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 07:42

技能介绍

用途

OpenAI Image Gen 用于通过 OpenAI Images API 批量生成图像。它会先生成一组“随机但有结构”的提示词，再调用相应的 OpenAI 图像模型把这些提示词渲染成图片。适合需要一次性产出多张图像、并对提示词做批量采样的场景。

主要能力

  • 批量生成图像，可通过 --count 指定数量。
  • 随机提示词采样：脚本会生成若干结构化提示词。
  • 支持多种模型：
    • GPT image 系列：gpt-image-1、gpt-image-1-mini、gpt-image-1.5
    • DALL·E 3
    • DALL·E 2
  • 支持自定义提示词：通过 --prompt 传入指定提示词。
  • 根据模型自动选择合适的默认参数。
  • 输出缩略图画廊 index.html，以及记录提示词与文件映射的 prompts.json。

使用方式

基本运行：

python3 {baseDir}/scripts/gen.py
open ~/Projects/tmp/openai-image-gen-*/index.html  # if ~/Projects/tmp exists; else ./tmp/...

常见参数示例：

# GPT image models with various options
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 (note: count is automatically limited to 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

不同模型支持的参数值不同，脚本会根据模型自动选择默认值。

尺寸（--size）

  • GPT image 模型（gpt-image-1、gpt-image-1-mini、gpt-image-1.5）：1024x1024、1536x1024（横版）、1024x1536（竖版）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 image 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 一次仅支持生成 1 张图（n=1）。脚本在使用该模型时会自动把数量限制为 1。
  • GPT image 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，但该脚本尚未实现。
  • dall-e-3 有 --style 参数：vivid（超写实、戏剧化）或 natural（更自然）。

输出

  • 图片文件：.png、.jpeg 或 *.webp（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

适合需要批量生成图像并对提示词进行采样的用户，尤其是希望在本地脚本环境下调用 OpenAI 图像模型、并生成可浏览图库的场景。

限制

  • dall-e-3 一次仅生成 1 张图，数量会被自动限制为 1。
  • stream 和 moderation 参数虽可通过 API 使用，但当前脚本尚未实现。
  • 关于具体的收费、价格、平台支持范围、生成效果质量等事实，资料中暂未提供。