title: Image Generation description: Generate images via FAL.ai — 11 models including FLUX 2, GPT Image (1.5 & 2), Nano Banana Pro, Ideogram, Recraft V4 Pro, Krea 2, and more, selectable via hermes tools. sidebar_label: Image Generation sidebar_position: 6

图像生成

Hermes Agent 能够通过 FAL.ai 根据文本提示词生成图像。系统预置了 11 种模型，每种模型在速度、质量与成本之间各有侧重。用户可通过 hermes tools 自行配置当前使用的模型，相关设置会保存在 config.yaml 文件中。

支持的模型

以上费用为撰写本文时 FAL 的定价标准，最新价格请访问 fal.ai 查阅。

设置流程

:::tip Nous 订阅用户 如果您拥有付费的 Nous Portal 订阅账户，无需 FAL API 密钥即可通过 Tool Gateway 功能进行图像生成。无论通过哪种方式，您选择的模型设置都会被保留。新安装的用户可运行 hermes setup --portal 进行登录并一次性启用所有网关工具；已有安装的用户则可通过 hermes tools 选择 Nous Subscription 作为图像生成的后端服务。

如果管理型网关针对某个特定模型返回 HTTP 4xx 错误，说明该模型尚未在门户端配置代理——Agent 会告知您问题所在，并提供解决方案（如设置 FAL_KEY 实现直接访问，或选择其他模型）。

::

获取 FAL API 密钥

1. 在 fal.ai 注册账号
2. 在控制面板中生成 API 密钥

配置并选择模型

运行相应的工具命令：

hermes tools

进入**🎨 图像生成**页面，选择您的后端服务（Nous Subscription或FAL.ai），随后界面会以列对齐的表格形式展示所有支持的模型——可使用方向键进行浏览，按回车键进行选择。

  Model                          Speed    Strengths                    Price
  fal-ai/flux-2/klein/9b         <1s      Fast, crisp text             $0.006/MP   ← currently in use
  fal-ai/flux-2-pro              ~6s      Studio photorealism          $0.03/MP
  fal-ai/z-image/turbo           ~2s      Bilingual EN/CN, 6B          $0.005/MP
  ...

您所做的选择已保存至 config.yaml 文件中：

image_gen:
  model: fal-ai/flux-2/klein/9b
  use_gateway: false            # true if using Nous Subscription

GPT-图像质量

fal-ai/gpt-image-1.5与fal-ai/gpt-image-2的默认质量等级为“中等”（在1024×1024分辨率下，每张图片的费用约为0.034美元至0.06美元）。我们并未将“低”/“高”质量等级作为面向用户的可选选项，这是为了确保Nous Portal的计费方式对所有用户而言都具有可预测性——不同质量等级之间的费用差异可达3到22倍。如果您希望选择更便宜的选项，可使用Klein 9B或Z-Image Turbo；若需要更高品质，则可选择Nano Banana Pro或Recraft V4 Pro。

使用方法

面向智能体的接口结构被刻意设计得极为简洁——模型会自动采用您所配置的所有设置：

Generate an image of a serene mountain landscape with cherry blossoms

Create a square portrait of a wise old owl — use the typography model

Make me a futuristic cityscape, landscape orientation

图像到图像/图像编辑

当当前激活的模型支持时，同一个 image_generate 工具也可用于编辑现有图像——只需提供源图像，后端便会自动将其路由至相应的编辑接口（其工作方式与 video_generate 处理图像到视频的流程类似）。若不提供源图像，则该工具将执行纯文本到图像的生成功能。

Take this photo and make it a rainy Tokyo street at night → <image>

Blend these two product shots into one hero image → <image1> <image2>

编辑功能由两个输入参数驱动：

• image_url — 需要编辑/转换的原始图片（公共网址或本地路径）。
• reference_image_urls — 额外的风格/构图参考图片（每个模型有上限）。

哪些后端支持编辑功能

支持编辑功能的 FAL 模型包括：flux-2/klein/9b、flux-2-pro、nano-banana-pro、gpt-image-1.5、gpt-image-2、ideogram/v3 以及 qwen-image。而纯文本转图像的 FAL 模型（如 z-image/turbo、recraft、krea/*）会拒绝接收图片输入，并给出明确错误提示，建议使用支持编辑功能的模型。

运行时，工具描述中会显示当前激活模型的编辑功能支持情况，这样智能体在调用工具之前就能知道是否可以处理 image_url 参数。

宽高比

从智能体的角度来看，所有模型都接受相同的三种宽高比。实际上，每个模型的原生尺寸规格会自动填充：

GPT Image 2 因其最小像素数为 655,360，无法使用 landscape_16_9 格式（1024×576 = 589,824 像素），因此只能使用 4:3 的预设比例。

这一转换是在 _build_fal_payload() 函数中完成的——智能体代码无需了解不同模型之间的格式差异。

自动放大处理

是否通过 FAL 的 Clarity Upscaler 进行放大处理需根据模型而定：

放大处理时会使用以下参数设置：

如果放大处理失败（如网络问题或速率限制），系统会自动返回原始图片。

内部工作原理

1. 模型分辨率确定 — _resolve_fal_model() 函数会先从 config.yaml 文件中读取 image_gen.model 的配置，若未找到则使用 FAL_IMAGE_MODEL 环境变量指定的值，最终默认为 fal-ai/flux-2/klein/9b。
2. 负载数据构建 — _build_fal_payload() 函数会将用户指定的 aspect_ratio 转换为模型支持的格式（预设枚举、宽高比枚举或 GPT 字面量），合并模型的默认参数，应用调用方自定义的参数设置，最后通过模型的 supports 白名单进行过滤，确保不会发送不支持的参数。
3. 请求提交 — _submit_fal_request() 函数会通过直接的 FAL 认证信息或托管的 Nous 网关来提交请求。
4. 放大处理 — 仅当模型的元数据中包含 upscale: True 时才会执行放大操作。
5. 结果返回 — 最终的图片网址会被返回给智能体，智能体会输出 MEDIA:<url> 标签，平台适配器会将此标签转换为相应的媒体格式。

调试方法

启用调试日志记录：

export IMAGE_TOOLS_DEBUG=true

调试日志会保存在 ./logs/image_tools_debug_<session_id>.json 文件中，其中包含每次调用的详细信息（模型类型、参数、耗时及错误信息）。

输出方式

局限性

• 需要有效后端凭证（FAL 的 FAL_KEY / Nous 订阅账号、OPENAI_API_KEY、xAI OAuth、KREA_API_KEY）
• 编辑功能取决于模型类型——仅支持图像间编辑的模型才能实现该功能（参见上表）；仅支持文本生成模型的则会直接拒绝图片输入并给出明确错误提示
• 临时链接——后端返回的链接会在数小时或数天后失效；Hermes 会将其缓存到本地，以确保链接过期后仍能正常使用
• 模型特定限制——部分模型不支持 seed、num_inference_steps 等参数。supports / edit_supports 过滤机制会自动忽略不受支持的参数，这是正常现象 |