Bailian Studio

使用 DashScope 进行 OCR、TTS、文生图、图生图。

环境要求

• - Python 3
• dashscope (>=1.24.0)
• oss2
• requests
• ffmpeg（TTS 播放依赖，使用 ffplay）

安装：
bash
pip install -r requirements.txt

配置

API 密钥（优先级顺序）：

1. 1. DASHSCOPEAPIKEY 环境变量
2. secrets/bailian.env

OSS（优先级顺序）：

1. 1. OSSACCESSKEY、OSSSECRETKEY、OSSBUCKET、OSSENDPOINT、OSS_REGION 环境变量
2. secrets/bailian.env

secrets/bailian.env 示例：
env
DASHSCOPEAPIKEY=sk-xxx
DASHSCOPEBASEURL=https://dashscope.aliyuncs.com/api/v1

TTS 可选配置（留空走默认）

OSSACCESSKEY=ak-xxx
OSSSECRETKEY=sk-xxx
OSS_BUCKET=your-bucket
OSS_ENDPOINT=oss-cn-beijing.aliyuncs.com
OSS_REGION=cn-beijing

默认值：

• - 区域/基础 URL：北京 (https://dashscope.aliyuncs.com/api/v1)
• 图像模型：qwen-image-2.0-pro
• 输出目录：tmp/bailian-studio/
• 输出格式：PNG

使用方法

TTS（语音合成）

bash
python3 {baseDir}/scripts/tts_speak.py --text 你好

OCR（文字识别）

从本地图片（上传至 OSS）：
bash
python3 {baseDir}/scripts/ocr_text.py --image /path/to.png

从 URL：
bash
python3 {baseDir}/scripts/ocr_text.py --url https://example.com/image.png

图像生成（文生图）

bash
python3 {baseDir}/scripts/image_generate.py \
--prompt 一只坐在云端的橘猫 \
--width 1024 \
--height 1024

图像生成（图生图）

本地图片：
bash
python3 {baseDir}/scripts/image_generate.py \
--prompt 改成赛博朋克风格 \
--image /path/to/reference.png \
--width 1024 \
--height 1024

URL 图片：
bash
python3 {baseDir}/scripts/image_generate.py \
--prompt 改成水彩插画风格 \
--image https://example.com/reference.png \
--width 1024 \
--height 1024

标准输入提示

bash
echo 一只会发光的鲸鱼漂浮在夜空 | python3 {baseDir}/scripts/image_generate.py

行为说明

• - 本地参考图：先上传 OSS，再传给 DashScope
• URL 参考图：直接透传给 DashScope
• 默认一次生成 1 张图
• 成功后 stdout 打印保存路径
• 若文件名已存在，自动重命名
• 失败时输出错误信息并返回非 0 退出码