从API调用到批量生成：百度文心ERNIE-ViLG实战，打造你的AI绘画素材库
当设计师需要在半小时内为20篇不同主题的文章配图，当自媒体创作者每天要产出数十张风格统一的封面，传统手工绘图或素材搜索的效率瓶颈就暴露无遗。百度文心ERNIE-ViLG的跨模态生成能力，配合自动化脚本，可以将这种重复劳动转化为几行代码的优雅解决方案。本文将带你从单次API调用进阶到工业化批量生产，构建属于你的智能绘画流水线。
1. 环境配置与基础准备
1.1 获取API访问权限
在百度智能云控制台完成以下步骤：
- 注册实名认证账号（需准备身份证信息）
- 进入「人工智能」→「智能创作平台」
- 创建应用后记录关键凭证：
- API Key
- Secret Key
- 开通「文生图」服务（新用户通常有免费额度）
注意：免费额度足够完成基础测试，商业用途需关注计费策略
1.2 安装必要工具库
推荐使用Python 3.8+环境，通过pip安装依赖：
pip install requests pillow python-dotenv创建.env文件保存凭证：
ERNIE_API_KEY=your_api_key ERNIE_SECRET_KEY=your_secret_key2. 从单次调用到批量生成
2.1 基础API调用模板
以下代码封装了核心请求逻辑：
import requests import json from dotenv import load_dotenv import os load_dotenv() class ErnieVilgClient: def __init__(self): self.api_key = os.getenv('ERNIE_API_KEY') self.secret_key = os.getenv('ERNIE_SECRET_KEY') self.token_url = "https://aip.baidubce.com/oauth/2.0/token" self.generate_url = "https://aip.baidubce.com/rpc/2.0/ernievilg/v1/txt2img" self.query_url = "https://aip.baidubce.com/rpc/2.0/ernievilg/v1/getImg" def _get_token(self): params = { "grant_type": "client_credentials", "client_id": self.api_key, "client_secret": self.secret_key } return requests.post(self.token_url, params=params).json().get("access_token") def generate_image(self, text, style="写实", resolution="1024*1024", num=1): payload = json.dumps({ "text": text, "style": style, "resolution": resolution, "num": num }) headers = {'Content-Type': 'application/json'} response = requests.post( f"{self.generate_url}?access_token={self._get_token()}", headers=headers, data=payload ) return response.json().get("data", {}).get("taskId")2.2 批量生成系统设计
构建关键词驱动的自动化流程：
输入处理层：
- 支持TXT/CSV关键词列表导入
- 自动附加风格修饰词（如"高清""插画风"）
任务调度层：
- 实现异步任务队列
- 自动重试失败请求
输出管理层：
- 按日期/主题自动分类存储
- 生成元数据记录（参数+生成时间）
示例批量处理代码框架：
from concurrent.futures import ThreadPoolExecutor import pandas as pd def batch_generate(keywords_file, output_dir): df = pd.read_csv(keywords_file) client = ErnieVilgClient() with ThreadPoolExecutor(max_workers=3) as executor: tasks = { executor.submit( client.generate_image, row['keyword'], style=row.get('style', '写实'), num=row.get('num', 1) ): row for _, row in df.iterrows() } for future in as_completed(tasks): row = tasks[future] task_id = future.result() save_images(query_result(task_id), os.path.join(output_dir, row['category']))3. 高级参数调优策略
3.1 风格参数深度解析
ERNIE-ViLG支持多种风格组合，通过测试发现：
| 风格参数 | 适用场景 | 推荐分辨率 | 生成耗时 |
|---|---|---|---|
| 中国风 | 传统艺术/节气营销 | 1024*1536 | 25-35s |
| 赛博朋克 | 科技类主题 | 1024*1024 | 20-30s |
| 水彩 | 儿童教育内容 | 1536*1024 | 30-40s |
| 低多边形 | UI设计素材 | 1024*1024 | 15-25s |
3.2 提示词工程技巧
中文提示词构建方法论：
- 主体明确：先定义核心对象（如"旗袍少女"）
- 环境渲染：添加场景元素（"站在江南古镇的拱桥上"）
- 风格强化：指定艺术形式（"工笔画风格，绢本设色"）
- 质量修饰：追加画质要求（"8K超高清，细节精致"）
效果对比案例：
- 基础提示："一只猫"
- 优化版本："布偶猫趴在窗台上，阳光透过纱帘形成柔和光晕，宫崎骏动画风格，4K电影质感"
4. 素材库管理系统实现
4.1 自动化归档方案
建议目录结构：
素材库/ ├── 日期/ │ ├── 原始图片/ │ ├── 元数据.json ├── 分类/ │ ├── 风景/ │ ├── 人物/ └── 风格/ ├── 古风/ ├── 科幻/配套的自动归档脚本：
import shutil from datetime import datetime import json def organize_output(task_id, prompt, style): date_str = datetime.now().strftime("%Y%m%d") os.makedirs(f"output/{date_str}/raw", exist_ok=True) metadata = { "task_id": task_id, "prompt": prompt, "style": style, "generate_time": datetime.now().isoformat() } with open(f"output/{date_str}/metadata.json", 'a') as f: f.write(json.dumps(metadata) + '\n') for img_url in query_images(task_id): download_image(img_url, f"output/{date_str}/raw")4.2 质量筛选与去重
建立自动化筛选机制：
- 使用CLIP模型计算图像相似度
- 设置美学评分阈值（可基于亮度/对比度/构图）
- 实现重复检测算法
实用Python代码片段：
from PIL import Image, ImageStat import imagehash def calculate_aesthetic_score(image_path): img = Image.open(image_path) # 计算亮度方差 stat = ImageStat.Stat(img.convert('L')) return stat.stddev[0] def find_duplicates(image_dir, threshold=5): hashes = {} for file in os.listdir(image_dir): img_hash = str(imagehash.average_hash(Image.open(f"{image_dir}/{file}"))) if img_hash in hashes: hashes[img_hash].append(file) else: hashes[img_hash] = [file] return {k:v for k,v in hashes.items() if len(v)>1}5. 实战：构建完整工作流
5.1 电商素材生成案例
需求场景：为100款不同商品生成展示图
实现步骤：
- 准备商品关键词表（product_keywords.csv）
- 配置风格映射规则：
STYLE_MAP = { '服饰': '时尚摄影', '电子产品': '科技感3D渲染', '食品': '明亮美食摄影' } - 运行批量生成脚本
- 自动归档到对应分类目录
5.2 自媒体内容生产方案
日报工作流优化：
- 每周日规划下周内容主题
- 生成封面图备选库（20-30张）
- 建立图片-文案关联数据库
- 使用简单查询接口调用素材
def get_cover_image(topic): conn = sqlite3.connect('content.db') cursor = conn.execute( "SELECT path FROM images WHERE tags LIKE ? ORDER BY RANDOM() LIMIT 1", (f'%{topic}%',) ) return cursor.fetchone()[0]在三个月的内容生产实践中，这套系统将单篇内容的配图时间从平均47分钟缩短到2分钟，且风格一致性显著提升。特别是在节日热点期间，能够快速生成符合节气氛围的系列图片，大大减轻了创作压力。
)
