Image Generation（图像生成）

Hermes Agent 通过 FAL.ai 从文本提示生成图像。支持九种内置模型，每种在速度、质量和成本方面有不同的权衡。活动模型可通过 hermes tools 由用户配置，并持久化在 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	工作室级照片真实感	$0.03/MP
fal-ai/z-image/turbo	~2s	双语 EN/CN，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/图像（1K）
fal-ai/gpt-image-1.5	~15s	提示遵循度	$0.034/图像
fal-ai/gpt-image-2	~20s	SOTA 文字渲染 + CJK，世界感知照片真实感	$0.04–0.06/图像
fal-ai/ideogram/v3	~5s	最佳字体排印	$0.03–0.09/图像
fal-ai/recraft/v4/pro/text-to-image	~8s	设计、品牌系统、生产就绪	$0.25/图像
fal-ai/qwen-image	~12s	基于 LLM，复杂文字	$0.02/MP

价格为撰写时的 FAL 定价；请查阅 fal.ai 获取最新价格。

设置

:::tip Nous 订阅用户 如果您拥有付费的 Nous Portal 订阅，您可以通过 工具网关（Tool Gateway） 使用图像生成，无需 FAL API 密钥。您的模型选择在两个路径中都持久化。

如果托管网关针对特定模型返回 HTTP 4xx，则该模型尚未在门户端代理——代理会告诉您并提供修复措施（设置 FAL_KEY 以直接访问，或选择其他模型）。 :::

获取 FAL API 密钥

1. 在 fal.ai 注册
2. 从您的仪表盘生成 API 密钥

配置和选择模型

运行 tools 命令：

hermes tools

导航到 🎨 Image Generation，选择您的后端（Nous Subscription 或 FAL.ai），然后选择器会以列对齐的表格显示所有支持的模型——箭头键导航，Enter 选择：

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

您的选择会保存到 config.yaml：

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

GPT-Image 质量

fal-ai/gpt-image-1.5 和 fal-ai/gpt-image-2 的请求质量固定为 medium（~$0.034–$0.06/图像，1024×1024）。我们不将 low/high 级别作为用户可见的选项暴露，以便 Nous Portal 的计费在所有用户中保持可预测——级别间的成本差距为 3–22 倍。如果您想要更便宜的选项，选择 Klein 9B 或 Z-Image Turbo；如果您想要更高质量，使用 Nano Banana Pro 或 Recraft V4 Pro。

使用

代理面对的架构有意保持最小化——模型会拾取您配置的模型：

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

从代理的角度看，每个模型接受相同的三种宽高比。内部会自动填充每个模型的原生尺寸规格：

代理输入	image_size（flux/z-image/qwen/recraft/ideogram）	aspect_ratio（nano-banana-pro）	image_size（gpt-image-1.5）	image_size（gpt-image-2）
landscape	landscape_16_9	16:9	1536x1024	landscape_4_3（1024×768）
square	square_hd	1:1	1024x1024	square_hd（1024×1024）
portrait	portrait_16_9	9:16	1024x1536	portrait_4_3（768×1024）

GPT Image 2 映射到 4:3 预设而非 16:9，因为其最小像素数为 655,360——landscape_16_9 预设（1024×576 = 589,824）会被拒绝。

此转换在 _build_fal_payload() 中进行——代理代码永远不需要了解每个模型的架构差异。

自动放大

通过 FAL 的 Clarity Upscaler 进行放大按模型门控：

模型	放大？	原因
fal-ai/flux-2-pro	✓	向后兼容（曾是选择器之前的默认值）
所有其他	✗	快速模型会失去次秒价值主张；高分辨率模型不需要

运行放大时的设置：

设置	值
放大倍率	2×
创造性	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），自动返回原始图像。

内部工作原理

1. 模型解析 — _resolve_fal_model() 从 config.yaml 读取 image_gen.model，回退到 FAL_IMAGE_MODEL 环境变量，然后回退到 fal-ai/flux-2/klein/9b。
2. 负载构建 — _build_fal_payload() 将您的 aspect_ratio 转换为模型的原生格式（预设枚举、宽高比枚举或 GPT 字面量），合并模型的默认参数，应用调用者的覆盖，然后过滤到模型的 supports 白名单，以便不支持的关键字永远不会被发送。
3. 提交 — _submit_fal_request() 通过直接 FAL 凭据或托管的 Nous 网关路由。
4. 放大 — 仅当模型的元数据中有 upscale: True 时运行。
5. 交付 — 最终图像 URL 返回给代理，代理发出 MEDIA:<url> 标签，平台适配器将其转换为原生媒体。

调试

启用调试日志：

export IMAGE_TOOLS_DEBUG=true

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

平台交付

平台	交付方式
CLI	图像 URL 以 markdown  格式打印——点击打开
Telegram	图片消息，提示文字作为标题
Discord	嵌入在消息中
Slack	由 Slack 展开 URL
WhatsApp	媒体消息
其他	纯文本中的 URL

限制

• 需要 FAL 凭据（直接 FAL_KEY 或 Nous Subscription）
• 仅文本到图像——不支持通过此工具进行内补、图像到图像或编辑
• 临时 URL — FAL 返回的托管 URL 在数小时/天后过期；如果需要请本地保存
• 每模型约束 — 某些模型不支持 seed、num_inference_steps 等。supports 过滤器会静默丢弃不支持的参数；这是预期行为