图片生成

Hermes Agent 通过 FAL.ai 从文本提示词生成图片。开箱即用支持八种模型，每种模型在速度、质量和成本上有不同的权衡。活跃模型可通过 hermes tools 由用户配置，并持久保存在 config.yaml 中。

支持的模型

模型	速度	优势	价格
`fal-ai/flux-2/klein/9b` (默认)	`<1s`	快速，清晰的文字	$0.006/MP
`fal-ai/flux-2-pro`	~6s	工作室级照片写实	$0.03/MP
`fal-ai/z-image/turbo`	~2s	中英双语，6B 参数	$0.005/MP
`fal-ai/nano-banana-pro`	~8s	Gemini 3 Pro，推理深度，文字渲染	$0.15/image (1K)
`fal-ai/gpt-image-1.5`	~15s	提示词遵从度高	$0.034/image
`fal-ai/ideogram/v3`	~5s	最佳排版效果	$0.03–0.09/image
`fal-ai/recraft/v4/pro/text-to-image`	~8s	设计、品牌系统、生产就绪	$0.25/image
`fal-ai/qwen-image`	~12s	基于 LLM，复杂文字	$0.02/MP

以上价格为撰写时的 FAL 定价；请查看 fal.ai 获取最新价格。

设置

Nous 订阅用户

如果你拥有付费的 Nous Portal 订阅，可以通过 Tool Gateway 使用图片生成功能，无需 FAL API 密钥。你的模型选择在两种路径间持久保存。

如果托管 Gateway 对特定模型返回 HTTP 4xx，说明该模型尚未在 Portal 端代理 — Agent 会告知你此情况，并提供修复步骤（设置 FAL_KEY 进行直接访问，或选择其他模型）。

获取 FAL API 密钥

在 fal.ai 注册
从仪表板生成 API 密钥

配置并选择模型

运行工具命令：

hermes tools

导航到 🎨 Image Generation，选择你的后端（Nous Subscription 或 FAL.ai），然后选择器会以列对齐表格显示所有支持的模型 — 使用方向键导航，Enter 键选择：

  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
  ...

你的选择会保存到 config.yaml：

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

GPT-Image 画质

fal-ai/gpt-image-1.5 的请求画质固定为 medium（1024x1024 约 $0.034/image）。我们不将 low / high 等级暴露为用户可选选项，以使 Nous Portal 计费在所有用户间保持可预测 — 各等级之间的成本差距约为 22 倍。如果你想要更便宜的 GPT-Image 选项，请选择其他模型；如果想要更高质量，请使用 Klein 9B 或 Imagen 级别的模型。

使用方法

面向 Agent 的接口刻意保持简洁 — 模型会使用你已配置的设置：

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

宽高比

从 Agent 的角度看，每个模型都接受相同的三种宽高比。在内部，每个模型的原生尺寸规格会自动填充：

Agent 输入	image_size (flux/z-image/qwen/recraft/ideogram)	aspect_ratio (nano-banana-pro)	image_size (gpt-image)
`landscape`	`landscape_16_9`	`16:9`	`1536x1024`
`square`	`square_hd`	`1:1`	`1024x1024`
`portrait`	`portrait_16_9`	`9:16`	`1024x1536`

此转换在 _build_fal_payload() 中进行 — Agent 代码无需了解各模型的 Schema 差异。

自动放大

通过 FAL 的 Clarity Upscaler 进行的放大按模型控制：

模型	是否放大	原因
`fal-ai/flux-2-pro`	✓	向后兼容（曾是选择器出现前的默认模型）
所有其他模型	✗	快速模型会失去亚秒级的价值主张；高分辨率模型不需要

放大运行时使用以下设置：

设置	值
放大倍数	2x
创造力	0.35
相似度	0.6
引导比例	4
推理步数	18

如果放大失败（网络问题、速率限制），会自动返回原始图片。

内部工作原理

模型解析 — _resolve_fal_model() 从 config.yaml 读取 image_gen.model，依次回退到 FAL_IMAGE_MODEL 环境变量和 fal-ai/flux-2/klein/9b。
载荷构建 — _build_fal_payload() 将你的 aspect_ratio 转换为模型的原生格式（预设枚举、宽高比枚举或 GPT 字面值），合并模型默认参数，应用调用方覆盖，然后过滤为模型的 supports 白名单，确保不支持的键永远不会被发送。
提交 — _submit_fal_request() 通过直接的 FAL 凭证或托管的 Nous Gateway 进行路由。
放大 — 仅当模型的元数据中设置了 upscale: True 时运行。
投递 — 最终图片 URL 返回给 Agent，Agent 发出 MEDIA:<url> 标签，由平台适配器转换为原生媒体。

调试

启用调试日志：

export IMAGE_TOOLS_DEBUG=true

调试日志写入 ./logs/image_tools_debug_<session_id>.json，包含每次调用的详细信息（模型、参数、耗时、错误）。

平台投递

平台	投递方式
CLI	图片 URL 以 Markdown `![](url)` 格式打印 — 点击打开
Telegram	以提示词为标题的图片消息
Discord	嵌入在消息中
Slack	URL 由 Slack 自动展开
WhatsApp	媒体消息
其他	纯文本 URL

限制

需要 FAL 凭证（直接的 FAL_KEY 或 Nous Subscription）
仅支持文生图 — 不支持 inpainting、img2img 或通过此工具进行编辑
临时 URL — FAL 返回的托管 URL 会在数小时/数天后过期；如需保留请保存到本地
各模型约束 — 部分模型不支持 seed、num_inference_steps 等参数。supports 过滤器会静默丢弃不支持的参数；这是预期行为

📝 本文由 AI 翻译，如有疑问请参考英文原版

支持的模型​

设置​

获取 FAL API 密钥​

配置并选择模型​

GPT-Image 画质​

使用方法​

宽高比​

自动放大​

内部工作原理​

调试​

平台投递​

限制​