图像生成初探：OpenAI 与千帆平台一键出图

前面我们让 AI 学会了对话、推理，但一直局限于文字。今天我们要解锁一个新维度------图像生成。只需要一句描述，AI 就能帮你画出对应的图片。

在 Spring AI 中，图像生成和对话聊天使用的是完全不同的模型接口。对话用的是 ChatClient，而图像生成用的是 ImageModel。好消息是，Spring AI 对图像模型也做了统一抽象，接入 OpenAI DALL-E 和百度千帆的文生图服务，代码结构几乎一样。今天我们就来同时打通这两条路，让你感受"一套 API，两套模型"的便捷。

一、痛点场景：当文字不够用的时候

你是否遇到过这样的需求：

• 做一个"AI 绘画"功能，用户输入"一只戴着墨镜的柴犬在沙滩上冲浪"，后端调用模型生成图片并返回。
• 需要动态生成营销海报背景，而不是让设计师手动出图。
• 想在应用中集成图片生成能力，但不想维护两套代码去对接不同的厂商。

如果你之前有过对接图像生成 API 的经验，可能会头疼于各家不同的请求格式、认证方式、返回结构。Spring AI 的 ImageModel 抽象正是为此而生：它定义了统一的 ImagePrompt 输入和 ImageResponse 输出，让你用同样的代码风格调用完全不同的图像模型。

二、核心概念快览

2.1 ImageModel：图像生成的"ChatClient"

和 ChatModel 负责聊天类似，ImageModel 是 Spring AI 中负责图像生成的核心接口。它定义了一个 call 方法，接收 ImagePrompt，返回 ImageResponse。

2.2 ImagePrompt 与 ImageOptions

• ImagePrompt ：封装了一次图像生成请求的所有信息，包括提示词（描述文字）和生成选项（ImageOptions）。
• ImageOptions ：控制生成参数，比如图片尺寸、数量、风格等。不同模型支持的选项不同，但 Spring AI 提供了一组通用的属性，比如 height、width、n（生成数量）。

2.3 工作流程

用户输入描述文字
    ↓
构建 ImagePrompt（描述 + 选项）
    ↓
调用 imageModel.call(imagePrompt)
    ↓
返回 ImageResponse（包含生成的图片 URL 或 Base64 数据）

你不需要关心底层是 OpenAI 的 HTTP API 还是千帆的 RESTful 接口，因为 Spring AI 的自动配置已经帮你封装好了。

三、环境准备

3.1 获取 API Key

OpenAI

访问 platform.openai.com/api-keys 创建 API Key。图像生成需要账户有额度，DALL-E 2 和 DALL-E 3 的计费不同，建议先用 DALL-E 2 测试（成本更低）。

百度千帆

访问 console.bce.baidu.com/qianfan 开通千帆服务。在"应用接入"中创建应用，获取 API Key 和 Secret Key。千帆需要使用这两把钥匙通过 OAuth 获取 access_token，Spring AI 的 starter 会自动处理。

务必设置环境变量，避免将 Key 写入代码仓库：

• OpenAI：export OPENAI_API_KEY=sk-xxx
• 千帆：export QIANFAN_API_KEY=your-api-key 和 export QIANFAN_SECRET_KEY=your-secret-key

3.2 Maven 依赖

在 pom.xml 中同时引入 OpenAI 和千帆的图像生成支持。我们继续使用 Spring AI 的 BOM 管理版本。

<dependencies>
    <!-- Spring Boot Web -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>

    <!-- Spring AI OpenAI Starter（包含 Chat 和 Image 模型） -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-model-openai</artifactId>
    </dependency>

    <!-- Spring AI Qianfan Starter（包含聊天、图像、嵌入等） -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-model-qianfan</artifactId>
    </dependency>
</dependencies>

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>1.1.6</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

这两个 starter 可以在同一项目中共存，因为它们的自动配置会根据配置的前缀（spring.ai.openai 和 spring.ai.qianfan）区分，不会互相冲突。如果你的项目之前只有 OpenAI starter，直接添加千帆依赖即可。

3.3 application.yml 配置

spring:
  ai:
    # OpenAI 图像生成配置
    openai:
      api-key: ${OPENAI_API_KEY}
      image:
        options:
          model: dall-e-2          # 可选 dall-e-3，但更贵
          size: 1024x1024          # 图片尺寸
          quality: standard        # dall-e-3 支持 hd
          n: 1                     # 生成数量

    # 百度千帆图像生成配置
    qianfan:
      api-key: ${QIANFAN_API_KEY}
      secret-key: ${QIANFAN_SECRET_KEY}
      image:
        options:
          model: Stable-Diffusion-XL  # 千帆支持的文生图模型
          style: default              # 风格
          n: 1

四、代码实战

4.1 创建 ImageService

我们将分别使用 OpenAiImageModel 和 QianfanImageModel 来演示，因为它们各自需要不同的配置。Service 层直接注入具体实现类，避免歧义。

package com.example.springaihelloworld.service;

import org.springframework.ai.image.ImagePrompt;
import org.springframework.ai.image.ImageResponse;
import org.springframework.ai.openai.OpenAiImageModel;
import org.springframework.ai.openai.OpenAiImageOptions;
import org.springframework.ai.qianfan.QianfanImageModel;
import org.springframework.ai.qianfan.QianfanImageOptions;
import org.springframework.stereotype.Service;

@Service
public class ImageService {

    private final OpenAiImageModel openAiImageModel;
    private final QianfanImageModel qianfanImageModel;

    public ImageService(OpenAiImageModel openAiImageModel,
                        QianfanImageModel qianfanImageModel) {
        this.openAiImageModel = openAiImageModel;
        this.qianfanImageModel = qianfanImageModel;
    }

    /**
     * 使用 OpenAI DALL-E 生成图片，返回图片 URL
     */
    public String generateImageOpenAI(String prompt) {
        ImageResponse response = openAiImageModel.call(
                new ImagePrompt(prompt,
                        OpenAiImageOptions.builder()
                                .withModel("dall-e-2")       // 模型名称
                                .withHeight(1024)
                                .withWidth(1024)
                                .withN(1)                     // 生成一张
                                .build()));

        // 从响应中提取图片 URL
        String imageUrl = response.getResult().getOutput().getUrl();
        return imageUrl;
    }

    /**
     * 使用百度千帆生成图片，返回图片 URL
     */
    public String generateImageQianfan(String prompt) {
        ImageResponse response = qianfanImageModel.call(
                new ImagePrompt(prompt,
                        QianfanImageOptions.builder()
                                .withModel("Stable-Diffusion-XL")   // 千帆模型
                                .withN(1)
                                .build()));

        String imageUrl = response.getResult().getOutput().getUrl();
        return imageUrl;
    }
}

关键点解读：

• ImagePrompt 的构造函数接收提示词和 ImageOptions。
• 每个模型有自己的 XxxImageOptions 构建器，可以设置特定参数。你也可以跳过这一步，直接使用配置文件中的默认选项。
• getResult().getOutput().getUrl() 返回生成图片的临时 URL。如果是 Base64 返回，可以使用 getB64Json()（DALL-E 3 默认返回 Base64），但 URL 模式更方便前端直接展示。

4.2 创建 ImageController

package com.example.springaihelloworld.controller;

import com.example.springaihelloworld.service.ImageService;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class ImageController {

    private final ImageService imageService;

    public ImageController(ImageService imageService) {
        this.imageService = imageService;
    }

    /**
     * OpenAI 图像生成
     * GET /image/openai?prompt=一只戴着墨镜的柴犬
     * 返回图片 URL
     */
    @GetMapping("/image/openai")
    public String generateOpenAiImage(@RequestParam String prompt) {
        String imageUrl = imageService.generateImageOpenAI(prompt);
        return "图片已生成，URL: " + imageUrl;
    }

    /**
     * 千帆图像生成
     * GET /image/qianfan?prompt=一只戴着墨镜的柴犬
     * 返回图片 URL
     */
    @GetMapping("/image/qianfan")
    public String generateQianfanImage(@RequestParam String prompt) {
        String imageUrl = imageService.generateImageQianfan(prompt);
        return "图片已生成，URL: " + imageUrl;
    }
}

五、运行与演示

5.1 启动应用

确保 OPENAI_API_KEY、QIANFAN_API_KEY、QIANFAN_SECRET_KEY 三个环境变量已正确设置，然后启动 Spring Boot 应用。

5.2 测试 OpenAI 图像生成

访问：

http://localhost:8080/image/openai?prompt=一只戴着墨镜的柴犬在沙滩上冲浪

返回类似：

图片已生成，URL: https://oaidalleapiprodscus.blob.core.windows.net/private/org-.../img-....png

复制该 URL 到浏览器，就能看到 AI 画的柴犬冲浪图了。

5.3 测试千帆图像生成

访问：

http://localhost:8080/image/qianfan?prompt=一只戴着墨镜的柴犬在沙滩上冲浪

稍等几秒，返回图片 URL。同样在浏览器中打开，验证效果。你可能会发现两个模型生成的风格有所不同，千帆的 Stable Diffusion 画面更偏写实或动漫风格（取决于你的模型选择），而 DALL-E 2 更倾向于艺术化渲染。

六、常见问题与避坑提示

问题一：OpenAI 返回"b64_json"而不是 URL

在 DALL-E 3 中，默认响应格式是 Base64 编码的图片数据，而不是 URL。如果你需要 URL，可以在 OpenAiImageOptions 中设置 withResponseFormat("url")（DALL-E 3 不支持 URL，只支持 Base64）。对于 DALL-E 3，你需要从 getOutput().getB64Json() 获取 Base64 字符串，然后在前端解码显示。

修改方法示例：

OpenAiImageOptions.builder()
    .withModel("dall-e-3")
    .withResponseFormat("b64_json")  // dall-e-3 只能这样
    .build();
String b64 = response.getResult().getOutput().getB64Json();

问题二：千帆 API 返回"access_token invalid"

原因通常是 api-key 或 secret-key 配置错误。千帆的认证流程需要先通过 key 和 secret 换取 token，Spring AI 的 starter 会自动处理。如果 token 获取失败，检查环境变量是否正确，且千帆控制台中该应用已启用"图像生成"服务。

问题三：同时存在两个 ImageModel Bean 导致启动报错

我们直接注入了 OpenAiImageModel 和 QianfanImageModel 的具体类型，没有使用 ImageModel 接口，因此不存在歧义。如果你通过 @Autowired ImageModel 注入，Spring 会发现两个候选 Bean 而报错。此时需要使用 @Qualifier 或 @Primary 解决。建议直接注入具体类型，这是最简单稳妥的方式。

问题四：生成的图片有内容安全限制

OpenAI 和千帆都有内容审核机制。如果提示词包含违规内容，API 会拒绝生成并返回错误。应用中应捕获相关异常并给出友好提示。

问题五：生成速度较慢

图像生成通常比文本生成耗时更长，5-20 秒都属正常。如果想提升用户体验，可以像上一篇的流式对话一样，结合异步处理：接口立刻返回"正在生成"，然后通过轮询或 WebSocket 推送完成通知和图片地址。

七、小结与下一步预告

本篇回顾

• 理解了 Spring AI 中 ImageModel 的统一图像生成接口。
• 掌握了 ImagePrompt 和 ImageOptions 的构建方式。
• 使用同一个 Service 结构，分别接入了 OpenAI DALL-E 和百度千帆两个图像生成平台。
• 学会了如何处理 Base64 和 URL 两种返回格式。

动手建议

在你的项目中挑选一个场景（比如生成用户头像、海报背景），用本文的代码骨架，分别接入 OpenAI 和千帆，对比出图质量和成本，选出最适合你业务的模型。

下一步预告

图像能生成了，那声音呢？下一篇我们将进入 语音交互实战，用 Spring AI 的语音模型封装，实现文本转语音（TTS）和语音转文字（STT）。让你的 AI 应用不仅能"看"，还能"说"和"听"。

下一篇《语音交互实战：TTS 与 STT 的 Spring AI 封装》见。

---

本系列博客基于 Spring AI 1.1.6 版本编写。图像生成模型的可用性和计费规则可能随时变化，请参考各平台的官方文档。实际开发中，请注意图片 URL 的有效期和访问权限限制。