必须通过HTTP提交base64编码图像或multipart-formdata文件，禁用本地路径/URL/Cookie；需企业实名认证、获取AccessKey/SecretKey；参考图须≥512×512、PNG/JPG/WEBP格式、≤10MB；请求需含合法checkpoint_name、denoising_strength 0.4–0.6，并正确签名。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想用LiblibAI API把本地照片作为参考图批量生成新图，必须通过HTTP请求提交base64编码图像或multipart-formdata文件，不能传本地路径、URL链接或Cookie缓存图片——任何绕过编码/表单规范的操作都会导致400错误或静默丢弃。
确认API调用权限与凭证
登录LiblibAI官网→进入左侧「API开发平台」→确认账户已通过企业实名认证并领取500试用积分→在密钥管理页复制AccessKey和SecretKey。【SecretKey必须离线保存，绝不能硬编码进Git仓库或前端代码】。
未完成企业认证的账号无法看到「图生图」相关接口文档，所有请求将返回403 Forbidden。
准备合规参考图
用Python读取图片前，先确保它满足三项硬性条件：【分辨率≥512×512像素】、【格式为PNG/JPG/WEBP之一】、【单张≤10MB】。
过低分辨率会导致AI识别失败，生成图出现五官错位；GIF/BMP/TIFF等格式上传后无报错但服务端直接跳过解析；超限文件需用TinyPNG无损压缩后再读取——别用手机相册“一键压缩”，它常把尺寸砍到400×300以下。
构造图生图请求体
方法一：base64编码方式（推荐）
将参考图读取为bytes → 用base64.b64encode()转成字符串 → 拼入JSON payload，其中image字段值为base64字符串（不含data:image/png;base64,前缀）。
方法二：multipart/form-data方式（仅限部分接口版本）
将图片文件对象作为form-data字段传入，字段名为image_file；此时payload中不再放base64，但必须同步提供width、height参数，否则服务端无法解析图像尺寸。
两种方式都要求在HTTP Header中添加X-Liblib-Access-Key和Authorization签名头，后者由uri+timestamp+nonce+SecretKey按HMAC-SHA1生成，顺序错一位就验签失败。
设置关键参数并发送请求
第一步：指定合法模型名
在请求体中必须携带checkpoint_name参数，值必须是平台当前启用的图生图模型名，例如"F.1 Kontext"或"Seedream 4.0"，填错会导致400报错“model not found”。
第二步：配置去噪强度
设置denoising_strength为0.4–0.6之间。数值低于0.3会导致输出几乎不变，高于0.7则主体易崩坏。
第三步：发起POST请求
向https://api.liblib.ai/v1/image-to-image发送POST请求，Header含Content-Type: multipart/form-data（或application/json）及必要鉴权字段，Body按所选方式填充图像数据与参数。
