MS-ai — ModelScope AI 技能#

通过 ModelScope API 进行文生图、图生图、视觉理解和文本生成，遇到 429 限速自动轮换模型。

前置条件#

1. 安装依赖#

bash

pip install requests Pillow

2. 配置 API Key#

编辑 ~/.openclaw/openclaw.json，在 skills.entries 下添加：

json

{
  "skills": {
    "entries": {
      "ms-ai": {
        "enabled": true,
        "env": {
          "MODELSCOPE_API_KEY": "ms-key1,ms-key2,ms-key3"
        }
      }
    }
  }
}

多个 Key 用逗号 , 分隔。当一个 Key 的所有模型都失败时，自动切换到下一个 Key 重试全部模型。

💡 也可以使用环境变量 export MODELSCOPE_API_KEY=key1,key2，但推荐用 Skill 级别配置，更整洁且仅对该 Skill 生效。

⚠️ 本技能调用 ModelScope API 会消耗额度。如果用户没有明确说"使用ms-ai"，必须先告知并确认后再执行。

功能概览#

功能脚本说明文生图generate.py文字描述 → 图片图生图generate.py --image上传图片 + 描述 → 修改后的图片视觉理解vision.py分析图片内容、OCR、场景识别文本生成text.py多模型对话/文本生成

图片生成 (generate.py)#

bash

# 文生图（默认 1920x1080 横屏）
python3 <skill_dir>/scripts/generate.py --prompt "一只金色的猫" --output cat.jpg

# ⭐ 推荐：用 --aspect 指定场景（agent 首选方式）
python3 <skill_dir>/scripts/generate.py --prompt "PPT封面" --aspect ppt --output slide.png
python3 <skill_dir>/scripts/generate.py --prompt "抖音短视频" --aspect douyin --output video.png
python3 <skill_dir>/scripts/generate.py --prompt "竖版海报" --aspect poster --output poster.png

# 也可以直接传宽高比
python3 <skill_dir>/scripts/generate.py --prompt "风景画" --aspect 16:9 --output landscape.jpg

# 图生图
python3 <skill_dir>/scripts/generate.py --prompt "给狗戴上生日帽" --image dog.png --output result.jpg

# 精确指定像素尺寸（最高优先级）
python3 <skill_dir>/scripts/generate.py --prompt "自定义" --width 2560 --height 1440 --output custom.jpg

参数说明默认值--prompt描述文字（必填）—--output输出文件路径output.jpg``--model指定模型（别名或完整ID）自动轮换--image输入图片（图生图，可多次指定）—--aspect宽高比预设或场景名（推荐）—--width图片宽度1920--height图片高度1080--loraLoRA 模型 ID—

📐 优先级： --aspect > --width/--height > 默认 1920×1080

🎯 场景→尺寸速查表（Agent 必读！）#

生图前必须根据使用场景选择正确的 --aspect 参数：

场景--aspect 值尺寸说明PPT / 幻灯片ppt 或 16:91920×1080横屏演示横屏视频video-h 或 16:91920×1080YouTube、B站竖屏短视频video-v / douyin / 9:161080×1920抖音、快手、Reels文章/视频封面cover 或 16:91920×1080公众号、头条微信公众号weixin 或 16:91920×1080图文封面竖版海报poster 或 2:31200×1800活动海报、宣传社交媒体social 或 1:11024×1024微博、朋友圈头像avatar 或 1:11024×1024个人头像电影画幅cinema 或 21:92560×1080超宽屏摄影/印刷photo 或 3:21800×1200标准摄影A4 文档print-a4 或 3:41152×1536竖版文档iPad 横屏4:31536×1152传统比例

⚠️ Agent 调用规则：每次生图前，先判断使用场景，再传 --aspect。不确定时默认 16:9（横屏）。

视觉理解 (vision.py)#

bash

python3 <skill_dir>/scripts/vision.py --image photo.jpg --prompt "描述这张图片"
python3 <skill_dir>/scripts/vision.py --image screenshot.png --prompt "图片里有什么文字？"

参数说明默认值--prompt分析提示词（必填）—--image输入图片路径—--model指定模型自动轮换--stdin-b64从 stdin 读取 base64 图片—

--image 和 --stdin-b64 二选一。涉及视觉理解任务时优先使用此脚本。

文本生成 (text.py)#

bash

python3 <skill_dir>/scripts/text.py --prompt "解释量子计算"
python3 <skill_dir>/scripts/text.py --prompt "写一首诗" --stream
python3 <skill_dir>/scripts/text.py --prompt "继续" --history history.json --output history.json

参数说明默认值--prompt用户输入（必填）—--model指定模型自动轮换--max-tokens最大输出 token 数4096--temperature温度（0-2）0.7--stream流式输出关闭--history历史消息 JSON 文件—

模型配置#

文生图模型#

优先级模型 ID别名1FireRedTeam/FireRed-Image-Edit-1.1``firered2Qwen/Qwen-Image-2512``qwen3Qwen/Qwen-Image-Edit-2511``edit4Tongyi-MAI/Z-Image-Turbo``turbo

视觉理解 / 文本生成模型#

优先级模型 ID别名1moonshotai/Kimi-K2.5``kimi2ZhipuAI/GLM-5``glm3MiniMax/MiniMax-M2.5``minimax4Qwen/Qwen3.5-397B-A17B``qwen5XiaomiMiMo/MiMo-V2-Flash（仅text）mimo

轮换机制（Key × 模型双重轮换）#

策略： 先换 Key，每个 Key 试完所有模型，再换下一个 Key

1. 使用 Key1，按优先级依次尝试所有模型
2. Key1 的所有模型都失败 → 切换到 Key2，重新尝试所有模型
3. 所有 Key × 所有模型都失败 → 报错退出

总共最多尝试 n_keys × n_models 次。遇到 429 限速等待 10 秒后换下一个模型。

故障排除#

问题原因解决方案未设置 MODELSCOPE_API_KEY未配置 API Key在 skills.entries.ms-ai.env 中配置429 Too Many Requests频率限制脚本自动轮换，等待重试所有模型都失败额度用尽或全部限速等待后重试ImportError: requests缺少依赖pip install requests Pillow

更新日志#

v1.2.0 (2026-03-26)#

• --aspect 预设参数：支持宽高比（16:9, 9:16 等）和场景名（ppt, douyin, poster 等）
• 默认尺寸：从 1024×1024 改为 1920×1080（16:9 横屏，覆盖 PPT/视频/封面等主流场景）
• 场景速查表：SKILL.md 新增 场景→尺寸 对照表，agent 一眼选对
• 支持 8 种宽高比 + 13 个场景别名

v1.1.0 (2026-03-24)#

• Key 轮换：支持多个 API Key（逗号分隔），所有模型失败后自动切换下一个 Key
• 新增 common.py 共享模块，统一 Key + 模型双重轮换逻辑
• 轮换策略：先换 Key → 每个 Key 试完所有模型 → 再换下一个 Key

v1.0.2 (2026-03-24)#

• 配置方式统一为 Skill 级别 env（openclaw.json skills.entries）
• 文档结构优化

v1.0.1 (2026-03-24)#

• 移除 openclaw.json tools 自定义键配置

v1.0.0 (2026-03-24)#

• 首次发布：文生图、图生图、视觉理解、文本生成
• 模型自动轮换（429 限速处理）