baoyu-image-gen

画像生成（AI SDK）

AI SDK を使用した公式 API ベースの画像生成です。OpenAI（DALL-E、GPT Image）と Google（Imagen、Gemini マルチモーダル）に対応しています。

スクリプトディレクトリ

重要：すべてのスクリプトは、このスキルの scripts/ サブディレクトリにあります。

エージェントの実行手順：

1. この SKILL.md ファイルのディレクトリパスを SKILL_DIR として特定します
2. スクリプトのパス = ${SKILL_DIR}/scripts/<script-name>.ts
3. このドキュメント内のすべての ${SKILL_DIR} を実際のパスに置き換えます

スクリプトのリファレンス：

スクリプト	目的
scripts/main.ts	画像生成の CLI エントリーポイント

クイックスタート

# Basic generation (auto-detect provider)
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image cat.png

# With aspect ratio
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A landscape" --image landscape.png --ar 16:9

# High quality (2k)
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image cat.png --quality 2k

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

# From prompt files
npx -y bun ${SKILL_DIR}/scripts/main.ts --promptfiles system.md content.md --image out.png

# With reference images (Google multimodal only)
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "Make blue" --image out.png --ref source.png

コマンド

基本的な画像生成

# Generate with prompt
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A sunset over mountains" --image sunset.png

# Shorthand
npx -y bun ${SKILL_DIR}/scripts/main.ts -p "A cute robot" --image robot.png

アスペクト比

# Common ratios: 1:1, 16:9, 9:16, 4:3, 3:4, 2.35:1
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A portrait" --image portrait.png --ar 3:4

# Or specify exact size
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "Banner" --image banner.png --size 1792x1024

参照画像（Google マルチモーダル）

# Image editing with reference
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "Make it blue" --image blue.png --ref original.png

# Multiple references
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "Combine these styles" --image out.png --ref a.png b.png

品質プリセット

# Normal quality (default)
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image cat.png --quality normal

# High quality (2k resolution)
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image cat.png --quality 2k

出力形式

# Plain output (prints saved path)
npx -y bun ${SKILL_DIR}/scripts/main.ts --prompt "A cat" --image cat.png

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

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）
--image <path>	出力画像のパス（必須）
--provider google|openai	プロバイダーを指定します（デフォルト：google）
--model <id>, -m	モデル ID
--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：normal）
--ref <files...>	参照画像（Google マルチモーダルのみ）
--n <count>	画像の枚数
--json	JSON 出力
--help, -h	ヘルプを表示

環境変数

変数	説明	デフォルト
OPENAI_API_KEY	OpenAI API キー	-
GOOGLE_API_KEY	Google API キー	-
OPENAI_IMAGE_MODEL	OpenAI モデル	gpt-image-1.5
GOOGLE_IMAGE_MODEL	Google モデル	gemini-3-pro-image-preview
OPENAI_BASE_URL	カスタム OpenAI エンドポイント	-
GOOGLE_BASE_URL	カスタム Google エンドポイント	-

読み込みの優先順位：CLI 引数 > process.env > <cwd>/.baoyu-skills/.env > ~/.baoyu-skills/.env

プロバイダーとモデルの選択方法

自動選択

1. --provider が指定されている場合 → 指定されたプロバイダーを使用します
2. API キーが1つだけ使用可能な場合 → そのプロバイダーを使用します
3. 両方使用可能な場合 → デフォルトで Google を使用します（マルチモーダル LLM のほうが汎用性に優れています）

モデルの種類に応じた API の選択

モデルのカテゴリ	API 関数	モデルの例
Google マルチモーダル	generateText	gemini-2.0-flash-exp-image-generation
Google Imagen	experimental_generateImage	imagen-3.0-generate-002
OpenAI	experimental_generateImage	gpt-image-1、dall-e-3

利用可能なモデル

Google：

• gemini-3-pro-image-preview - デフォルト、マルチモーダル生成
• gemini-2.0-flash-exp-image-generation - Gemini 2.0 Flash
• imagen-3.0-generate-002 - Imagen 3

OpenAI：

• gpt-image-1.5 - デフォルト、GPT Image 1.5
• gpt-image-1 - GPT Image 1
• dall-e-3 - DALL-E 3

品質プリセット

プリセット	OpenAI	Google	用途
normal	1024x1024	デフォルト	カバー、イラスト
2k	2048x2048	プロンプトに「2048px」	インフォグラフィック、スライド

アスペクト比の処理

• マルチモーダル LLM：プロンプトに埋め込まれます（例："... aspect ratio 16:9"）
• 画像専用モデル：aspectRatio または size パラメーターを使用します
• 一般的な比率：1:1、16:9、9:16、4:3、3:4、2.35:1

例

カバー画像を生成する

npx -y bun ${SKILL_DIR}/scripts/main.ts \
  --prompt "A minimalist tech illustration with blue gradients" \
  --image cover.png --ar 2.35:1 --quality 2k

ソーシャルメディアの投稿を生成する

npx -y bun ${SKILL_DIR}/scripts/main.ts \
  --prompt "Instagram post about coffee" \
  --image post.png --ar 1:1

参照画像を使って画像を編集する

npx -y bun ${SKILL_DIR}/scripts/main.ts \
  --prompt "Change the background to sunset" \
  --image edited.png --ref original.png --provider google

プロンプトファイルから一括生成する

# Create prompt file with detailed instructions
npx -y bun ${SKILL_DIR}/scripts/main.ts \
  --promptfiles style-guide.md scene-description.md \
  --image scene.png

エラー処理

• API キーがない場合：設定手順を含む明確なエラーが表示されます
• 生成に失敗した場合：自動で1回再試行し、その後エラーになります
• アスペクト比が無効な場合：警告を表示し、デフォルト値で続行します
• 画像専用モデルで参照画像を使用した場合：警告を表示し、参照画像を無視します

拡張機能のサポート

EXTEND.md によるカスタム設定。

確認するパス（優先順位順）：

1. .baoyu-skills/baoyu-image-gen/EXTEND.md（プロジェクト）
2. ~/.baoyu-skills/baoyu-image-gen/EXTEND.md（ユーザー）

見つかった場合は、ワークフローの前に読み込みます。拡張内容はデフォルト設定より優先されます。