Imagifly Batch

imagifly-batch

把一批提示词交给 [Imagifly](https://imagifly.net/)，自动选模型、校验成本、逐条生成并下载 **图片 / 视频**。它既是一个零依赖 CLI，也是给 TRAE、Cursor、Claude Code、Codex 和自定义 Agent 使用的批量媒体生成 Skill。

🌐 Imagifly 官网	https://imagifly.net
📦 本仓库	https://github.com/shaozheng0503/imagifly-batch

对 AI 说"用这批提示词批量生图"或"用这张图生成视频"，Agent 会写队列、校验、估算、预演、确认高成本任务、运行并汇报结果。

目录

• 它是什么
• 快速开始
• 支持的模型
• 风格预设
• 在 AI / Agent 里使用
• 排错与注意事项

它是什么

**你给它**：

• 一行一个 prompt 的 prompts.txt
• 可选参考图、宽高比、数量、模型、视频秒数、分辨率

**它给你**：

• 下载好的图片 / 视频，保存在 images/
• 同名 .json 边车，记录模型、seed、参数和来源
• results.jsonl 结构化结果，方便 Agent 汇报和自动化
• failed.jsonl 失败任务，可一条命令重新入队

核心解决三件事：**批量排队、成本风险控制、Agent 可稳定复用。**

与 dreamifly-batch 的区别

本仓库与 [dreamifly-batch](https://github.com/shaozheng0503/dreamifly-batch) 同源同模型，但针对 Imagifly 平台做了适配：

差异点	dreamifly-batch	imagifly-batch
API 模式	同步返回结果	异步：提交 → 轮询 GET /api/generations/{id}
鉴权	Cookie + MD5 token 计算	仅 Cookie（imagifly_session）
模型命名	Wai-SDXL-V150 / V170 分开	Wai-SDXL 合并，步数 20/30 切换
新增模型	—	grok-imagine-image-quality
积分体系	dreamify credits	imagifly credits（更便宜）

亮点

• 🎨 6 生图模型 + 3 视频模型：文生图、图生图、文生视频、图生视频全覆盖，新增 MiniMax-H3 音画一体视频
• 🎚️ 逐行内联参数：model= / style= / 16:9 / x2 / steps= / tier= / img= / secs= / res= / fps=，每行独立覆盖
• 🧪 零成本预检：--validate / --estimate / --dry-run / --check，跑前看清每条、不调 API、不花积分
• 💸 成本阻断：单次 ≥5 积分的任务必须 --confirm 确认才跑
• ⬇️ 自动下载 + 边车 + results.jsonl：产物落地、参数可复现、结果可被 Agent 读取
• ♻️ 缓存去重 + 断点续跑：成功记录自动跳过，失败留在 failed.jsonl 下次重试
• 🤖 AI 原生：自带 SKILL.md / AGENTS.md，TRAE、Claude Code、Codex、Cursor 都能直接调用

快速开始

git clone https://github.com/shaozheng0503/imagifly-batch.git
cd imagifly-batch

# 1) 看有哪些模型
python3 imagifly.py --list-models

# 2) 写提示词（每行一个，可指定模型）
echo "anime girl with flowers | model=Wa