画像生成 は何をしますか?
同期方式の画像生成と編集。タスクポーリングは不要です。
使用するタイミング
- テキストから画像、画像から画像、マスクを使ったインペインティング。
- 透明背景、WebP/JPEG出力、GPT-ImageアニメーションGIF。
- ユーザーが画像モデルを指定した場合、または特定のサイズ、品質、フォーマットを要求した場合。
使用すべきでないタイミング
- 動画、音楽、音声、Jev決定モデル。専用のスキルを使用してください。
- ユーザーが最初に価格比較を希望する場合:
models --category imageを実行。
前提条件
APIキーを次の順序で解決します(最初に一致したものが使用されます):
skills/image-generation/config.json→api_keyskills/ai-gateway/config.json→api_keyAIGW_IMAGE_API_KEYAIGW_API_KEYOPENAI_API_KEY
資格情報を保存するには:
python3 core/gateway.py login --key sk-xxx --skill image
--base-url を指定すると、ゲートウェイアドレスが設定ファイルに書き込まれます。解決順序:スキル設定、共有設定、AIGW_IMAGE_BASE_URL、AIGW_BASE_URL、そして core/config.json にパッケージされたデフォルト値。
コマンド
# テキストから画像
python3 core/gateway.py image generate --prompt "a red panda on a bench, soft light" \
--model <model> --size 1024x1024 --quality high --output-format png
# 複数画像
python3 core/gateway.py image generate --prompt "sticker sheet" --n 4
# 透明PNG(アルファ出力をサポートするモデル階層が必要)
python3 core/gateway.py image generate --prompt "cartoon fox sticker, clean cutout edges" \
--background transparent --output-format png
# アニメーションGIF(GIF対応モデル階層が必要)
python3 core/gateway.py image generate --prompt "a small robot waves, loop it" \
--output-format gif --frame-count 9 --frame-duration-ms 200
# 編集 / インペインティング
python3 core/gateway.py image edit --prompt "make the sky sunset orange" \
--image input.png --mask mask.png
# 透明なマークアップ円を使った編集(GPT-Image 2.5以降)
python3 core/gateway.py image edit --prompt "replace the circled object with a red apple" \
--image input.png --markup markup.png
# モデルとエイリアスの確認
python3 core/gateway.py models --category image
python3 core/gateway.py resolve nano-banana
パラメータ
| フラグ | 必須 | 備考 |
|---|---|---|
--prompt | はい | テキストによる説明。 |
--model | いいえ | 正確なモデルID。利用可能な画像モデルが1つだけの場合は省略可能。 |
--size | いいえ | 1024x1024、1536x1024、auto、またはモデル固有の値。最安価格帯には -1k モデルバリアントを使用。 |
--n | いいえ | 画像枚数。上限は128。 |
--quality | いいえ | auto / low / medium / high。GPT-Image 2.5以降では xhigh、max も使用可能。 |
--output-format | いいえ | png / jpeg / webp。GPT-Image 2.6では svg、gif が追加。 |
--background | いいえ | transparent は png または webp が必要。 |
--moderation | いいえ | auto / low。 |
--complexity | いいえ | GPT-Image 2.6の計画深度 low / medium / high。課金には影響しません。 |
--output-compression | いいえ | 0〜100。JPEG/WebPのみ。 |
--frame-count | いいえ | 2〜64。GIFのみ。0以上の整数である必要があります。 |
--frame-duration-ms | いいえ | 20〜2000。GIFのみ。 |
--markup | いいえ | 編集のみ。編集領域を囲む透明PNGオーバーレイ。GPT-Image 2.5以降のみ。 |
--group | いいえ | 特定の請求グループにルーティング。 |
エンドポイント
POST /v1/images/generations— JSON、同期。POST /v1/images/edits— マルチパート、フィールド名image[]、オプションでmask。
レスポンスは data[] アイテムを保持します。各アイテムには b64_json または url が含まれます。CLIはbase64をデコードし、URLをダウンロードして outputs/image/<YYYY-MM-DD>/ にファイルを書き込みます。ダウンロードが拒否された場合、元のURLが urls に返されます。
Gemini画像モデルも /v1/images/generations を受け付け、size は imageSize と aspectRatio にマッピングされます。検証済み:2048x2048 は2048x2048を返します。GPT-Image 2.6も明示的なピクセルサイズを受け付け、3840x2160 は3840x2160を返すことが確認されています。
解像度
| ニーズ | サイズ値 | 結果 |
|---|---|---|
| 1K正方形 | 1024x1024 | 1024x1024または1254x1254 |
| 2K正方形(Gemini) | 2048x2048 | 2048x2048 |
| 4K横長 | 3840x2160 | 3840x2160 |
最安価格帯には -1k モデルバリアントを使用してください。より大きなサイズは、モデルが固定料金の場合にのみ、同じ呼び出し料金で課金されます。
-1k で終わるモデルID(gpt-image-2.6-1k、-flare-1k、-sunburst-1k)は常に1Kを返します。4Kを要求すると、要求サイズをエコーしますが、実際には約1254x1254を返すため、出力寸法を確認してから要求を信頼してください。
--output-format svg は --n 1 のみサポートします。上位サーバーはそれ以上のバッチを拒否します。GIF/SVGリクエストは n=1 に保ち、バッチは自分で分割してください。
フォーマットと透明度
| 機能 | 要件 |
|---|---|
png / jpeg / webp | 一般的に利用可能。 |
| 透明背景 | png または webp が必要。新しいモデル階層のみがアルファを出力。エントリーレベルの階層は拒否します。 |
| アニメーションGIF | 2.6階層以上の画像生成モデル。--output-format gif に加えて --frame-count(2〜64)と --frame-duration-ms(20〜2000)が必要。 |
| SVG出力 | 2.6階層以上、生成のみ。編集エンドポイントは svg と gif を拒否します。 |
フォーマットが400エラーで拒否された場合、選択したモデル階層がそれをサポートしていません。同じモデルを再試行するのではなく、新しい階層に切り替えてください。
一部のモデルは background: transparent をエラーなしで受け付けても、不透明な画像を返す場合があります。常に結果を確認し、要求を信頼しないでください:
file outputs/image/<date>/<name>.png # "RGBA" または "color_type 6" は実際のアルファを意味します
RGB の結果はフラグが無視されたことを意味します。別のモデル階層で再試行するか、ローカルで白背景を後処理してください。
編集
image edit はローカルファイルをマルチパートとしてアップロードするため、入力画像を公開する必要はありません。
--imageは繰り返し可能。最大16個の入力を受け付けます。--maskは再描画領域を指定します。--markupはGPT-Image 2.5以降で編集領域を円で囲み、マルチパートファイルとして渡されます。- 編集エンドポイントは
png/jpeg/webp出力のみを受け付けます。svgとgifは生成専用です。 - プロンプトで別途指示がない限り、返される画像は入力フレームを保持します。
検証済み:GPT-ImageモデルとGemini画像モデルの両方で、image edit による1枚のローカル画像編集が機能し、元の構図を保持した編集画像が返されます。
エラー
| ステータス | 意味 | アクション |
|---|---|---|
| 400 | 無効なパラメータ、またはサポートされていないモデル機能 | フラグを修正。models --category image で確認。 |
| 401 | キーが欠落または無効 | login を再実行し、その後 doctor を実行。 |
| 402 | クォータ不足 | ユーザーにチャージを促す。 |
| 429 | レート制限または同時実行制限 | バックオフして再試行。 |
| 503 | キーのグループでモデルが利用不可 | モデルを切り替えるか、そのグループのキーを使用。 |
| 5xx | 上位サーバー障害 | 1回再試行し、それでもダメならメッセージをそのまま表示。 |