即梦 AI 生成技能
概述
即梦技能通过 jimeng-mcp-server 实现 AI 驱动的图像和视频生成，这是一个集成了即梦 AI 多模态生成能力的 MCP（模型上下文协议）服务器。使用此技能可以直接通过自然语言指令创建视觉内容。
核心能力：
- 🎨 文本生成图像：从文本描述生成高质量图像
- 🎭 图像合成：智能合并和融合多张图片
- 🎬 文本生成视频：从文本提示创建短视频
- 🎞️ 图像生成视频：为静态图像添加动画效果
何时使用此技能：
- 用户要求生成、创建或制作图像或视频
- 用户提到"jimeng"、"即梦"或请求AI视觉内容生成
- 用户提供文本描述并希望得到视觉输出
- 用户想要组合、合并或合成多张图片
- 用户想为静态图像添加动画或运动效果
前置条件
使用此技能前，请确保 jimeng-mcp-server 已正确配置：
- 服务器必须运行，通过以下模式之一：
- stdio 模式：在 MCP 客户端（Claude Desktop、Cherry Studio）中配置 - SSE 模式：作为带 SSE 传输的 HTTP 服务器运行 - HTTP 模式：作为 REST API 服务器运行
- 环境变量已配置：
- JIMENG_API_KEY：您的即梦 API 密钥（从即梦网站 cookies 获取） - JIMENG_API_URL：API 端点（默认：http://127.0.0.1:8001） - JIMENG_MODEL：模型名称（默认：jimeng-4.5）
- 后端 API 运行中：jimeng-free-api-all Docker 容器必须处于活动状态
详细的设置说明请参考 references/setup_guide.md。
快速开始
基本使用模式
当用户请求图像或视频生成时，遵循以下工作流程：
- 识别任务类型，基于用户输入
- 提取必需参数，从请求中获取
- 调用相应的 jimeng-mcp-server 工具
- 返回生成的内容 URL 给用户
示例请求
文本生成图像：
用户："用即梦生成一张图片：樱花树下的柴犬"
→ 使用 text_to_image 工具，参数 prompt="樱花树下的柴犬"图像合成：
用户："帮我合成这两张图片，风格偏向第一张"
→ 使用 image_composition 工具，提供图片 URL文本生成视频：
用户："创建一个5秒视频：小马过河的故事场景"
→ 使用 text_to_video 工具，设置提示词和时长图像生成视频：
用户："为这张图片添加动画效果"
→ 使用 image_to_video 工具，提供图片 URL核心能力
1. 文本生成图像
使用即梦 4.5 引擎从文本描述生成图像。
工具：text_to_image
参数：
prompt（必需）：期望图像的文本描述model（可选）：模型版本（默认：jimeng-4.5）ratio（可选）：图像宽高比（"1:1", "4:3", "3:4", "16:9", "9:16"）resolution（可选）：分辨率预设（"1k", "2k", "4k"，默认：2k）negativePrompt（可选）：要在生成图像中避免的元素
常见宽高比：
- 16:9 → 横向/宽屏（视频封面、Banner）
- 1:1 → 正方形（头像、社交媒体）
- 9:16 → 竖向/手机屏幕（短视频封面）
- 4:3 → 标准横向（博客配图）
- 3:4 → 标准竖向（人像照片）
使用示例：
# 用户请求："生成一张图片：夕阳下的海滩，有椰子树"
{
"model": "jimeng-4.5",
"prompt": "夕阳下的海滩，有椰子树",
"ratio": "16:9",
"resolution": "2k"
}返回结果： 返回包含多张图片 URL 的数组，可显示或下载。
提示：
- 更高分辨率（4k）适合印刷品和高质量展示
- 较低分辨率（1k）适合快速预览
- 使用描述性提示词以获得更好的结果
- 指定艺术风格、光照、氛围以增强控制
2. 图像合成
通过智能融合合并和混合多张图片。
工具：image_composition
参数：
prompt（必需）：如何合成图片的描述images（必需）：要合成的 2-5 个图片 URL 数组model（可选）：模型版本（默认：jimeng-4.5）ratio（可选）：输出图像宽高比（"1:1", "4:3", "3:4", "16:9", "9:16"）resolution（可选）：分辨率预设（"1k", "2k", "4k"，默认：2k）
使用示例：
# 用户请求："合成这两张图，保留第一张的风格"
{
"model": "jimeng-4.5",
"prompt": "将两张图片无缝融合，保持第一张图片的艺术风格",
"images": [
"https://example.com/image1.jpg",
"https://example.com/image2.jpg"
],
"ratio": "4:3",
"resolution": "2k"
}使用场景：
- 将人像与背景融合
- 图片之间的风格迁移
- 创建艺术合成作品
- 合并多张照片的元素
提示：
- 在提示词中提供清晰的合成说明
- 图片应具有兼容的分辨率
- 描述期望的混合风格（无缝、艺术、真实）
3. 文本生成视频
从文本描述创建短视频。
工具：text_to_video
参数：
prompt（必需）：视频场景的文本描述model（可选）：模型版本（默认：jimeng-video-3.0）ratio（可选）：视频宽高比（"16:9", "9:16", "4:3", "3:4", "1:1"）resolution（可选）：预设分辨率（"480p", "720p", "1080p"）
分辨率预设：
- "480p" → 快速预览
- "720p" → 平衡质量/速度（推荐）
- "1080p" → 高质量
使用示例：
# 用户请求："生成5秒视频：小猫在钓鱼"
{
"model": "jimeng-video-3.0",
"prompt": "一只橘色小猫坐在河边，手持鱼竿专注地钓鱼，阳光明媚",
"ratio": "16:9",
"resolution": "720p"
}视频特性：
- 时长：通常 3-5 秒
- 格式：MP4
- 生成时间：30-60 秒
- 帧率：24-30 fps
提示：
- 包含场景细节、动作和氛围
- 保持提示词专注于单一清晰的动作
- 指定一天中的时间、天气或情绪以获得更好的结果
- 从 720p 开始以平衡质量和速度
4. 图像生成视频动画
为静态图像添加运动和动画效果。
工具：image_to_video
参数：
prompt（必需）：期望动画效果的描述file_paths（必需）：要添加动画的图片 URL 数组model（可选）：模型版本（默认：jimeng-video-3.0）ratio（可选）：视频宽高比（"16:9", "9:16", "4:3", "3:4", "1:1"）resolution（可选）：预设分辨率（"480p", "720p", "1080p"）
使用示例：
# 用户请求："让这张照片动起来，添加轻柔的镜头缩放"
{
"model": "jimeng-video-3.0",
"prompt": "添加轻柔的运动效果和自然的镜头缩放，营造电影感",
"file_paths": ["https://example.com/photo.jpg"],
"ratio": "16:9",
"resolution": "720p"
}动画类型：
- 人物动作（Character motion）
- 镜头运动（Camera movements）
- 场景转换（Scene transitions）
- 环境效果（Environmental effects：风、雨等）
提示：
- 描述期望的运动类型
- 选择效果时考虑图像内容
- 人像照片适合细微的动作
- 风景照片适合平移/缩放效果
工作流程指南
决策树
收到用户请求
│
├─ 包含"生成图片"或"create image"？
│ └─ 是 → 使用 text_to_image
│
├─ 包含"合成"或"merge/blend images"？
│ └─ 是 → 使用 image_composition
│
├─ 包含"生成视频"或"create video"？
│ └─ 是 → 使用 text_to_video
│
└─ 包含"动画"或"animate image"？
└─ 是 → 使用 image_to_video参数提取
处理用户请求时：
- 提取提示词：用户对期望内容的描述
- 识别宽高比：提取尺寸偏好（横向/竖向/正方形）对应 ratio 参数
- 解析分辨率需求：寻找质量要求，对应 resolution 参数
- 收集图片 URL：用于合成和动画任务
错误处理
如果工具执行失败：
- 检查服务器状态：验证 jimeng-mcp-server 是否运行
- 验证 API 密钥：确保 JIMENG_API_KEY 已配置
- 检查参数：确认所有必需字段已提供
- 检查图片 URL：验证合成/动画的 URL 是否可访问
- 清晰报告错误：解释问题并建议解决方案
常见错误：
API key not configured：在环境中设置 JIMENG_API_KEYServer not responding：启动 jimeng-free-api-all Docker 容器Invalid image URL：确保 URL 公开可访问Generation timeout：大型视频可能需要 60+ 秒
高级用法
组合多个工具
对于复杂的创意任务，可以链式使用工具：
示例：创建动画艺术作品
- 使用
text_to_image生成基础图像 - 使用
image_to_video为结果添加动画
示例：合成和优化
- 使用
image_composition合成图片 - 使用调整后的提示词生成变体
优化技巧
加快生成速度：
- 使用较低分辨率（720p 而非 1080p，或 1k 而非 2k）
- 保持提示词简洁但具有描述性
提高质量：
- 使用详细、具体的提示词
- 根据场景选择合适的 ratio（宽高比）
- 使用更高的 resolution（2k 或 4k）
- 指定艺术风格和技术
- 包含光照和氛围描述
批量处理
当用户请求多次生成时：
- 按顺序处理请求（一次一个）
- 为每个项目提供进度更新
- 在最终响应前收集所有结果
- 考虑资源限制（API 配额）
故障排除
服务器连接问题
症状：工具返回连接错误
解决方案：
- 检查 jimeng-free-api-all Docker 容器是否运行：
docker ps | grep jimeng - 验证服务器是否可访问：
curl http://127.0.0.1:8001/health - 如有需要重启 Docker 容器
API 密钥问题
症状："Invalid API key"或身份验证错误
解决方案：
- 验证.env 文件中的 JIMENG_API_KEY
- 从即梦网站 cookies 获取新的 API 密钥（sessionid 值）
- 确保密钥格式正确（无额外空格或引号）
生成质量问题
症状：质量差或意外结果
解决方案：
- 使用更具体的细节优化提示词
- 调整
ratio参数选择合适的宽高比 - 尝试不同的
resolution分辨率 - 添加
negativePrompt以排除不需要的元素
超时错误
症状：生成时间过长或超时
解决方案：
- 视频生成通常需要 30-60 秒 - 请耐心等待
- 如果持续超时，尝试较低分辨率
- 检查服务器资源使用情况
- 验证到即梦 API 的网络连接
资源
references/
setup_guide.md：详细的安装和配置说明api_reference.md：所有工具的完整 API 文档
项目链接
- GitHub 仓库：https://github.com/wwwzhouhui/jimeng-mcp-server
- 后端 API：https://github.com/wwwzhouhui/jimeng-free-api-all
- 即梦官网：https://jimeng.jianying.com/
最佳实践
- 始终在尝试生成前验证服务器状态
- 根据用例和速度要求使用适当的分辨率（ratio 控制比例，resolution 控制清晰度）
- 提供详细的提示词以获得更好的生成质量
- 优雅地处理错误并提供清晰的用户反馈
- 处理多个请求时考虑速率限制
- 在复杂合成前先用简单提示词测试
- 缓存常用参数，如首选 ratio 和 resolution
限制
- 免费层限制：官方即梦 API 每天 66 积分
- 视频时长：通常限制为 3-10 秒
- 生成时间：视频可能需要 30-60 秒生成
- 图像合成：2-3 张图片效果最佳，最多支持 5 张
- 服务器依赖：需要 jimeng-free-api-all 后端运行
- 网络要求：必须有互联网访问以调用即梦 API