图片生成与放大

Z3 全文↑ Z2 条目

术-操作 · 术层 skill 全文

← 返回术层 skill 索引 · 返回方法论区

本页是 <code>rules/skills/generate_image.md</code> 的逐字投影（仅隐私清洗，零改写）。

时点提示：本页是仓内文件 rules/skills/generate_image.md 的逐字投影（仅做隐私清洗：仓库根绝对路径→相对路径、家目录→~/；除此零改写）。若源文件后续有修订，以仓内真源为准。

Skill: 图片生成与放大

使用 Gemini 或 GPT-Image-2 模型生成图片、编辑图片或放大图片分辨率。单文件 CLI 工具，也可作为 Python 模块 import。

When to Use

用户说出以下意图时触发：

"生成一张图片"、"画一张..."、"generate image"
"把这个图片放大"、"upscale"、"提升分辨率"、"enlarge"
"去掉水印"、"修改这张图"、"edit image"
"用 GPT-Image-2 生成"、"用 OpenAI 画图"
任何需要调用图片生成能力的场景

Prerequisites

Gemini API Key，获取链：GEMINI_API_KEY env → GOOGLE_API_KEY env → 1Password CLI (op://dev/dev-api-keys/gemini_api_key)
OpenAI API Key，获取链：OPENAI_API_KEY env → 1Password CLI (op://dev/dev-api-keys/openai_api_key)

详见 API Key 管理最佳实践

Python 依赖：见 tools/requirements.txt（google-genai>=1.73.1, openai>=1.0.0, python-dotenv>=1.0.0），已装在 workspace 根 .venv 中

Usage

工具路径：tools/generate_image.py

两种模式通过 --upscale flag 切换。

文生图（默认 Gemini Flash，1K）

python tools/generate_image.py -p "A serene mountain lake at sunset" -o lake.jpg

显式选择模型

python tools/generate_image.py -p "A cinematic mountain lake" -o lake.jpg --model gemini-pro
python tools/generate_image.py -p "A cinematic mountain lake" -o lake.jpg --model gemini-flash
python tools/generate_image.py -p "A cinematic mountain lake" -o lake.jpg --model gpt-image-2

图片编辑（图 + 文输入）

# 单图编辑
python tools/generate_image.py -p "Remove the watermark" -i photo.jpg -o clean.jpg

# 多图合成
python tools/generate_image.py -p "Combine these two styles" -i style.jpg -i content.jpg -o merged.jpg

# GPT-Image-2 单图编辑
python tools/generate_image.py -p "Make this image look like an observatory-grade photo" -i photo.jpg -o enhanced.jpg --model gpt-image-2

指定分辨率和宽高比

python tools/generate_image.py -p "Wide banner" -o banner.jpg --size 4K --aspect-ratio 16:9

对 GPT-Image-2 来说，CLI 会把 1K / 2K / 4K 和 aspect ratio 映射成实际像素尺寸。例如：

1K + 1:1 → 1024x1024
1K + 16:9 → 1536x864
4K + 16:9 → 3840x2160

当前 GPT-Image-2 的 CLI 映射遵循实测边界：最长边不超过 3840。6K 不支持。

放大图片（Upscale）

保持内容不变，提升分辨率到 4K。

# 默认宽高比 16:9
python tools/generate_image.py --upscale -i small.jpg -o big.jpg

# 头像等正方形图片用 1:1
python tools/generate_image.py --upscale -i avatar.jpg -o avatar_hd.jpg --aspect-ratio 1:1

--upscale 当前只支持 Gemini 模型，不支持 gpt-image-2。

参数速查

参数	短写	说明	默认值
`--prompt`	`-p`	生成 prompt（生成模式必需）	—
`--input`	`-i`	输入图片路径（可多次使用）	—
`--output`	`-o`	输出路径/前缀	`output`
`--size`	`-s`	`1K` / `2K` / `4K`	`1K`
`--aspect-ratio`	`-a`	`1:1` / `4:3` / `16:9` / `9:16` / `3:4`	生成不设，放大 `16:9`
`--model`	`-m`	`gemini-flash` / `gemini-pro` / `gpt-image-2`，也支持 exact model id	默认 Gemini Flash
`--upscale`	—	切换到放大模式	`False`

模型配置

可通过环境变量覆盖默认模型：

环境变量	默认值	用途
`IMAGE_GENERATION_MODEL`	—	统一覆盖默认生成模型选择
`GEMINI_FLASH_IMAGE_MODEL`	`gemini-3.1-flash-image-preview`	Gemini Flash 生成模式
`GEMINI_IMAGE_GENERATION_MODEL`	`gemini-3.1-flash-image-preview`	旧的 Gemini Flash 兼容变量
`GEMINI_PRO_IMAGE_MODEL`	`gemini-3-pro-image-preview`	Gemini Pro 生成模式
`OPENAI_IMAGE_MODEL`	`gpt-image-2`	GPT-Image-2 生成模式
`GEMINI_IMAGE_UPSCALE_MODEL`	`gemini-3-pro-image-preview`	放大模式

Python Import

from tools.generate_image import generate, upscale

# 文生图
generate(prompt="A cat", output_prefix="cat", image_size="1K")

# GPT-Image-2 文生图
generate(prompt="A cat", output_prefix="cat", image_size="1K", model="gpt-image-2")

# 放大
upscale(image_path="small.jpg", output_path="big.jpg", aspect_ratio="1:1")

与 Slides Workflow 的关系

本工具是 workspace 级通用工具。Slides Workflow 在 <slides-repo> 内有自己的批量渲染器（generate_slides.py），两者独立、场景不同。本工具的代码源自该 repo 的 gemini_generate_image.py 和 gemini_enlarge_image.py，合并为单文件。

← 返回术层 skill 索引 · 返回方法论区