有内容限制,而且限制通常不是单一开关,而是由模型服务端的安全策略、输入输出审核接口以及提示词命中规则共同构成。Qwen-Image-3.0 这类图像生成模型一般会拒绝生成包含真人肖像、暴力、血腥、政治敏感、露骨色情、某些商标或具体人物形象的内容,但不同部署环境(API、私有化、开源权重)的实际边界往往不一致。也就是说,不能只靠模型名字判断,必须通过可控测试确认限制的具体触发条件。
先确认部署形态和审查链路
在测试前,先明确自己的调用入口:是官方 API、云平台托管、还是本地推理框架。三种形态下,内容限制的施加位置不同。
- 官方 API / 云平台:通常有独立的审核模块,可能对输入提示词和输出图片各做一次检测,禁止名单更严格。
- 本地部署:可能只有基础的安全护栏,主要依赖模型本身的对齐训练,限制相对较弱,但仍存在。
- 中间层代理:如果请求经过网关转接,网关也可能注入额外内容过滤规则。
所以第一步是查自己的请求日志和返回错误码。如果返回的是安全拒绝类错误(如 code 表示 content_failed 或 policy_rejected),说明限制在服务端;如果是空返回或重复图片,可能只是提示词输出被截断,不一定是内容限制。
前置条件:准备测试环境和可对比样本
你需要一个能稳定调用接口的脚本,以及一组用来探测边界的提示词。建议把提示词按风险等级分成三组:
- 安全组:风景、器物、静物,用于确认基础生成可用。
- 边缘组:含人物署名、品牌标志、特定职业或场景的抽象描述。
- 高风险组:暴力、色情、政治人物、真实人物姓名、具体品牌 logo 等。
注意:高风险组只用于验证法律边界,不要批量生成违规图片。建议使用一次性提示词,并关闭自动保存。
配置/安装:可调参数与提示词版本 A/B/C
在代码或配置中,需要检查是否暴露了以下可调项。不同平台名称可能不同,但通常会有这几类:
# 通用接入骨架,替换为实际 API 字段
{
"prompt": "...",
"negative_prompt": "...",
"content_filter_level": "moderate", // off/low/medium/high
"watermark": false,
"size": "1024x1024",
"rotation": 1 // 多图时轮换
}
如果没有 content_filter_level 字段,说明该服务不提供用户侧调节,限制不可绕过。不要试图通过翻译、拆词、加字符跳过审核,这违反大多数平台条款,也容易导致账号封禁。
针对探测目标,建议写三个提示词版本,以便快速定位限制触发点:
版本A:a businessman in a suit walking down a street
版本B:a fictional character who is a businessman, no likeness to any real person
版本C:portrait of a specific living person (只用于测试,不用于正式生成)
记录每个版本是否返回成功、失败还是被拦截。提示词里的“specific living person”往往是触发点,而“fictional character”通常能通过。这说明限制并非禁止商业或写实,而是禁止“真实人物可辨识性”。
验证:用返回码和图片内容比对确认边界
执行一组至少 10 次请求,覆盖安全组和边缘组。每轮记录以下信息:HTTP 状态码、业务 code、返回的图片 URL、图片是否包含人物脸、是否有明显模糊或遮罩。
- 判断输入限制:如果某个提示词产生“审核拒绝”类错误,但去掉其中几个关键词后就能成功,说明限制主要作用于提示词层。
- 判断输出限制:如果请求成功,但图片中的人物面部被拉伸、扭曲或加了马赛克,说明输出层有后处理过滤。
- 判断软限制:如果同样提示词连续请求,首次成功二次失败,可能是临时限流而非内容限制,需要关注频率和 token 配额。
不要只测一次。建议连续三组,每组间隔 5 秒以上,以排除偶发问题。
失败时回退:降级策略与提示词改写
当确认碰到内容限制时,按以下顺序回退,不要硬试同一提示词:
- 改写提示词:去掉真实姓名、品牌、具体日期事件,改为“a person”“a company”等泛化词。
- 调整描述方式:把“photo of”换成“illustration of”,把“realistic”换成“in the style of 3D render”。这不能绕过限制,但可以减少模型对“真实存在”的误判。
- 关闭提示词增强:有些接口默认会扩展提示词,可能把原本合规的描述补出违规内容。检查是否有关闭自动扩展的开关。
- 切换模型版本:如果当前版本过严,可以先换到同系列更早版本(如 Qwen-Image-2.x)做对照,确认是版本策略差异还是业务域名不同。注意,这只能用于判断,不能作为绕过手段。
如果以上步骤后仍无法生成,说明该部署环境对这类内容明确禁止,应该放弃此方向,而不是继续尝试绕过。把失败案例和验证结果整理成一条内部记录,方便后续判断同批次提示词是否能安全使用。
最后补充一个常见误区:内容限制不等于模型能力不足。用户经常把“拒绝生成”误认为“模型画不出来”,但多数时候是合规策略在起作用。区分方法是把提示词中明显违规的内容换成公认的公开素材(比如历史人物头像),如果仍然失败,才可能是模型能力问题。如果只是提示词带具体人名,通常就是内容限制。