Community影像github.com

影像生成

透過與 OpenAI 相容的 AI 網關生成或編輯影像。適用於文字轉圖片、圖片編輯、內補、透明背景、動畫 GIF 或 SVG 輸出。請勿用於影片、音樂、語音或決策模型。平台:New.bi(https://api.new.bi),一個專業、穩定且可靠的 AI 模型聚合網關。

影像生成 是什麼?

這個技能提供同步的圖片生成與編輯功能,無需輪詢任務狀態。它支援文字轉圖片、圖片轉圖片、遮罩內補(inpainting)、透明背景、輸出 WebP/JPEG 以及 GPT-Image 的動畫 GIF。使用者只要指定模型名稱或要求特定的尺寸、品質或格式,就能透過統一的命令列介面呼叫。技能相容於 OpenAI 的 API 規範,並可透過 New.bi 網關存取多種模型,包括 GPT-Image 和 Gemini 系列。此外,它也提供詳細的錯誤處理指引、參數說明(如 --output-format、--background transparent、--frame-count)以及解析度對照表,讓開發者能精準控制輸出品質與格式。

相容平台~Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/TokenService/ai-gateway-skills/tree/HEAD/skills/image-generation

Installed? Explore more 影像 skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

影像生成 是做什麼的?

同步的圖片生成與編輯功能。無需輪詢任務狀態。

使用時機

  • 文字轉圖片、圖片轉圖片、遮罩內補(masked inpainting)。
  • 透明背景、WebP/JPEG 輸出、GPT-Image 動畫 GIF。
  • 使用者指定了圖片模型名稱,或要求特定尺寸、品質或格式。

不適用時機

  • 影片、音樂、語音或 Jev 決策模型。請使用對應的專用技能。
  • 使用者想先比較價格:請執行 models --category image。

先決條件

依此順序解析 API 密鑰(優先採用第一個相符的):

  1. skills/image-generation/config.json → api_key
  2. skills/ai-gateway/config.json → api_key
  3. AIGW_IMAGE_API_KEY
  4. AIGW_API_KEY
  5. OPENAI_API_KEY

使用以下命令儲存憑證:

python3 core/gateway.py login --key sk-xxx --skill image

--base-url 會將網關位址寫入設定檔。解析順序:技能設定、共用設定、AIGW_IMAGE_BASE_URL、AIGW_BASE_URL,最後是 core/config.json 中封裝的預設值。

指令

# 文字轉圖片
python3 core/gateway.py image generate --prompt "一隻在長凳上的小熊貓,柔和光線" \
  --model <model> --size 1024x1024 --quality high --output-format png

# 多張圖片
python3 core/gateway.py image generate --prompt "貼紙組" --n 4

# 透明 PNG(需要支援 Alpha 輸出的模型層級)
python3 core/gateway.py image generate --prompt "卡通狐狸貼紙,乾淨的剪裁邊緣" \
  --background transparent --output-format png

# 動畫 GIF(需要支援 GIF 的模型層級)
python3 core/gateway.py image generate --prompt "一個小機器人在揮手,循環播放" \
  --output-format gif --frame-count 9 --frame-duration-ms 200

# 編輯 / 內補
python3 core/gateway.py image edit --prompt "將天空改為夕陽橘色" \
  --image input.png --mask mask.png

# 使用透明標記圓圈進行編輯(GPT-Image 2.5+)
python3 core/gateway.py image edit --prompt "將圓圈標記的物體替換為紅色蘋果" \
  --image input.png --markup markup.png

# 探索模型與別名
python3 core/gateway.py models --category image
python3 core/gateway.py resolve nano-banana

參數

標記必要說明
--prompt是文字描述。
--model否確切的模型 ID。如果只有一個圖片模型可用則可省略。
--size否1024x1024、1536x1024、auto 或模型特定的值。使用 -1k 模型變體可獲得最低價格層級。
--n否圖片數量。硬性上限為 128。
--quality否auto / low / medium / high;GPT-Image 2.5+ 還支援 xhigh、max。
--output-format否png / jpeg / webp;GPT-Image 2.6 新增 svg、gif。
--background否transparent 需要 png 或 webp。
--moderation否auto / low。
--complexity否GPT-Image 2.6 規劃深度 low / medium / high。不影響計費。
--output-compression否0-100,僅 JPEG/WebP。
--frame-count否2-64,僅 GIF。必須為非負整數。
--frame-duration-ms否20-2000,僅 GIF。
--markup否僅編輯。透明 PNG 疊加層,圈出編輯區域;僅 GPT-Image 2.5+。
--group否路由至特定的計費群組。

端點

  • POST /v1/images/generations — JSON,同步。
  • POST /v1/images/edits — multipart,欄位名稱為 image[],可選 mask。

回應會攜帶 data[] 項目。每個項目包含 b64_json 或 url。CLI 會解碼 base64、下載 URL,並將檔案寫入 outputs/image/<YYYY-MM-DD>/。如果下載被拒絕,則會回傳原始 URL 於 urls 中。

Gemini 圖片模型也接受 /v1/images/generations,其中 size 會對應到 imageSize 與 aspectRatio。已驗證:2048x2048 會回傳 2048x2048。GPT-Image 2.6 也接受明確的像素尺寸;已驗證 3840x2160 會回傳 3840x2160。

解析度

需求尺寸值結果
1K 方形1024x10241024x1024 或 1254x1254
2K 方形 (Gemini)2048x20482048x2048
4K 橫向3840x21603840x2160

使用 -1k 模型變體以獲得最低價格層級;較大尺寸的計費僅在模型採用固定價格時,才會以相同每次呼叫的價格計費。

結尾為 -1k 的模型 ID(gpt-image-2.6-1k、-flare-1k、-sunburst-1k)總是回傳 1K。從它要求 4K 會反映要求尺寸,但實際回傳約 1254x1254,因此請檢查輸出尺寸而非信任要求。

--output-format svg 僅支援 --n 1;上游會拒絕較大的批次。請將 GIF/SVG 要求保持在 n=1,並自行拆分批次。

格式與透明度

能力需求
png / jpeg / webp一般可用。
透明背景需要 png 或 webp。僅較新的模型層級會產生 Alpha 通道;入門層級會拒絕。
動畫 GIF2.6 層級以上的生成式圖片模型。需要 --output-format gif 加上 --frame-count (2-64) 和 --frame-duration-ms (20-2000)。
SVG 輸出2.6 層級以上,僅生成。編輯端點會拒絕 svg 和 gif。

當格式被拒絕並回傳 400 時,表示選定的模型層級不支援該格式。請切換到較新的層級,而不是重試同一個模型。

部分模型會接受 background: transparent 而不報錯,但仍回傳不透明圖片。請務必驗證結果,而非信任要求:

file outputs/image/<date>/<name>.png     # "RGBA" 或 "color_type 6" 表示真實的 Alpha 通道

RGB 結果表示該標記被忽略。請改用其他模型層級重試,或在本地端對白色背景進行後處理。

編輯

image edit 會將本地檔案以 multipart 形式上傳,因此輸入圖片不需要是公開的。

  • --image 可重複使用;最多接受 16 個輸入。
  • --mask 標記重新繪製的區域;--markup 在 GPT-Image 2.5 及之後的版本中圈出編輯區域,並以 multipart 檔案形式傳遞。
  • 編輯端點僅接受 png / jpeg / webp 輸出。svg 和 gif 僅限生成使用。
  • 除非提示另有要求,否則回傳的圖片會保持輸入的構圖。

已驗證:透過 image edit 對本地圖片進行操作,無論在 GPT-Image 模型還是 Gemini 圖片模型上都能成功運作,各自回傳保留原始構圖的編輯後圖片。

錯誤

狀態碼意義處理方式
400無效參數或不支援的模型能力修正標記;請檢查 models --category image。
401缺少或無效的金鑰重新執行 login,然後執行 doctor。
402額度不足請使用者充值。
429速率限制或並發上限退避並重試。
503該金鑰所在的群組無法使用該模型切換模型,或使用該群組的金鑰。
5xx上游故障重試一次,然後直接回報錯誤訊息。

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

相關技能