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 自行选择当前使用的模型，该设置会保存在 config.yaml 文件中。

支持的模型

以上价格均为本文撰写时 FAL.ai 的定价标准，具体最新价格请访问 fal.ai 查阅。

设置指南

:::提示 Nous订阅用户 如果您拥有付费的Nous Portal订阅资格，无需FAL API密钥即可通过**Tool Gateway使用图像生成功能。两种路径下的模型选择设置都会被保留。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；已安装的用户则可通过hermes tools将Nous订阅**设置为图像生成的后端。

如果某个特定模型在管理型网关处返回HTTP 4xx错误，说明该模型尚未在门户端实现代理——Agent会告知您问题所在并提供解决方案（可在hermes tools中切换到FAL.ai并使用自己的FAL_KEY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. 从控制面板生成API密钥

配置并选择模型

运行tools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），随后系统会以列对齐的表格形式展示所有支持的模型——可使用方向键进行导航，按回车键即可选中对应模型。

  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:
  provider: fal                 # `nous` if you picked Nous Subscription
  model: fal-ai/flux-2/klein/9b
  max_parallel_requests: 4      # concurrent images in one tool-call batch

image_gen.provider 是唯一的配置键：值为 nous 时，请求会通过托管的 Tool Gateway 处理；而厂商名称（如 fal、openai、xai、krea 等）则直接对应相应的专用密钥。运行时始终会遵循此已存储的配置——当 provider: nous 时，.env 文件中的 FAL_KEY 会被忽略；而若设置 provider: fal 却未指定 FAL_KEY，则会出现错误，提示“图像生成功能已配置为使用 fal（通过 hermes tools 设置），但未设置 FAL_KEY。请运行 ‘hermes tools’ 进行修改”，而不会默默地改变路由方式。应通过 hermes tools 更改提供商，而非通过添加或删除配置键来实现。（旧的 use_gateway 布尔值属于旧版本遗留项——当其值为 true 时仍会被解析为 nous，但已不再被写入使用。）

max_parallel_requests 的默认值为 4。Hermes 会将其限制在至少 1 个请求以及全局工具工作进程的限制范围内，从而确保图像处理服务收到的并行请求数量处于可控状态，避免图像批量处理绕过代理的并发上限。

OpenRouter：完整的图像 API 目录

当设置 image_gen.provider: openrouter 时，模型选择器会列出 OpenRouter 的全部实时图像模型目录——这些专门的Image API模型（如 Seedream、FLUX.2、Recraft、Qwen Image、MAI、Krea、Riverflow、Grok Imagine 等，共计40多种模型）与聊天完成型图像模型被合并在一起。该目录会通过 GET /images/models 和 GET /models 实时获取，因此一旦 OpenRouter 提供了新模型，它们就会立即出现在选择器中，无需进行 Hermes 更新。生成系统会自动将每个模型路由到对应的处理接口（专门的 POST /images/generations 接口或聊天完成型接口）。而 Nous Portal 仅支持代理聊天完成型协议，因此其选择器仅提供通过聊天方式处理的模型。

针对 Image API 模型的可选请求级参数则位于作用域配置部分（或 OPENROUTER_IMAGE_API_* 环境变量）中：

image_gen:
  provider: openrouter
  model: bytedance-seed/seedream-4.5
  openrouter:
    resolution: 2K        # model-dependent: 1K / 2K / 4K
    quality: high         # gpt-image models
    output_format: png

GPT图像质量

fal-ai/gpt-image-1.5和fal-ai/gpt-image-2的生成质量固定为“中等”级别（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）。我们未将“低”/“高”质量选项作为面向用户的可选择项，以确保所有用户的Nous Portal账单费用保持稳定——不同质量等级之间的费用差异可达3到22倍。如果您希望选择更经济的选择，可选用Klein 9B或Z-Image Turbo；若需要更高质量，则建议使用Nano Banana Pro或Recraft V4 Pro。

元模型API：Muse Image

当使用image_gen.provider: meta-ai时，图像是通过元模型API（即https://api.meta.ai/v1）生成的，该接口与用于支持Muse Spark聊天模型的接口相同，也兼容OpenAI标准。它是随meta-ai聊天服务一同提供的图像生成功能。

image_gen:
  provider: meta-ai
  model: muse-image-1.0

认证功能会复用 Meta Chat 提供商所使用的相同环境变量——MODEL_API_KEY（即 Meta 文档中规定的名称），同时也接受 META_API_KEY 和 META_MODEL_API_KEY 作为别名。如需将请求指向代理服务器或其他主机，可设置 META_BASE_URL。目前仅支持文本转图像功能，生成的图片会保存在 $HERMES_HOME/cache/images/ 目录中。

FAL：GPT Image 2.5

在 hermes tools → Image Generation → FAL.ai 中选择 GPT Image 2.5 Flare 或 GPT Image 2.5 Sunburst。对应的模型编号为：

• openai/gpt-image-2.5/flare/text-to-image
• openai/gpt-image-2.5/sunburst/text-to-image

例如：

hermes config set image_gen.provider fal
hermes config set image_gen.model openai/gpt-image-2.5/flare/text-to-image

提供 image_url 或参考图片后，系统会自动选择对应的 openai/gpt-image-2.5/flare/edit 或 openai/gpt-image-2.5/sunburst/edit 接口。这两个接口均支持最多16张源图片。Hermes将图像质量固定为“中等”，这一设置与其现有的FAL GPT Image策略一致，而非采用FAL默认的更高成本“高”质量设置。为满足最小像素数要求，横屏和竖屏图像会使用4:3预设比例，而正方形图像则使用square_hd预设；除非用户特别要求，否则不会进行图像放大处理。

FAL按令牌数量计费，而非固定图片价格：文本输入费用为5美元/百万个令牌，缓存后的文本输入费用为1.25美元/百万个令牌，文本输出费用为10美元/百万个令牌，图片输入费用为8美元/百万个令牌，缓存后的图片输入费用为2美元/百万个令牌，图片输出费用为30美元/百万个令牌，所有费用均向上取整至每次请求0.0001美元。详情请参阅Flare和Sunburst页面。直接使用FAL需要具备有效的FAL_KEY；而托管网关的可用性则取决于该网关的接口允许列表，其可用性与FAL本身的可用性并无关联。现有的提供商和模型默认设置保持不变。

OpenAI API：GPT Image 2.5

OpenAI提供商支持使用OPENAI_API_KEY调用GPT Image 2.5的Flare版本（适用于日常快速生成）和Sunburst版本（支持高精度生成与编辑）。用户可通过hermes tools → Image Generation → OpenAI来选择相应版本，或直接进行相关设置：

hermes config set image_gen.provider openai
hermes config set image_gen.openai.model gpt-image-2.5-flare

gpt-image-2.5-flare与gpt-image-2.5-sunburst默认采用自动质量设置。若需指定固定质量，可添加-low、-medium、-high、-xhigh或-max参数，例如gpt-image-2.5-sunburst-high。这两种模型均支持生成与编辑功能，最多可使用16张参考图片。现有的GPT Image 2选项以及默认的gpt-image-2-medium设置保持不变。

该服务属于付费API，需另行购买，与ChatGPT/Codex订阅服务无关。两种模型的费用分别为：每百万个文本输入令牌5美元、每百万个图像输入令牌8美元、每百万个图像输出令牌30美元（缓存输入的费率分别为1.25美元和2美元）。单张图片的费用会根据使用量有所不同；GPT Image 2计算器不包含2.5倍令牌消耗量的估算。详情请参阅官方的Flare和Sunburst文档。

**OpenAI（Codex认证）**提供方仍为独立系统：其后台虽能接收图像模型选项，但不会实际应用该选择，因此仅上传图片并无法验证是否使用了Flare或Sunburst版本。这些选项是通过直接的OpenAI API提供方及FAL来提供的，并非经过认证的Codex认证选项。

使用方式

面向智能体的接口设计极为简洁——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——只需传入源图像，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，则该工具将执行普通的文本到图像生成功能。

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/转换的原始图像（公共网址或本地路径）。
• reference_image_urls — 其他用于参考的风格或构图元素（每个模型有上限限制）。

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，此外还包括上述的GPT Image 2.5 Flare和Sunburst模型。而纯文本转图像功能的FAL模型（如 z-image/turbo、recraft、krea/*）会拒绝接收图像输入，并给出明确错误提示，指引用户使用支持编辑功能的模型。

::note OpenAI（Codex认证）功能为尽力而为型服务。

Codex 接口（chatgpt.com/backend-api/codex）提供了 image_generation 工具，供聊天模型调用，但 Hermes 无法强制触发该调用——后端会拒绝所有针对此类托管工具的 tool_choice 格式请求，因此必须依靠指令来引导模型执行操作。当模型拒绝使用该工具时，调用将会以 empty_response 的形式失败。此外，不同账户下该托管图像工具的可用性也存在差异。若需确保图像生成功能始终稳定运行，建议配置 OpenAI（API 密钥）、FAL 或 xAI 后端。

::

运行时，模型当前的编辑能力会显示在工具描述中，这样 Agent 在调用工具之前就能知道是否支持 image_url 参数。

宽高比

从 Agent 的视角来看，所有模型都支持相同的三种宽高比。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 前置设置（1024×576 = 589,824），因此只能使用 4:3 比例的预设。

该翻译操作在 _build_fal_payload() 函数中完成——代理代码无需知晓不同模型之间的结构差异。

上采样功能

仅可选启用

默认情况下，不会对模型图像进行上采样。现代图像模型能够直接输出最高质量的结果，而现有的上采样工具实际上属于创意增强型工具（基于扩散过程），可能会微妙地改变图像内容，从而导致文本、人脸及精细细节的质量下降。上采样功能仅在代理明确请求时才会启动。

upscale 参数（每次调用时可选）

• upscale: true — 在生成结果后追加高分辨率处理步骤：

• upscale: false / 省略该参数 — 使用原始分辨率（默认设置）

在 FAL 后端，video_generate 函数也支持设置 upscale: true，从而在生成视频后追加字节跳动的 SeedVR2 视频上采样工具（2倍分辨率，每百万像素输出视频额外收费0.001美元）。

当执行 FAL 的图像处理步骤时，会使用以下参数设置：

如果上采样失败（如网络问题或速率限制），系统会自动返回原始图像。响应结果中会标注 upscaled: true/false，以便代理知晓最终获取的图像分辨率。

内部工作原理

1. 模型选择 — _resolve_fal_model() 首先从 config.yaml 中读取 image_gen.model 的配置，若未找到则回退至 FAL_IMAGE_MODEL 环境变量指定的值，最后默认使用 fal-ai/flux-2/klein/9b 模型。
2. 请求数据构建 — _build_fal_payload() 会将您输入的 aspect_ratio 值转换为模型支持的格式（预置枚举、宽高比枚举或 GPT 字面量），合并模型的默认参数，应用调用方指定的自定义参数，随后通过模型的 supports 白名单进行过滤，确保不会发送任何不被支持的键值。
3. 请求提交 — _submit_fal_request() 会根据存储的 image_gen.provider 配置，通过直接的 FAL 凭证或受管理的 Nous 网关来提交请求。
4. 图像放大 — 仅当代理设置 upscale: true 时才会执行此步骤；所有模型的默认设置均为关闭。
5. 结果返回 — 最终的图像 URL 会被返回给代理，代理会生成 MEDIA:<url> 标签，平台适配器会将该标签转换为对应的原生媒体格式。

调试

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、参数设置、执行时间以及错误详情）。

输出方式

局限性

• 需要有效后端凭证（FAL 的 FAL_KEY / Nous 订阅凭证、OPENAI_API_KEY、xAI OAuth 凭证、KREA_API_KEY）
• 编辑功能取决于模型类型 — 仅支持具备编辑功能的模型才能实现图像到图像的转换（详见上表）；仅支持文本到图像的模型会直接拒绝图像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 会将这些链接缓存到本地，从而确保链接过期后仍能正常使用
• 模型特定限制 — 某些模型不支持 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 |