feat(inference): 集成 GPT Image 2 异步文生图 API

- 新增 GptImage2Config 配置（yuntts 等 GPT Image 2 兼容服务） - 新增 gptimage.go 异步客户端：提交任务 → 轮询状态 → 下载图片 - GenerateImages 优先级调整为：GPT Image 2 > OpenAI 兼容 ImageGen > Mock - 支持环境变量 GEN2D_GPT_IMAGE2_* 系列配置
2026-05-25 12:36:37 +08:00
parent 74c1725473
commit d9d3b51262
5 changed files with 325 additions and 9 deletions
@@ -9,11 +9,12 @@ import (

 // Config 应用全局配置。
 type Config struct {
-	Server   ServerConfig   `mapstructure:"server"`
-	Database DatabaseConfig `mapstructure:"database"`
-	JWT      JWTConfig      `mapstructure:"jwt"`
-	LLM      LLMConfig      `mapstructure:"llm"`
-	ImageGen ImageGenConfig `mapstructure:"image_gen"`
+	Server    ServerConfig     `mapstructure:"server"`
+	Database  DatabaseConfig   `mapstructure:"database"`
+	JWT       JWTConfig        `mapstructure:"jwt"`
+	LLM       LLMConfig        `mapstructure:"llm"`
+	ImageGen  ImageGenConfig   `mapstructure:"image_gen"`
+	GptImage2 GptImage2Config  `mapstructure:"gpt_image2"`
 }

 // ServerConfig HTTP 服务配置。
@@ -43,7 +44,7 @@ type LLMConfig struct {
 	MaxTokens   int     `mapstructure:"max_tokens"`
 }

-// ImageGenConfig 文生图模型配置。
+// ImageGenConfig 文生图模型配置（OpenAI 兼容同步 API）。
 type ImageGenConfig struct {
 	BaseURL   string  `mapstructure:"base_url"`
 	APIKey    string  `mapstructure:"api_key"`
@@ -55,6 +56,16 @@ type ImageGenConfig struct {
 	CFGScale  float64 `mapstructure:"cfg_scale"`
 }

+// GptImage2Config GPT Image 2 异步生图模型配置（yuntts 等兼容服务）。
+type GptImage2Config struct {
+	BaseURL     string `mapstructure:"base_url"`
+	APIKey      string `mapstructure:"api_key"`
+	AspectRatio string `mapstructure:"aspect_ratio"`
+	XChannel    string `mapstructure:"x_channel"`
+	PollMaxWait int    `mapstructure:"poll_max_wait"` // 轮询最大等待秒数, 默认 120
+	PollInterval int   `mapstructure:"poll_interval"` // 轮询间隔秒数, 默认 3
+}
+
 // Load 从 YAML 配置文件和环境变量加载配置。
 // 优先级：环境变量 > YAML 文件 > 默认值。
 func Load() *Config {
@@ -111,6 +122,13 @@ func setDefaults(v *viper.Viper) {
 	v.SetDefault("image_gen.num_images", 1)
 	v.SetDefault("image_gen.steps", 30)
 	v.SetDefault("image_gen.cfg_scale", 7.0)
+
+	v.SetDefault("gpt_image2.base_url", "https://www.yuntts.com/api/v1")
+	v.SetDefault("gpt_image2.api_key", "")
+	v.SetDefault("gpt_image2.aspect_ratio", "1:1")
+	v.SetDefault("gpt_image2.x_channel", "default")
+	v.SetDefault("gpt_image2.poll_max_wait", 120)
+	v.SetDefault("gpt_image2.poll_interval", 3)
 }

 func bindEnvVars(v *viper.Viper) {
@@ -135,4 +153,11 @@ func bindEnvVars(v *viper.Viper) {
 	v.BindEnv("image_gen.num_images", "GEN2D_IMAGE_NUM_IMAGES")
 	v.BindEnv("image_gen.steps", "GEN2D_IMAGE_STEPS")
 	v.BindEnv("image_gen.cfg_scale", "GEN2D_IMAGE_CFG_SCALE")
+
+	v.BindEnv("gpt_image2.base_url", "GEN2D_GPT_IMAGE2_BASE_URL")
+	v.BindEnv("gpt_image2.api_key", "GEN2D_GPT_IMAGE2_API_KEY")
+	v.BindEnv("gpt_image2.aspect_ratio", "GEN2D_GPT_IMAGE2_ASPECT_RATIO")
+	v.BindEnv("gpt_image2.x_channel", "GEN2D_GPT_IMAGE2_X_CHANNEL")
+	v.BindEnv("gpt_image2.poll_max_wait", "GEN2D_GPT_IMAGE2_POLL_MAX_WAIT")
+	v.BindEnv("gpt_image2.poll_interval", "GEN2D_GPT_IMAGE2_POLL_INTERVAL")
 }
@@ -0,0 +1,268 @@
+package service
+
+import (
+	"bytes"
+	"context"
+	"encoding/json"
+	"fmt"
+	"io"
+	"log"
+	"net/http"
+	"strings"
+	"time"
+
+	"gen2d/internal/config"
+)
+
+// gptImage2Cfg 保存 GPT Image 2 配置。
+var gptImage2Cfg config.GptImage2Config
+
+// InitGptImage2Config 注入 GPT Image 2 配置。
+func InitGptImage2Config(cfg config.GptImage2Config) {
+	gptImage2Cfg = cfg
+}
+
+// ======================== GPT Image 2 API 类型 ========================
+
+// gpt2SubmitRequest 提交生图任务请求体。
+type gpt2SubmitRequest struct {
+	Prompt          string   `json:"prompt"`
+	AspectRatio     string   `json:"aspect_ratio,omitempty"`
+	ReferenceImages []string `json:"reference_images,omitempty"`
+	XChannel        string   `json:"x_channel,omitempty"`
+}
+
+// gpt2SubmitResponse 提交生图任务响应体。
+type gpt2SubmitResponse struct {
+	Code    int    `json:"code"`
+	Message string `json:"message"`
+	Data    struct {
+		TaskID string `json:"task_id"`
+		Status string `json:"status"`
+	} `json:"data"`
+}
+
+// gpt2StatusRequest 查询任务状态请求体。
+type gpt2StatusRequest struct {
+	TaskID string `json:"task_id"`
+}
+
+// gpt2StatusResponse 查询任务状态响应体。
+type gpt2StatusResponse struct {
+	Code    int    `json:"code"`
+	Message string `json:"message"`
+	Data    struct {
+		TaskID         string `json:"task_id"`
+		Status         string `json:"status"`
+		Progress       int    `json:"progress"`
+		ResultImageURL string `json:"result_image_url"`
+		ErrorMessage   string `json:"error_message"`
+	} `json:"data"`
+}
+
+// ======================== 公开接口 ========================
+
+// GenerateImagesGpt2 通过 GPT Image 2 异步 API 生成图片。
+// count 张图通过并行提交+轮询实现。
+func GenerateImagesGpt2(ctx context.Context, prompt string, count int) ([]GeneratedImage, error) {
+	if gptImage2Cfg.APIKey == "" {
+		return nil, fmt.Errorf("gpt_image2 api_key not configured")
+	}
+
+	// 并行提交任务
+	type submitResult struct {
+		index  int
+		taskID string
+		err    error
+	}
+	results := make(chan submitResult, count)
+	for i := 0; i < count; i++ {
+		go func(idx int) {
+			taskID, err := submitGpt2Task(ctx, prompt)
+			results <- submitResult{index: idx, taskID: taskID, err: err}
+		}(i)
+	}
+
+	// 收集 taskID
+	taskIDs := make([]string, count)
+	for i := 0; i < count; i++ {
+		r := <-results
+		if r.err != nil {
+			return nil, fmt.Errorf("submit task %d: %w", r.index, r.err)
+		}
+		taskIDs[r.index] = r.taskID
+	}
+
+	// 并行轮询+下载
+	type imageResult struct {
+		index int
+		image GeneratedImage
+		err   error
+	}
+	imgResults := make(chan imageResult, count)
+	for i, tid := range taskIDs {
+		go func(idx int, taskID string) {
+			img, err := pollAndDownloadGpt2(ctx, taskID, prompt)
+			imgResults <- imageResult{index: idx, image: img, err: err}
+		}(i, tid)
+	}
+
+	images := make([]GeneratedImage, count)
+	for i := 0; i < count; i++ {
+		r := <-imgResults
+		if r.err != nil {
+			return nil, fmt.Errorf("task %d: %w", r.index, r.err)
+		}
+		images[r.index] = r.image
+	}
+
+	return images, nil
+}
+
+// ======================== 内部实现 ========================
+
+// submitGpt2Task 提交生图任务，返回 taskID。
+func submitGpt2Task(ctx context.Context, prompt string) (string, error) {
+	reqBody := gpt2SubmitRequest{
+		Prompt:      prompt,
+		AspectRatio: gptImage2Cfg.AspectRatio,
+		XChannel:    gptImage2Cfg.XChannel,
+	}
+
+	body, err := json.Marshal(reqBody)
+	if err != nil {
+		return "", fmt.Errorf("marshal: %w", err)
+	}
+
+	url := strings.TrimRight(gptImage2Cfg.BaseURL, "/") + "/gpt-image2/generate"
+	req, err := http.NewRequestWithContext(ctx, http.MethodPost, url, bytes.NewReader(body))
+	if err != nil {
+		return "", fmt.Errorf("create request: %w", err)
+	}
+	req.Header.Set("Content-Type", "application/json")
+	req.Header.Set("Authorization", "Bearer "+gptImage2Cfg.APIKey)
+
+	resp, err := http.DefaultClient.Do(req)
+	if err != nil {
+		return "", fmt.Errorf("send: %w", err)
+	}
+	defer resp.Body.Close()
+
+	var submitResp gpt2SubmitResponse
+	if err := json.NewDecoder(resp.Body).Decode(&submitResp); err != nil {
+		return "", fmt.Errorf("decode: %w", err)
+	}
+
+	if submitResp.Code != 200 {
+		return "", fmt.Errorf("submit failed: %s", submitResp.Message)
+	}
+
+	log.Printf("[gpt_image2] task submitted: %s", submitResp.Data.TaskID)
+	return submitResp.Data.TaskID, nil
+}
+
+// pollAndDownloadGpt2 轮询任务状态直到完成，然后下载图片。
+func pollAndDownloadGpt2(ctx context.Context, taskID, prompt string) (GeneratedImage, error) {
+	pollInterval := gptImage2Cfg.PollInterval
+	if pollInterval <= 0 {
+		pollInterval = 3
+	}
+	maxWait := gptImage2Cfg.PollMaxWait
+	if maxWait <= 0 {
+		maxWait = 120
+	}
+
+	deadline := time.Now().Add(time.Duration(maxWait) * time.Second)
+	ticker := time.NewTicker(time.Duration(pollInterval) * time.Second)
+	defer ticker.Stop()
+
+	for {
+		select {
+		case <-ctx.Done():
+			return GeneratedImage{}, ctx.Err()
+		case <-ticker.C:
+			status, err := queryGpt2Status(ctx, taskID)
+			if err != nil {
+				return GeneratedImage{}, fmt.Errorf("query status: %w", err)
+			}
+
+			switch status.Data.Status {
+			case "completed":
+				log.Printf("[gpt_image2] task %s completed, downloading from %s", taskID, status.Data.ResultImageURL)
+				data, err := downloadGpt2Image(ctx, status.Data.ResultImageURL)
+				if err != nil {
+					return GeneratedImage{}, fmt.Errorf("download: %w", err)
+				}
+				return GeneratedImage{Data: data, Format: "png"}, nil
+
+			case "failed":
+				errMsg := status.Data.ErrorMessage
+				if errMsg == "" {
+					errMsg = "unknown error"
+				}
+				return GeneratedImage{}, fmt.Errorf("generation failed: %s", errMsg)
+
+			default:
+				log.Printf("[gpt_image2] task %s status=%s progress=%d", taskID, status.Data.Status, status.Data.Progress)
+			}
+
+			if time.Now().After(deadline) {
+				return GeneratedImage{}, fmt.Errorf("poll timeout after %ds", maxWait)
+			}
+		}
+	}
+}
+
+// queryGpt2Status 查询任务状态。
+func queryGpt2Status(ctx context.Context, taskID string) (*gpt2StatusResponse, error) {
+	reqBody := gpt2StatusRequest{TaskID: taskID}
+	body, err := json.Marshal(reqBody)
+	if err != nil {
+		return nil, fmt.Errorf("marshal: %w", err)
+	}
+
+	url := strings.TrimRight(gptImage2Cfg.BaseURL, "/") + "/gpt-image2/status"
+	req, err := http.NewRequestWithContext(ctx, http.MethodPost, url, bytes.NewReader(body))
+	if err != nil {
+		return nil, fmt.Errorf("create request: %w", err)
+	}
+	req.Header.Set("Content-Type", "application/json")
+	req.Header.Set("Authorization", "Bearer "+gptImage2Cfg.APIKey)
+
+	resp, err := http.DefaultClient.Do(req)
+	if err != nil {
+		return nil, fmt.Errorf("send: %w", err)
+	}
+	defer resp.Body.Close()
+
+	var statusResp gpt2StatusResponse
+	if err := json.NewDecoder(resp.Body).Decode(&statusResp); err != nil {
+		return nil, fmt.Errorf("decode: %w", err)
+	}
+
+	if statusResp.Code != 200 {
+		return nil, fmt.Errorf("status query failed: %s", statusResp.Message)
+	}
+
+	return &statusResp, nil
+}
+
+// downloadGpt2Image 下载生成的图片。
+func downloadGpt2Image(ctx context.Context, imageURL string) ([]byte, error) {
+	req, err := http.NewRequestWithContext(ctx, http.MethodGet, imageURL, nil)
+	if err != nil {
+		return nil, fmt.Errorf("create download request: %w", err)
+	}
+
+	resp, err := http.DefaultClient.Do(req)
+	if err != nil {
+		return nil, fmt.Errorf("download: %w", err)
+	}
+	defer resp.Body.Close()
+
+	if resp.StatusCode != http.StatusOK {
+		return nil, fmt.Errorf("download status %d", resp.StatusCode)
+	}
+
+	return io.ReadAll(resp.Body)
+}
@@ -48,13 +48,25 @@ type imageGenResponse struct {
 	} `json:"data"`
 }

-// GenerateImages 调用 AI 推理 API 生成图片，未配置 API key 时回退到 mock。
+// GenerateImages 调用 AI 推理 API 生成图片。
+// 优先级：GPT Image 2 > OpenAI 兼容 ImageGen > Mock 回退。
 func GenerateImages(ctx context.Context, prompt string, params AssetParams) ([]GeneratedImage, error) {
 	count := 1
 	if params.Frames.Directions > 0 && params.Frames.FramesPerDirection > 0 {
 		count = params.Frames.Directions * params.Frames.FramesPerDirection
 	}

+	// 优先使用 GPT Image 2 异步 API
+	if gptImage2Cfg.APIKey != "" {
+		log.Println("[inference] using GPT Image 2 async API")
+		images, err := GenerateImagesGpt2(ctx, prompt, count)
+		if err != nil {
+			return nil, fmt.Errorf("gpt_image2: %w", err)
+		}
+		return images, nil
+	}
+
+	// 降级：OpenAI 兼容 Images API
 	if imgCfg.APIKey != "" {
 		width, height := imgCfg.Width, imgCfg.Height
 		if params.Resolution > 0 {
@@ -64,11 +76,12 @@ func GenerateImages(ctx context.Context, prompt string, params AssetParams) ([]G
 		return callImageGenAPI(ctx, prompt, count, width, height)
 	}

+	// 最终降级：mock 占位图
 	size := params.Resolution
 	if size <= 0 {
 		size = 64
 	}
-	log.Println("[inference] ImageGen API key not configured, using mock")
+	log.Println("[inference] no image API key configured, using mock")
 	return generateMockImages(size, count)
 }