Tools

تولید تصویر

ابزار image_generate از طریق ارائه‌دهندگان پیکربندی‌شده شما تصاویر را ایجاد و ویرایش می‌کند. در نشست‌های گفت‌وگو، این ابزار به‌صورت ناهمگام اجرا می‌شود: OpenClaw یک وظیفه پس‌زمینه ثبت می‌کند، شناسه وظیفه را بلافاصله برمی‌گرداند و پس از پایان کار ارائه‌دهنده، عامل را بیدار می‌کند. عامل تکمیل از حالت معمول پاسخ قابل‌مشاهده نشست پیروی می‌کند: در صورت پیکربندی، پاسخ نهایی به‌طور خودکار تحویل داده می‌شود؛ یا اگر نشست به ابزار پیام نیاز داشته باشد، از message(action="send") استفاده می‌شود. اگر نشست درخواست‌کننده غیرفعال باشد یا بیدارسازی فعال آن ناموفق شود، OpenClaw یک پاسخ جایگزین مستقیم و هم‌توان با تصاویر تولیدشده ارسال می‌کند تا نتیجه از دست نرود.

شروع سریع

پیکربندی احراز هویت

برای دست‌کم یک ارائه‌دهنده، کلید API تنظیم کنید (برای نمونه OPENAI_API_KEY، GEMINI_API_KEY، OPENROUTER_API_KEY) یا با OpenAI Codex OAuth وارد شوید.

انتخاب مدل پیش‌فرض (اختیاری)

json5

{  agents: {    defaults: {      imageGenerationModel: {        primary: "openai/gpt-image-2",        timeoutMs: 180_000,      },    },  },}

ChatGPT/Codex OAuth از همان ارجاع مدل openai/gpt-image-2 استفاده می‌کند. وقتی یک نمایه OAuth از نوع openai پیکربندی شده باشد، OpenClaw درخواست‌های تصویر را به‌جای تلاش اولیه با OPENAI_API_KEY، از طریق همان نمایه OAuth هدایت می‌کند. پیکربندی صریح models.providers.openai (کلید API یا نشانی پایه سفارشی/Azure) دوباره مسیر مستقیم OpenAI Images API را فعال می‌کند.

درخواست از عامل

«تصویری از یک ربات خوش‌برخورد به‌عنوان نماد تولید کن.»

عامل به‌طور خودکار image_generate را فراخوانی می‌کند. نیازی به افزودن ابزار به فهرست مجاز نیست؛ هنگامی که ارائه‌دهنده‌ای در دسترس باشد، ابزار به‌طور پیش‌فرض فعال است. ابزار ابتدا شناسه یک وظیفه پس‌زمینه را برمی‌گرداند و سپس عامل تکمیل، پس از آماده‌شدن پیوست تولیدشده، آن را از طریق ابزار message ارسال می‌کند.

مسیرهای رایج

هدف	ارجاع مدل	احراز هویت
تولید تصویر OpenAI با صورت‌حساب API	`openai/gpt-image-2`	`OPENAI_API_KEY`
تولید تصویر OpenAI با احراز هویت اشتراک Codex	`openai/gpt-image-2`	OpenAI ChatGPT/Codex OAuth
PNG/WebP با پس‌زمینه شفاف در OpenAI	`openai/gpt-image-1.5`	`OPENAI_API_KEY` یا OpenAI Codex OAuth
تولید تصویر DeepInfra	`deepinfra/black-forest-labs/FLUX-1-schnell`	`DEEPINFRA_API_KEY`
تولید بیان‌محور/سبک‌محور fal Krea 2	`fal/krea/v2/medium/text-to-image`	`FAL_KEY`
تولید تصویر OpenRouter	`openrouter/google/gemini-3.1-flash-image-preview`	`OPENROUTER_API_KEY`
تولید تصویر LiteLLM	`litellm/gpt-image-2`	`LITELLM_API_KEY`
تولید تصویر Microsoft Foundry MAI	`microsoft-foundry/<deployment-name>`	`AZURE_OPENAI_API_KEY` یا Entra ID
تولید تصویر Google Gemini	`google/gemini-3.1-flash-image-preview`	`GEMINI_API_KEY` یا `GOOGLE_API_KEY`

همین ابزار هم تبدیل متن به تصویر و هم ویرایش با تصویر مرجع را انجام می‌دهد. برای یک تصویر مرجع از image و برای چند تصویر از images استفاده کنید. در مدل‌های Krea 2 روی fal، این تصاویر به‌جای ورودی ویرایش، به‌عنوان مراجع سبک ارسال می‌شوند. راهنماهای خروجی پشتیبانی‌شده توسط ارائه‌دهنده، مانند quality، outputFormat و background، در صورت امکان منتقل می‌شوند و اگر ارائه‌دهنده پشتیبانی از آن‌ها را اعلام نکرده باشد، نادیده‌گرفته‌شدنشان گزارش می‌شود. پشتیبانی داخلی از پس‌زمینه شفاف مختص OpenAI است؛ بااین‌حال، سایر ارائه‌دهندگان نیز ممکن است در صورت تولید توسط سامانه پشتیبان خود، کانال آلفای PNG را حفظ کنند.

ارائه‌دهندگان پشتیبانی‌شده

ارائه‌دهنده	مدل پیش‌فرض	پشتیبانی از ویرایش	احراز هویت
ComfyUI	`workflow`	بله (۱ تصویر، پیکربندی‌شده در گردش کار)	`COMFY_API_KEY` یا `COMFY_CLOUD_API_KEY` برای ابر
DeepInfra	`black-forest-labs/FLUX-1-schnell`	بله (۱ تصویر)	`DEEPINFRA_API_KEY`
fal	`fal-ai/flux/dev`	بله (محدودیت‌های مختص مدل)	`FAL_KEY`
Google	`gemini-3.1-flash-image-preview`	بله (تا ۵ تصویر)	`GEMINI_API_KEY` یا `GOOGLE_API_KEY`
LiteLLM	`gpt-image-2`	بله (تا ۵ تصویر ورودی)	`LITELLM_API_KEY`
Microsoft Foundry	`<deployment-name>`	بله (فقط مدل‌های MAI-Image-2.5)	`AZURE_OPENAI_API_KEY` یا Entra ID (`az login`)
MiniMax	`image-01`	بله (مرجع سوژه)	`MINIMAX_API_KEY` یا MiniMax OAuth (`minimax-portal`)
OpenAI	`gpt-image-2`	بله (تا ۵ تصویر)	`OPENAI_API_KEY` یا OpenAI ChatGPT/Codex OAuth
OpenRouter	`google/gemini-3.1-flash-image-preview`	بله (تا ۵ تصویر ورودی)	`OPENROUTER_API_KEY`
Vydra	`grok-imagine`	خیر	`VYDRA_API_KEY`
xAI	`grok-imagine-image`	بله (تا ۳ تصویر)	`XAI_API_KEY`

برای بررسی ارائه‌دهندگان و مدل‌های موجود در زمان اجرا، از action: "list" استفاده کنید:

text

/tool image_generate action=list

برای بررسی وظیفه فعال تولید تصویر در نشست جاری، از action: "status" استفاده کنید:

text

/tool image_generate action=status

قابلیت‌های ارائه‌دهندگان

قابلیت	ComfyUI	DeepInfra	fal	Google	Microsoft Foundry	MiniMax	OpenAI	Vydra	xAI
تولید (حداکثر تعداد)	۱	۴	۴	۴	۱	۹	۴	۱	۴
ویرایش / مرجع	۱ تصویر (گردش کار)	۱ تصویر	Flux: ۱؛ GPT: ۱۰؛ مراجع سبک Krea: ۱۰؛ NB2: ۱۴	تا ۵ تصویر	۱ تصویر	۱ تصویر (مرجع سوژه)	تا ۵ تصویر	-	تا ۳ تصویر
کنترل اندازه	-	✓	✓	✓	✓	-	تا 4K	-	-
نسبت ابعاد	-	-	✓	✓	-	✓	-	-	✓
وضوح (1K/2K/4K)	-	-	✓	✓	-	-	-	-	1K، 2K

پارامترهای ابزار

promptstringrequired

دستور تولید تصویر. برای action: "generate" الزامی است.

action"generate" | "status" | "list"default: generate

برای بررسی وظیفه فعال نشست از "status" و برای بررسی ارائه‌دهندگان و مدل‌های موجود در زمان اجرا از "list" استفاده کنید.

modelstring

جایگزینی ارائه‌دهنده/مدل (برای نمونه openai/gpt-image-2). برای پس‌زمینه شفاف OpenAI از openai/gpt-image-1.5 استفاده کنید.

imagestring

مسیر یا نشانی اینترنتی یک تصویر مرجع برای حالت ویرایش.

imagesstring[]

چند تصویر مرجع برای حالت ویرایش یا مدل‌های مرجع سبک (حداکثر ۱۴ تصویر از طریق ابزار مشترک؛ محدودیت‌های مختص ارائه‌دهنده همچنان اعمال می‌شوند).

sizestring

راهنمای اندازه: 1024x1024، 1536x1024، 1024x1536، 2048x2048، 3840x2160.

aspectRatiostring

نسبت ابعاد: 1:1، 2:1، 20:9، 19.5:9، 2:3، 3:2، 2.35:1، 3:4، 4:3، 4:5، 5:4، 9:16، 9:19.5، 9:20، 16:9، 21:9، 1:2، 4:1، 1:4، 8:1، 1:8. ارائه‌دهندگان زیرمجموعه مختص مدل خود را اعتبارسنجی می‌کنند.

resolution"1K" | "2K" | "4K"

quality"low" | "medium" | "high" | "auto"

راهنمای کیفیت، هنگامی که ارائه‌دهنده از آن پشتیبانی می‌کند.

outputFormat"png" | "jpeg" | "webp"

راهنمای قالب خروجی، هنگامی که ارائه‌دهنده از آن پشتیبانی می‌کند.

background"transparent" | "opaque" | "auto"

راهنمای پس‌زمینه، هنگامی که ارائه‌دهنده از آن پشتیبانی می‌کند. برای ارائه‌دهندگان دارای قابلیت شفافیت، از transparent همراه با outputFormat: "png" یا "webp" استفاده کنید.

countnumber

timeoutMsnumber

مهلت اختیاری درخواست ارائه‌دهنده برحسب میلی‌ثانیه. وقتی Codex ابزار image_generate را از طریق ابزارهای پویا فراخوانی می‌کند، این مقدار مختص هر فراخوانی همچنان مقدار پیش‌فرض پیکربندی‌شده را بازنویسی می‌کند و حداکثر به ۶۰۰۰۰۰ میلی‌ثانیه محدود می‌شود.

filenamestring

openaiobject

راهنماهای مختص OpenAI: background، moderation، outputCompression و user.

fal.creativity"raw" | "low" | "medium" | "high"

کنترل خلاقیت fal Krea 2. مقدار پیش‌فرض medium است.

Note

همه ارائه‌دهندگان از همه پارامترها پشتیبانی نمی‌کنند. اگر ارائه‌دهنده جایگزین به‌جای گزینه هندسی دقیقاً درخواست‌شده، از گزینه‌ای نزدیک پشتیبانی کند، OpenClaw پیش از ارسال، درخواست را به نزدیک‌ترین اندازه، نسبت ابعاد یا وضوح پشتیبانی‌شده نگاشت می‌کند. راهنماهای خروجی پشتیبانی‌نشده برای ارائه‌دهندگانی که پشتیبانی از آن‌ها را اعلام نکرده‌اند حذف می‌شوند و این موضوع در نتیجه ابزار گزارش می‌شود. نتایج ابزار تنظیمات اعمال‌شده را گزارش می‌کنند؛ details.normalization هرگونه تبدیل مقدار درخواستی به مقدار اعمال‌شده را ثبت می‌کند.

پیکربندی

انتخاب مدل

json5

{  agents: {    defaults: {      imageGenerationModel: {        primary: "openai/gpt-image-2",        timeoutMs: 180_000,        fallbacks: [          "openrouter/google/gemini-3.1-flash-image-preview",          "google/gemini-3.1-flash-image-preview",          "fal/fal-ai/flux/dev",        ],      },    },  },}

ترتیب انتخاب ارائه‌دهنده

OpenClaw ارائه‌دهندگان را به‌ترتیب زیر امتحان می‌کند:

پارامتر model از فراخوانی ابزار (اگر عامل آن را مشخص کند).
مقدار imageGenerationModel.primary از پیکربندی.
مقادیر imageGenerationModel.fallbacks به‌ترتیب.
تشخیص خودکار — فقط پیش‌فرض‌های ارائه‌دهندگانی که احراز هویت آن‌ها پشتیبانی می‌شود:
- ابتدا ارائه‌دهنده پیش‌فرض فعلی؛
- سپس سایر ارائه‌دهندگان ثبت‌شده تولید تصویر، به‌ترتیب شناسه ارائه‌دهنده.

اگر ارائه‌دهنده‌ای ناموفق باشد (خطای احراز هویت، محدودیت نرخ و غیره)، نامزد پیکربندی‌شده بعدی به‌طور خودکار امتحان می‌شود. اگر همه ناموفق باشند، خطا شامل جزئیات هر تلاش خواهد بود.

Per-call model overrides are exact

بازنویسی model برای هر فراخوانی، فقط همان ارائه‌دهنده/مدل را امتحان می‌کند و به ارائه‌دهندگان اصلی/جایگزین پیکربندی‌شده یا ارائه‌دهندگان شناسایی‌شده خودکار ادامه نمی‌دهد.

Auto-detection is auth-aware

پیش‌فرض یک ارائه‌دهنده تنها زمانی وارد فهرست نامزدها می‌شود که OpenClaw واقعاً بتواند آن ارائه‌دهنده را احراز هویت کند. برای استفاده صرفاً از ورودی‌های صریح model،‏ primary و fallbacks، مقدار agents.defaults.mediaGenerationAutoProviderFallback: false را تنظیم کنید.

Timeouts

برای سامانه‌های پشتیبان کند تولید تصویر، agents.defaults.imageGenerationModel.timeoutMs را تنظیم کنید. پارامتر ابزار timeoutMs در هر فراخوانی، پیش‌فرض پیکربندی‌شده را بازنویسی می‌کند و پیش‌فرض‌های پیکربندی‌شده نیز بر پیش‌فرض‌های ارائه‌دهنده‌ای که Plugin تعیین کرده است اولویت دارند. ارائه‌دهندگان میزبانی‌شده تصویر Google و OpenRouter از پیش‌فرض ۱۸۰ ثانیه‌ای استفاده می‌کنند؛ تولید تصویر Microsoft Foundry MAI،‏ xAI و Azure OpenAI از ۶۰۰ ثانیه استفاده می‌کند. فراخوانی‌های ابزار پویا در Codex از پیش‌فرض ۱۲۰ ثانیه‌ای پل image_generate استفاده می‌کنند و در صورت پیکربندی، همان بودجه زمانی را رعایت می‌کنند؛ این زمان به حداکثر ۶۰۰۰۰۰ میلی‌ثانیه‌ای پل ابزار پویای OpenClaw محدود است.

Inspect at runtime

برای بررسی ارائه‌دهندگان ثبت‌شده فعلی، مدل‌های پیش‌فرض آن‌ها و راهنمای متغیرهای محیطی احراز هویت، از action: "list" استفاده کنید.

ویرایش تصویر

OpenAI،‏ OpenRouter،‏ Google،‏ DeepInfra،‏ fal،‏ Microsoft Foundry،‏ MiniMax،‏ ComfyUI و xAI از ویرایش تصاویر مرجع پشتیبانی می‌کنند. مدل‌های Krea 2 در fal به‌جای ورودی ویرایش، از همان فیلدهای image / images به‌عنوان مراجع سبک استفاده می‌کنند. مسیر یا نشانی اینترنتی یک تصویر مرجع را ارسال کنید:

text

"Generate a watercolor version of this photo" + image: "/path/to/photo.jpg"

OpenAI،‏ OpenRouter و Google از طریق پارامتر images حداکثر از ۵ تصویر مرجع پشتیبانی می‌کنند؛ xAI حداکثر از ۳ تصویر پشتیبانی می‌کند. fal برای تبدیل تصویر به تصویر Flux از ۱ تصویر مرجع، برای ویرایش‌های GPT Image 2 حداکثر از ۱۰ تصویر، برای Krea 2 حداکثر از ۱۰ مرجع سبک و برای ویرایش‌های Nano Banana 2 حداکثر از ۱۴ تصویر پشتیبانی می‌کند. Microsoft Foundry،‏ MiniMax و ComfyUI از ۱ تصویر پشتیبانی می‌کنند.

بررسی عمیق ارائه‌دهندگان

OpenAI gpt-image-2 (and gpt-image-1.5)

تولید تصویر OpenAI به‌طور پیش‌فرض از openai/gpt-image-2 استفاده می‌کند. اگر نمایه OAuth مربوط به openai پیکربندی شده باشد، OpenClaw همان نمایه OAuth مورد استفاده مدل‌های گفت‌وگوی اشتراکی Codex را دوباره استفاده می‌کند و درخواست تصویر را از طریق سامانه پشتیبان Codex Responses می‌فرستد. نشانی‌های پایه قدیمی Codex مانند https://chatgpt.com/backend-api برای درخواست‌های تصویر به https://chatgpt.com/backend-api/codex استانداردسازی می‌شوند. OpenClaw برای آن درخواست به‌طور ضمنی به OPENAI_API_KEY بازنمی‌گردد — برای اجبار به مسیریابی مستقیم از طریق OpenAI Images API،‏ models.providers.openai را به‌طور صریح با کلید API، نشانی پایه سفارشی یا نقطه پایانی Azure پیکربندی کنید.

مدل‌های openai/gpt-image-1.5،‏ openai/gpt-image-1 و openai/gpt-image-1-mini همچنان می‌توانند به‌طور صریح انتخاب شوند. برای خروجی PNG/WebP با پس‌زمینه شفاف از gpt-image-1.5 استفاده کنید؛ API فعلی gpt-image-2 مقدار background: "transparent" را رد می‌کند.

gpt-image-2 از تولید متن‌به‌تصویر و ویرایش تصویر مرجع، هر دو از طریق ابزار یکسان image_generate، پشتیبانی می‌کند. OpenClaw مقادیر prompt،‏ count،‏ size،‏ quality،‏ outputFormat و تصاویر مرجع را به OpenAI ارسال می‌کند. OpenAI مقادیر aspectRatio یا resolution را مستقیماً دریافت نمی‌کند؛ OpenClaw در صورت امکان آن‌ها را به یک size پشتیبانی‌شده نگاشت می‌کند، وگرنه ابزار آن‌ها را به‌عنوان بازنویسی‌های نادیده‌گرفته‌شده گزارش می‌دهد.

گزینه‌های ویژه OpenAI زیر شیء openai قرار می‌گیرند:

json

{  "quality": "low",  "outputFormat": "jpeg",  "openai": {    "background": "opaque",    "moderation": "low",    "outputCompression": 60,    "user": "end-user-42"  }}

openai.background مقادیر transparent،‏ opaque یا auto را می‌پذیرد؛ خروجی‌های شفاف به outputFormat برابر با png یا webp و یک مدل تصویر OpenAI با قابلیت شفافیت نیاز دارند. OpenClaw درخواست‌های پس‌زمینه شفاف مدل پیش‌فرض gpt-image-2 را به gpt-image-1.5 هدایت می‌کند. openai.outputCompression برای خروجی‌های JPEG/WebP اعمال می‌شود و در خروجی‌های PNG نادیده گرفته می‌شود.

راهنمای سطح بالای background مستقل از ارائه‌دهنده است و در حال حاضر، هنگام انتخاب ارائه‌دهنده OpenAI، به همان فیلد درخواست background در OpenAI نگاشت می‌شود. ارائه‌دهندگانی که پشتیبانی از پس‌زمینه را اعلام نمی‌کنند، به‌جای دریافت پارامتر پشتیبانی‌نشده، آن را در ignoredOverrides بازمی‌گردانند.

برای هدایت تولید تصویر OpenAI از طریق یک استقرار Azure OpenAI به‌جای api.openai.com، به نقاط پایانی Azure OpenAI مراجعه کنید.

Microsoft Foundry MAI image models

تولید تصویر Microsoft Foundry از نام‌های استقرار تصویر MAI تحت پیشوند ارائه‌دهنده microsoft-foundry/ استفاده می‌کند. مدل پیش‌فرضی در سطح ارائه‌دهنده وجود ندارد، زیرا API مربوط به MAI انتظار دارد نام استقرار شما در فیلد model قرار گیرد:

json5

{  agents: {    defaults: {      imageGenerationModel: {        primary: "microsoft-foundry/<deployment-name>",        timeoutMs: 600_000,      },    },  },}

این ارائه‌دهنده از API مربوط به MAI در Microsoft Foundry استفاده می‌کند، نه OpenAI Images API:

نقطه پایانی تولید: /mai/v1/images/generations
نقطه پایانی ویرایش: /mai/v1/images/edits
احراز هویت: AZURE_OPENAI_API_KEY / کلید API ارائه‌دهنده، یا Entra ID از طریق az login
خروجی: یک تصویر PNG
اندازه: مقدار پیش‌فرض 1024x1024؛ عرض و ارتفاع باید هرکدام حداقل ۷۶۸ پیکسل باشند و مجموع پیکسل‌ها نباید از ۱٬۰۴۸٬۵۷۶ بیشتر شود
ویرایش‌ها: یک تصویر مرجع PNG یا JPEG، که فقط در استقرارهای MAI-Image-2.5-Flash و MAI-Image-2.5 پشتیبانی می‌شود

تولید صرفاً مبتنی بر پرامپت می‌تواند با پیکربندی فقط نقطه پایانی Foundry، از یک نام استقرار سفارشی استفاده کند. ویرایش با نام‌های استقرار سفارشی به فراداده راه‌اندازی اولیه/مدل نیاز دارد تا OpenClaw بتواند تأیید کند که استقرار از MAI-Image-2.5-Flash یا MAI-Image-2.5 پشتیبانی می‌شود.

مدل‌های تصویر فعلی MAI عبارت‌اند از MAI-Image-2.5-Flash،‏ MAI-Image-2.5،‏ MAI-Image-2e و MAI-Image-2. برای راه‌اندازی و رفتار مدل گفت‌وگو، به Plugin مربوط به Microsoft Foundry مراجعه کنید.

OpenRouter image models

تولید تصویر OpenRouter از همان OPENROUTER_API_KEY استفاده می‌کند و از طریق API تصویر تکمیل گفت‌وگوی OpenRouter مسیریابی می‌شود. مدل‌های تصویر OpenRouter را با پیشوند openrouter/ انتخاب کنید:

json5

{  agents: {    defaults: {      imageGenerationModel: {        primary: "openrouter/google/gemini-3.1-flash-image-preview",      },    },  },}

OpenClaw مقادیر prompt،‏ count، تصاویر مرجع و راهنماهای سازگار با Gemini برای aspectRatio / resolution را به OpenRouter ارسال می‌کند. میان‌برهای داخلی فعلی مدل تصویر OpenRouter شامل google/gemini-3.1-flash-image-preview،‏ google/gemini-3-pro-image-preview و openai/gpt-5.4-image-2 هستند. برای مشاهده مواردی که Plugin پیکربندی‌شده شما ارائه می‌کند، از action: "list" استفاده کنید.

fal Krea 2

مدل‌های Krea 2 در fal به‌جای طرح‌واره عمومی image_size که Flux استفاده می‌کند، از طرح‌واره بومی Krea در fal استفاده می‌کنند. OpenClaw موارد زیر را ارسال می‌کند:

aspect_ratio برای راهنماهای نسبت ابعاد
creativity با مقدار پیش‌فرض medium
image_style_references هنگامی که image یا images ارائه شده باشد

برای تصویرسازی سریع‌تر و پرحالت‌تر، Krea 2 Medium و برای ظاهرهای واقع‌گرایانه و بافت‌دارِ کندتر اما پرجزئیات‌تر، Krea 2 Large را انتخاب کنید:

json5

{  agents: {    defaults: {      imageGenerationModel: {        primary: "fal/krea/v2/medium/text-to-image",      },    },  },}

Krea 2 در حال حاضر در هر درخواست یک تصویر بازمی‌گرداند. برای Krea استفاده از aspectRatio ترجیح دارد؛ OpenClaw مقدار size را به نزدیک‌ترین نسبت ابعاد پشتیبانی‌شده Krea نگاشت می‌کند و به‌جای حذف resolution، آن را برای Krea رد می‌کند. هنگامی که سطح خلاقیت بومی Krea را می‌خواهید، از fal.creativity استفاده کنید:

json

{  "model": "fal/krea/v2/medium/text-to-image",  "prompt": "A cyber zine portrait with risograph texture",  "aspectRatio": "9:16",  "fal": {    "creativity": "high"  }}

MiniMax dual-auth

تولید تصویر MiniMax از طریق هر دو مسیر احراز هویت همراه MiniMax در دسترس است:

minimax/image-01 برای راه‌اندازی‌های مبتنی بر کلید API
minimax-portal/image-01 برای راه‌اندازی‌های مبتنی بر OAuth

xAI grok-imagine-image

ارائه‌دهنده همراه xAI برای درخواست‌های صرفاً مبتنی بر پرامپت از /v1/images/generations و هنگام وجود image یا images از /v1/images/edits استفاده می‌کند.

مدل‌ها: xai/grok-imagine-image،‏ xai/grok-imagine-image-quality
تعداد: حداکثر ۴
مراجع: یک image یا حداکثر سه images
نسبت‌های ابعاد: 1:1،‏ 16:9،‏ 9:16،‏ 4:3،‏ 3:4،‏ 3:2،‏ 2:3،‏ 2:1،‏ 1:2،‏ 19.5:9،‏ 9:19.5،‏ 20:9،‏ 9:20
وضوح‌ها: 1K،‏ 2K
خروجی‌ها: به‌صورت پیوست‌های تصویری مدیریت‌شده توسط OpenClaw بازگردانده می‌شوند

OpenClaw عمداً گزینه‌های بومی xAI شامل quality،‏ mask،‏ user یا نسبت ابعاد auto را تا زمانی که این کنترل‌ها در قرارداد مشترک میان‌ارائه‌دهنده‌ای image_generate وجود نداشته باشند، در دسترس قرار نمی‌دهد.

نمونه‌ها

Generate (4K landscape)

text

/tool image_generate action=generate model=openai/gpt-image-2 prompt="A clean editorial poster for OpenClaw image generation" size=3840x2160 count=1

Generate (transparent PNG)

text

/tool image_generate action=generate model=openai/gpt-image-1.5 prompt="A simple red circle sticker on a transparent background" outputFormat=png background=transparent

CLI معادل:

bash

openclaw infer image generate \--model openai/gpt-image-1.5 \--output-format png \--background transparent \--prompt "A simple red circle sticker on a transparent background" \--json

Generate (OpenAI low quality)

text

/tool image_generate action=generate model=openai/gpt-image-2 prompt="Low-cost draft poster for a quiet productivity app" quality=low openai='{"moderation":"low"}'

CLI معادل:

bash

openclaw infer image generate \--model openai/gpt-image-2 \--quality low \--openai-moderation low \--prompt "Low-cost draft poster for a quiet productivity app" \--json

تولید (دو تصویر مربعی)

text

/tool image_generate action=generate model=openai/gpt-image-2 prompt="Two visual directions for a calm productivity app icon" size=1024x1024 count=2

ویرایش (یک مرجع)

text

/tool image_generate action=generate model=openai/gpt-image-2 prompt="Keep the subject, replace the background with a bright studio setup" image=/path/to/reference.png size=1024x1536

ویرایش (چند مرجع)

text

/tool image_generate action=generate model=openai/gpt-image-2 prompt="Combine the character identity from the first image with the color palette from the second" images='["/path/to/character.png","/path/to/palette.jpg"]' size=1536x1024

مراجع سبک Krea

text

/tool image_generate action=generate model=fal/krea/v2/medium/text-to-image prompt="An expressive editorial portrait using this color palette and print texture" images='["/path/to/palette.png","/path/to/texture.jpg"]' aspectRatio=9:16 fal='{"creativity":"high"}'

همان پرچم‌های --output-format،‏ --background،‏ --quality و --openai-moderation در openclaw infer image edit نیز در دسترس هستند؛ --openai-background همچنان به‌عنوان نام مستعار ویژهٔ OpenAI باقی می‌ماند. ارائه‌دهندگان همراه به‌جز OpenAI در حال حاضر کنترل صریح پس‌زمینه را اعلام نمی‌کنند؛ بنابراین background: "transparent" برای آن‌ها نادیده‌گرفته‌شده گزارش می‌شود.

مرتبط

نمای کلی ابزارها - همهٔ ابزارهای عامل موجود
ComfyUI - راه‌اندازی گردش‌کار ComfyUI محلی و Comfy Cloud
fal - راه‌اندازی ارائه‌دهندهٔ تصویر و ویدئوی fal
Google (Gemini) - راه‌اندازی ارائه‌دهندهٔ تصویر Gemini
Plugin Microsoft Foundry - راه‌اندازی گفت‌وگوی Microsoft Foundry و تصویر MAI
MiniMax - راه‌اندازی ارائه‌دهندهٔ تصویر MiniMax
OpenAI - راه‌اندازی ارائه‌دهندهٔ OpenAI Images
Vydra - راه‌اندازی تصویر، ویدئو و گفتار Vydra
xAI - راه‌اندازی تصویر، ویدئو، جست‌وجو، اجرای کد و TTS در Grok
مرجع پیکربندی - پیکربندی imageGenerationModel
مدل‌ها - پیکربندی مدل و انتقال خودکار هنگام خرابی

Was this useful?

تولید تصویر

شروع سریع

پیکربندی احراز هویت

انتخاب مدل پیش‌فرض (اختیاری)

درخواست از عامل

مسیرهای رایج

ارائه‌دهندگان پشتیبانی‌شده

قابلیت‌های ارائه‌دهندگان

پارامترهای ابزار

پیکربندی

انتخاب مدل

ترتیب انتخاب ارائه‌دهنده

ویرایش تصویر

بررسی عمیق ارائه‌دهندگان

نمونه‌ها

Generate (4K landscape)

Generate (transparent PNG)

Generate (OpenAI low quality)

تولید (دو تصویر مربعی)

ویرایش (یک مرجع)

ویرایش (چند مرجع)

مراجع سبک Krea

مرتبط

On this page

Molty