使用 Codex 生成图像
由 Codex 内置图像工具生成的图像,从终端运行:每个图像一个 codex exec,一次生成多个。使用用户的 ChatGPT 套餐(Plus 或 Pro),无需 API 密钥。
用他们的语言交流。<out> = 输出文件夹:对于视频为 video-agent/edits/<slug>/images/,否则为 video-agent/images/<name>/。
1. 准备 Codex(一次)
codex --version
codex login status
- 未安装:
npm i -g @openai/codex(需要 Node 20+),或 macOS 上执行brew install codex。 - 未登录:他们自己运行
codex login(会打开浏览器,“使用 ChatGPT 登录”)。切勿在聊天中询问 OpenAI 密钥或密码。
2. 需求简报
一张图像 = 一个提示。切勿在一个任务中打包多个想法。
只询问缺少的信息,一条消息内:
- 用途:缩略图(1280x720,16:9)、短视频封面(1080x1920,9:16)、方形帖子(1:1)、图像看板或 B 卷素材(视频的格式)。
- 数量:默认 1 张;缩略图生成 3 个变体(每个变体不同创意,不是同一个创意的三个副本)。
- 人脸:包含用户的缩略图需要 1 到 3 张清晰的照片(例如来自录制片段的一帧:
ffmpeg -v error -y -ss <t> -i <take> -frames:v 1 -q:v 2 <out>/ref-face.jpg)。传入绝对路径。
用英文编写每个提示,具体:主体、构图、背景、光线、颜色、图像上的文字(最多 3 个词,用引号精确写出,使用视频的语言)以及格式。对于缩略图:一个主体、大而易读的文字、强烈的对比、带有明确情绪的面部、右下角不留内容(YouTube 会在此处显示时长)。图像上的每项主张必须来自视频。
以编号列表形式显示提示,等待用户确认(每张图像会消耗他们的 Codex 使用额度)。
3. 生成
每个提示一个任务,一次最多 3 个任务并行,全部在后台运行。始终以 < /dev/null 结尾(否则 codex exec 会无限等待输入),并将最后一条消息保存到文件:
mkdir -p <out>/logs
codex exec --skip-git-repo-check -s workspace-write -C "$PWD" \
--output-last-message <out>/logs/<n>-<name>.txt \
"请使用你内置的 image_gen 工具为以下提示生成一张栅格图像。不要编辑任何文件。不要提问。不要生成 SVG、HTML 或占位符。
参考图像(将其作为 referenced_image_paths 传入 image_gen):<绝对路径,或 none>
完成后,回复以下两行:
ASSET_NAME: <kebab-case 名称>
IMAGE_PATH: <生成图像的绝对路径>
图像提示:
<提示内容>" \
< /dev/null > <out>/logs/<n>-<name>.log 2>&1
每个任务大约需要 1 到 3 分钟。任务结束后,读取其 .txt 文件,获取 IMAGE_PATH 并复制图像:
cp "<IMAGE_PATH>" <out>/<n>-<name>.png
如果回复中没有 IMAGE_PATH:则取任务开始后 ~/.codex/generated_images/ 中最新创建的文件(ls -t ~/.codex/generated_images/*/* | head -3)。如果没有新文件:任务失败,显示其 .log 文件的末尾(通常是使用额度限制或需要重新运行 codex login),然后重新运行该任务。
4. 检查并移交
- 每个提示一张图像,且没有两张完全相同(
shasum <out>/*.png)。 - 尺寸:
sips -g pixelWidth -g pixelHeight <file>(macOS)或ffprobe -v error -show_entries stream=width,height -of csv=p=0 <file>。缩略图必须是 16:9:使用 ffmpeg 裁剪或缩放为 1280x720(-vf "scale=1280:720:force_original_aspect_ratio=increase,crop=1280:720"),JPG 格式且小于 2 MB。 - 检查每张图像:文字拼写正确,面部与本人相似,没有异常(手指、多余字母)。错误的图像:修改提示后重新运行。
编写 <out>/manifest.json:每个图像一条记录,包含 file、prompt、refs、date。显示图像,然后:
- 缩略图或封面:
/publish使用<edit>/images/(用户选择一张图像,复制为<edit>/cover.jpg,作为封面和 YouTube 缩略图)。 - 视频素材:
/short-editing可以将其作为img项目放在看板上(复制到短视频的assets/images/中)。
一切正常后,删除 <out>/logs/。
诚实说明
- 图像工具是 OpenAI 的,位于 Codex 内部:结果依赖于此,且会变化。图像上的文字可能出现拼写错误:务必检查。
- 基于参考照片生成的面部只能近似,很少完美。对缩略图而言,使用真实的照片仍然最安全。
- 每张图像都会消耗用户的 ChatGPT 套餐中的 Codex 使用额度;达到限制后需要等待或升级套餐。
- 仅使用已同意的人的肖像,且不包含他们不拥有的徽标或角色。