sn-image-base

Name: sn-image-base
Author: opensensenova

github.com/opensensenovaクリエイティブ・メディア6.0k185 回インストール2 日前に更新

リポジトリ

sn-image-base について

SenseNova-Skills の基盤レイヤーにあたるスキルで、画像生成・編集・認識とテキスト最適化のコマンドラインツールを提供します。入力を前処理せず、バックエンドサービスを呼び出します。

主な機能

01プロンプトから画像を生成
021 枚以上の参照画像を編集
03VLM による複数画像の分析
04LLM によるテキストの最適化
05コマンドラインまたは環境変数でサービスを設定
06テキストまたは JSON 形式で結果を出力

活用シーン

01テキストプロンプトから画像を生成
02参照画像を使って画像を編集
03ビジョンモデルで画像内容を分析
04LLM を使ってテキストを最適化

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/opensensenova/sensenova-skills --skill sn-image-base

インストール後、Claude Code で/sn-image-baseを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

.gitattributes

.gitignore

README_CN.md

README.md

requirements.txt

references/

api_spec.md

scripts/

.python-version

extract_json.py

pyproject.toml

ruff.toml

sn_agent_runner.py

scripts/sn_image_base/

__init__.py

configs.py

exceptions.py

scripts/sn_image_base/generation/

__init__.py

nano_banana.py

openai_image.py

sensenova.py

scripts/sn_image_base/generation/core/

__init__.py

client_base.py

scripts/sn_image_base/llm/

__init__.py

anthropic_adapter.py

chat_completions_adapter.py

llm_adapter.py

scripts/sn_image_base/utils/

__init__.py

error_utils.py

httpx_client.py

scripts/sn_image_base/vlm/

__init__.py

utils.py

vlm_adapter.py

詳細

sn-image-base

依存関係のインストール

pip install -r requirements.txt

概要

sn-image-base は SenseNova-Skills プロジェクトのベースレイヤースキル（ティア 0）で、次の 4 つの低レベルツールを提供します。

sn-image-generate：画像生成（text-to-image-no-enhance API を呼び出します）
sn-image-edit：SenseNova U1.5 Lite による画像編集（/images/edits を呼び出します）
sn-image-recognize：画像認識（VLM を使用して画像の内容を分析します）
sn-text-optimize：テキスト最適化（LLM を使用してテキストを処理します）

このスキルは入力の前処理を一切行わず、バックエンドサービスを呼び出して結果を返すだけです。

ツール一覧

sn-image-generate

text-to-image-no-enhance API を呼び出す画像生成ツールです。

--prompt は必須です。それ以外のパラメーターはすべて任意です。

パラメーター	型	デフォルト	説明
`--prompt`	string	必須	画像生成用のプロンプトテキスト
`--negative-prompt`	string	`""`	ネガティブプロンプト
`--image-size`	string	`2k`	画像サイズのプリセット（大文字と小文字を区別しません）。推奨値：`2k`。`4k` は `sensenova-u1.5-lite` でサポートされていますが、ほかの SenseNova 画像モデルでは拒否される場合があります。それ以外の値では `status=failed` になります。
`--aspect-ratio`	string	`16:9`	アスペクト比。例：`1:1`、`16:9`、`9:16`
`--seed`	int	`None`	再現可能な生成に使用する乱数シード
`--unet-name`	string	`None`	UNet モデル名を指定します
`--api-key`	string	`SN_IMAGE_GEN_API_KEY` -> `SN_API_KEY`	API キー（CLI 引数が優先されます。すべて空の場合は `MissingApiKeyError` が発生します）
`--base-url`	string	`SN_IMAGE_GEN_BASE_URL` -> `SN_BASE_URL`	API のベース URL（CLI 引数が優先されます）
`--poll-interval`	float	`5.0`	ポーリング間隔（秒）
`--timeout`	float	`300.0`	タイムアウト（秒）
`--insecure`	flag	`False`	TLS 検証を無効にします
`--save-path`	Path	自動生成	保存先のパス

SenseNova の画像リクエストでは、デフォルトで watermark=false が明示的に送信されます。sensenova-u1-fast と sensenova-u1.5-lite の両方がサポートされています。U1.5 Lite はネイティブ 4K 出力にも対応しています。このウォーターマークなし機能は現在、無料のパブリックベータ版として提供されており、将来的に有料になる可能性があります。

sn-image-edit

/images/edits エンドポイントを介して、SenseNova U1.5 Lite で 1 枚以上の参照画像を編集します。ローカルパスは Data URL に変換され、HTTP(S) URL と Data URL はそのまま渡されます。

python scripts/sn_agent_runner.py sn-image-edit \
    --prompt "Change the background to a snowy mountain" \
    --images source.png reference.png \
    --save-path edited.png

編集リクエストでは、公式のデフォルト値 n=1、size=auto、watermark=false、prompt_extend=true、response_format=url が使用されます。

sn-image-recognize

VLM（視覚言語モデル）を使用して画像の内容を分析する画像認識ツールです。複数の画像入力に対応しています。

--images と --user-prompt（または --user-prompt-path）は必須です。それ以外のパラメーターには、3 段階のデフォルト値（CLI > 環境変数 > 組み込みデフォルト値）が使用されます。

パラメーター	型	組み込みデフォルト値	環境変数	説明
`--api-key`	string	ハードコードされたデフォルト値なし	`SN_VISION_API_KEY` -> `SN_CHAT_API_KEY` -> `SN_API_KEY`	チャット実行時の API キー。すべて未設定の場合は `MissingApiKeyError` が発生します
`--base-url`	string	`SN_CHAT_BASE_URL` のデフォルト値	`SN_VISION_BASE_URL` -> `SN_CHAT_BASE_URL` -> `SN_BASE_URL`	ビジョンプロバイダーのベース URL。共有チャット／グローバルプロバイダーにフォールバックします
`--model`	string	`sensenova-6.8-flash-lite`	`SN_VISION_MODEL` -> `SN_CHAT_MODEL`	ビジョンに対応したモデル名
`--vlm-type`	string	`openai-completions`	`SN_VISION_TYPE` -> `SN_CHAT_TYPE`	チャットプロトコルの種類を上書きします
`--user-prompt-path`	string	`None`	-	ローカルファイルパス。`--user-prompt` とは同時に指定できません
`--system-prompt-path`	string	`None`	-	ローカルファイルパス。`--system-prompt` とは同時に指定できません

--vlm-type で指定できる値：

openai-completions：OpenAI 互換の /v1/chat/completions インターフェース
anthropic-messages：Anthropic Messages の /v1/messages インターフェース

sn-text-optimize

LLM（言語モデル）を使用してテキストコンテンツを最適化するツールです。画像入力には対応していません。

--user-prompt（または --user-prompt-path）は必須です。それ以外のパラメーターには、3段階のデフォルト値が適用されます（CLI > 環境変数 > 組み込みデフォルト値）。

パラメーター	型	組み込みデフォルト値	環境変数	説明
`--api-key`	string	ハードコードされたデフォルト値なし	`SN_TEXT_API_KEY` -> `SN_CHAT_API_KEY` -> `SN_API_KEY`	チャット実行時の API キーです。すべて未設定の場合、`MissingApiKeyError` が発生します
`--base-url`	string	`SN_CHAT_BASE_URL` のデフォルト値	`SN_TEXT_BASE_URL` -> `SN_CHAT_BASE_URL` -> `SN_BASE_URL`	テキストプロバイダーのベース URL です。共有チャット／グローバルプロバイダーにフォールバックします
`--model`	string	`sensenova-6.8-flash-lite`	`SN_TEXT_MODEL` -> `SN_CHAT_MODEL`	テキストモデル名です
`--llm-type`	string	`openai-completions`	`SN_TEXT_TYPE` -> `SN_CHAT_TYPE`	チャットプロトコルの種類を上書きします
`--user-prompt-path`	string	`None`	-	ローカルファイルパスです。`--user-prompt` と同時には指定できません
`--system-prompt-path`	string	`None`	-	ローカルファイルパスです。`--system-prompt` と同時には指定できません

--llm-type で指定できる値：

openai-completions：OpenAI 互換の /v1/chat/completions インターフェース
anthropic-messages：Anthropic Messages の /v1/messages インターフェース

VLM と LLM の比較

ツール	モデルの種類	画像入力	インターフェースの種類を指定するパラメーター
`sn-image-recognize`	VLM（視覚言語モデル）	あり。複数の画像に対応	`--vlm-type`
`sn-text-optimize`	LLM（言語モデル）	なし。テキストのみ	`--llm-type`

使用方法

すべてのツールは、統一された sn_agent_runner.py エントリーポイントを通じて呼び出します。

# Image generation (only prompt required; api-key/base-url have defaults)
python scripts/sn_agent_runner.py sn-image-generate \
    --prompt "..."

# Image generation (override base-url)
python scripts/sn_agent_runner.py sn-image-generate \
    --prompt "..." \
    --base-url "https://custom-endpoint.com/v1"

# Image generation (explicitly override api-key)
python scripts/sn_agent_runner.py sn-image-generate \
    --prompt "..." \
    --api-key "sk-xxx"

# Image recognition (VLM) - minimal call (uses built-in Sensenova defaults)
python scripts/sn_agent_runner.py sn-image-recognize \
    --user-prompt "Describe the image" \
    --images "path/to/image.png"

# Image recognition (VLM) - override to Anthropic Claude API compatible (messages interface)
python scripts/sn_agent_runner.py sn-image-recognize \
    --user-prompt "Describe the image" \
    --images "path/to/image.png" \
    --api-key "sk-ant-xxx" \
    --base-url "https://api.anthropic.com" \
    --model "claude-sonnet-4-6" \
    --vlm-type "anthropic-messages"

# Text optimization (LLM) - minimal call (uses built-in Sensenova defaults)
python scripts/sn_agent_runner.py sn-text-optimize \
    --user-prompt "Optimize the text: ..."

# Text optimization (LLM) - override to Anthropic Claude API compatible (messages interface)
python scripts/sn_agent_runner.py sn-text-optimize \
    --user-prompt "Optimize the text: ..." \
    --api-key "sk-ant-xxx" \
    --base-url "https://api.anthropic.com" \
    --model "claude-sonnet-4-6" \
    --llm-type "anthropic-messages"

デフォルトのパラメーター動作

sn-image-generate の認証パラメーターには、次のデフォルト動作が適用されます。

パラメーター	デフォルト値	上書き方法	説明
`--base-url`	`SN_IMAGE_GEN_BASE_URL` -> `SN_BASE_URL`	`--base-url "..."`	CLI 引数が優先されます
`--api-key`	`SN_IMAGE_GEN_API_KEY` -> `SN_API_KEY`	`--api-key "..."`	CLI 引数が優先されます。すべての値が空の場合、`MissingApiKeyError` が発生します

sn-image-recognize と sn-text-optimize では、次の優先順位が適用されます：CLI 引数 > ツール固有の環境変数 > 共通の SN_CHAT_* 環境変数 > グローバルな SN_* 環境変数 > 組み込みデフォルト値。

パラメーター	組み込みデフォルト値	Vision 環境変数	Text 環境変数
`--api-key`	なし（指定必須）	`SN_VISION_API_KEY` -> `SN_CHAT_API_KEY` -> `SN_API_KEY`	`SN_TEXT_API_KEY` -> `SN_CHAT_API_KEY` -> `SN_API_KEY`
`--base-url`	`https://token.sensenova.cn/v1`	`SN_VISION_BASE_URL` -> `SN_CHAT_BASE_URL` -> `SN_BASE_URL`	`SN_TEXT_BASE_URL` -> `SN_CHAT_BASE_URL` -> `SN_BASE_URL`
`--model`	`sensenova-6.8-flash-lite`	`SN_VISION_MODEL` -> `SN_CHAT_MODEL`	`SN_TEXT_MODEL` -> `SN_CHAT_MODEL`
`--vlm-type` / `--llm-type`	`openai-completions`	`SN_VISION_TYPE` -> `SN_CHAT_TYPE`	`SN_TEXT_TYPE` -> `SN_CHAT_TYPE`

api_key の解決順序（優先度の高い順）：CLI の --api-key > ツール固有のキー（SN_VISION_API_KEY／SN_TEXT_API_KEY）> SN_CHAT_API_KEY > SN_API_KEY。すべて未設定の場合、MissingApiKeyError が発生します。

CLI または環境変数で指定が必須なのは --api-key のみです。ベース URL、モデル、インターフェースの種類には共通のチャットデフォルト値が使用されます。

エージェント設定との統合

エージェントは、手動入力なしで openclaw.json からパラメーターを自動的に読み取れます。

CLI パラメーター	openclaw.json のフィールド	例
`--base-url`	`providers.<name>.baseUrl`	`https://api.anthropic.com`
`--llm-type`	`providers.<name>.api`	`anthropic-messages` / `openai-completions`
`--vlm-type`	`providers.<name>.api`	`anthropic-messages` / `openai-completions`
`--model`	`providers.<name>.models[].id`	`claude-sonnet-4-6`
`--api-key`	`providers.<name>.apiKey` または環境変数	`sk-cp-...`

注：--llm-type と --vlm-type は同じ providers.<name>.api フィールドを共有し、それぞれ LLM ツールと VLM ツールで使用されます。

provider.api とインターフェースタイプの対応関係：

api の値	対応する `--llm-type` / `--vlm-type`	エンドポイントパス
`anthropic-messages`	`anthropic-messages`	`/v1/messages`
`openai-completions`	`openai-completions`	`/v1/chat/completions`
`openai-responses`	（将来の拡張）	`/responses`

base-url とインターフェースタイプの対応関係

API タイプごとに、base-url の形式に関する要件が異なります。

タイプ	`--llm-type` / `--vlm-type`	推奨される base-url	コードで追加されるパス	最終 URL の例
LLM	`openai-completions`	`https://token.sensenova.cn/v1`	`/chat/completions`	`https://token.sensenova.cn/v1/chat/completions`
LLM	`anthropic-messages`	`https://api.anthropic.com/v1`	`/messages`	`https://api.anthropic.com/v1/messages`
VLM	`openai-completions`	`https://token.sensenova.cn/v1`	`/chat/completions`	`https://token.sensenova.cn/v1/chat/completions`
VLM	`anthropic-messages`	`https://api.anthropic.com/v1`	`/messages`	`https://api.anthropic.com/v1/messages`

注：

推奨されるチャット用 base URL には、たとえば /v1 のように、プロバイダー API のバージョンパスを含めます。
互換性のため、設定されたチャット用 base URL にパスがない場合、ランナーは /v1/chat/completions または /v1/messages を追加します。
設定されたチャット用 base URL に /v1 などのパスがすでに含まれている場合、ランナーは /chat/completions または /messages のみを追加します。
Gemini の /v1beta/openai のように、/v1 以外のバージョン付きパスを使用するプロバイダーもあります。

出力形式

すべてのツールで、次の 2 種類の出力形式を使用できます。

--output-format text（デフォルト）：プレーンテキストの結果を出力します
--output-format json：status と elapsed_seconds（秒単位の実行時間、小数点以下 2 桁に丸めた値）を含む JSON を出力します

sn-image-recognize と sn-text-optimize の JSON 出力には、有効な実行時設定を確認できるよう、model、base_url、interface_type も含まれます。

{
  "status": "ok",
  "result": "...",
  "model": "sensenova-6.8-flash-lite",
  "base_url": "https://token.sensenova.cn/v1",
  "interface_type": "openai-completions",
  "elapsed_seconds": 1.23
}

失敗時：

{
  "status": "failed",
  "error": "error message",
  "elapsed_seconds": 0.05
}

入出力仕様

詳細は references/api_spec.md を参照してください。

Markdown 対応

ログインしてコメント

基本情報

作者: opensensenova
リポジトリ: opensensenova/sensenova-skills
カテゴリ: クリエイティブ・メディア
インストール数: 185
GitHub スター: 5,952

問題を報告

おすすめの Skills

すべての Skills

ai-video-generation

github.com/inference-sh

1.7M

inference.sh CLI で Google Veo、Seedance 2.0、HappyHorse、Wan、Grok など 40 以上のモデルを使って AI 動画を生成する。モデル：Veo 3.1、Seedance 2.0、HappyHorse 1.0、Wan 2.5、Grok Imagine Video、OmniHuman、Fabric、HunyuanVideo。機能：テキストから動画、画像から動画、参照から動画、動画編集、リップシンク、アバターアニメーション、動画アップスケーリング、フォーリー音。用途：ソーシャルメディア動画、マーケティングコンテンツ、解説動画、製品デモ、AI アバター。トリガー：video generation、ai video、text to video、image to video、veo、animate image、video from image、ai animation、video generator、generate video、t2v、i2v、ai video maker、create video with ai、runway alternative、pika alternative、sora alternative、kling alternative、seedance、happyhorse

ai-image-generation

github.com/inference-sh

1.7M

inference.sh CLI で GPT-Image-2.5、FLUX、Gemini、Grok、Seedream、Reve など 50 以上のモデルを使って AI 画像を生成する。モデル：GPT-Image-2.5 Flare、GPT-Image-2.5 Sunburst、GPT-Image-2、FLUX Dev LoRA、FLUX.2 Klein LoRA、Gemini 3 Pro Image、Grok Imagine、Seedream 4.5、Reve、ImagineArt。機能：テキストから画像、画像から画像、インペインティング、LoRA、画像編集、アップスケーリング、テキストレンダリング。用途：AI アート、製品モックアップ、コンセプトアート、ソーシャルメディア用グラフィック、マーケティングビジュアル、イラスト。トリガー：flux、image generation、ai image、text to image、stable diffusion、generate image、ai art、midjourney alternative、dall-e alternative、text2img、t2i、image generator、ai picture、create image with ai、generative ai、ai illustration、grok image、gemini image、gpt image、openai image、chatgpt image

ai-avatar-video

github.com/inference-sh

1.7M

inference.sh CLI で AI アバターやトーキングヘッド動画を作成します。おすすめ：P-Video-Avatar（最速、最安、TTS 内蔵）。その他：OmniHuman、Fabric、PixVerse。音声：Inworld TTS-2（100以上の言語に対応し、キャラクターの感情を調整可能）、ElevenLabs、Kokoro。機能：音声駆動アバター、テキストからアバター、リップシンク動画、トーキングヘッド生成、バーチャルプレゼンター、UGC コンテンツ。用途：AI プレゼンター、解説動画、バーチャルインフルエンサー、吹き替え、マーケティング動画、UGC 広告、ゲームアバター、NPC の会話。トリガー：ai avatar、talking head、lipsync、avatar video、virtual presenter、ai spokesperson、audio driven video、heygen alternative、synthesia alternative、talking avatar、lip sync、video avatar、ai presenter、digital human、ugc、ugc video、ugc ad、avatar ugc

remotion-render

github.com/inference-sh

1.6M

inference.sh を介して React/Remotion コンポーネントコードから動画をレンダリングします。TSX コードを渡すと MP4 を取得できます。useCurrentFrame、useVideoConfig、spring、interpolate、AbsoluteFill、Sequence など、すべての Remotion API に対応します。解像度、FPS、長さ、コーデックを設定できます。用途：プログラムによる動画生成、アニメーショングラフィック、モーションデザイン、データ駆動型動画、React アニメーションの動画化。トリガー：remotion、render video from code、tsx to video、react video、programmatic video、remotion render、code to video、animated video、motion graphics code、react animation video