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

openai-image-gen

设计与创作

查看项目

更新于 10-16 06:56

技能介绍

OpenAI Image Gen 是一个用于批量生成图片的技能，基于 OpenAI Images API 工作。它的核心思路是：生成一批“随机但有结构”的提示词，然后调用 OpenAI 图像模型把这些提示词渲染成图片。

主要能力

  • 批量生成图片：通过 --count 指定生成数量。
  • 随机提示词采样：脚本会自动生成随机但结构化的提示词，也支持用 --prompt 指定自定义提示词。
  • 多模型支持：支持 GPT 图像模型（gpt-image-1、gpt-image-1-mini、gpt-image-1.5）、dall-e-3 和 dall-e-2。
  • 输出画廊：生成 prompts.json（提示词到文件的映射）和 index.html（缩略图画廊），方便浏览结果。
  • 模型相关参数自动适配：脚本会根据所选模型自动选择适当的默认参数值。

使用方式 运行脚本： python3 {baseDir}/scripts/gen.py

生成后打开画廊（若 ~/Projects/tmp 存在）： open ~/Projects/tmp/openai-image-gen-*/index.html 否则使用 ./tmp/... 路径。

注意：图片生成可能超过常见的执行超时时间（例如 30 秒）。通过 OpenClaw 的 exec 工具调用此技能时，应设置更高的超时以避免过早终止或重试（例如 exec timeout=300）。

常用参数示例：

GPT 图像模型及各种选项

python3 {baseDir}/scripts/gen.py --count 16 --model gpt-image-1 python3 {baseDir}/scripts/gen.py --prompt "ultra-detailed studio photo of a lobster astronaut" --count 4 python3 {baseDir}/scripts/gen.py --size 1536x1024 --quality high --out-dir ./out/images python3 {baseDir}/scripts/gen.py --model gpt-image-1.5 --background transparent --output-format webp

DALL-E 3（注意：count 会自动限制为 1）

python3 {baseDir}/scripts/gen.py --model dall-e-3 --quality hd --size 1792x1024 --style vivid python3 {baseDir}/scripts/gen.py --model dall-e-3 --style natural --prompt "serene mountain landscape"

DALL-E 2

python3 {baseDir}/scripts/gen.py --model dall-e-2 --size 512x512 --count 4

模型相关参数 不同模型支持不同的参数值，脚本会根据模型自动选择适当的默认值。

尺寸（Size）

  • GPT 图像模型（gpt-image-1、gpt-image-1-mini、gpt-image-1.5）：1024x1024、1536x1024（横向）、1024x1536（纵向）或 auto；默认 1024x1024。
  • dall-e-3：1024x1024、1792x1024 或 1024x1792；默认 1024x1024。
  • dall-e-2：256x256、512x512 或 1024x1024；默认 1024x1024。

质量（Quality）

  • GPT 图像模型：auto、high、medium 或 low；默认 high。
  • dall-e-3：hd 或 standard；默认 standard。
  • dall-e-2：仅 standard；默认 standard。

其他差异

  • dall-e-3 一次只支持生成 1 张图片（n=1）。使用该模型时脚本会自动把 count 限制为 1。
  • GPT 图像模型支持额外参数： --background：transparent、opaque 或 auto（默认） --output-format：png（默认）、jpeg 或 webp 注意：stream 和 moderation 可通过 API 使用，但此脚本尚未实现。
  • dall-e-3 有 --style 参数：vivid（超写实、戏剧化）或 natural（更自然）。

输出内容

  • .png、.jpeg 或 *.webp 图片（输出格式取决于模型和 --output-format）。
  • prompts.json（提示词到文件的映射）。
  • index.html（缩略图画廊）。

适用场景 适合需要一次性批量生成多张图片、并希望快速浏览结果的场景，例如概念探索、提示词测试或素材草稿生成。

限制

  • 图片生成可能耗时较长，需注意执行超时设置。
  • dall-e-3 每次只能生成 1 张图片。
  • stream 和 moderation 参数尚未在脚本中实现。
  • 关于收费、价格、平台支持范围等具体信息，资料中暂未提供。