mcpField
I
image-generation

image-generation

github.com/massgen创意与媒体1.1k76 次安装20 周前更新
代码仓库

关于 image-generation

介绍如何通过 MassGen 的 generate_media 工具生成和编辑图像，面向使用该工具的用户。支持按 API 密钥自动选择后端，也可指定后端、模型和编辑参数。

主要功能

  1. 01文本生成图像
  2. 02按可用密钥自动选择后端
  3. 03批量并行生成
  4. 04基于输入图像编辑
  5. 05通过续写 ID 多轮修改

适用场景

  1. 01从文本提示生成图像
  2. 02批量生成多个图像结果
  3. 03将照片转换为水彩风格
  4. 04逐轮调整图像中的文字或元素

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/massgen/massgen --skill image-generation

安装后在 Claude Code 中输入/image-generation确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

references/
backends.md
editing.md
extra_params.md

详细介绍

图像生成

使用 generate_media 并设置 mode="image" 来生成图像。系统会根据可用的 API 密钥自动选择最佳后端。

快速开始

# Simple text-to-image (auto-selects backend)
generate_media(prompt="A cat in space", mode="image")

# Specify backend and quality
generate_media(prompt="A logo for a coffee shop", mode="image",
               backend_type="openai", quality="high")

# Batch generation (parallel)
generate_media(prompts=["sunset over ocean", "mountain landscape", "city at night"],
               mode="image", max_concurrent=3)

后端对比

后端默认模型优势API 密钥
Google（优先级 1）gemini-3.1-flash-image-preview（Nano Banana 2）速度快、尺寸灵活、图像编辑、多轮生成GOOGLE_API_KEY 或 GEMINI_API_KEY
OpenAI（优先级 2）gpt-5.4质量高、透明背景、可通过响应 ID 继续生成OPENAI_API_KEY
Grok（优先级 3）grok-imagine-image1k 分辨率、可通过已存储的数据 URI 继续生成XAI_API_KEY
OpenRouter（优先级 4）google/gemini-3.1-flash-image-preview通过单个 API 访问多个模型OPENROUTER_API_KEY

关键参数

参数说明示例
prompt图像的文字描述"一幅描绘群山的水彩画"
backend_type指定特定后端"google"、"openai"、"grok"、"openrouter"
model覆盖默认模型"gemini-3-pro-image-preview"，适用于工作室级质量
quality图像质量（OpenAI）"low"、"medium"、"high"、"auto"
size图像尺寸参见后端参考文档
aspect_ratio宽高比"16:9"、"1:1"、"4:5"
input_images用于图生图编辑的源图像["photo.jpg"]
continue_from多轮编辑的续接 IDresult["continuation_id"]

图生图编辑

通过提供 input_images 来转换现有图像：

generate_media(
    prompt="Make it look like a watercolor painting",
    mode="image",
    input_images=["photo.jpg"]
)

支持图生图的后端：Google（Gemini）、OpenAI、Grok。如果当前后端不支持，系统会自动选择其他后端。

多轮编辑（续接）

使用 continue_from 逐步优化图像：

# First generation
result = generate_media(prompt="A logo for a coffee shop", mode="image")

# Refine using the continuation ID
result2 = generate_media(
    prompt="Make the text larger and add a cup icon",
    mode="image",
    continue_from=result["continuation_id"]
)

各后端使用不同的续接机制：

  • OpenAI：传递 previous_response_id（无状态）
  • Google Gemini：内存中的聊天存储（LRU，50 项）
  • Grok：内存中的数据 URI 存储（LRU，50 项）

续接仅适用于单张图像生成（不适用于批量生成）。

Google：Gemini 与 Imagen

Google 支持两种 API 路径。Gemini（Nano Banana 2）是默认选项，推荐用于大多数场景。 只有在需要高级参考图像编辑功能时才需要使用 Imagen。

  • Gemini 模型（gemini-*）：generate_content() — 文生图、通过 input_images 编辑图像、多轮续接
  • Imagen 模型（imagen-*）：generate_images() / edit_image() — 文生图并支持 negative_prompt/seed/guidance_scale，以及通过参考图像实现风格迁移、控制编辑和主体一致性

如需工作室级的精准度和文字渲染，请使用：model="gemini-3-pro-image-preview"（Pro 级）。

需要更多控制？

评论

支持 Markdown