生图 · 3D · 视频：我的多模态工作流 · 阿哲实验�?/title> <meta name="description" content="文生图、读图�?D 建模、文生视频：一套接口家族怎么各司其职，异步任务怎么轮询，成本怎么控制读图已迁移到本�?Ollama 免费跑�?> <link rel="icon" href="../assets/favicon.svg"> <link rel="stylesheet" href="../assets/css/style.css"> <script type='module' src='https://static.cloudflareinsights.com/beacon.min.js' data-cf-beacon='{"token": "888be984399c44b9ae8eefb4e3487775"}'></script> </head> <body> <div class="orbs" aria-hidden="true"><div class="orb orb-1"></div><div class="orb orb-2"></div><div class="orb orb-3"></div></div> <div id="site-header" data-active="post-image-workflow"></div> <article class="article"> <a class="back" href="../posts.html"><span>�?/span> 返回文章列表</a> <h1>生图 · 3D · 视频：我的多模态工作流</h1> <div class="meta"> <span class="pill green">多模�?/span> <span>📅 2026-08-18</span> <span>�?阅读�?7 分钟</span> </div> <div class="article-body"> <p>聊天只是 AI 的入口，真正让工作台「有用」的是多模态能力这一篇把我日常在用的生图、读图�?D、视频工作流串起来讲：它们接口长什么样、异步任务怎么处理、成本又该怎么控�?/p> <h2>主通道：一个接口家族搞定所�?/h2> <p>我主力用的是火山方舟的豆包系列，最妙的是它们共享同一套调用习惯，换模型名就能换能力：</p> <table> <tr><th>能力</th><th>模型</th><th>调用方式</th></tr> <tr><td>文生�?/td><td>Seedream（生图旗舰）</td><td>同步，一次请求返回图�?URL</td></tr> <tr><td>读图</td><td>本地 Ollama qwen3-vl（原豆包 VLM�?/td><td>本地免费 GPU 加速，不花 API 额度</td></tr> <tr><td>3D 建模</td><td>Seed3D</td><td>异步任务：提�?�?轮询 �?下载 zip</td></tr> <tr><td>文生视频</td><td>Seedance</td><td>异步任务，按秒计�?/td></tr> </table> <h2>读图：从云端搬到本地</h2> <p>之前读图用的是豆�?VLM 云端接口，后来我把它整个迁移到了本地—�?strong>Ollama + qwen3-vl:8b-instruct</strong>，RTX 50 �?GPU 加速，日常读图零成本，断网也能用迁移过程还挺折腾的，RTX 50 系需�?cuda_v13 库、思考版模型有个模板 bug 导致输出全耗在 reasoning 上……不过弄好之后，每天看图不用再算 API 账了，随便用随便看，超爽（具体踩坑见另一篇《本�?Ollama 视觉搭建全记录》）�?/p> <h2>文生图：最常用的一�?/h2> <p>生图接口是标准的图像生成调用，一次请求直接返回图片链接我封装了一个固定流程：生成 �?存临时文�?�?上传到附件系�?�?用绝�?URL 在对话里展示几个实战要点：</p> <ul> <li><strong>响应格式</strong>：请求里指明 URL 格式，返回的临时链接有时效，要尽快保存�?/li> <li><strong>媒体类型要对</strong>：上传附件时，声明的类型必须和实际字节匹配，否则展示不出来——存盘后先看文件头再上传�?/li> <li><strong>展示用绝�?URL</strong>：相对路径在对话里不渲染，只有完整地址有效（这个我实测确认过）�?/li> </ul> <h2>3D 建模：异步任务的标准姿势</h2> <p>3D 生成慢，所以是异步任务接口踩过坑之后我总结出标准姿势：</p> <pre><code>1. 提交任务：POST /contents/generations/tasks 请求体必须带 content 数组，图片用 image_url 类型 2. 轮询结果：GET /tasks/<id> status �?running �?succeeded，排队时别误判卡�?3. 下载结果：succeeded 后拿 file_url，是�?zip �? 解压出带 PBR 材质�?glb 模型文件</code></pre> <p>这里最痛的坑是<strong>请求参数�?/strong>：缺�?content 报错，用错类型名也报错——接口文档写的字段名和实际要求不一致，只能靠报错信息反推�?/p> <h2>视频：贵，先报价</h2> <p>文生视频按秒计费，一条几秒的小片段就要好几块钱我的铁律是�?strong>生成前必须先提醒用户费用，确认后才提�?/strong>价格透明，是长期信任的基础�?/p> <h2>成本控制三板�?/h2> <ul> <li><strong>分级使用</strong>：画质要求高的走旗舰，随便看看的走平价替代，按需选��?/li> <li><strong>便宜的兜�?/strong>：主力通道不稳定时，切到备选供应商（比�?SiliconFlow 的平价模型），保证服务不断�?/li> <li><strong>贵的先报�?/strong>：凡是按�?按次的大额操作，一律先亮价格再执行�?/li> </ul> <h2>工作流的意义</h2> <blockquote>多模态的关键在「整套链路顺不顺」：生成 �?保存 �?上传 �?展示，每一步都要稳定，才算真正能用�?/blockquote> <p>这套工作流我现在每天都在用：画封面、看截图、建模型、剪片段工具是死的，链路是活的——把链路理顺，AI 才真正长在了工作台上�?/p> </div> </article> <div id="site-footer"></div> <script>window.__root = "../";</script> <script src="../assets/js/main.js"></script> </body> </html>