baoyu-image-gen

画像生成（AI SDK）

API を介した公式の画像生成です。OpenAI、Google、OpenRouter、DashScope（阿里通义万象）、Jimeng（即梦）、Seedream（豆包）、Replicate のプロバイダーに対応しています。

スクリプトディレクトリ

エージェントの実行：

1. {baseDir} = この SKILL.md ファイルのディレクトリ
2. スクリプトパス = {baseDir}/scripts/main.ts
3. ${BUN_X} ランタイムを解決します：bun がインストールされている場合は → bun、npx が利用可能な場合は → npx -y bun、それ以外の場合は bun のインストールを提案します

ステップ 0：設定を読み込む ⛔ BLOCKING

重要：画像生成を行う前に、このステップを必ず完了してください。スキップしたり、後回しにしたりしないでください。

現在の作業ディレクトリに EXTEND.md が存在するか確認します：

test -f .baoyu-skills/baoyu-image-gen/EXTEND.md && echo "found"

結果	対応
見つかった	読み込み、解析し、設定を適用します。default_model.[provider] が null の場合は、モデルについてのみ質問します（first-time-setup.md のフロー 2）。
見つからない	⛔ 停止してください。画像を生成しないでください。 references/config/first-time-setup.md を読み、フロー 1 のチェックリストに沿って手順を進めます。これは複数ターンにわたる対話形式のセットアップで、ユーザーに複数の質問をする必要があります。ステップ 5（検証）に合格してから、画像生成を再開してください。

重要：初回セットアップは複数ステップの対話形式のワークフローであり、単一の操作ではありません。各ステップでユーザーに質問し、回答を待つ必要があります。

パス	場所
.baoyu-skills/baoyu-image-gen/EXTEND.md	現在の作業ディレクトリからの相対パス

EXTEND.md がサポートする項目：デフォルトのプロバイダー | デフォルトの品質 | デフォルトのアスペクト比 | デフォルトの画像サイズ | デフォルトのモデル | バッチワーカーの上限 | プロバイダー別のバッチ制限

スキーマ：references/config/preferences-schema.md

使用方法

# Basic
${BUN_X} {baseDir}/scripts/main.ts --prompt "A cat" --image cat.png

# With aspect ratio
${BUN_X} {baseDir}/scripts/main.ts --prompt "A landscape" --image out.png --ar 16:9

# High quality
${BUN_X} {baseDir}/scripts/main.ts --prompt "A cat" --image out.png --quality 2k

# From prompt files
${BUN_X} {baseDir}/scripts/main.ts --promptfiles system.md content.md --image out.png

# With reference images (Google, OpenAI, OpenRouter, Replicate, or Seedream 4.0/4.5/5.0)
${BUN_X} {baseDir}/scripts/main.ts --prompt "Make blue" --image out.png --ref source.png

# With reference images (explicit provider/model)
${BUN_X} {baseDir}/scripts/main.ts --prompt "Make blue" --image out.png --provider google --model gemini-3-pro-image-preview --ref source.png

# OpenRouter (recommended default model)
${BUN_X} {baseDir}/scripts/main.ts --prompt "A cat" --image out.png --provider openrouter

# OpenRouter with reference images
${BUN_X} {baseDir}/scripts/main.ts --prompt "Make blue" --image out.png --provider openrouter --model google/gemini-3.1-flash-image-preview --ref source.png

# Specific provider
${BUN_X} {baseDir}/scripts/main.ts --prompt "A cat" --image out.png --provider openai

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

# DashScope Qwen-Image 2.0 Pro (recommended for custom sizes and text rendering)
${BUN_X} {baseDir}/scripts/main.ts --prompt "为咖啡品牌设计一张 21:9 横幅海报，包含清晰中文标题" --image out.png --provider dashscope --model qwen-image-2.0-pro --size 2048x872

# DashScope legacy Qwen fixed-size model
${BUN_X} {baseDir}/scripts/main.ts --prompt "一张电影感海报" --image out.png --provider dashscope --model qwen-image-max --size 1664x928

# Replicate (google/nano-banana-pro)
${BUN_X} {baseDir}/scripts/main.ts --prompt "A cat" --image out.png --provider replicate

# Replicate with specific model
${BUN_X} {baseDir}/scripts/main.ts --prompt "A cat" --image out.png --provider replicate --model google/nano-banana

# Batch mode with saved prompt files
${BUN_X} {baseDir}/scripts/main.ts --batchfile batch.json

# Batch mode with explicit worker count
${BUN_X} {baseDir}/scripts/main.ts --batchfile batch.json --jobs 4 --json

バッチファイル形式

{
  "jobs": 4,
  "tasks": [
    {
      "id": "hero",
      "promptFiles": ["prompts/hero.md"],
      "image": "out/hero.png",
      "provider": "replicate",
      "model": "google/nano-banana-pro",
      "ar": "16:9",
      "quality": "2k"
    },
    {
      "id": "diagram",
      "promptFiles": ["prompts/diagram.md"],
      "image": "out/diagram.png",
      "ref": ["references/original.png"]
    }
  ]
}

promptFiles、image、ref のパスは、バッチファイルのディレクトリを基準に解決されます。jobs は省略可能です（CLI の --jobs によって上書きされます）。トップレベルの配列形式（jobs ラッパーなし）も使用できます。

オプション

オプション	説明
--prompt <text>, -p	プロンプトのテキスト
--promptfiles <files...>	ファイルからプロンプトを読み込みます（連結されます）
--image <path>	出力画像のパス（単一画像モードでは必須）
--batchfile <path>	複数画像生成用の JSON バッチファイル
--jobs <count>	バッチモードのワーカー数（デフォルト：自動、最大値は設定から取得、組み込みのデフォルトは 10）
--provider google|openai|openrouter|dashscope|jimeng|seedream|replicate	プロバイダーを指定します（デフォルト：自動検出）
--model <id>, -m	モデル ID（Google：gemini-3-pro-image-preview；OpenAI：gpt-image-1.5；OpenRouter：google/gemini-3.1-flash-image-preview；DashScope：qwen-image-2.0-pro）
--ar <ratio>	アスペクト比（例：16:9、1:1、4:3）
--size <WxH>	サイズ（例：1024x1024）
--quality normal|2k	品質プリセット（デフォルト：2k）
--imageSize 1K|2K|4K	Google/OpenRouter の画像サイズ（デフォルト：品質設定に基づきます）
--ref <files...>	参照画像。Google のマルチモーダル、OpenAI GPT Image の編集、OpenRouter のマルチモーダルモデル、Replicate、Seedream 5.0/4.5/4.0 でサポートされています。Jimeng、Seedream 3.0、提供終了した SeedEdit 3.0 ではサポートされていません。
--n <count>	画像の枚数
--json	JSON 形式で出力します

環境変数

変数	説明
OPENAI_API_KEY	OpenAI API キー
OPENROUTER_API_KEY	OpenRouter API キー
GOOGLE_API_KEY	Google API キー
DASHSCOPE_API_KEY	DashScope API キー（阿里云）
REPLICATE_API_TOKEN	Replicate API トークン
JIMENG_ACCESS_KEY_ID	Jimeng（即梦）Volcengine アクセスキー
JIMENG_SECRET_ACCESS_KEY	Jimeng（即梦）Volcengine シークレットキー
ARK_API_KEY	Seedream（豆包）Volcengine ARK API キー
OPENAI_IMAGE_MODEL	OpenAI モデルの上書き
OPENROUTER_IMAGE_MODEL	OpenRouter モデルの上書き（デフォルト：google/gemini-3.1-flash-image-preview）
GOOGLE_IMAGE_MODEL	Google モデルの上書き
DASHSCOPE_IMAGE_MODEL	DashScope モデルの上書き（デフォルト：qwen-image-2.0-pro）
REPLICATE_IMAGE_MODEL	Replicate モデルの上書き（デフォルト：google/nano-banana-pro）
JIMENG_IMAGE_MODEL	Jimeng モデルの上書き（デフォルト：jimeng_t2i_v40）
SEEDREAM_IMAGE_MODEL	Seedream モデルの上書き（デフォルト：doubao-seedream-5-0-260128）
OPENAI_BASE_URL	OpenAI カスタムエンドポイント
OPENROUTER_BASE_URL	OpenRouter カスタムエンドポイント（デフォルト：https://openrouter.ai/api/v1）
OPENROUTER_HTTP_REFERER	OpenRouter の帰属表示に使用する任意のアプリ／サイト URL
OPENROUTER_TITLE	OpenRouter の帰属表示に使用する任意のアプリ名
GOOGLE_BASE_URL	Google カスタムエンドポイント
DASHSCOPE_BASE_URL	DashScope カスタムエンドポイント
REPLICATE_BASE_URL	Replicate カスタムエンドポイント
JIMENG_BASE_URL	Jimeng カスタムエンドポイント（デフォルト：https://visual.volcengineapi.com）
JIMENG_REGION	Jimeng リージョン（デフォルト：cn-north-1）
SEEDREAM_BASE_URL	Seedream カスタムエンドポイント（デフォルト：https://ark.cn-beijing.volces.com/api/v3）
BAOYU_IMAGE_GEN_MAX_WORKERS	バッチワーカー上限の上書き
BAOYU_IMAGE_GEN_<PROVIDER>_CONCURRENCY	プロバイダーの並行処理数の上書き（例：BAOYU_IMAGE_GEN_REPLICATE_CONCURRENCY）
BAOYU_IMAGE_GEN_<PROVIDER>_START_INTERVAL_MS	プロバイダーの開始間隔の上書き（例：BAOYU_IMAGE_GEN_REPLICATE_START_INTERVAL_MS）

読み込み優先順位：CLI 引数 > EXTEND.md > 環境変数 > <cwd>/.baoyu-skills/.env > ~/.baoyu-skills/.env

モデルの解決

モデルの優先順位（高い順）は、すべてのプロバイダーに適用されます。

1. CLI フラグ：--model <id>
2. EXTEND.md：default_model.[provider]
3. 環境変数：<PROVIDER>_IMAGE_MODEL（例：GOOGLE_IMAGE_MODEL）
4. 組み込みのデフォルト

EXTEND.md は環境変数より優先されます。EXTEND.md に default_model.google: "gemini-3-pro-image-preview" があり、環境変数に GOOGLE_IMAGE_MODEL=gemini-3.1-flash-image-preview が設定されている場合は、EXTEND.md の設定が優先されます。

エージェントは生成のたびに、モデル情報を必ず表示する必要があります：

• 表示：Using [provider] / [model]
• 切り替え方法を表示：Switch model: --model <id> | EXTEND.md default_model.[provider] | env <PROVIDER>_IMAGE_MODEL

DashScope モデル

公式の Qwen-Image の動作を利用する場合は、--model qwen-image-2.0-pro を使うか、default_model.dashscope / DASHSCOPE_IMAGE_MODEL を設定してください。

公式 DashScope モデルファミリー：

• qwen-image-2.0-pro、qwen-image-2.0-pro-2026-03-03、qwen-image-2.0、qwen-image-2.0-2026-03-03
  • 宽*高 形式の自由な size
  • 総ピクセル数は 512*512 から 2048*2048 の範囲にする必要があります
  • デフォルトのサイズは約 1024*1024 です
  • 21:9 などのカスタム比率や、中国語／英語のテキストが多いレイアウトに最適です
• qwen-image-max、qwen-image-max-2025-12-30、qwen-image-plus、qwen-image-plus-2026-01-09、qwen-image
  • 固定サイズのみ：1664*928、1472*1104、1328*1328、1104*1472、928*1664
  • デフォルトのサイズは 1664*928 です
  • 現在、qwen-image の機能は qwen-image-plus と同じです
• z-image-turbo、z-image-ultra、wanx-v1 などのレガシー DashScope モデル
  • ユーザーがレガシーな動作または互換性を明示的に求めた場合にのみ、引き続き使用してください

CLI 引数を DashScope の動作に変換する場合：

• --size は --ar より優先されます
• qwen-image-2.0* では、明示的な --size を優先してください。指定がない場合は --ar から推定し、以下の公式推奨解像度を使用します
• qwen-image-max/plus/image では、公式の固定サイズ5種類のみを使用してください。要求された比率に対応するサイズがない場合は、qwen-image-2.0-pro に切り替えてください
• --quality は baoyu-image-gen の互換性プリセットであり、DashScope API のネイティブフィールドではありません。normal / 2k を以下の表に対応付ける方法は実装上の推定であり、公式 API による保証ではありません

一般的なアスペクト比に対する、推奨される qwen-image-2.0* のサイズ：

比率	normal	2k
1:1	1024*1024	1536*1536
2:3	768*1152	1024*1536
3:2	1152*768	1536*1024
3:4	960*1280	1080*1440
4:3	1280*960	1440*1080
9:16	720*1280	1080*1920
16:9	1280*720	1920*1080
21:9	1344*576	2048*872

DashScope の公式 API では negative_prompt、prompt_extend、watermark も公開されていますが、現在 baoyu-image-gen ではこれら専用の CLI フラグを利用できません。

公式リファレンス：

• Qwen-Image API
• テキストから画像を生成するガイド
• Qwen-Image Edit API

OpenRouter モデル

完全な OpenRouter モデル ID を使用してください。例：

• google/gemini-3.1-flash-image-preview（推奨。画像出力と参照画像を使ったワークフローに対応）
• google/gemini-2.5-flash-image-preview
• black-forest-labs/flux.2-pro
• その他の画像生成に対応した OpenRouter モデル ID

注意事項：

• OpenRouter の画像生成では、OpenAI の /images エンドポイントではなく /chat/completions を使用します
• --ref を使用する場合は、画像入力と画像出力に対応したマルチモーダルモデルを選択してください
• --imageSize は OpenRouter の imageGenerationOptions.size に対応します。--size <WxH> は、可能な場合、最も近い OpenRouter のサイズと推定アスペクト比に変換されます

Replicate モデル

対応するモデル形式：

• owner/name（公式モデルに推奨）、例：google/nano-banana-pro
• owner/name:version（バージョン指定のコミュニティモデル）、例：stability-ai/sdxl:<version>

例：

# Use Replicate default model
${BUN_X} {baseDir}/scripts/main.ts --prompt "A cat" --image out.png --provider replicate

# Override model explicitly
${BUN_X} {baseDir}/scripts/main.ts --prompt "A cat" --image out.png --provider replicate --model google/nano-banana

プロバイダーの選択

1. --ref が指定されていて --provider が未指定 → Google、次に OpenAI、OpenRouter、Replicate の順に自動選択します（Jimeng と Seedream は参照画像に対応していません）
2. --provider が指定されている → 指定されたプロバイダーを使用します（--ref を指定する場合は、google、openai、openrouter、replicate のいずれかである必要があります）
3. API キーを利用できるプロバイダーが1つのみ → そのプロバイダーを使用します
4. 複数のプロバイダーを利用できる → デフォルトで Google を使用します

品質プリセット

プリセット	Google imageSize	OpenAI サイズ	OpenRouter サイズ	Replicate 解像度	用途
normal	1K	1024px	1K	1K	クイックプレビュー
2k（デフォルト）	2K	2048px	2K	2K	カバー、イラスト、インフォグラフィック

Google/OpenRouter imageSize：--imageSize 1K|2K|4K で上書きできます。

アスペクト比

対応：1:1、16:9、9:16、4:3、3:4、2.35:1

• Google マルチモーダル：imageConfig.aspectRatio を使用します
• OpenAI：最も近い対応サイズにマッピングします
• OpenRouter：imageGenerationOptions.aspect_ratio を送信します。--size <WxH> のみが指定された場合は、アスペクト比が自動的に推定されます
• Replicate：aspect_ratio をモデルに渡します。--ar なしで --ref が指定された場合、デフォルトは match_input_image です

生成モード

デフォルト：逐次生成。

バッチ並列生成：--batchfile に保留中のタスクが2つ以上含まれている場合、スクリプトは並列生成を自動的に有効にします。

モード	使用する場合
逐次（デフォルト）	通常の使用、単一画像、小規模なバッチ
バッチ並列	2つ以上のタスクがあるバッチモード

実行方法の選択：

状況	推奨方法	理由
画像が1枚、または簡単な画像が1～2枚	逐次	調整のオーバーヘッドが少なく、デバッグも容易です
複数の画像について、プロンプトファイルがすでに保存されている	バッチ（--batchfile）	確定済みのプロンプトを再利用し、共通のスロットリングと再試行を適用でき、スループットも予測しやすくなります
画像ごとに個別の検討、プロンプト作成、スタイルの模索が必要	サブエージェント	まだ探索段階の作業であり、生成前に画像ごとの個別分析が必要になる場合があります

目安：

• プロンプトファイルがすでに保存され、タスクが「これらをすべて生成する」段階になったら、サブエージェントよりバッチを優先します
• 生成に画像ごとの検討、書き直し、または異なる方向性での創作が伴う場合にのみ、サブエージェントを使用します

並列処理の動作：

• ワーカー数はデフォルトで自動設定され、設定値によって上限が設けられています。組み込みのデフォルトは10です
• プロバイダー固有のスロットリングはバッチモードでのみ適用されます。組み込みのデフォルト値は、明らかなRPMの急増を避けながら、より高速なスループットが得られるよう調整されています
• --jobs <count> でワーカー数を上書きできます
• 各画像は最大3回まで自動で再試行されます
• 最終出力には、成功数、失敗数、画像ごとの失敗理由が含まれます

エラー処理

• API キーがない → セットアップ手順を含むエラー
• 生成失敗 → 画像ごとに最大3回まで自動で再試行
• アスペクト比が無効 → 警告を表示し、デフォルト値で続行
• 対応していないプロバイダー／モデルの参照画像 → 修正方法のヒントを含むエラー

拡張機能のサポート

EXTEND.md によるカスタム設定に対応しています。パスとサポートされるオプションについては、Preferences セクションを参照してください。

クレジット表記

JimLiu による baoyu-image-gen に基づいており、MIT ライセンスで提供されています。 Buda.im プラットフォーム向けに変更・適合されています。