Przejdź do treści
Biblioteka skilli
AI i agenci · Integracja z narzędziem

image-generation

/image-generation

Wyjaśnia generowanie i edycję obrazów w MassGen oraz pomaga wybrać backend: OpenAI, Google Gemini lub Imagen, Grok albo OpenRouter.

Repozytorium
massgen ↗
Licencja
Apache-2.0
Ostatnia zmiana repozytorium
13.06.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
4
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 13.06.2026, bez odwołań do wycofanych modeli i API.

Licencja

Apache-2.0, otwarta: można używać i zmieniać, z zachowaniem licencji i informacji o zmianach.

Co robi i kiedy

Wyjaśnia generowanie i edycję obrazów w MassGen oraz pomaga wybrać backend: OpenAI, Google Gemini lub Imagen, Grok albo OpenRouter.

Oryginalny opis (EN)

Guide to image generation and editing in MassGen. Use when creating images, editing existing images, iterating on image designs, or choosing between image backends (OpenAI, Google Gemini/Imagen, Grok, OpenRouter).

Jak działa

  1. Quick Start
  2. Backend Comparison
  3. Key Parameters
  4. Image-to-Image Editing
  5. Multi-Turn Editing (Continuation)
  6. Google: Gemini vs Imagen
  7. Need More Control?
Sekcje z nagłówków SKILL.md, w oryginale · 94 linii, 484 słów
Podgląd SKILL.md
---
name: image-generation
description: Guide to image generation and editing in MassGen. Use when creating images, editing existing images, iterating on image designs, or choosing between image backends (OpenAI, Google Gemini/Imagen, Grok, OpenRouter).
---

# Image Generation

Generate images using `generate_media` with `mode="image"`. The system auto-selects the best backend based on available API keys.

## Quick Start

```python
# Simple text-to-image (auto-selects backend)
generate_media(prompt="A cat in space", mode="image")

# Specify backend and quality
generate_media(prompt="A logo for a coffee shop", mode="image",
               backend_type="openai", quality="high")

# Batch generation (parallel)
generate_media(prompts=["sunset over ocean", "mountain landscape", "city at night"],
               mode="image", max_concurrent=3)
```

## Backend Comparison

| Backend | Default Model | Strengths | API Key |
|---------|--------------|-----------|---------|
| **Google** (priority 1) | `gemini-3.1-flash-image-preview` (Nano Banana 2) | Fast, flexible sizes, image editing, multi-turn | `GOOGLE_API_KEY` or `GEMINI_API_KEY` |
| **OpenAI** (priority 2) | `gpt-5.4` | High quality, transparent backgrounds, continuation via response ID | `OPENAI_API_KEY` |
| **Grok** (priority 3) | `grok-imagine-image` | 1k resolution, continuation via stored data URI | `XAI_API_KEY` |
| **OpenRouter** (priority 4) | `google/gemini-3.1-flash-image-preview` | Access to multiple models via single API | `OPENROUTER_API_KEY` |

## Key Parameters

| Parameter | Description | Example |
|-----------|-------------|---------|
| `prompt` | Text description of the image | `"A watercolor painting of mountains"` |
| `backend_type` | Force a specific backend | `"google"`, `"openai"`, `"grok"`, `"openrouter"` |
| `model` | Override default model | `"gemini-3-pro-image-preview"` for studio quality |
| `quality` | Image quality (OpenAI) | `"low"`, `"medium"`, `"high"`, `"auto"` |
| `size` | Image dimensions | See backends reference |
| `aspect_ratio` | Aspect ratio | `"16:9"`, `"1:1"`, `"4:5"` |
| `input_images` | Source images for image-to-image editing | `["photo.jpg"]` |
| `continue_from` | Continuation ID for multi-turn editing | `result["continuation_id"]` |

## Image-to-Image Editing

Transform existing images by providing `input_images`:

```python
generate_media(
    prompt="Make it look like a watercolor painting",
    mode="image",
    input_images=["photo.jpg"]
)
```

Supported backends for image-to-image: Google (Gemini), OpenAI, Grok. The system auto-selects if your current backend doesn't support it.

## Multi-Turn Editing (Continuation)

Iteratively refine images using `continue_from`:

```python
# First generation
result = generate_media(prompt="A logo for a coffee shop", mode="image")

# Refine using the continuation ID
result2 = generate_media(
    prompt="Make the text larger and add a cup icon",
    mode="image",
    continue_from=result["continuation_id"]
)
```

Each backend uses a different continuation mechanism:
- **OpenAI**: Passes `previous_response_id` (stateless)
- **Google Gemini**: In-memory chat store (LRU, 50 items)
- **Grok**: In-memory data URI store (LRU, 50 items)

Continuation only works for single image generation (not batch).

## Google: Gemini vs Imagen

Google supports two API paths. **Gemini (Nano Banana 2) is the default and recommended for most use cases.** Imagen is only needed for advanced reference-image editing features.

- **Gemini models** (`gemini-*`): `generate_content()` — text-to-image, image editing via `input_images`, multi-turn continuation
- **Imagen models** (`imagen-*`): `generate_images()` / `edit_image()` — text-to-image with `negative_prompt`/`seed`/`guidance_scale`, plus style transfer, control editing, and subject consistency via reference images

For studio-quality precision and text rendering, use: `model="gemini-3-pro-image-preview"` (Pro-tier).

## Need More Control?

- **Per-backend sizes, quality options, and quirks**: See [references/backends.md](references/backends.md)
- **Complete `extra_params` reference**: See [references/extra_params.md](references/extra_params.md)
- **Advanced editing (inpainting, style transfer, control, subject)**: See [references/editing.md](references/editing.md)
Pliki w paczce (4)
  • SKILL.md 4 KB
  • references/backends.md 5 KB
  • references/editing.md 3 KB
  • references/extra_params.md 3 KB

Wersje

RepozytoriumWynikLicencja
Ta strona · massgen/massgen100Apache-2.0
shaharsha/claude-skills100MIT
bytedance/deer-flow100MIT
onyx-dot-app/onyx100MIT
zts212653/clowder-ai100MIT
zhayujie/cowagent100MIT
letta-ai/letta-code100Apache-2.0
event4u-app/agent-config100MIT
shinpr/mcp-image100MIT

Migawka bazy z 28.10.2026 · wersja paczki 00781d448cd1 (skrót SHA-256 całej paczki)

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100video-generation
    Generuje wideo z promptów tekstowych lub obrazów na backendach Grok, Veo i Sora w środowisku MassGen.
  • 100omnimedia
    Obsługuje multimodalne AI: analiza obrazu, audio, wideo i dokumentów przez Gemini (transkrypcja, OCR, ekstrakcja) oraz generowanie obrazów, wideo, mowy i muzyki przez Codex, Imagen, OpenRouter i MiniMax.
  • 100sketch
    Pisze kod do generowania obrazów przez API Gemini: grafiki z tekstu, edycję obrazów i optymalizację promptów.
  • 100vertex-media-generation
    Generuje obrazy modelami Gemini i wideo modelem Veo przez dostawcę Google Vertex w Vercel AI SDK, w tym migracja z wycofanych modeli Imagen.
  • 95baoyu-image-gen
    Generuje obrazy przez API OpenAI, Google, OpenRouter, DashScope, Jimeng, Seedream i Replicate: z tekstu, z obrazów referencyjnych, z wybranymi proporcjami i w trybie wsadowym.
  • 100baoyu-image-gen
    Generuje obrazy AI przez API OpenAI GPT Image 2.5, Azure OpenAI, Google, OpenRouter, DashScope, Z.AI, MiniMax, Jimeng, Seedream, Replicate i Agnes: tekst na obraz, obrazy referencyjne, proporcje i generowanie wsadowe z plików promptów.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.