用途:调用 OpenAI gpt-image-2 生成或编辑图像,覆盖文生图、参考图生图(img2img)、蒙版修补(inpainting)三种模式,适合用户要求用 GPT 画图、传图改图或局部重绘的场景。
主要能力:单一脚本按参数区分模式——仅 -p 为文生图(API key 走 images.generate,Codex OAuth 走 Responses API);-p 加 -i 为参考图编辑(API key 走 images.edit,Codex OAuth 走 Responses API 的 input_image);-p 加 -i 加 -m 为蒙版修补(仅 API key 走 images.edit,Codex 不支持)。脚本会自动选择认证:检测到 JWT token 时走 Codex Responses API,否则走标准 OpenAI REST API。
使用方式:先安装依赖 pip install openai python-dotenv。文生图示例:python3 scripts/gen.py -p "a cat astronaut on the moon" --quality high,多张加 -n 4;参考图编辑:python3 scripts/gen.py -p "make it cyberpunk style" -i photo.jpg,多参考图重复传 -i;蒙版修补:python3 scripts/gen.py -p "replace sky with aurora" -i photo.jpg -m sky_mask.png,蒙版为带 alpha 通道 PNG,opaque 保留、transparent 重绘。常用参数包括 --size、--quality、--format、--compression、--moderation、--background、--json、--verbose,默认输出保存到 ~/.hermes/cache/images/,并同时保存同名 .prompt.txt 记录提示词与参数。
适用场景:探索用 low 质量、风格测试用 medium、正式交付用 high;尺寸支持 1k/2k/4k、landscape、portrait 等快捷名及自定义 WxH(16px 倍数,总像素 655360~8294400,宽高比不超过 3:1)。
限制:gpt-image-2 不支持透明背景;--input-fidelity 会被自动剔除;--moderation 仅适用于 images.generate;Codex backend 不支持 --mask 与 -n 多张;编辑端点对真人照片有严格内容策略;复杂提示词可能耗时 2 分钟以上;标准 API key 需 Organization Verification;img2img 不依赖聊天模型 vision 能力。提示词模板与认证细节见 references 目录。