Cloudflare Workers AI — 图片 & 语音生成

凭证配置

优先从 skills/cloudflare-media/config.json 或 MEMORY.md 读取 Account ID 和 API Token，缺失则询问用户。

---

第一部分：文生图（Text-to-Image）

可选模型一览（共10个）

#	模型	模型 ID	简介	价格	传输方式
1	FLUX.2 klein 4B	INLINECODE1	高速蒸馏版，4B参数，实时预览	$0.000059/tile	multipart
2

FLUX.2 klein 9B | @cf/black-forest-labs/flux-2-klein-9b | 增强质量版，9B参数 | $0.015/first MP | multipart | | 3 | FLUX.2 dev | @cf/black-forest-labs/flux-2-dev | 最高质量，开放权重 | $0.00021/tile/step | multipart | | 4 | FLUX.1 schnell | @cf/black-forest-labs/flux-1-schnell | 12B参数，最快4步生成，适合批量 | $0.000053/tile | JSON body | | 5 | SDXL-Lightning | @cf/bytedance/stable-diffusion-xl-lightning | 极快文生图，几步完成，Beta | $0.00/step | JSON body | | 6 | DreamShaper 8 LCM | @cf/lykon/dreamshaper-8-lcm | 强逼真写实风格，不牺牲创意范围 | 免费 | JSON body | | 7 | Leonardo Lucid Origin | @cf/leonardo/lucid-origin | 强提示跟随，支持文字渲染 | $0.007/tile | JSON body | | 8 | Leonardo Phoenix 1.0 | @cf/leonardo/phoenix-1.0 | 最佳文字生成，提示 adherence 最强 | $0.0058/tile | JSON body |

---

1. FLUX.2 klein 4B / 9B / dev（Black Forest Labs）

特点： 高速/高质量/最高质量三档，multipart/form-data 传输

参数	必填	默认	说明
prompt	✅	—	图片描述文本
width

❌ | 1024 | 宽度 256~1024（64倍数）|
| height | ❌ | 1024 | 高度 256~1024（64倍数）|
| steps | ❌ | — | 步数（参考值25）|

CODEBLOCK0

返回： {"result":{"image":"base64..."}} → 保存为 .png

---

2. FLUX.1 schnell（Black Forest Labs）

特点： 12B 参数，极快（默认4步），适合批量生成，JSON body

参数	必填	默认	说明
prompt	✅	—	图片描述（最长2048字符）
steps

❌ | 4 | 步数（1~8，越高越慢）|

CODEBLOCK1

返回： {"image":"base64..."} → 保存为 .jpg

---

3. SDXL-Lightning（ByteDance）Beta

特点： 极快几步生成，支持 img2img，输出为原始 JPEG 二进制流

参数	必填	默认	说明
prompt	✅	—	图片描述
negative_prompt

❌ | — | 反向提示词 |
| width | ❌ | 1024 | 宽度 256~2048 |
| height | ❌ | 1024 | 高度 256~2048 |
| num_steps | ❌ | 20 | 步数（1~20）|
| guidance | ❌ | 7.5 | 提示跟随度 |
| strength | ❌ | 1 | img2img 强度（0~1）|
| seed | ❌ | — | 随机种子 |
| image / image_b64 | ❌ | — | img2img 输入图（数组或base64）|
| mask / mask_b64 | ❌ | — | inpainting mask |

CODEBLOCK2

返回： 原始 JPEG 二进制流 → 保存为 .jpg

---

4. DreamShaper 8 LCM（lykon）

特点： 强逼真写实风格，LCM 加速，支持 img2img + inpainting，参数同 SDXL-Lightning

参数	必填	默认	说明
prompt	✅	—	图片描述
negative_prompt

❌ | — | 反向提示词 |
| width | ❌ | 1024 | 宽度 256~2048 |
| height | ❌ | 1024 | 高度 256~2048 |
| num_steps | ❌ | 20 | 步数（1~20）|
| guidance | ❌ | 7.5 | 提示跟随度 |
| strength | ❌ | 1 | img2img 强度（0~1）|
| seed | ❌ | — | 随机种子 |
| image / image_b64 | ❌ | — | img2img 输入图 |
| mask / mask_b64 | ❌ | — | inpainting mask |

CODEBLOCK3

返回： 原始 JPEG 二进制流 → 保存为 .jpg

---

5. Leonardo Lucid Origin

参数	必填	默认	说明
prompt	✅	—	图片描述
width

❌ | 1120 | 宽度 0~2500 |
| height | ❌ | 1120 | 高度 0~2500 |
| guidance | ❌ | 4.5 | 提示跟随度（0~10）|
| num_steps | ❌ | — | 步数（1~40）|
| seed | ❌ | — | 随机种子 |

返回： {"result":{"image":"base64..."}} → 保存为 .png

---

6. Leonardo Phoenix 1.0

参数	必填	默认	说明
prompt	✅	—	图片描述
width

❌ | 1024 | 宽度 0~2048 |
| height | ❌ | 1024 | 高度 0~2048 |
| guidance | ❌ | 2 | 提示跟随度（2~10）|
| num_steps | ❌ | 25 | 步数（1~50）|
| negative_prompt | ❌ | — | 反向提示词 |
| seed | ❌ | — | 随机种子 |

返回： 原始 JPEG 二进制流 → 保存为 .jpg

---

第二部分：TTS（Text-to-Speech）

可选模型一览（共4个）

#	模型	模型 ID	简介	价格
1	Deepgram Aura-2 英语	INLINECODE18	40个声音，上下文感知，自然停顿表达	$0.03/1k字符
2

Deepgram Aura-2 西班牙语 | @cf/deepgram/aura-2-es | 同上，专为西班牙语优化 | $0.03/1k字符 | | 3 | Deepgram Aura-1 | @cf/deepgram/aura-1 | 12个声音，Aura-2 低配版，半价 | $0.015/1k字符 | | 4 | MyShell MeloTTS | @cf/myshell-ai/melotts | 多语言（en/es/fr/zh/ja/ko），费用最低 | $0.0002/分钟 |

Deepgram Aura 声音列表

Aura-2（40个）：
amalthea, andromeda, apollo, arcas, aries, asteria, athena, atlas, aurora, callista, cora, cordelia, delia, draco, electra, harmonia, helena, hera, hermes, hyperion, iris, janus, juno, jupiter, luna, mars, minerva, neptune, odysseus, ophelia, orion, orpheus, pandora, phoebe, pluto, saturn, thalia, theia, vesta, zeus

默认声音：luna（女声，温暖）

Aura-1（12个）：
angus, asteria, arcas, orion, orpheus, athena, luna, zeus, perseus, helios, hera, stella

默认声音：angus（男声）

Deepgram Aura 参数

参数	必填	默认	说明
text	✅	—	要转语音的文本
speaker

❌ | luna/angus | 声音名称 | | encoding | ❌ | mp3 | 编码：linear16/flac/mulaw/alaw/mp3/opus/aac | | sample_rate | ❌ | — | 采样率（Hz）| | bit_rate | ❌ | — | 比特率（bps）|

CODEBLOCK4

返回： 原始 MP3 二进制流 → 保存为 INLINECODE24

MyShell MeloTTS 参数

参数	必填	默认	说明
prompt	✅	—	要转语音的文本
lang

❌ | en | 语言：en/es/fr/zh/ja/ko |

CODEBLOCK5

返回： {"result":{"audio":"base64..."}}（实测为 WAV 16bit 44100Hz PCM）→ 保存为 .wav

---

第三部分：交互流程

步骤一：检查凭证

读取 skills/cloudflare-media/config.json 或 MEMORY.md，缺失则询问用户。

步骤二：展示模型选项

用户提出请求后立即展示所有可选模型：

文生图（8个模型）：
CODEBLOCK6

TTS（4个模型）：
CODEBLOCK7

步骤三：生成并发送

• - webchat：图片用 image 展示，音频用 tts 工具发送
• 其他 channel：走对应平台接口

---

第四部分：注意事项

1. 1. 免费额度：SDXL-Lightning / DreamShaper 均为 $0.00（免费），FLUX/Leonardo 按 tile 计费
2. 输出格式实测：

- Deepgram Aura → 原始 MP3 二进制 - MeloTTS → base64 WAV（不是 MP3！） - Phoenix 1.0 / SDXL-Lightning / DreamShaper → 原始 JPEG 二进制流

1. 3. img2img/inpainting：SDXL-Lightning 和 DreamShaper 支持图生图，需要额外提供 image/mask 数据，skill 当前版本暂不支持图片输入作为参数传递