來源：https://blog.csdn.net/2403_87969572/article/details/157399724

抓取時間（ISO本地）：2026-05-18 05:17:37

---

這是一篇專門針對 Jimeng (積木/積夢) 中文文生圖模型的詳細部署教學部落格。包含了我們在實戰中遇到的所有“坑”及其解決方案，特別是針對庫版本衝突的硬核修復。

---

1. 什麼是 Jimeng？

Jimeng 是由阿里巴巴達摩院研發的、專門針對中文語境最佳化的文生圖模型。它將中文 BERT 與 Stable Diffusion 架構深度結合，無需繁瑣的英文翻譯，直接輸入中文（如“古風、水墨、賽博朋克”）即可生成極具東方審美的高質量影象。

---

2. 部署環境準備

在開始之前，請確保你的機器擁有 NVIDIA GPU（建議視訊記憶體 8GB 以上）並安裝了 Python 3.8+ 環境。

2.1 安裝核心依賴庫

除了基礎的 AI 框架，我們還需要安裝阿里雲的 oss2 庫（用於後續可能的圖片雲端儲存）以及處理庫版本衝突所需的補丁工具。

# 升級基礎 AI 庫
pip install -U modelscope transformers diffusers accelerate torch numpy pillow

# 安裝阿里雲 OSS 儲存庫
pip install oss2

# 安裝 omegaconf 用於處理特定的模型配置
pip install omegaconf

---

3. 核心技術痛點：處理版本衝突

注意！ 這是部署 Jimeng 模型最關鍵的一步。由於模型釋出較早，它呼叫的 huggingface_hub 舊版函式 cached_download 在新版庫中已被刪除。如果不處理，程式會報錯 ImportError。

解決方案： 在指令碼的最開頭手動注入“執行時補丁”。

---

4. 編寫測試指令碼

我們將建立一個名為 test_jimeng.py 的指令碼。它不僅解決了相容性問題，還支援一次載入模型、多次互動生成，並具備極強的程式碼健壯性。

4.1 建立工作目錄

mkdir -p ~/workspace/Jimeng && cd ~/workspace/Jimeng

4.2 編寫 test_jimeng.py

請將以下程式碼完整複製到檔案中：

import huggingface_hub
try:
    from huggingface_hub import hf_hub_download
    huggingface_hub.cached_download = hf_hub_download
except ImportError:
    pass

import os
import torch
import numpy as np
from PIL import Image
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

model_id = 'damo/multi-modal_chinese_stable_diffusion_v1.0'

try:
    print(f"正在啟動 Jimeng 引擎並載入權重...")
    # 強制在 GPU 執行
    pipe = pipeline(Tasks.text_to_image_synthesis, model=model_id, device='cuda')

    input_data = {'text': '一個穿著宇航服的大熊貓在月球上吃竹子，賽博朋克風格'}

    print("正在生成影象...")
    output = pipe(input_data)

    # --- 修復邏輯：安全提取並轉換圖片 ---
    raw_data = None
    if isinstance(output, dict):
        for key in ['output_img', 'output_imgs', 'image', 'images']:
            if key in output:
                raw_data = output[key]
                break
    else:
        raw_data = output

    # 處理列表情況
    if isinstance(raw_data, list):
        raw_data = raw_data[0]

    # 關鍵修復：使用 is not None 避免真值歧義錯誤
    if raw_data is not None:
        # 如果是 numpy 陣列，轉換為 PIL Image
        if isinstance(raw_data, np.ndarray):
            # 如果陣列值在 0-1 之間，縮放到 0-255
            if raw_data.max() <= 1.0:
                raw_data = (raw_data * 255).astype(np.uint8)
            final_image = Image.fromarray(raw_data)
        else:
            final_image = raw_data

        final_image.save("result.png")
        print(f"\n恭喜！生成成功。圖片已儲存至: {os.path.abspath('result.png')}")
    else:
        print("未能在輸出中找到影象資料。")

---

4.3 執行與測試

執行以下命令啟動系統：

python test_jimeng.py

5. 編寫互動式使用指令碼

import huggingface_hub
try:
    from huggingface_hub import hf_hub_download
    huggingface_hub.cached_download = hf_hub_download
except: pass

import os
import torch
import numpy as np
from PIL import Image
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

print("正在初始化 Jimeng 互動引擎，請稍候...")
model_id = 'damo/multi-modal_chinese_stable_diffusion_v1.0'

# 顯式指定任務和裝置
pipe = pipeline(Tasks.text_to_image_synthesis, model=model_id, device='cuda')

print("\n" + "="*50)
print("  Jimeng 中文文生圖互動系統已就緒！")
print("  輸入描述開始創作，輸入 'exit' 退出。")
print("="*50)

count = 1
while True:
    prompt = input(f"\n[{count}] 請輸入生成描述 >> ").strip()

    if prompt.lower() in ['exit', 'quit', '退出']:
        break
    if not prompt: continue

    print(f"正在繪製: {prompt} ...")
    try:
        # 推理
        output = pipe({'text': prompt})

        # --- 健壯的圖片提取邏輯 ---
        image = None

        # 情況 A: 返回的是字典
        if isinstance(output, dict):
            print(f"除錯資訊 - 系統返回鍵值: {list(output.keys())}")
            # 嘗試所有可能的鍵
            for key in ['output_img', 'output_imgs', 'image', 'images']:
                if key in output:
                    image = output[key]
                    break
            # 如果字典裡只有一個值，嘗試直接取那個值
            if image is None and len(output) == 1:
                image = list(output.values())[0]

        # 情況 B: 直接返回了物件或列表
        else:
            image = output

        # 如果提取出來的是列表，取第一個
        if isinstance(image, list):
            image = image[0]

        # 轉換為 PIL 格式並儲存
        if image is not None:
            # 如果是 Numpy 陣列，轉為 Image 物件
            if isinstance(image, np.ndarray):
                if image.max() <= 1.0: image = (image * 255).astype(np.uint8)
                image = Image.fromarray(image)

            filename = f"gen_{count}.png"
            image.save(filename)
            print(f"✨  成功！圖片已儲存為: {os.path.abspath(filename)}")
            count += 1
        else:
            print("❌  錯誤：未能從模型輸出中提取到影象資料。")

    except Exception as e:
        print(f"💥  生成過程出錯: {e}")

print("系統已退出。")

推薦測試詞：

• 一隻穿著漢服的可愛小熊貓，在竹林裡喝茶，水墨畫風格

• 賽博朋克風格的西安鐘樓，霓虹燈光，雨夜，電影質感

• 唯美古風，一位仙女在月光下的荷塘起舞，高畫質，精緻五官

  

6. 避坑指南（FAQ）

1. 報錯：‘output_img’ 找不到

   • 原因：由於版本差異，模型返回的可能是 image 或 images。
   • 解決：本指令碼中使用了 for key in [...] 迴圈自動查詢所有可能的鍵名。

2. 報錯：The truth value of an array is ambiguous

   • 原因：Python 嘗試對 Numpy 陣列直接進行真值判斷。
   • 解決：在指令碼中使用 if raw_data is not None: 替代 if raw_data:。

3. 視訊記憶體不足 (OOM)

   • 原因：GPU 視訊記憶體被其他程式佔用。
   • 解決：執行 nvidia-smi 檢查程序，並確保沒有同時執行多個大型推理任務。

---

7. 總結

透過本次部署，我們不僅成功執行了 Jimeng 模型，還透過 執行時補丁 的技術手段解決了跨版本庫的相容性難題。這種部署方式非常適合在算力平臺上進行快速 Demo 展示或二次開發。

如果你需要將圖片自動同步到阿里雲，記得結合開頭安裝的 oss2 庫，在儲存檔案後呼叫 bucket.put_object_from_file() 即可！

467b867ff6425f44962b.png)