python调用DALL·E绘画

实现用gpt的api和他对话后,我们试着调用DALL·E的api进行绘画

参考文档

OpenAI API

运行代码

python 复制代码
from openai import OpenAI

client = OpenAI()

user_prompt = input("请输入您想生成的图片描述: ")

response = client.images.generate(
  model="dall-e-3",
  prompt=user_prompt,
  size="1024x1024",
  quality="standard",
  n=1,
)

image_url = response.data[0].url
print(f"生成的图片链接: {image_url}")

运行结果

生成图片

花费了我4美分,生成了以下图片,看起来还算可以

新需求1

接下来我们想要用dall-e-2来对图片进行修改,而且想让python直接显示出图片来,而不是去点击URL

我们需要先下载requests和Pillow库,用requests获取图片然后用Pillow来显示,在CMD的当中使用下面的命令去下载即可

python 复制代码
pip install requests Pillow

我们还需要做一张想要改变哪个位置的mask图片,我是用美图秀秀随便扣的,注意要和原图保持相同的尺寸

运行代码

python 复制代码
from openai import OpenAI
import requests
from PIL import Image
from io import BytesIO

client = OpenAI()

user_prompt = input("请问你想如何修改图片: ")

response = client.images.edit(
  model="dall-e-2",
  image=open("E:/Game_Program/勇者.png", "rb"),
  mask=open("E:/Game_Program/mask.png", "rb"),
  prompt=user_prompt,
  size="1024x1024",
  n=1,
)

image_url = response.data[0].url
print(f"生成的图片链接: {image_url}")

# 获取并显示图片
response = requests.get(image_url)
img = Image.open(BytesIO(response.content))
img.show()

运行结果

用了好几美分试了几次,发现生成的图片和第一张还是一样的,不知道哪里出问题了,有兴趣的朋友可以试试

新需求2

接下来我们直接通过上传的图片来生成2张新的图片,这个比较简单,应该不会出错,依旧是用到dall-e-2

运行代码

python 复制代码
from openai import OpenAI
import requests
from PIL import Image
from io import BytesIO

client = OpenAI()

response = client.images.create_variation(
  model="dall-e-2",
  image=open("E:/Game_Program/勇者.png", "rb"),
  size="1024x1024",
  n=2,
)

for data in response.data:
    image_url = data.url
    print(f"生成的图片链接: {image_url}")
    
    # 获取并显示图片
    response = requests.get(image_url)
    img = Image.open(BytesIO(response.content))
    img.show()

运行结果

生成图片

干掉我8美分,生成的两张图片有点一言难尽啊,太抽象了吧

相关推荐
威哥爱编程2 小时前
模拟面试智能体开发实战 10:配置写死在代码里还怎么换服务端,把设置和简历做成界面可配、可存
python·agent·harmonyos
青少儿编程课堂2 小时前
第十八届蓝桥杯青少组图形化 + 全国青少年信息素养大赛 + 电子学会图形化考级:校园三消乐大挑战解析
c++·python·算法·bfs·信息学竞赛
青少儿编程课堂3 小时前
蓝桥杯·全国青少年信息素养大赛·电子学会Python/C++考级:网格连通块与岛屿数量(DFS+BFS双解)
c++·python·算法·bfs·信息学竞赛
M--Y13 小时前
LangGraph 工作流模式
开发语言·javascript·python·langchain·大模型·llm·langgraph
岁月宁静13 小时前
DeepSeek Harness 实战与架构解析:让 Agent 从“会聊”到“能交付”
人工智能·python·agent
LiaoWL12313 小时前
NumPy 入门实战(二):向量化与余弦相似度——从 ndarray 到 Embedding
python·numpy·embedding
forest_0914 小时前
多 Agent 协作第二课:交叉验证≠独立验证
人工智能·python·算法·机器学习·prompt·agi
databook17 小时前
时间序列数据,先拆规律还是先查异常
python·数据挖掘·数据分析
师夷长技以自愈17 小时前
手搓 AI Agent 第 8 篇:从手写循环到画流程图——LangGraph 封装
人工智能·python
aifannihao18 小时前
Rust 1.100 的 DropGuard:用 Python 实测失败回滚与吞异常
python·rust·异常处理·标准库·contextlib