00:00:00
图像生成
Hermes Agent 可以使用 FAL.ai 的 FLUX 2 Pro 模型从文本提示生成图像，并通过 Clarity Upscaler 自动进行 2 倍放大以增强质量。
设置
获取 FAL API 密钥
- 在 fal.ai 注册
- 从您的仪表板生成 API 密钥
配置密钥
bash
# 添加到 ~/.hermes/.env
FAL_KEY=your-fal-api-key-here安装客户端库
bash
pip install fal-client信息
当设置了 FAL_KEY 时，图像生成工具自动可用。无需额外的工具集配置。
工作原理
当您要求 Hermes 生成图像时：
- 生成 —— 您的提示被发送到 FLUX 2 Pro 模型 (
fal-ai/flux-2-pro) - 放大 —— 生成的图像使用 Clarity Upscaler (
fal-ai/clarity-upscaler) 自动放大 2 倍 - 交付 —— 返回放大后的图像 URL
如果放大因任何原因失败，将返回原始图像作为回退。
用法
只需让 Hermes 创建图像：
生成一张宁静的山景图，有樱花盛开创建一只智慧的老猫头鹰栖息在古老树枝上的肖像为我制作一个未来主义的城市景观，有飞行汽车和霓虹灯参数
image_generate_tool 接受这些参数：
| 参数 | 默认值 | 范围 | 描述 |
|---|---|---|---|
prompt | (必需) | — | 所需图像的文本描述 |
aspect_ratio | "landscape" | landscape, square, portrait | 图像宽高比 |
num_inference_steps | 50 | 1–100 | 去噪步数（越多 = 质量越高，越慢） |
guidance_scale | 4.5 | 0.1–20.0 | 遵循提示的紧密程度 |
num_images | 1 | 1–4 | 要生成的图像数量 |
output_format | "png" | png, jpeg | 图像文件格式 |
seed | (随机) | 任意整数 | 用于可复现结果的随机种子 |
宽高比
该工具使用简化的宽高比名称映射到 FLUX 2 Pro 图像尺寸：
| 宽高比 | 映射到 | 最适合 |
|---|---|---|
landscape | landscape_16_9 | 壁纸、横幅、场景 |
square | square_hd | 头像、社交媒体帖子 |
portrait | portrait_16_9 | 角色艺术、手机壁纸 |
提示
您也可以直接使用原始 FLUX 2 Pro 尺寸预设：square_hd、square、portrait_4_3、portrait_16_9、landscape_4_3、landscape_16_9。还支持最大 2048x2048 的自定义尺寸。
自动放大
每个生成的图像都使用 FAL.ai 的 Clarity Upscaler 自动放大 2 倍，使用这些设置：
| 设置 | 值 |
|---|---|
| 放大因子 | 2x |
| 创意度 | 0.35 |
| 相似度 | 0.6 |
| 引导比例 | 4 |
| 推理步数 | 18 |
| 正向提示 | "masterpiece, best quality, highres" + 您的原始提示 |
| 负向提示 | "(worst quality, low quality, normal quality:2)" |
放大器增强细节和分辨率，同时保留原始构图。如果放大器失败（网络问题、速率限制），将自动返回原始分辨率图像。
示例提示
以下是一些可以尝试的有效提示：
一张粉色波波头和粗眼线的女性的街头抓拍照片现代建筑玻璃幕墙，日落光线抽象艺术，充满活力的色彩和几何图案一只智慧的老猫头鹰栖息在古老树枝上的肖像未来主义城市景观，有飞行汽车和霓虹灯调试
启用图像生成的调试日志：
bash
export IMAGE_TOOLS_DEBUG=true调试日志保存到 ./logs/image_tools_debug_<session_id>.json，包含每次生成请求的详细信息、参数、时间和任何错误。
安全设置
图像生成工具默认运行并禁用安全检查（safety_tolerance: 5，最宽松的设置）。这在代码级别配置，用户不可调整。
平台交付
生成的图像根据平台不同方式交付：
| 平台 | 交付方式 |
|---|---|
| CLI | 图像 URL 以 markdown  打印 —— 点击在浏览器中打开 |
| Telegram | 图像作为照片消息发送，提示作为标题 |
| Discord | 图像嵌入在消息中 |
| Slack | 消息中的图像 URL（Slack 会展开它） |
| 图像作为媒体消息发送 | |
| 其他平台 | 纯文本中的图像 URL |
Agent 在其响应中使用 MEDIA:<url> 语法，平台适配器将其转换为适当的格式。
限制
- 需要 FAL API 密钥 —— 图像生成会在您的 FAL.ai 账户上产生 API 费用
- 无图像编辑 —— 这仅是文本到图像，没有修复或 img2img
- 基于 URL 的交付 —— 图像作为临时 FAL.ai URL 返回，而非本地保存。URL 在一段时间后过期（通常为数小时）
- 放大增加延迟 —— 自动 2 倍放大步骤增加处理时间
- 每次请求最多 4 张图像 ——
num_images上限为 4