1. 项目缘起：当AI绘画遇上实体屏幕

最近在捣鼓行空板，总想着让它干点“酷炫”的事情。作为一个集成了屏幕、Wi-Fi、蓝牙和各种传感器的开源硬件，它天生就适合做信息展示和交互。与此同时，AI绘画（比如Stable Diffusion、Midjourney）正火得一塌糊涂，每天都能看到各种惊艳的图片。我就琢磨，能不能让这两者结合一下？让行空板变成一个能实时生成、展示AI绘画作品的“智能画框”或者“艺术大屏”。

这个想法其实挺有意思。想象一下，你可以设定一个主题，比如“赛博朋克城市”，然后行空板每隔一段时间就自动生成一张全新的、独一无二的赛博朋克风格图片，并显示在自己的屏幕上。或者，你甚至可以通过语音、按钮或者传感器（比如光线、温度）来触发生成不同风格的画作。它不再是一个被动的显示器，而是一个能持续创作、永不重复的动态艺术品生成器。这对于个人工作台的氛围营造、小型展览的互动装置，或者仅仅是作为一个极客的桌面玩具，都很有吸引力。

这个项目的核心，就是把云端或本地的AI绘画能力，“拉”到行空板这块小小的屏幕上，并赋予它一定的自主性和交互性。听起来好像需要很强的算力？其实不然。行空板本身的算力有限，直接跑Stable Diffusion模型是不现实的。我们的策略是“云端生成，本地显示”：利用行空板的网络连接能力，调用在远程服务器（可以是家里的NAS、云服务器，或者一些开放的AI绘画API）上运行的AI绘画服务，获取生成的图片，再下载到行空板上进行展示。这样一来，行空板就扮演了一个“智能终端”的角色，专注于它擅长的交互、控制和显示。

2. 核心架构设计：从想法到可执行的方案

要实现“行空板之AI绘画显示大屏”，我们需要一个清晰、可行的技术架构。整个流程可以拆解为几个核心环节：触发机制、AI绘画生成、图片获取与处理、本地显示与交互。下面这张图清晰地展示了数据流和控制流：

flowchart TD A[交互/定时触发] --> B[行空板<br>控制中枢] B -- 携带提示词等参数 --> C{AI绘画服务} C -- 调用 --> D[云端/本地服务器] D -- 生成图片 --> E[图床/对象存储] E -- 返回图片URL --> C C -- 返回最终图片 --> B B -- 下载并显示 --> F[行空板屏幕]

2.1 各模块的选型与理由

• 行空板（控制中枢与显示终端）：这是项目的物理核心。我们选择行空板，是因为它“开箱即用”——自带一块分辨率不错的触摸屏，集成了Python环境，有丰富的GPIO和传感器接口，并且支持Wi-Fi。这意味着我们不需要额外连接屏幕、配置复杂的开发环境，可以直接用Python编写所有控制逻辑和UI界面，极大降低了入门门槛。它的性能足以流畅运行一个轻量级的图形界面（如Tkinter、Pygame）并处理网络请求。

• AI绘画服务（内容生产引擎）：这是项目的“大脑”。我们有几种选择：

  1. 公有云API：如使用DeepAI、Replicate等平台提供的Stable Diffusion API。优点是无需自己维护服务器，按次付费，简单快捷。缺点是可能有调用频率限制、费用累积，且生成参数可能受平台限制。
  2. 自建服务器：在自己的电脑、NAS或租用的云服务器上部署Stable Diffusion WebUI（Automatic1111）或ComfyUI，并开启API功能。优点是控制权完全在自己手中，可以自由使用任何模型、LoRA，调整所有参数，且没有额外调用费用（只需承担服务器成本）。缺点是部署有一定技术门槛，且需要一台具有独立显卡（推荐NVIDIA，至少6GB显存）的机器。
  3. 本地轻量化模型：尝试在行空板上运行超轻量级的AI绘画模型（如Tiny Stable Diffusion）。这是一个极具挑战性的方向，因为行空板的算力（四核Cortex-A35）和内存非常有限，生成一张小图可能需要数十分钟，且效果难以保证，目前不推荐作为主要方案。

  对于大多数个人开发者和小型项目，我推荐“自建服务器+API”的模式。它提供了最佳的灵活性和可控性，一次部署长期受益。本项目的后续实操也将基于这个模式展开。

• 通信与存储（数据管道）：

  • 通信协议：行空板与自建服务器之间通过HTTP协议进行通信。Stable Diffusion WebUI提供了完善的HTTP API，我们可以通过发送POST请求，携带提示词（prompt）、负向提示词（negative prompt）、采样步数（steps）、尺寸等参数，来触发图片生成。
  • 图片获取：服务器生成图片后，通常会返回一个包含图片二进制数据或图片存储URL的响应。我们需要在行空板上编写代码来解析这个响应，并将图片下载到本地临时目录。
  • 临时存储：行空板的存储空间有限，不适合长期保存大量高清图片。我们的策略是“流式处理”：下载最新生成的图片，覆盖或删除旧的图片，只保留当前需要显示的那一张。

• 显示与交互（用户界面）：

  • 显示库：行空板官方支持Tkinter，这是一个简单易用的GUI库，足以满足全屏显示图片的基本需求。我们也可以使用Pygame，它在处理图像和动画方面更灵活。
  • 交互设计：利用行空板的触摸屏和物理按钮，我们可以设计简单的交互。例如，点击屏幕或按下某个按钮，触发一次新的图片生成；滑动屏幕切换不同的生成风格（预设提示词）；通过光线传感器感知环境明暗，自动切换亮/暗色系的画作主题等。

3. 环境搭建与核心代码实现

明确了架构，我们就可以开始动手了。这一部分将详细讲解从服务器部署到行空板编程的每一个步骤。

3.1 第一步：部署带API的Stable Diffusion服务

假设你有一台拥有NVIDIA显卡的电脑或服务器（系统以Ubuntu为例）。

1. 安装基础依赖：确保系统已安装Python（3.10+）、Git和CUDA驱动。
2. 克隆Stable Diffusion WebUI仓库：

   git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git cd stable-diffusion-webui

3. 启动WebUI并启用API：编辑webui-user.sh文件，在COMMANDLINE_ARGS变量中添加--api参数。

   # 示例内容 export COMMANDLINE_ARGS="--api --listen --port 7860"

   --listen允许从网络其他设备访问，--port指定端口。
4. 运行启动脚本：

   ./webui.sh

   首次运行会下载大量模型和依赖，需要较长时间和良好的网络环境。完成后，在浏览器访问http://你的服务器IP:7860，能看到WebUI界面，并且API也已启用。

3.2 第二步：行空板端Python程序开发

在行空板上，我们使用Python的requests库调用API，用PIL（Pillow）库处理图片，用tkinter库显示。

1. 安装必要库：通过行空板的终端或SSH连接，安装所需库。

   pip install requests pillow

   Tkinter通常是系统自带的，无需额外安装。

2. 编写核心控制脚本：创建一个名为ai_art_screen.py的文件。

   import requests import json import io from PIL import Image, ImageTk import tkinter as tk from tkinter import font import threading import time import os class AIArtScreen: def __init__(self, root): self.root = root # 获取屏幕尺寸，全屏显示 self.screen_width = root.winfo_screenwidth() self.screen_height = root.winfo_screenheight() root.attributes('-fullscreen', True) root.configure(bg='black') # 服务器API地址，请替换为你的实际IP和端口 self.api_url = "http://192.168.1.100:7860" self.txt2img_url = f"{self.api_url}/sdapi/v1/txt2img" # 当前显示的图片引用，防止被垃圾回收 self.current_photo = None # 创建画布用于显示图片 self.canvas = tk.Canvas(root, width=self.screen_width, height=self.screen_height, bg='black', highlightthickness=0) self.canvas.pack() # 创建状态标签 self.status_var = tk.StringVar(value="就绪") status_font = font.Font(size=20) self.status_label = tk.Label(root, textvariable=self.status_var, fg='white', bg='black', font=status_font) self.status_label.place(relx=0.5, rely=0.95, anchor='center') # 绑定触摸事件：点击屏幕中间区域生成新图 self.canvas.bind('<Button-1>', self.on_canvas_click) # 初始化提示词库 self.prompts = [ "masterpiece, best quality, a serene landscape with mountains and a lake, digital art, vibrant colors", "cyberpunk city street at night, neon lights, rain, detailed, futuristic, 4k", "a cute cat astronaut floating in space, wearing a helmet, stars, cartoon style", "ancient Chinese palace, intricate details, mist, fantasy, epic, concept art", "portrait of a robot with expressive eyes, steampunk, gears, soft lighting, cinematic" ] self.prompt_index = 0 # 自动轮换设置（例如每5分钟生成一张新图） self.auto_rotate_interval = 300 # 秒 self.auto_rotate_enabled = True self.start_auto_rotate() def on_canvas_click(self, event): """点击屏幕触发生成新图片""" # 判断点击区域是否在中间部分（避免误触） if self.screen_width * 0.25 < event.x < self.screen_width * 0.75 and \ self.screen_height * 0.25 < event.y < self.screen_height * 0.75: self.generate_new_image() def get_next_prompt(self): """轮换获取提示词""" prompt = self.prompts[self.prompt_index] self.prompt_index = (self.prompt_index + 1) % len(self.prompts) return prompt def call_sd_api(self, prompt): """调用Stable Diffusion API生成图片""" payload = { "prompt": prompt, "negative_prompt": "low quality, worst quality, blurry, ugly", "steps": 20, "cfg_scale": 7, "width": 512, # 生成图片宽度 "height": 512, # 生成图片高度 "sampler_name": "Euler a", } headers = { 'Content-Type': 'application/json' } try: self.status_var.set("正在生成AI画作...") response = requests.post(url=self.txt2img_url, data=json.dumps(payload), headers=headers, timeout=60) response.raise_for_status() # 检查HTTP错误 r = response.json() # API返回的图片是base64编码的字符串 image_data = r['images'][0] import base64 image_bytes = base64.b64decode(image_data) # 将字节数据转换为PIL Image对象 image = Image.open(io.BytesIO(image_bytes)) return image except requests.exceptions.RequestException as e: self.status_var.set(f"网络错误: {e}") print(f"API调用失败: {e}") return None except (KeyError, json.JSONDecodeError) as e: self.status_var.set("API响应解析错误") print(f"响应解析失败: {e}") return None def display_image(self, image): """将PIL Image显示在Tkinter画布上""" if image is None: return # 调整图片尺寸以适应屏幕，同时保持比例 img_ratio = image.width / image.height screen_ratio = self.screen_width / self.screen_height if img_ratio > screen_ratio: # 图片更宽，以宽度为基准缩放 new_width = self.screen_width new_height = int(self.screen_width / img_ratio) else: # 图片更高，以高度为基准缩放 new_height = self.screen_height new_width = int(self.screen_height * img_ratio) resized_image = image.resize((new_width, new_height), Image.Resampling.LANCZOS) # 转换为Tkinter PhotoImage self.current_photo = ImageTk.PhotoImage(resized_image) # 清除画布并显示新图片 self.canvas.delete("all") # 将图片居中显示 x_pos = (self.screen_width - new_width) // 2 y_pos = (self.screen_height - new_height) // 2 self.canvas.create_image(x_pos, y_pos, anchor='nw', image=self.current_photo) self.status_var.set("就绪") def generate_new_image(self): """生成并显示新图片的主函数""" def task(): prompt = self.get_next_prompt() print(f"使用提示词: {prompt}") new_image = self.call_sd_api(prompt) if new_image: # 注意：Tkinter的UI操作必须在主线程中进行 self.root.after(0, self.display_image, new_image) else: self.root.after(0, lambda: self.status_var.set("生成失败，请检查网络和服务器")) # 在新线程中执行耗时的网络请求，避免界面卡死 thread = threading.Thread(target=task) thread.daemon = True thread.start() def start_auto_rotate(self): """启动自动轮换定时器""" def auto_task(): while self.auto_rotate_enabled: time.sleep(self.auto_rotate_interval) if self.auto_rotate_enabled: self.root.after(0, self.generate_new_image) auto_thread = threading.Thread(target=auto_task) auto_thread.daemon = True auto_thread.start() if __name__ == "__main__": root = tk.Tk() app = AIArtScreen(root) root.mainloop()

   关键点解析：

   1. 多线程处理：网络请求（call_sd_api）是耗时的I/O操作，必须放在子线程中执行，否则会阻塞Tkinter的主事件循环，导致界面卡死无响应。这是图形界面编程的常见坑。
   2. 线程安全更新UI：Tkinter不是线程安全的。在子线程中不能直接操作Tkinter控件（如更新status_var、在canvas上绘图）。必须使用root.after(0, func, *args)方法，将UI更新任务“投递”回主线程执行。
   3. 图片尺寸适配：AI生成的图片（如512x512）与行空板屏幕（通常为480x320或更高）比例可能不同。代码中计算了缩放比例，确保图片在保持原比例的前提下，最大化地适应屏幕，避免拉伸变形。
   4. 资源管理：ImageTk.PhotoImage对象必须被长期引用（这里保存在self.current_photo），否则Python的垃圾回收机制可能会将其销毁，导致图片在界面上消失。

3.3 第三步：运行与基础测试

1. 将ai_art_screen.py文件传输到行空板（可通过U盘、SCP或行空板自带的Web管理页面上传）。
2. 在行空板的终端中，导航到文件所在目录，运行：

   python3 ai_art_screen.py

3. 程序启动后，屏幕应全黑，底部显示“就绪”。点击屏幕中央区域，状态会变为“正在生成AI画作...”，稍等片刻（生成时间取决于服务器性能和网络），生成的图片就会显示在屏幕上。
4. 如果程序报错，请依次检查：
   • 行空板网络是否通畅（ping一下你的服务器IP）。
   • 服务器防火墙是否开放了7860端口。
   • Stable Diffusion WebUI是否成功启动并开启了--api和--listen参数。
   • Python依赖库（requests,pillow）是否安装成功。

4. 功能增强与进阶玩法

基础版本跑通后，我们可以基于行空板的特性，为这个“AI绘画大屏”注入更多灵魂。

4.1 交互方式多元化

• 物理按键控制：行空板上有多个可编程按键（A/B）。我们可以修改代码，绑定按键事件来触发生成或切换模式。

  # 假设使用行空板自带的unihiker库 from unihiker import GUI gui = GUI() # 绑定A键到生成函数 gui.on_a_click(lambda: app.generate_new_image())

• 语音控制：集成简单的语音识别（如使用speech_recognition库配合离线Vosk模型或在线服务），通过说“换一张”、“画一只猫”等指令来控制。
• 传感器触发：
  • 光线传感器：当环境光变暗时，自动生成暗黑风格或星空主题的画作；光线充足时生成明亮、清新的风景。
  • 加速度传感器：摇晃行空板，触发生成一张动态感强的画作。
  • 触摸传感器：在屏幕不同区域滑动，可以调节生成参数，如“色彩饱和度”（水平滑动）、“画面复杂度”（垂直滑动）。

4.2 内容生成策略优化

• 动态提示词引擎：不要局限于固定的提示词列表。可以构建一个“提示词池”，包含主体、风格、环境、画质等多个维度的标签，每次生成时随机组合，创造出近乎无限的变化。

  import random subjects = ["a wise old owl", "a lonely robot", "a bustling market"] styles = ["in the style of Van Gogh", "cyberpunk", "watercolor painting"] qualifiers = ["masterpiece, 8k, detailed", "dreamy, ethereal"] prompt = f"{random.choice(qualifiers)}, {random.choice(subjects)}, {random.choice(styles)}"

• 基于环境参数的生成：获取行空板连接的物联网传感器数据（如温湿度传感器），将数据转化为提示词的一部分。例如，温度高时生成“炽热沙漠”，湿度高时生成“雨林秘境”。
• 图片到图片（img2img）：允许用户上传一张简笔画或手机拍的照片，行空板将其发送到服务器，以这张图为基础进行AI重绘，实现“草图变大作”的效果。这需要修改代码以支持/sdapi/v1/img2img接口，并处理图片上传。

4.3 显示效果与UI美化

• 过渡动画：在切换图片时，不要生硬地直接替换。可以加入淡入淡出、滑动、缩放等简单的动画效果，提升视觉体验。这需要结合tkinter的after方法逐帧修改图片的透明度或位置。
• 信息叠加：在显示的画作角落，以半透明水印的形式展示本次生成使用的核心提示词、模型名称、生成时间等信息，增加作品的“元数据”感。
• 多图轮播与画廊模式：不再每次只显示一张图，而是缓存最近生成的若干张图片（如5张），在屏幕上以画廊形式轮播展示。

4.4 系统稳定性与健壮性

• 网络异常处理：增强网络请求的超时、重试机制。当服务器无响应时，可以自动切换到备用服务器（如果有），或者显示本地预存的精美图片，而不是一个错误界面。
• 资源监控与清理：定期检查行空板的存储空间，自动清理过时的临时图片文件，防止存储被占满。
• 看门狗与自恢复：可以编写一个简单的“看门狗”脚本，监控主显示程序是否在运行。如果程序意外崩溃，看门狗脚本能自动将其重启，确保大屏能够7x24小时不间断运行。

5. 避坑指南与实战心得

在开发和调试这个项目的过程中，我踩过不少坑，也总结了一些经验，希望能帮你少走弯路。

5.1 API调用超时与服务器配置

• 问题：行空板调用API时经常超时，或者返回“Connection refused”。
• 排查与解决：
  1. 服务器地址：确保行空板和服务器在同一个局域网内，并且行空板使用的IP地址是服务器的内网IP（如192.168.1.xxx），而不是localhost或127.0.0.1。
  2. 防火墙：在服务器上检查防火墙设置，确保7860端口对局域网开放。在Ubuntu上可以使用sudo ufw allow 7860。
  3. WebUI启动参数：这是最容易忽略的一点。必须确保启动命令中包含--listen。如果没有这个参数，WebUI默认只监听本地回环地址，局域网内的其他设备（包括行空板）是无法访问的。
  4. 生成时间：默认的生成参数（如steps: 20）在性能一般的显卡上可能需要10-20秒。如果服务器性能较弱，可以适当减少steps（如到15），或使用更快的采样器（如Euler a），并设置合理的超时时间（代码中为60秒）。

5.2 行空板端内存与性能优化

• 问题：长时间运行后，行空板界面变卡，甚至程序崩溃。
• 经验：
  1. 图片尺寸：不要请求过大的图片。对于行空板480x320或800x480的屏幕，请求512x512的图片已经足够清晰，请求1024x1024的图片不仅浪费服务器算力，下载更慢，在行空板上进行缩放处理时也会消耗更多内存和CPU。
  2. 及时释放资源：在显示新图片前，确保旧图片的TkinterPhotoImage对象被正确释放（虽然Python有GC，但显式管理更稳妥）。在我们的代码中，每次生成新图时，self.current_photo会被新对象覆盖，旧对象失去引用后被回收。同时，canvas.delete(“all”)清除了画布上的旧图像引用。
  3. 避免频繁的UI更新：不要在循环中或网络请求的回调里进行过于频繁的UI操作（如每秒更新多次状态文本）。这会导致界面响应迟钝。

5.3 提示词工程与生成质量

• 问题：生成的图片质量不稳定，有时会出现扭曲的人体、杂乱的背景。
• 技巧：
  1. 善用负向提示词（Negative Prompt）：这是提升出图稳定性的关键。一个通用的、强力的负向提示词模板能有效避免很多低质量特征。例如：“lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry”。
  2. 具体化你的描述：与其说“一只猫”，不如说“一只橘白色的英国短毛猫，坐在窗台上，阳光洒在它的毛发上，细节丰富，照片级真实感”。越具体，AI的理解偏差越小。
  3. 权重与交替：在提示词中使用(word:weight)来调整某个概念的重要性，使用[word1|word2]让AI随机选择其一，可以增加生成的多样性。

5.4 让项目真正“跑起来”

• 开机自启动：我们希望行空板一上电就自动运行这个AI绘画大屏程序。这需要修改行空板的启动脚本。一个常见的方法是在/etc/rc.local文件（如果存在且可写）的exit 0之前添加启动命令。更规范的做法是创建一个systemd服务。

  # 示例：编辑/etc/rc.local (需sudo权限) sudo nano /etc/rc.local # 在 `exit 0` 前添加 cd /home/pi/your_project_path # 切换到你的项目目录 sudo -u pi python3 /home/pi/your_project_path/ai_art_screen.py & exit 0

  注意：确保使用正确的用户（如pi）和绝对路径。&符号让程序在后台运行。

• 断电保护与日志：由于是长时间运行的设备，建议增加日志功能，将程序运行状态、错误信息记录到文件中，方便后期排查问题。可以使用Python内置的logging模块。

将行空板打造成一个AI绘画显示大屏，是一个软硬件结合的趣味项目。它不仅仅是一个显示终端，更是一个连接创意与技术的桥梁。从最基础的API调用、图片显示，到融入传感器交互、动态提示词，每一步的扩展都能带来新的乐趣。这个过程里，你会更深入地理解网络通信、并发编程、资源管理以及如何与AI协同工作。最重要的是，当你的代码成功运行，第一幅由你“指挥”AI创作、并通过你自己搭建的系统展示出来的画作出现在屏幕上时，那种成就感是无可替代的。