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

baoyu-image-gen

设计与创作

查看项目

更新于 10-16 08:29

技能介绍

用途

baoyu-image-gen 是一个基于官方 API 的 AI 图像生成技能，用于通过命令行调用 OpenAI、Google 和 DashScope（阿里通义万象）三家提供商的图像生成能力。它适合需要以脚本方式批量或按需生成图片的场景，例如封面、插画、信息图等。

主要能力

  • 支持文生图（text-to-image）。
  • 支持参考图（reference images）：Google 多模态与 OpenAI 编辑（GPT Image 模型）均支持。
  • 支持宽高比设置：1:1、16:9、9:16、4:3、3:4、2.35:1。
  • 支持质量预设：normal（Google 1K / OpenAI 1024px，适合快速预览）与 2k（默认，Google 2K / OpenAI 2048px，适合封面、插画、信息图）。
  • Google 的 imageSize 可通过 --imageSize 1K|2K|4K 覆盖。
  • 支持从提示词文件读取提示词（多个文件会拼接）。
  • 支持指定提供商与模型。
  • 支持生成多张图片（--n）。
  • 支持 JSON 输出（--json）。

使用方式

脚本路径为 ${SKILL_DIR}/scripts/main.ts，其中 SKILL_DIR 为 SKILL.md 文件所在目录。

基本用法示例：

# 基本
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image cat.png

# 指定宽高比
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A landscape" --image out.png --ar 16:9

# 高质量
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image out.png --quality 2k

# 从提示词文件读取
npx -y bun ${SKILL_DIR}/scripts/main.ts --promptfiles system.md content.md --image out.png

# 使用参考图（Google 多模态或 OpenAI 编辑）
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "Make blue" --image out.png --ref source.png

# 使用参考图并显式指定提供商/模型
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "Make blue" --image out.png --provider google --model gemini-3-pro-image-preview --ref source.png

# 指定提供商
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image out.png --provider openai

# DashScope（阿里通义万象）
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "一只可爱的猫" --image out.png --provider dashscope

主要选项：

  • --prompt <text>, -p：提示词文本。
  • --promptfiles <files...>：从文件读取提示词（拼接）。
  • --image <path>：输出图片路径（必填）。
  • --provider google|openai|dashscope：强制指定提供商（默认 google）。
  • --model <id>, -m：模型 ID（--ref 配合 OpenAI 时需要 GPT Image 模型，例如 gpt-image-1.5）。
  • --ar <ratio>：宽高比（例如 16:9、1:1、4:3）。
  • --size <WxH>：尺寸（例如 1024x1024）。
  • --quality normal|2k：质量预设（默认 2k）。
  • --imageSize 1K|2K|4K：Google 的图片尺寸（默认由 quality 决定）。
  • --ref <files...>：参考图。Google 多模态与 OpenAI 编辑（GPT Image 模型）支持。若未指定提供商：先 Google，再 OpenAI。
  • --n <count>：图片数量。
  • --json：JSON 输出。

环境变量：

  • OPENAI_API_KEY：OpenAI API 密钥。
  • GOOGLE_API_KEY：Google API 密钥。
  • DASHSCOPE_API_KEY：DashScope API 密钥（阿里云）。
  • OPENAI_IMAGE_MODEL：OpenAI 模型覆盖。
  • GOOGLE_IMAGE_MODEL：Google 模型覆盖。
  • DASHSCOPE_IMAGE_MODEL：DashScope 模型覆盖（默认 z-image-turbo）。
  • OPENAI_BASE_URL：自定义 OpenAI 端点。
  • GOOGLE_BASE_URL：自定义 Google 端点。
  • DASHSCOPE_BASE_URL：自定义 DashScope 端点。

加载优先级：CLI 参数 > EXTEND.md > 环境变量 > <cwd>/.baoyu-skills/.env > ~/.baoyu-skills/.env。

配置（EXTEND.md）

可通过 EXTEND.md 进行自定义配置。检查优先级顺序：先项目级 .baoyu-skills/baoyu-image-gen/EXTEND.md，再用户级 $HOME/.baoyu-skills/baoyu-image-gen/EXTEND.md。找到则读取、解析并应用设置；未找到则使用默认值。

EXTEND.md 支持：默认提供商、默认质量、默认宽高比、默认图片尺寸、默认模型。Schema 见 references/config/preferences-schema.md。

提供商选择逻辑

  • 提供了 --ref 且未指定 --provider：自动选择，先 Google，再 OpenAI。
  • 指定了 --provider：使用该提供商（若同时有 --ref，必须是 google 或 openai）。
  • 只有一个 API 密钥可用：使用该提供商。
  • 多个可用：默认 Google。

生成模式

默认按顺序逐张生成（一次一张），以保证输出稳定、便于调试。仅在用户明确要求并行/并发生成时才使用并行模式。并行设置建议：推荐并发 4 个子代理，最大并发 8 个子代理，适用于用户要求并行的大批量生成。并行模式的代理实现：使用 Task 工具并行启动多个生成任务，每个 Task 作为后台子代理运行（run_in_background=true），全部完成后通过 TaskOutput 收集结果。

错误处理

  • 缺少 API 密钥：报错并给出设置说明。
  • 生成失败：自动重试一次。
  • 无效宽高比：警告，并使用默认值继续。
  • 参考图与不支持的提供商/模型组合：报错并给出修复提示（切换到 Google 多模态或 OpenAI GPT Image 编辑）。

适用场景与限制

适用于通过命令行脚本进行 AI 图像生成的场景，尤其是需要多提供商切换、参考图编辑、指定宽高比与质量预设的场合。限制方面：参考图仅受 Google 多模态与 OpenAI 编辑（GPT Image 模型）支持；--ref 配合 OpenAI 时需要 GPT Image 模型；并行生成仅在用户明确要求时使用。关于收费、价格、平台支持范围等具体信息，资料中暂未提供。