【2025最新图生图】用Python调用SiliconFlow API生成图片：从提示词到自动保存本地！[特殊字符]

先看效果！！！！

一、工具功能一览

1. 输入提示词

• 提示词：描述目标图片的内容（如“一个中国样貌的美少女手拿着红枣，放在嘴边，坐在白色的沙发上，面色红润，笑容甜美”），但是我上面生成的图不是按照这个提示词生成的，想生成什么样的图片可以发挥自己的想象。

2. 生成目标图片

• 根据输入信息，生成高质量的目标图片。

3. 保存生成图片

• 生成图片保存为本地文件，方便后续使用。

二. 运行代码

以下是完整的Python代码，直接复制即可使用：代码里面的模型根据我测试之后我觉得是比较好的模型，可以根据自身需求按照API文档进行替换。注意：代码需要补充自己的API KEY和自己本地的图片地址。

import requests
import base64
import os

# 设置API基本信息
API_URL = "https://api.siliconflow.cn/v1/images/generations"  # API端点
API_KEY = "your_api_key_here"  # 替换为您的SiliconFlow API Key

def encode_image_to_base64(image_path):
    """将本地图片编码为Base64字符串"""
    with open(image_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode("utf-8")

def generate_image(prompt, image_base64=None, model="stabilityai/stable-diffusion-xl-base-1.0", seed=None, batch_size=1, guidance_scale=7.5, image_size="1024x1024", num_inference_steps=20, negative_prompt=None):
    """调用API生成图片"""
    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }
    data = {
        "model": model,  # 模型名称
        "prompt": prompt,  # 提示词
        "batch_size": batch_size,  # 输出图片个数
        "guidance_scale": guidance_scale,  # 控制生成图像与提示的匹配程度
        "image_size": image_size,  # 图片尺寸
        "num_inference_steps": num_inference_steps,  # 推理步骤数
        "seed": seed,  # 随机种子
        "image": image_base64,  # 上传的图片（Base64编码）
        "negative_prompt": negative_prompt  # 负向提示词
    }
    # 移除空值字段
    data = {k: v for k, v in data.items() if v is not None}

    response = requests.post(API_URL, headers=headers, json=data)
    if response.status_code == 200:
        return response.json()["images"]
    else:
        raise Exception(f"API调用失败，状态码：{response.status_code}, 错误信息：{response.text}")

def save_image_url(image_url, output_folder, output_filename):
    """保存图片URL到本地文件"""
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)
    output_path = os.path.join(output_folder, output_filename)
    with open(output_path, "w") as file:
        file.write(image_url)
    print(f"图片URL已保存至：{output_path}")

def download_image(image_url_dict, output_folder, output_filename):
    """下载并保存图片到本地"""
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)

    # 提取 URL 字典中的实际 URL
    image_url = image_url_dict['url'] if isinstance(image_url_dict, dict) else image_url_dict

    output_path = os.path.join(output_folder, output_filename)
    response = requests.get(image_url)
    if response.status_code == 200:
        with open(output_path, "wb") as file:
            file.write(response.content)
        print(f"图片已下载并保存至：{output_path}")
    else:
        raise Exception(f"图片下载失败，状态码：{response.status_code}")

def main():
    # 用户输入
    prompt = input("请输入提示词（描述目标图片）：")
    image_path = "输入你自己本地的图片"  # 直接指定本地图片路径
    model = input(
        "请输入模型名称（默认stabilityai/stable-diffusion-xl-base-1.0）：") or "stabilityai/stable-diffusion-xl-base-1.0"
    seed = input("请输入随机种子（可选，留空随机生成）：")
    seed = int(seed) if seed else None
    batch_size = input("请输入输出图片个数（默认1）：") or 1
    batch_size = int(batch_size) if batch_size else 1
    guidance_scale = input("请输入提示匹配程度（默认7.5）：") or 7.5
    guidance_scale = float(guidance_scale) if guidance_scale else 7.5
    image_size = input("请输入图片尺寸（默认1024x1024）：") or "1024x1024"
    num_inference_steps = input("请输入推理步骤数（默认20）：") or 20
    num_inference_steps = int(num_inference_steps) if num_inference_steps else 20
    negative_prompt = input("请输入负向提示词（可选，留空不使用）：") or None

    # 将用户提供的图片路径进行编码
    image_base64 = encode_image_to_base64(image_path)

    try:
        # 调用生成图片的函数
        images = generate_image(
            prompt=prompt,
            image_base64=image_base64,
            model=model,
            seed=seed,
            batch_size=batch_size,
            guidance_scale=guidance_scale,
            image_size=image_size,
            num_inference_steps=num_inference_steps,
            negative_prompt=negative_prompt
        )

        # 保存生成的图片
        output_folder = "generated_images"
        for index, image_url_dict in enumerate(images):
            output_filename = f"generated_image_{index + 1}.png"
            download_image(image_url_dict, output_folder, output_filename)

    except Exception as e:
        print(f"发生错误：{e}")

if __name__ == "__main__":
    main()

三、为什么选择这个工具？

1. 先进的技术支持

• 基于SiliconFlow的API，生成效果精准。

2. 完全开源

• 代码公开透明，支持个性化修改和扩展。

3. 高效便捷

• 无需设计技能，输入提示词即可生成目标图片。

4. 多场景应用

• 广告设计、游戏开发、社交媒体内容创作等。

感谢支持！