【智能协同云图库】第七期：基于AI调用阿里云百炼大模型，实现AI图片编辑功能
摘要：AI 高速发展赋能传统业务，图库网站亦有诸多 AI 应用空间。以 AI 扩图功能为例，让我们来学习如何在项目中快速接入 AI 绘图大模型。用户可以选择一张已上传的图片，通过 AI 扩图得到新的图片，希望可以帮到大家。
AI绘图大模型两次扩图效果：
本节思维导图：
方案设计
1、AI 绘图大模型选择
在 控制台 也能看到对应的图像画面扩展模型
2、调用方式
点击对应的API参考，我们发现，API 只支持异步方式调用
这是因为 AI 绘画任务计算量大且耗时长，同步调用会导致服务器线程长时间被单个任务占用，限制了并发处理能力，增加了超时和系统崩溃的风险。通过异步调用，服务器可以将任务放入队列中，合理调度资源，避免阻塞主线程，从而更高效地服务多个用户请求，提升整体系统的稳定性和可扩展性。
同步调用如下，好处是客户端可以直接获取到结果，调用更方便：
异步调用如下，客户端需要在提交任务后，不断轮询请求，来检查任务是否执行完成：
由于 AI 接口已经选择了异步调用，所以我们作为要调用 AI 接口的客户端，要使用轮询的方式来检查任务状态是否为 “已完成”，如果完成了，才可以获取到生成的图片。
那么是前端轮询还是后端轮询呢？让我们来对比一下
1）前端轮询
前端调用后端提交任务后得到任务 ID，然后通过定时器轮询请求查询任务状态接口，直到任务完成或失败。
// 提交任务
async function submitTask() {const response = await fetch('/api/createTask', { method: 'POST' });const { taskId } = await response.json();checkTaskStatus(taskId);
}// 调用
submitTask();// 检查任务状态
async function checkTaskStatus(taskId) {const intervalId = setInterval(async () => {const response = await fetch(`/api/taskStatus?taskId=${taskId}`);const { status, result } = await response.json();if (status === 'success') {console.log('Task completed:', result);clearInterval(intervalId); // 停止轮询} else if (status === 'failed') {console.error('Task failed');clearInterval(intervalId); // 停止轮询}}, 2000); // 每隔 2 秒轮询
}
2）后端轮询
后端通过循环或定时任务检测任务状态，接口阻塞，直到任务完成或失败，直接返回结果给前端。
@RestController
public class TaskController {@PostMapping("/createTask")public String createTask() {String taskId = taskService.submitTask();return taskId;}@GetMapping("/waitForTask")public ResponseEntity<String> waitForTask(@RequestParam String taskId) {while (true) {String status = taskService.checkTaskStatus(taskId);if ("success".equals(status)) {return ResponseEntity.ok("Task completed");} else if ("failed".equals(status)) {return ResponseEntity.status(HttpStatus.INTERNAL_SERVER_ERROR).body("Task failed");}try {Thread.sleep(2000); // 等待 2 秒后重试} catch (InterruptedException e) {return ResponseEntity.status(HttpStatus.INTERNAL_SERVER_ERROR).body("Error occurred");}}}
}
显然，后端轮询容易因为任务阻塞导致资源耗尽，所以通常推荐 前端轮询。除非有明确的需求要求时，才考虑后端轮询，比如任务结果需实时返回且对网络请求数敏感。
在配置文件中填写获取到的 apiKey：
# 阿里云 AI 配置
aliYunAi:apiKey: xxxx
新建数据模型类
在 api 包下新建 aliyunai 包，存放阿里云 AI 相关代码。
在 aliyunai.model 包下新建数据模型类，可以让 AI 根据官方文档中的请求响应信息自动生成。
AI生成代码小技巧1：
第一步，将请求信息交给AI整理
创建任务获取任务ID
请求方式：POST
URL：https://dashscope.aliyuncs.com/api/v1/services/aigc/image2image/out-paintingcURL示例：bash
curl --location --request POST 'https://dashscope.aliyuncs.com/api/v1/services/aigc/image2image/out-painting' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'X-DashScope-Async: enable' \
--header 'Content-Type: application/json' \
--data '{"model": "image-out-painting","input": {"image_url": "http://xxx/image.jpg"},"parameters":{"x_scale":2,"y_scale":2,"best_quality":false,"limit_image_size":true}
}'
请求头（Headers）：参数 类型 必选 说明
Content-Type string 是 必须设置为 application/json
Authorization string 是 身份认证（示例：Bearer d1xxx2a）
X-DashScope-Async string 是 必须设置为 enable
请求体（Request Body）
顶层参数：字段 类型 必选 说明 示例值
model string 是 模型名称 image-out-painting
input object 是 输入图像信息
parameters object 是 图像处理参数
input对象属性：字段 类型 必选 说明 限制条件
image_url string 是 图像URL或base64数据 格式：JPG/JPEG/PNG/HEIF/WEBP
大小：≤10MB
分辨率：512×512 ~ 4096×4096像素
单边长度：[512, 4096]像素
parameters对象属性：字段 类型 必选 说明 默认值 取值范围/可选值 示例
angle integer 否 逆时针旋转角度（度） 0 [0, 359] -
output_ratio string 否 输出图像宽高比 "" ["", "1:1", "3:4", "4:3", "9:16", "16:9"] -
x_scale float 否 水平方向扩展比例 1.0 [1.0, 3.0] 输入1000×1000 → 设置2.0 → 输出2000×1000
y_scale float 否 垂直方向扩展比例 1.0 [1.0, 3.0] 输入1000×1000 → 设置2.0 → 输出1000×2000
top_offset integer 否 图像上方添加像素 0 top_offset + bottom_offset < 3×原图高度 输入1000×1000 → 设置500 → 输出1000×1500
bottom_offset integer 否 图像下方添加像素 0 top_offset + bottom_offset < 3×原图高度 输入1000×1000 → 设置500 → 输出1000×1500
left_offset integer 否 图像左侧添加像素 0 left_offset + right_offset < 3×原图宽度 输入1000×1000 → 设置500 → 输出1500×1000
right_offset integer 否 图像右侧添加像素 0 left_offset + right_offset < 3×原图宽度 输入1000×1000 → 设置500 → 输出1500×1000
best_quality boolean 否 开启最佳质量模式 false true/false true：耗时增加但细节更丰富
limit_image_size boolean 否 限制输出图像大小 true true/false 建议保持true（输出≤5MB）
add_watermark boolean 否 添加AI水印 true true/false 在左下角添加"Generated by AI"
第二步，让AI生成对应的请求类代码
@Data
public class CreateOutPaintingTaskRequest implements Serializable {/*** 模型，例如 "image-out-painting"*/private String model = "image-out-painting";/*** 输入图像信息*/private Input input;/*** 图像处理参数*/private Parameters parameters;@Datapublic static class Input {/*** 必选，图像 URL*/@Alias("image_url")private String imageUrl;}@Datapublic static class Parameters implements Serializable {/*** 可选，逆时针旋转角度，默认值 0，取值范围 [0, 359]*/private Integer angle;/*** 可选，输出图像的宽高比，默认空字符串，不设置宽高比* 可选值：["", "1:1", "3:4", "4:3", "9:16", "16:9"]*/@Alias("output_ratio")private String outputRatio;/*** 可选，图像居中，在水平方向上按比例扩展，默认值 1.0，范围 [1.0, 3.0]*/@Alias("x_scale")@JsonProperty("xScale")private Float xScale;/*** 可选，图像居中，在垂直方向上按比例扩展，默认值 1.0，范围 [1.0, 3.0]*/@Alias("y_scale")@JsonProperty("yScale")private Float yScale;/*** 可选，在图像上方添加像素，默认值 0*/@Alias("top_offset")private Integer topOffset;/*** 可选，在图像下方添加像素，默认值 0*/@Alias("bottom_offset")private Integer bottomOffset;/*** 可选，在图像左侧添加像素，默认值 0*/@Alias("left_offset")private Integer leftOffset;/*** 可选，在图像右侧添加像素，默认值 0*/@Alias("right_offset")private Integer rightOffset;/*** 可选，开启图像最佳质量模式，默认值 false* 若为 true，耗时会成倍增加*/@Alias("best_quality")private Boolean bestQuality;/*** 可选，限制模型生成的图像文件大小，默认值 true* - 单边长度 <= 10000：输出图像文件大小限制为 5MB 以下* - 单边长度 > 10000：输出图像文件大小限制为 10MB 以下*/@Alias("limit_image_size")private Boolean limitImageSize;/*** 可选，添加 "Generated by AI" 水印，默认值 true*/@Alias("add_watermark")private Boolean addWatermark = false;}
}
然后重复操作，生成响应类即可
创建扩图任务请求类：
@Data
public class CreateOutPaintingTaskRequest implements Serializable {/*** 模型，例如 "image-out-painting"*/private String model = "image-out-painting";/*** 输入图像信息*/private Input input;/*** 图像处理参数*/private Parameters parameters;@Datapublic static class Input {/*** 必选，图像 URL*/@Alias("image_url")private String imageUrl;}@Datapublic static class Parameters implements Serializable {/*** 可选，逆时针旋转角度，默认值 0，取值范围 [0, 359]*/private Integer angle;/*** 可选，输出图像的宽高比，默认空字符串，不设置宽高比* 可选值：["", "1:1", "3:4", "4:3", "9:16", "16:9"]*/@Alias("output_ratio")private String outputRatio;/*** 可选，图像居中，在水平方向上按比例扩展，默认值 1.0，范围 [1.0, 3.0]*/@Alias("x_scale")@JsonProperty("xScale")private Float xScale;/*** 可选，图像居中，在垂直方向上按比例扩展，默认值 1.0，范围 [1.0, 3.0]*/@Alias("y_scale")@JsonProperty("yScale")private Float yScale;/*** 可选，在图像上方添加像素，默认值 0*/@Alias("top_offset")private Integer topOffset;/*** 可选，在图像下方添加像素，默认值 0*/@Alias("bottom_offset")private Integer bottomOffset;/*** 可选，在图像左侧添加像素，默认值 0*/@Alias("left_offset")private Integer leftOffset;/*** 可选，在图像右侧添加像素，默认值 0*/@Alias("right_offset")private Integer rightOffset;/*** 可选，开启图像最佳质量模式，默认值 false* 若为 true，耗时会成倍增加*/@Alias("best_quality")private Boolean bestQuality;/*** 可选，限制模型生成的图像文件大小，默认值 true* - 单边长度 <= 10000：输出图像文件大小限制为 5MB 以下* - 单边长度 > 10000：输出图像文件大小限制为 10MB 以下*/@Alias("limit_image_size")private Boolean limitImageSize;/*** 可选，添加 "Generated by AI" 水印，默认值 true*/@Alias("add_watermark")private Boolean addWatermark = false;}
}
创建扩图任务响应类：
@Data
@NoArgsConstructor
@AllArgsConstructor
public class CreateOutPaintingTaskResponse {private Output output;/*** 表示任务的输出信息*/@Datapublic static class Output {/*** 任务 ID*/private String taskId;/*** 任务状态* <ul>* <li>PENDING：排队中</li>* <li>RUNNING：处理中</li>* <li>SUSPENDED：挂起</li>* <li>SUCCEEDED：执行成功</li>* <li>FAILED：执行失败</li>* <li>UNKNOWN：任务不存在或状态未知</li>* </ul>*/private String taskStatus;}/*** 接口错误码。* <p>接口成功请求不会返回该参数。</p>*/private String code;/*** 接口错误信息。* <p>接口成功请求不会返回该参数。</p>*/private String message;/*** 请求唯一标识。* <p>可用于请求明细溯源和问题排查。</p>*/private String requestId;}
查询任务响应类：
@Data
@NoArgsConstructor
@AllArgsConstructor
public class GetOutPaintingTaskResponse {/*** 请求唯一标识*/private String requestId;/*** 输出信息*/private Output output;/*** 表示任务的输出信息*/@Datapublic static class Output {/*** 任务 ID*/private String taskId;/*** 任务状态* <ul>* <li>PENDING：排队中</li>* <li>RUNNING：处理中</li>* <li>SUSPENDED：挂起</li>* <li>SUCCEEDED：执行成功</li>* <li>FAILED：执行失败</li>* <li>UNKNOWN：任务不存在或状态未知</li>* </ul>*/private String taskStatus;/*** 提交时间* 格式：YYYY-MM-DD HH:mm:ss.SSS*/private String submitTime;/*** 调度时间* 格式：YYYY-MM-DD HH:mm:ss.SSS*/private String scheduledTime;/*** 结束时间* 格式：YYYY-MM-DD HH:mm:ss.SSS*/private String endTime;/*** 输出图像的 URL*/private String outputImageUrl;/*** 接口错误码* <p>接口成功请求不会返回该参数</p>*/private String code;/*** 接口错误信息* <p>接口成功请求不会返回该参数</p>*/private String message;/*** 任务指标信息*/private TaskMetrics taskMetrics;}/*** 表示任务的统计信息*/@Datapublic static class TaskMetrics {/*** 总任务数*/private Integer total;/*** 成功任务数*/private Integer succeeded;/*** 失败任务数*/private Integer failed;}
}
5）开发 API 调用类，通过 Hutool 的 HTTP 请求工具类来调用阿里云百炼的 API：
AI生成代码小技巧2：
第一步，把发送请求样例传递给AI
第二步，让AI利用Hutool包发送请求生成代码
@Component
public class AliyunAiApi {@Value("${aliyunAi.apiKey}")private String apiKey;//创建任务// 创建任务地址public static final String CREATE_OUT_PAINTING_TASK_URL = "https://dashscope.aliyuncs.com/api/v1/services/aigc/image2image/out-painting";// 查询任务状态public static final String GET_OUT_PAINTING_TASK_URL = "https://dashscope.aliyuncs.com/api/v1/tasks/%s";public CreateOutPaintingTaskResponse createPaintingTask(CreateOutPaintingTaskRequest request) {//1.异常判断ThrowUtils.throwIf(request == null, ErrorCode.PARAMS_ERROR);// 2. 构建JSON请求体String jsonBody = JSONUtil.toJsonStr(request);// 3. 发送HTTP请求try (HttpResponse response = HttpRequest.post(CREATE_OUT_PAINTING_TASK_URL).header("Authorization", "Bearer " + apiKey).header("X-DashScope-Async", "enable").header("Content-Type", "application/json").body(jsonBody).execute()) {// 4. 检查响应状态if (!response.isOk()) {throw new RuntimeException("请求失败，状态码: " + response.getStatus());}// 5. 解析响应体String body = response.body();return JSONUtil.toBean(body, CreateOutPaintingTaskResponse.class);} catch (Exception e) {throw new RuntimeException("创建扩图任务失败", e);}}/*** 查询创建的任务** @param taskId* @return*/public GetOutPaintingTaskResponse getOutPaintingTask(String taskId) {if (StrUtil.isBlank(taskId)) {throw new BusinessException(ErrorCode.OPERATION_ERROR, "任务 id 不能为空");}try (HttpResponse httpResponse = HttpRequest.get(String.format(GET_OUT_PAINTING_TASK_URL, taskId)).header(Header.AUTHORIZATION, "Bearer " + apiKey).execute()) {if (!httpResponse.isOk()) {throw new BusinessException(ErrorCode.OPERATION_ERROR, "获取任务失败");}return JSONUtil.toBean(httpResponse.body(), GetOutPaintingTaskResponse.class);}}
}2、扩图服务
在 model.dto.picture 包下新建 AI 扩图请求类，用于接受前端传来的参数并传递给 Service 服务层。字段包括图片 id 和扩图参数：
@Data
public class CreatePictureOutPaintingTaskRequest implements Serializable {/*** 图片 id*/private Long pictureId;/*** 扩图参数*/private CreateOutPaintingTaskRequest.Parameters parameters;private static final long serialVersionUID = 1L;
}
在图片服务中编写创建扩图任务方法，从数据库中获取图片信息和 url 地址，构造请求参数后调用 api 创建扩图任务。注意，如果图片有空间 id，则需要校验权限，直接复用以前的权限校验方法。
@Override
public CreateOutPaintingTaskResponse createPictureOutPaintingTask(CreatePictureOutPaintingTaskRequest createPictureOutPaintingTaskRequest, User loginUser) {// 获取图片信息Long pictureId = createPictureOutPaintingTaskRequest.getPictureId();Picture picture = Optional.ofNullable(this.getById(pictureId)).orElseThrow(() -> new BusinessException(ErrorCode.NOT_FOUND_ERROR));// 权限校验checkPictureAuth(loginUser, picture);// 构造请求参数CreateOutPaintingTaskRequest taskRequest = new CreateOutPaintingTaskRequest();CreateOutPaintingTaskRequest.Input input = new CreateOutPaintingTaskRequest.Input();input.setImageUrl(picture.getUrl());taskRequest.setInput(input);BeanUtil.copyProperties(createPictureOutPaintingTaskRequest, taskRequest);// 创建任务return aliYunAiApi.createOutPaintingTask(taskRequest);
}
3、扩图接口
在 PictureController 添加 AI 扩图接口，包括创建任务和查询任务状态接口：
/*** 创建 AI 扩图任务*/
@PostMapping("/out_painting/create_task")
public BaseResponse<CreateOutPaintingTaskResponse> createPictureOutPaintingTask(@RequestBody CreatePictureOutPaintingTaskRequest createPictureOutPaintingTaskRequest,HttpServletRequest request) {if (createPictureOutPaintingTaskRequest == null || createPictureOutPaintingTaskRequest.getPictureId() == null) {throw new BusinessException(ErrorCode.PARAMS_ERROR);}User loginUser = userService.getLoginUser(request);CreateOutPaintingTaskResponse response = pictureService.createPictureOutPaintingTask(createPictureOutPaintingTaskRequest, loginUser);return ResultUtils.success(response);
}/*** 查询 AI 扩图任务*/
@GetMapping("/out_painting/get_task")
public BaseResponse<GetOutPaintingTaskResponse> getPictureOutPaintingTask(String taskId) {ThrowUtils.throwIf(StrUtil.isBlank(taskId), ErrorCode.PARAMS_ERROR);GetOutPaintingTaskResponse task = aliYunAiApi.getOutPaintingTask(taskId);return ResultUtils.success(task);
}
使用Swagger接口进行测试，成功！