# 圣女司幼幽-造相Z-Turbo文生图工作流自动化：Python脚本批量生成+自动归档命名 ## 1. 快速了解圣女司幼幽-造相Z-Turbo 圣女司幼幽-造相Z-Turbo是一个专门用于生成《牧神记》中圣女司幼幽角色图片的AI模型。这个模型基于Z-Image-Turbo的LoRA版本进行训练，能够根据文字描述生成高质量的角色图像。 这个模型通过Xinference进行部署，提供了一个稳定可靠的推理服务。你可以通过Gradio提供的Web界面直接使用，也可以像我们接下来要做的那样，通过API接口进行程序化调用，实现批量生成和自动化处理。 使用这个模型，你只需要用文字描述想要的画面，它就能生成对应的图片。无论是角色姿势、服装细节、背景氛围，还是光影效果，都能通过精准的文字描述来实现。 ## 2. 环境准备与模型服务检查 在开始自动化之前，我们需要确保模型服务正常运行。通过Xinference部署的服务通常会提供一个Web界面和API接口。 首先检查模型服务是否启动成功： ```bash # 查看服务日志确认状态 cat /root/workspace/xinference.log ``` 如果看到类似下面的输出，说明服务启动成功： ``` Xinference server started successfully Model loaded:圣女司幼幽-造相Z-Turbo API endpoint: http://localhost:9997 ``` 服务正常运行时，你可以通过Web浏览器访问Gradio界面，输入提示词来生成单张图片。但我们的目标是实现批量处理，所以需要直接调用API接口。 找到模型的API地址，通常是`http://localhost:9997`（具体地址以你的部署环境为准）。这个地址将用于后续的Python脚本调用。 ## 3. Python自动化脚本编写 现在我们来编写一个完整的Python脚本，实现批量生成和自动归档功能。 ### 3.1 安装必要的依赖包 ```bash pip install requests pillow tqdm ``` ### 3.2 完整的批量生成脚本 ```python import requests import json import time import os from PIL import Image from io import BytesIO from datetime import datetime from tqdm import tqdm class SiYouYouBatchGenerator: def __init__(self, api_url="http://localhost:9997"): self.api_url = api_url self.output_dir = "si_you_you_output" os.makedirs(self.output_dir, exist_ok=True) def generate_image(self, prompt, negative_prompt="", width=512, height=768, num_inference_steps=20): """生成单张图片""" payload = { "prompt": prompt, "negative_prompt": negative_prompt, "width": width, "height": height, "num_inference_steps": num_inference_steps, "guidance_scale": 7.5 } try: response = requests.post( f"{self.api_url}/v1/images/generations", json=payload, timeout=120 ) response.raise_for_status() return response.json() except Exception as e: print(f"生成失败: {e}") return None def save_image(self, image_data, prompt, index): """保存图片并自动命名""" # 生成文件名：时间戳+序号+提示词前几个字 timestamp = datetime.now().strftime("%Y%m%d_%H%M%S") prompt_words = ''.join([c for c in prompt[:20] if c.isalnum()]) filename = f"{timestamp}_{index:03d}_{prompt_words}.png" filepath = os.path.join(self.output_dir, filename) # 从base64解码图片 if "data:image/png;base64," in image_data: image_data = image_data.split(",", 1)[1] image = Image.open(BytesIO(bytes.fromhex(image_data))) image.save(filepath) # 保存提示词到文本文件 prompt_file = filepath.replace('.png', '_prompt.txt') with open(prompt_file, 'w', encoding='utf-8') as f: f.write(prompt) return filepath def batch_generate(self, prompts, batch_size=5, delay=2): """批量生成图片""" results = [] for i, prompt in enumerate(tqdm(prompts, desc="生成进度")): result = self.generate_image(prompt) if result and "data" in result and len(result["data"]) > 0: image_data = result["data"][0]["b64_json"] saved_path = self.save_image(image_data, prompt, i) results.append({ "prompt": prompt, "filepath": saved_path, "timestamp": datetime.now().isoformat() }) print(f"已保存: {saved_path}") # 添加延迟，避免服务器过载 if (i + 1) % batch_size == 0: time.sleep(delay) return results # 示例提示词列表 example_prompts = [ "圣女司幼幽，身着墨绿暗纹收腰长裙，裙摆垂坠带细碎银饰流苏，手持冷冽雕花长剑斜握于身侧，身姿挺拔卓然", "司幼幽抬眸凝望向澄澈苍穹，眉峰微蹙带清冷神性，发丝随微风轻扬，光影勾勒出面部精致轮廓", "圣女司幼幽在月光下练剑，剑光如流水般流转，身姿优雅如舞蹈", "司幼幽站在山巅，远眺云海，长发飘飘，衣袂翻飞，宛如仙子下凡", "近距离特写司幼幽的面容，眼神坚定而温柔，嘴角微微上扬" ] if __name__ == "__main__": generator = SiYouYouBatchGenerator() # 批量生成图片 results = generator.batch_generate(example_prompts) # 生成报告 report_path = os.path.join(generator.output_dir, "生成报告.txt") with open(report_path, 'w', encoding='utf-8') as f: f.write(f"批量生成报告 - {datetime.now()}\n") f.write(f"总共生成: {len(results)} 张图片\n\n") for result in results: f.write(f"文件: {result['filepath']}\n") f.write(f"提示词: {result['prompt'][:50]}...\n") f.write(f"时间: {result['timestamp']}\n") f.write("-" * 50 + "\n") print(f"批量生成完成！总共生成 {len(results)} 张图片") print(f"报告已保存至: {report_path}") ``` ## 4. 高级功能与定制化配置 ### 4.1 支持不同尺寸和风格的批量生成 如果你需要生成不同尺寸或风格的图片，可以扩展脚本功能： ```python def generate_with_various_settings(self, base_prompt, variations): """生成不同设置的变体""" results = [] for i, variation in enumerate(variations): full_prompt = f"{base_prompt}, {variation['style']}" result = self.generate_image( full_prompt, width=variation['width'], height=variation['height'] ) if result: saved_path = self.save_image( result["data"][0]["b64_json"], full_prompt, i ) results.append(saved_path) return results # 使用示例 variations = [ {"style": "古风水墨画风格", "width": 512, "height": 768}, {"style": "现代插画风格", "width": 768, "height": 512}, {"style": "油画质感", "width": 640, "height": 640} ] generator.generate_with_various_settings("圣女司幼幽", variations) ``` ### 4.2 自动归档与分类功能 为了更好地管理生成的大量图片，我们可以添加自动分类功能： ```python def organize_by_category(self, category_rules): """根据规则自动分类图片""" for filename in os.listdir(self.output_dir): if filename.endswith('.png'): filepath = os.path.join(self.output_dir, filename) # 读取对应的提示词文件 prompt_path = filepath.replace('.png', '_prompt.txt') if os.path.exists(prompt_path): with open(prompt_path, 'r', encoding='utf-8') as f: prompt = f.read() # 根据提示词内容分类 category = "其他" for rule_cat, keywords in category_rules.items(): if any(keyword in prompt for keyword in keywords): category = rule_cat break # 创建分类目录并移动文件 category_dir = os.path.join(self.output_dir, category) os.makedirs(category_dir, exist_ok=True) new_filepath = os.path.join(category_dir, filename) new_prompt_path = os.path.join(category_dir, filename.replace('.png', '_prompt.txt')) os.rename(filepath, new_filepath) os.rename(prompt_path, new_prompt_path) # 分类规则示例 category_rules = { "练剑场景": ["剑", "练剑", "武艺", "长剑"], "风景背景": ["山巅", "云海", "月光", "苍穹"], "特写镜头": ["特写", "面容", "眼神", "近距离"], "服装展示": ["长裙", "墨绿", "银饰", "衣袂"] } ``` ## 5. 实际应用案例与效果 ### 5.1 批量生成角色表情集 假设我们需要为圣女司幼幽生成一系列表情和姿势： ```python # 生成不同表情的批量任务 expression_prompts = [ "圣女司幼幽微笑表情，眼神温柔，嘴角微微上扬", "司幼幽沉思表情，眉峰微蹙，目光深远", "圣女司幼幽战斗表情，眼神锐利，神情坚定", "司幼幽悲伤表情，眼含泪光，神情哀婉", "圣女司幼幽惊讶表情，眼睛微微睁大，嘴唇轻启" ] # 生成不同姿势的批量任务 pose_prompts = [ "司幼幽站立姿势，身姿挺拔，长剑倚肩", "圣女司幼幽坐姿，优雅端庄，裙摆铺展", "司幼幽行走姿势，衣袂飘飘，动态感", "圣女司幼幽飞跃姿势，空中姿态，轻盈如燕" ] # 执行批量生成 generator.batch_generate(expression_prompts + pose_prompts) ``` ### 5.2 自动生成项目文档 每次批量生成后，自动创建详细的项目文档： ```python def generate_project_documentation(self, results, project_name): """生成详细的项目文档""" doc_dir = os.path.join(self.output_dir, "文档") os.makedirs(doc_dir, exist_ok=True) # 生成Markdown格式的文档 doc_content = f"""# {project_name} - 图片生成项目文档 生成时间: {datetime.now()} 总数量: {len(results)} 张图片 ## 图片列表 """ for result in results: filename = os.path.basename(result['filepath']) doc_content += f"### {filename}\n" doc_content += f"**提示词**: {result['prompt']}\n\n" doc_content += f"\n\n" # 保存文档 doc_path = os.path.join(doc_dir, f"{project_name}_文档.md") with open(doc_path, 'w', encoding='utf-8') as f: f.write(doc_content) return doc_path ``` ## 6. 总结 通过这个Python自动化脚本，我们实现了圣女司幼幽-造相Z-Turbo模型的批量图片生成和智能归档功能。这个方案的主要优势包括： **批量处理能力**：可以一次性生成数十张甚至上百张图片，大大提高了工作效率。你只需要准备好提示词列表，脚本会自动处理所有生成任务。 **智能命名归档**：每张图片都会根据生成时间和内容自动命名，同时保存对应的提示词文本，方便后续查找和管理。 **灵活可扩展**：脚本采用模块化设计，你可以轻松添加新的功能，如自动分类、样式变体、质量检查等。 **稳定可靠**：内置错误处理和重试机制，确保长时间批量生成的稳定性。即使个别图片生成失败，也不会影响整体任务。 使用这个自动化工作流，你可以专注于创意和提示词的优化，而将重复性的生成任务交给脚本处理。无论是需要生成大量素材用于项目开发，还是想要探索不同提示词的效果，这个方案都能为你节省大量时间和精力。 记得根据你的实际需求调整脚本参数，如生成尺寸、批处理大小、生成间隔等，以获得最佳的使用体验。 --- > **获取更多AI镜像** > > 想探索更多AI镜像和应用场景？访问 [CSDN星图镜像广场](https://ai.csdn.net/?utm_source=mirror_blog_end)，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。