跑了 21 次只有 1 次透明：聊聊一个生图 API 的"透明继承"机制

诚小纯
0 阅读1分钟

标题：跑了 21 次只有 1 次透明：聊聊一个生图 API 的"透明继承"机制

先说背景。9 月 20 日开源的 Qwen-Image-2.1 是这代开源生图里热度最高的模型（Hacker News 740 分），最大的卖点是原生 RGBA 透明输出。但开源版要 27-29 GB 显存，把绝大多数开发者挡在门外。

10 月 2 日，百炼上架了它的 API 版本 qwen-image-2.1-pro，0.25 元/张。价格是上代的一半，参数面也齐：10 张参考图、局部标注编辑、两种提示词改写模式。

装 CLI 有两条路：官方 skill 包交给 coding agent 代跑，或者终端 npm install -g bailian-cli。调用需要 Key，在控制台的密钥管理页创建后就能开跑，下面每条命令都能照抄。

按官方文档，它可以"从文本生成普通或透明（RGBA）图像"。我花了半天，用 35 次实际调用把这个能力面跑了一遍，结论和一个直觉相反：这个 API 的透明不是"生成"能力，是"继承"机制。下面按实验拆开讲。

实验一：透明直出的触发率统计（21 次尝试）

方法：固定判定标准。下载产物 PNG，统计 alpha 通道全透明像素占比，>1% 记为触发（排除边缘抗锯齿噪声）。变量维度：提示词措辞（5 种，含英文社区流传句 The image has alpha channel and the background is transparent 与 ComfyUI 官方模板原句）、prompt_extend_mode（direct/agent 两种）、endpoint（老域名与新专属域名）、调用路径（CLI 与 HTTP）。另外，直出调用不传 size 参数，画布尺寸由模型自选（均为 2048×2048），尺寸不是变量。

结论：21 次里触发 1 次（4.8%），且该次不可复现（原条件复现 2 次均失败）。提示词措辞、改写模式、域名、调用路径都不是有效变量。这个成功率（约 1/21）不适合作为生产路径。

21 次实验矩阵：20 次白底，仅第 9 次 APE 首测出现一次透明

顺带一个性能观察：direct 模式每次 36-39 秒，agent 模式 59-70 秒：APE 多了第二轮提示词重写调用，慢 60% 左右，但对透明触发没有帮助。

实验二：透明继承的三组验证

第一轮实验里有个规律：唯一触发的样本，其输入恰好带有透明通道（沿用前序产物的透明图）。由此提出假设：alpha 通道跟随输入的图像结构，与提示词无关。设计三组对照：

2.1 透明输入 + 不提透明

bl image edit --image cat-transparent.png \
  --prompt "给猫咪的脖子上加一条蓝色围巾" \
  --model qwen-image-2.1-pro

输入 60.4% 透明 → 输出 59.6% 透明，围巾正常添加。指令完全不提"透明"。

2.2 白底输入 + 同指令（对照） 同一只猫的白底版本，同一句指令：围巾正常添加，输出 0% 透明。

2.3 alpha 跟随的边界 透明输入 + 大动作指令（"放大到画面高度 90%、平移到右侧三分之一"）：构图执行成功，alpha 丢失（输出 0%）。

三组合起来：透明结构的继承是稳定的，但它跟随"构图稳定性"：局部编辑保持，重排构图丢失。

三泳道对照：透明进透明出、大动作丢透明、白底进白底出

实验三：继承优先级高于画布指令

设计：10 张透明底图形素材（代码生成：star/circle/square/triangle/heart/diamond/pentagon/hexagon/cross/ring，各不同色），单次调用全部传入，指令明确要求"白色背景，横向一行排开"。

结果：

  • 10 个形状全收录，颜色形状无一走样（含 ring 的镂空）
  • 输出画布自动选择 4096×1024（一行排列的宽画布）
  • 背景 81.5% 透明，"白色背景"指令被无视

这说明 alpha 继承不是"尽量保留"，而是结构性行为：输入素材集合的 alpha 结构优先级，高于文本层的画布颜色指令。如果你需要白底合成，别指望提示词覆盖，得在管线里换不透明素材或后处理。

这一组同时验证了 10 张参考图上限可用：无报错、无遗漏。

10 张透明素材一次拼合：白底指令被覆盖，输出 81.5% 透明、4096×1024

实验四：两种标注编辑方式的差异

画圈（细线）：输入图上叠红色细线圈住目标对象，提示词点名红圈（"把红圈圈住的围巾换成亮黄色"）。输出：对象正确修改、红圈完全消失、透明保持。

涂鸦（大色块）：蓝色实心涂鸦覆盖目标区域，提示词点名蓝色。输出：指代生效（区域被修改），但涂鸦色块有残留。

实践建议：要指定编辑区域，用细线标注，别用大块喷涂。另外注意模型的执行精度：第一轮我把涂鸦画偏到了额头，它就把额头改成了粉色：模型严格编辑你标注的位置，不做意图修正。

红圈指哪改哪：围巾变黄、圈消失、透明保持；色块涂鸦有残留

参数面与 CLI 覆盖度

bl image generate / bl image edit（bl 2.1.0）覆盖了基础面：

bl image generate --model qwen-image-2.1-pro --prompt "..." --out-dir ./out
bl image edit --model qwen-image-2.1-pro --image a.png --image b.png --prompt "..."
  • --image 可重复传参，多图合成透传正常（实测 2 张合成，角色特征保持）
  • 输出用 --out-dir 指定目录，方便脚本化批量落盘与后续检查
  • 未透出的参数：prompt_extend_mode、enable_thinking（需 HTTP 直调在 parameters 里传）
  • 两条调用路径（CLI 与 HTTP）在对照实验中行为一致，差异只在参数透出方式：CLI 覆盖基础面，请求体细参数走 HTTP；35 次实测无失败轮次。

计费与选型数据

模型

单价

差异点

qwen-image-2.1-pro

0.25 元/张

alpha 透明、10 参考图

qwen-image-3.0

0.18 元/张

文字渲染强，无透明

qwen-image-3.0-pro

0.25/0.5 元/张（1K/2K）

排版天花板

qwen-image-2.0-pro

0.5 元/张

上代

计费口径按输出张数，多图输入不额外计费（10 图合成 1 次调用 = 0.25 元）。无免费额度（bl usage free 查询为空）。本轮 35 次实验实付 8.75 元。

核账路径：bl usage stats --model qwen-image-2.1-pro 汇总（统计有延迟）；逐单记录先 bl auth login --console，再 bl log audit list --model qwen-image-2.1-pro --hours 24。延迟的量级实测是：当日 usage 只显示部分调用（35 次显示 10 次），当日逐单记录返回 0 条，次日才对齐。对账建议以控制台账单为准，CLI 统计留 24-48 小时缓冲。

机制解读与适用边界

把四组实验合起来看，行为模式是一致的：API 侧的 alpha 表现更像"输入结构的透传"而不是"条件生成"。对工程选型的启示：

  1. 透明素材加工类需求（已有 alpha 素材的编辑、合成、改色）：可以直接上，透明稳定保持，10 图合成和标注编辑都是可用功能
  2. 透明生成类需求（从零生成透明 / 从照片抠透明）：当前 API 不可靠（1/21 触发、抠图 0/2），工程上建议走本地开源版或外部抠图，第一张透明图拿到后再回 API 做加工链
  3. 白底合成需求：注意 alpha 继承会覆盖画布指令，输入素材的 alpha 状态决定输出

（所有数据来自实际调用，无理论推测部分已如实标注。）

avatar
文章
阅读
粉丝