1K", "2K"（默认 1:1）
• 直接指定："1024*1024", "2048*2048"

何时查阅： 需要解析用户分辨率需求时（如：当用户即对分辨率有要求又对宽高比有要求时，解析用户输入的分辨率描述），转换使用

使用示例：

python scripts/parse_resolution.py "2K 3:4"
# 输出：1774*2364

📖 生成任务耗时过长及异步任务查询

何时使用： 当用户调用scripts/image-generation-editing.py 用时太长时，脚本不会等待最终输出结果，会主动输出task_id。 后续每隔10秒用scripts/check_wan_task_status.py 脚本，查询该task_id所对应的任务的状态。连续查询3次，若有url输出则说明最终完成了任务；若还在进行中，则显示该task_id，提示用户之后再用task_id进行查询。

重要原则 当多次查询都还在生成进行中（RUNNING），则告知用户task_id，提示用户之后再用task_id进行查询。绝对不要私自更改用户的需求，例如减少参考图片的张数和生成组图的张数。

使用示例：

python scripts/check_wan_task_status.py "<task_id>"

Error Handling

常见错误及解决方案：

详细错误码参考：DashScope 错误码文档

Related Documents

• 📖 common.md - 环境配置的说明文档
• 📖 image-generation-editing.md - 文生图/图生图/编辑/组图生成的细节和例子的说明文档
• 🐍 file_to_oss.py - 本地文件上传脚本
• 🐍 parse_resolution.py - 解析用户输入的分辨率的脚本
• 🐍 image-generation-editing.py - 文生图/图生图/编辑/组图生成的脚本