Codex 圖片生成 是做什麼的?
由 Codex 的內建圖片工具從終端機產生圖片:每張圖片一個 codex exec 任務,可同時執行多個任務。使用使用者的 ChatGPT 方案(Plus 或 Pro),不需要 API 金鑰。
以他們的語言與他們溝通。<out> 代表輸出資料夾:若是影片,則為 video-agent/edits/<slug>/images/;否則為 video-agent/images/<name>/。
1. Codex(一次)
codex --version
codex login status
- 未安裝:
npm i -g @openai/codex(需要 Node 20+),或在 macOS 上使用brew install codex。 - 未登入:他們自行執行
codex login(會開啟瀏覽器,出現「使用 ChatGPT 登入」)。切勿在聊天中要求提供 OpenAI 金鑰或密碼。
2. 指示說明
一張圖片 = 一個提示。切勿將多個想法打包在一個任務中。
只在一則訊息中詢問缺少的資訊:
- 用途:縮圖(1280x720,16:9)、短片封面(1080x1920,9:16)、正方形貼文(1:1)、看板或 B-Roll 的靜態畫面(影片的格式)。
- 數量:預設為 1 張;縮圖則為 3 個變體(每個是不同的想法,而非同一個想法重複三次)。
- 他們的臉孔:包含他們人像的縮圖需要 1 到 3 張清晰的照片(從拍攝片段中截取影格即可:
ffmpeg -v error -y -ss <t> -i <take> -frames:v 1 -q:v 2 <out>/ref-face.jpg)。傳遞絕對路徑。
每個提示都用英文撰寫,要具體:主體、構圖、背景、光線、顏色、圖片上的文字(最多 3 個單詞,以引號確切寫出,使用影片的語言)以及格式。對於縮圖:一個主體、大字且可讀的文字、強烈對比、帶有明確情緒的臉孔、右下角不要有東西(YouTube 會在那裡放影片長度)。圖片上的每一項主張都必須來自影片。
以編號列表顯示提示,然後等待對方確認(每張圖片都會消耗一些他們的 Codex 使用配額)。
3. 生成
每個提示一個任務,最多同時執行 3 個,每個都在背景執行。務必以 < /dev/null 結尾(否則 codex exec 會無限期等待輸入),並將最後的訊息保留在檔案中:
mkdir -p <out>/logs
codex exec --skip-git-repo-check -s workspace-write -C "$PWD" \
--output-last-message <out>/logs/<n>-<name>.txt \
"Use your built-in image_gen tool to generate exactly one raster image for the prompt below. Do not edit any file. Do not ask questions. No SVG, no HTML, no placeholder.
Reference images (pass them to image_gen as referenced_image_paths): <absolute paths, or none>
When done, reply with exactly these two lines:
ASSET_NAME: <kebab-case-name>
IMAGE_PATH: <absolute path of the generated image>
Image prompt:
<the prompt>" \
< /dev/null > <out>/logs/<n>-<name>.log 2>&1
一個任務大約需要 1 到 3 分鐘。任務結束後,讀取其 .txt 檔案,取得 IMAGE_PATH 並複製圖片:
cp "<IMAGE_PATH>" <out>/<n>-<name>.png
如果回應中沒有 IMAGE_PATH:請尋找 ~/.codex/generated_images/ 中在任務開始後建立的最新檔案(ls -t ~/.codex/generated_images/*/* | head -3)。如果那裡也沒有新檔案:表示任務失敗,顯示其 .log 檔案的結尾(通常是使用配額已達上限,或需要執行 codex login),然後重新執行該任務一次。
4. 檢查與移交
- 每個提示對應一張圖片,且不能有兩張相同的圖片(
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>。縮圖必須是 16:9:使用 ffmpeg 將其裁切或縮放至 1280x720(-vf "scale=1280:720:force_original_aspect_ratio=increase,crop=1280:720"),以 JPG 格式且小於 2 MB。 - 檢視每張圖片:文字拼寫正確、臉孔與他們相似、沒有奇怪之處(手部、多餘字母)。如果有錯誤的圖片:修正提示後重新執行該任務。
寫入 <out>/manifest.json:每個圖片一個條目,包含 file、prompt、refs、date。顯示圖片,然後:
- 縮圖或封面:
/publish使用<edit>/images/(他們選擇一張,該圖片會被複製為<edit>/cover.jpg,作為封面和 YouTube 縮圖)。 - 影片的靜態畫面:
/short-editing可以將其作為img項目放置在時間軸上(將其複製到短片的assets/images/中)。
一切正常後,刪除 <out>/logs/。
誠實的限制
- 圖片工具是 OpenAI 的,內建於 Codex 中:結果取決於該工具,且工具可能變動。圖片上的文字可能拼寫錯誤:務必檢查。
- 根據參考照片生成的臉孔會很相似,但很少完美。對縮圖而言,他們真實的照片仍然是最安全的選擇。
- 每張圖片都會消耗他們 ChatGPT 方案中的 Codex 配額;達到配額上限意味著需要等待或升級方案。
- 只能使用已獲得同意的人的照片,不得使用他們不擁有的商標或角色。