image-generation

画像生成

Google の Gemini モデル（デフォルト）または fal.ai FLUX.2 klein 4B（低コストモード）を使用して画像を生成します。

クイックスタート

必須： 出力先パスを指定するには、必ず -d（destination）フラグを使用してください。これにより、スクリプトフォルダー内の poster_0.jpg に関するファイル管理の問題を回避できます。

cd ~/.claude/skills/image-generation/scripts

# ALWAYS specify destination with -d flag
npx tsx generate_poster.ts -d /tmp/my-image.jpg "A futuristic city at sunset"

# Cheap mode: fal.ai FLUX.2 klein 4B (fast, lower cost)
npx tsx generate_poster.ts --cheap -d /tmp/city.jpg "A futuristic city at sunset"

# With aspect ratio
npx tsx generate_poster.ts -d /tmp/landscape.jpg --aspect 3:2 "A wide landscape poster"
npx tsx generate_poster.ts --cheap -d /tmp/story.jpg -a 9:16 "A vertical story format"

# With reference assets (image editing)
npx tsx generate_poster.ts -d /tmp/banner.jpg --assets "/path/to/avatar.jpg" "Create banner with character"
npx tsx generate_poster.ts --cheap -d /tmp/photo.jpg --assets "/path/to/image.jpg" "Turn this into a realistic photo"

-d が必須である理由：

• 出力先を予測しやすい場所にできます（一時画像なら例：/tmp/）
• スクリプトフォルダー内で poster_0.jpg を探し回る必要がなくなります
• ファイル名を変更せずにすぐ使用できます

プロバイダー

プロバイダー	フラグ	用途	コスト
Gemini	（デフォルト）	高品質、最良の結果	高め
fal.ai klein 4B	--cheap	高速、低予算向け	約$0.003/画像

低コストモード（--cheap）

fal.ai FLUX.2 klein 4B を使用します。速度とコストを最適化した、蒸留済みの FLUX モデルです。

低コストモードを使う理由

• コスト：1画像あたり約$0.003（Gemini の高めのコストと比較）
• 速度：4ステップの高速推論（約2～4秒）
• 品質：下書き、ソーシャルメディア、反復作業には十分です
• バッチ処理に最適：多くのバリエーションをすばやく生成できます

エンドポイント：

• テキストから画像：fal-ai/flux-2/klein/4b
• 画像編集（--assets 使用時）：fal-ai/flux-2/klein/4b/edit

最適な用途：

• すばやい反復作業やプレビュー
• ソーシャルメディアコンテンツ
• コンセプトの検討
• バッチ生成（10枚以上）

次の場合は Gemini を使用してください：

• 最終的な本番用アセット
• 複雑な構図
• テキストの多い画像（特にヘブライ語）

品質

--quality または -q で画像の解像度を調整します。

品質	解像度	用途
1K	1024px	デフォルト - 高速で、ウェブに適しています
2K	2048px	高品質 - 印刷、細部まで描き込まれたポスター向け

npx tsx generate_poster.ts -q 2K "High quality poster"

アスペクト比

重要： ユーザーが「縦長」「ストーリー」「正方形」など、別の形式を明示的に要求しない限り、必ずデフォルトのアスペクト比 3:2 を使用してください。アスペクト比を独自に変更しないでください。

--aspect または -a で画像の寸法を調整します。

比率	用途
3:2	横長 （デフォルト - ユーザーから別途指定がない限り、これを使用してください）
1:1	正方形 - Instagram、プロフィール画像
2:3	縦長 - Pinterest、ポスター
16:9	ワイド - YouTube のサムネイル、ヘッダー
9:16	縦長 - ストーリー、リール、TikTok

npx tsx generate_poster.ts --aspect 3:2 "Your prompt"
npx tsx generate_poster.ts -a 16:9 "Your prompt"

アセットの追加（参照画像）

参照画像を含めるには、フルパスを指定して --assets を使用します。

# Single asset
npx tsx generate_poster.ts --assets "/full/path/to/image.jpg" "Your prompt"

# Multiple assets (comma-separated)
npx tsx generate_poster.ts --assets "/path/a.jpg,/path/b.png" "Use both images"

# With cheap mode - uses fal.ai edit endpoint
npx tsx generate_poster.ts --cheap --assets "/path/to/image.jpg" "Turn this into a painting"

対応形式： .jpg、.jpeg、.png、.webp、.gif

重要： アセットは自動的には含まれません。--assets で明示的に指定する必要があります。

出力先（必須）

出力先パスを指定するには、必ず --destination または -d を使用してください。

# REQUIRED: Always specify destination
npx tsx generate_poster.ts -d /tmp/poster.jpg "My poster"

# If file exists, auto-adds suffix: poster_1.jpg, poster_2.jpg, etc.

機能：

• 必要に応じて親ディレクトリを自動作成します
• ファイル名の衝突を回避します。ファイルが存在する場合は、_1、_2 などを追加します
• 他の場所にアップロードする一時画像には /tmp/ を使用してください

API の設定

scripts/.env を作成します。

GEMINI_API_KEY=your_gemini_api_key
FAL_KEY=your_fal_api_key
XAI_API_KEY=your_xai_api_key

ヘブライ語／RTL コンテンツ

重要： 画像にヘブライ語のテキストを含める場合は、プロンプトに次の文を必ず追加してください。

"CRITICAL: Layout is RTL (right-to-left). All text in Hebrew. Visual flow, reading order, and panel sequence go from RIGHT to LEFT."

この文をそのままコピーして、プロンプトの先頭に貼り付けてください。これがないと、画像はヘブライ語コンテンツに適さない左から右の向きで描画されます。

WOW モード

ユーザーが「WOW モード」を求める、または視覚的なインパクトを最大限にしたい場合は、次の壮大な要素をプロンプトに追加してください。

"EPIC CINEMATIC WOW: Amazed expression, mind-blown reaction, intense VFX - shattered glass particles, explosive energy bursts, volumetric light rays, dramatic lens flares, particle explosions, motion blur streaks, holographic glitches, electric sparks, cinematic color grading, dramatic rim lighting, depth of field bokeh, anamorphic lens effects. Maximum visual spectacle."

出力

• -d フラグで指定したパスにファイルを保存します（必須）
• アスペクト比：--aspect で設定可能（デフォルト：3:2）
• 品質：1K（長辺が1024px）

---

動画生成

xAI Grok Imagine Video（デフォルト）または fal.ai LTX-2（低コストモード）を使用して動画を生成します。

クイックスタート

cd ~/.claude/skills/image-generation/scripts

# Text-to-video (Grok Imagine - high quality, 720p)
npx tsx generate_video.ts -d /tmp/video.mp4 "A futuristic city at sunset, cinematic drone shot"

# Cheap mode: fal.ai LTX-2 (fast, low cost)
npx tsx generate_video.ts --cheap -d /tmp/video.mp4 "A futuristic city at sunset"

# Image-to-video (animate a still image)
npx tsx generate_video.ts -d /tmp/animated.mp4 --image /path/to/image.jpg "Slow zoom with particles floating"
npx tsx generate_video.ts --cheap -d /tmp/animated.mp4 --image /path/to/image.jpg "Gentle camera movement"

# Custom duration and aspect ratio
npx tsx generate_video.ts -d /tmp/long.mp4 -t 10 -a 9:16 "Vertical video for stories"

動画プロバイダー

プロバイダー	フラグ	品質	長さ	解像度	コスト
Grok Imagine	（デフォルト）	高品質、映画のような映像	1～15秒	480p/720p	秒単位の課金
fal.ai LTX-2	--cheap	良好、高速	1～10秒	約480p	低予算向け

動画オプション

オプション	フラグ	デフォルト	説明
プロンプト	(位置引数)	必須	動画のテキスト説明
保存先	-d	必須	出力ファイルのパス（.mp4）
長さ	-t	5	秒単位の長さ
アスペクト比	-a	16:9	16:9、9:16、1:1、4:3、3:4、3:2、2:3
解像度	-r	720p	480p または 720p（Grok のみ）
画像ソース	--image	なし	画像から動画を生成する際のソース画像
低コストモード	--cheap	false	Grok の代わりに LTX-2 を使用します