SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场generate-image

generate-image

设计与创作

查看项目

更新于 10-21 17:29

技能介绍

用途

generate-image 用于通过 OpenRouter 的 Image API 生成和编辑图像。该 API 以统一的请求结构对接 Gemini、Seedream、Recraft、GPT-Image、Riverflow 以及约三十种其他模型。

适用场景包括：照片与写实图像、插画与艺术作品、概念图、演示与海报视觉、Logo 与矢量标记、图像编辑，以及基于参考图的合成。

不适用场景：流程图、电路图、生物通路、系统架构图、CONSORT 图等技术示意图，这些应改用 scientific-schematics。

主要能力

  • 通过一个脚本调用多种图像模型，默认模型为 google/gemini-3.1-flash-image。
  • 支持生成与编辑：可传入参考图（本地路径、HTTP(S) URL 或 data URL）进行单图编辑或多图合成。
  • 支持按需选择模型：如追求通用质量与提示词遵循度用 gemini-3.1-flash-image；最高 Gemini 档位用 gemini-3-pro-image；低成本迭代用 gemini-3.1-flash-lite-image（仅 1K）或 openai/gpt-image-1-mini；写实控制与可复现种子用 bytedance-seed/seedream-4.5；单次多图用 seedream-4.5 或 openai/gpt-image-2（最多 10 张）；矢量/SVG 输出用 recraft/recraft-v4.1-vector；透明背景用 openai/gpt-image-1 配合 --background transparent；图内文字清晰用 recraft/recraft-v4.1 或 sourceful/riverflow-v2.5-pro。
  • 参数支持因模型而异，脚本会在计费前对照实时目录校验请求，不支持的参数会在本地快速失败并打印合法取值。
  • 提供 --list-models、--model-info、--dry-run 等无需 API Key 的查询与预检能力。

使用方式

需要 OpenRouter API Key，解析顺序为：--api-key 参数、OPENROUTER_API_KEY 环境变量、.env 文件中的 OPENROUTER_API_KEY=（从工作目录向上搜索，再到脚本自身目录）。若均不存在，脚本会退出并给出设置说明。密钥获取地址：https://openrouter.ai/keys。

快速开始（路径相对于该技能目录）：

生成： python scripts/generate_image.py "A beautiful sunset over mountains"

编辑已有图像： python scripts/generate_image.py "Make the sky purple" -i photo.jpg -o edited.png

输出默认名为 generated_image.<ext>，扩展名跟随模型返回的媒体类型。运行后会打印本次请求费用。生成后应读回文件检查构图、宽高比和文字，因为模型可能在这些方面静默出错。

常用参数包括：-m/--model、-o/--output、-i/--input（可重复）、--n、--aspect-ratio、--resolution、--quality、--output-format、--background、--output-compression、--seed、--api-key、--timeout、--retries、--no-preflight、--dry-run、--list-models、--model-info。没有 --size 参数，输出形状通过 --aspect-ratio 和 --resolution 控制。

也可直接调用 API： curl -s https://openrouter.ai/api/v1/images
-H "Authorization: Bearer $OPENROUTER_API_KEY"
-H "Content-Type: application/json"
-d '{ "model": "google/gemini-3.1-flash-image", "prompt": "A red bicycle against a white wall", "aspect_ratio": "16:9" }'

适用场景与提示词建议

提示词质量比模型选择更影响输出质量。建议逐句说明：主体（画面内容及占比）、媒介与风格（照片、水彩、3D 渲染、扁平矢量、科学插画）、光照与配色、构图（如宽景、主体偏左、右侧留白放标题）、需要避免的内容（如无文字、无标签、无水印）。为海报和幻灯片预留标题空白是最有用的构图指令之一。

低成本迭代：先用 gemini-3.1-flash-lite-image 起草，再用目标模型按定稿措辞重新生成；若要微调而非重做，可把上一次输出作为参考图传入（-i out.png），只描述改动。

编辑时提示词要具体，例如“把天空改成日落色”优于“编辑天空”。

限制与注意事项

  • 模型不可信于文字：生成图像中的文字常出现拼写错误、乱码或臆造。应要求“无文字”，再用 LaTeX、PowerPoint 或 HTML 叠加真实文字；若标签本身是重点，应改用 scientific-schematics。
  • 生成图像是插画，不是证据：不得将其呈现为显微、成像、凝胶或仪器输出，不得替代报告结果的图表，并应在图注中标注为插画。Nature 和 Science 均要求披露生成式 AI 图像，部分期刊禁止在明确标注的概念图之外使用，投稿前需确认目标期刊规定。
  • 生成是付费 API 调用，迭代时优先使用便宜模型和低分辨率。
  • 生成耗时约 5–60 秒，取决于模型和分辨率。
  • 参考图会上传到 OpenRouter，不要发送未发表或敏感数据、患者图像或处于禁运期的内容。
  • 不要硬编码 API Key，应放在环境变量或被忽略的 .env 中。
  • 内容拒绝会以 HTTP 400 或 403 并提及内容政策的形式返回，而非坏图，需改写提示词；临床和解剖类主题更容易触发审核。
  • 速率限制和 5xx 会自动重试；4xx 为最终失败，因为需要修改的是请求本身。
  • 计费为全有或全无：生成完成则全额计费，失败则不计费，被拒绝的参数只消耗时间不产生费用。自带密钥账户的 usage.cost 显示为 0，真实金额在 cost_details.upstream_inference_cost 中，脚本会报告该数值。
  • 费用参考：按图计费的模型较可预测，Seedream $0.04，Recraft v4.1 $0.035（矢量 $0.08，pro $0.21），Riverflow 2.5 fast $0.019、pro $0.13–0.17，Grok $0.05–0.07。Gemini、OpenAI、MAI 按输出 token 计费，随分辨率增长，4K 约为 1K 的十六倍。实测一次 1K gemini-3.1-flash-lite-image 渲染为 1120 输出 token、$0.034；同尺寸下 gemini-3.1-flash-image 是其两倍，gemini-3-pro-image 是四倍。
  • 参考图数量上限因模型而异：OpenAI 16 张，Gemini 与 Seedream 14 张，riverflow-v2*-pro 10 张，gemini-2.5-flash-image 与 Grok 3 张，Recraft、MAI、Krea 1 张。本地支持 PNG、JPEG、GIF、WebP。Riverflow v2 每张参考图在输出费用外另计 $0.20。
  • 流式（"stream": true）仅 OpenAI 模型支持，脚本未使用。
  • 相关技能：scientific-schematics（技术图、流程图、电路、通路）、scientific-slides（嵌入生成视觉的演示）、latex-posters（嵌入主视觉的海报）。