Generowanie obrazów

Nadpisanie model dla pojedynczego wywołania powoduje wypróbowanie tylko tego dostawcy i modelu, bez przechodzenia do skonfigurowanego modelu podstawowego, modeli rezerwowych ani automatycznie wykrytych dostawców.

Domyślny model dostawcy trafia na listę kandydatów tylko wtedy, gdy OpenClaw może faktycznie uwierzytelnić się u tego dostawcy. Ustaw agents.defaults.mediaGenerationAutoProviderFallback: false, aby używać wyłącznie jawnych wpisów model, primary i fallbacks.

Ustaw agents.defaults.imageGenerationModel.timeoutMs dla wolnych mechanizmów generowania obrazów. Parametr narzędzia timeoutMs dla pojedynczego wywołania nadpisuje skonfigurowaną wartość domyślną, a skonfigurowane wartości domyślne nadpisują wartości domyślne dostawców określone przez plugin. Hostowani dostawcy obrazów Google i OpenRouter domyślnie używają 180 sekund; generowanie obrazów Microsoft Foundry MAI, xAI i Azure OpenAI używa 600 sekund. Wywołania narzędzi dynamicznych Codex używają domyślnego limitu 120 sekund dla mostka image_generate i po skonfigurowaniu respektują ten sam budżet czasu, ograniczony maksymalnym limitem 600000 ms mostka narzędzi dynamicznych OpenClaw.

Użyj action: "list", aby sprawdzić aktualnie zarejestrowanych dostawców, ich domyślne modele oraz wskazówki dotyczące zmiennych środowiskowych uwierzytelniania.

Generowanie obrazów OpenAI domyślnie używa openai/gpt-image-2. Jeśli skonfigurowano profil OAuth openai, OpenClaw ponownie wykorzystuje ten sam profil OAuth, którego używają modele czatu subskrypcji Codex, i wysyła żądanie obrazu przez mechanizm Codex Responses. Starsze bazowe adresy URL Codex, takie jak https://chatgpt.com/backend-api, są normalizowane do https://chatgpt.com/backend-api/codex na potrzeby żądań obrazów. OpenClaw nie przełącza się niejawnie na OPENAI_API_KEY dla takiego żądania — aby wymusić bezpośrednie kierowanie do OpenAI Images API, skonfiguruj jawnie models.providers.openai z kluczem API, niestandardowym bazowym adresem URL lub punktem końcowym Azure.

Modele openai/gpt-image-1.5, openai/gpt-image-1 i openai/gpt-image-1-mini nadal można wybierać jawnie. Użyj gpt-image-1.5, aby uzyskać pliki PNG/WebP z przezroczystym tłem; bieżące API gpt-image-2 odrzuca background: "transparent".

gpt-image-2 obsługuje zarówno generowanie obrazu z tekstu, jak i edycję obrazu referencyjnego za pomocą tego samego narzędzia image_generate. OpenClaw przekazuje do OpenAI prompt, count, size, quality, outputFormat oraz obrazy referencyjne. OpenAI nie otrzymuje bezpośrednio aspectRatio ani resolution; gdy jest to możliwe, OpenClaw mapuje je na obsługiwaną wartość size, a w przeciwnym razie narzędzie zgłasza je jako zignorowane nadpisania.

Opcje specyficzne dla OpenAI znajdują się w obiekcie openai:

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

openai.background przyjmuje transparent, opaque lub auto; przezroczyste obrazy wyjściowe wymagają wartości png albo webp dla outputFormat oraz modelu obrazów OpenAI obsługującego przezroczystość. OpenClaw kieruje domyślne żądania gpt-image-2 z przezroczystym tłem do gpt-image-1.5. openai.outputCompression ma zastosowanie do obrazów wyjściowych JPEG/WebP i jest ignorowane dla obrazów PNG.

Wskazówka background najwyższego poziomu jest niezależna od dostawcy i obecnie jest mapowana na to samo pole żądania OpenAI background, gdy wybrano dostawcę OpenAI. Dostawcy, którzy nie deklarują obsługi tła, zwracają ją w ignoredOverrides, zamiast otrzymywać nieobsługiwany parametr.

Aby kierować generowanie obrazów OpenAI przez wdrożenie Azure OpenAI zamiast api.openai.com, zobacz punkty końcowe Azure OpenAI.

Generowanie obrazów Microsoft Foundry używa nazw wdrożeń obrazów MAI z prefiksem dostawcy microsoft-foundry/. Nie istnieje domyślny model na poziomie dostawcy, ponieważ API MAI oczekuje nazwy wdrożenia w polu model:

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

Dostawca używa API MAI Microsoft Foundry, a nie OpenAI Images API:

• Punkt końcowy generowania: /mai/v1/images/generations
• Punkt końcowy edycji: /mai/v1/images/edits
• Uwierzytelnianie: AZURE_OPENAI_API_KEY / klucz API dostawcy albo Entra ID przez az login
• Dane wyjściowe: jeden obraz PNG
• Rozmiar: domyślnie 1024x1024; szerokość i wysokość muszą wynosić co najmniej 768 px, a łączna liczba pikseli nie może przekraczać 1 048 576
• Edycja: jeden obraz referencyjny PNG lub JPEG, obsługiwany tylko przez wdrożenia MAI-Image-2.5-Flash i MAI-Image-2.5

Generowanie wyłącznie na podstawie monitu może używać niestandardowej nazwy wdrożenia po skonfigurowaniu samego punktu końcowego Foundry. Edycja z niestandardowymi nazwami wdrożeń wymaga metadanych wdrażania lub modelu, aby OpenClaw mógł sprawdzić, czy wdrożenie jest oparte na MAI-Image-2.5-Flash albo MAI-Image-2.5.

Bieżące modele obrazów MAI to MAI-Image-2.5-Flash, MAI-Image-2.5, MAI-Image-2e i MAI-Image-2. Informacje o konfiguracji i działaniu modeli czatu zawiera plugin Microsoft Foundry.

Generowanie obrazów OpenRouter używa tego samego OPENROUTER_API_KEY i jest kierowane przez API obrazów uzupełnień czatu OpenRouter. Wybieraj modele obrazów OpenRouter z prefiksem openrouter/:

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

OpenClaw przekazuje do OpenRouter prompt, count, obrazy referencyjne oraz zgodne z Gemini wskazówki aspectRatio / resolution. Bieżące wbudowane skróty modeli obrazów OpenRouter obejmują google/gemini-3.1-flash-image-preview, google/gemini-3-pro-image-preview i openai/gpt-5.4-image-2. Użyj action: "list", aby zobaczyć, co udostępnia skonfigurowany plugin.

Modele Krea 2 w fal używają natywnego schematu Krea dostarczanego przez fal zamiast ogólnego schematu image_size używanego przez Flux. OpenClaw wysyła:

• aspect_ratio dla wskazówek dotyczących proporcji obrazu
• creativity, domyślnie medium
• image_style_references, gdy podano image lub images

Wybierz Krea 2 Medium, aby szybciej tworzyć ekspresyjne ilustracje, lub Krea 2 Large, aby wolniej uzyskiwać bardziej szczegółowy, fotorealistyczny wygląd z wyraźnymi teksturami:

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

Krea 2 zwraca obecnie jeden obraz na żądanie. W przypadku Krea preferuj aspectRatio; OpenClaw mapuje size na najbliższe obsługiwane proporcje Krea, natomiast odrzuca resolution dla Krea zamiast je pomijać. Użyj fal.creativity, jeśli chcesz ustawić natywny poziom kreatywności Krea:

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

Generowanie obrazów MiniMax jest dostępne przez obie dołączone ścieżki uwierzytelniania MiniMax:

• minimax/image-01 dla konfiguracji z kluczem API
• minimax-portal/image-01 dla konfiguracji OAuth

Dołączony dostawca xAI używa /v1/images/generations dla żądań opartych wyłącznie na monicie oraz /v1/images/edits, gdy występuje image lub images.

• Modele: xai/grok-imagine-image, xai/grok-imagine-image-quality
• Liczba: do 4
• Referencje: jedno image lub maksymalnie trzy images
• Proporcje obrazu: 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
• Rozdzielczości: 1K, 2K
• Dane wyjściowe: zwracane jako załączniki obrazów zarządzane przez OpenClaw

OpenClaw celowo nie udostępnia natywnych dla xAI opcji quality, mask, user ani proporcji obrazu auto, dopóki te mechanizmy sterowania nie znajdą się we wspólnej, międzydostawczej umowie image_generate.