图像生成

Hermes 智能体通过 FAL.ai 根据文本提示生成图像。默认支持九个模型，每个模型在速度、质量和成本方面各有权衡。用户可通过 hermes tools 配置当前使用的模型，该配置会持久化保存在 config.yaml 中。

支持的模型

模型	速度	优势	价格
`fal-ai/flux-2/klein/9b` （默认）	`<1秒`	快速、文字清晰	$0.006/百万像素
`fal-ai/flux-2-pro`	~6秒	工作室级照片真实感	$0.03/百万像素
`fal-ai/z-image/turbo`	~2秒	中英文双语，60亿参数	$0.005/百万像素
`fal-ai/nano-banana-pro`	~8秒	Gemini 3 Pro，推理深度强，文字渲染佳	$0.15/张（1K）
`fal-ai/gpt-image-1.5`	~15秒	提示词贴合度高	$0.034/张
`fal-ai/gpt-image-2`	~20秒	最先进的文字渲染 + 中日韩支持，具有世界感知能力的照片真实感	$0.04–0.06/张
`fal-ai/ideogram/v3`	~5秒	最佳排版效果	$0.03–0.09/张
`fal-ai/recraft/v4/pro/text-to-image`	~8秒	设计、品牌系统、生产就绪	$0.25/张
`fal-ai/qwen-image`	~12秒	基于大语言模型，复杂文本处理能力强	$0.02/百万像素

价格为撰写时的 FAL 定价；最新价格请查看 fal.ai。

设置

Nous 订阅用户

如果您拥有付费的 Nous Portal 订阅，则可通过 工具网关 使用图像生成功能，而无需 FAL API 密钥。您的模型选择在这两种路径下均会保持一致。

如果托管网关对某个特定模型返回 HTTP 4xx 错误，则表示该模型尚未在门户端被代理 — 智能体会告知您此情况，并提供修复步骤（设置 FAL_KEY 以直接访问，或选择其他模型）。 ::>

获取 FAL API 密钥

在 fal.ai 注册账号
从您的仪表板生成 API 密钥

配置并选择模型

运行工具命令：

hermes tools

导航至 🎨 图像生成，选择您的后端（Nous 订阅或 FAL.ai），然后选择器将以列对齐的表格形式显示所有支持的模型 — 使用方向键导航，Enter 键确认选择：

  模型                          速度      优势                          价格
  fal-ai/flux-2/klein/9b         <1秒     快速、文字清晰               $0.006/百万像素   ← 当前正在使用
  fal-ai/flux-2-pro              ~6秒     工作室级照片真实感           $0.03/百万像素
  fal-ai/z-image/turbo           ~2秒     中英文双语，60亿参数         $0.005/百万像素
  ...

您的选择将保存到 config.yaml：

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

GPT-Image 质量

fal-ai/gpt-image-1.5 和 fal-ai/gpt-image-2 请求的质量固定为 medium（1024×1024 分辨率下约为 $0.034–$0.06/张）。我们未将 low / high 层级暴露为用户选项，以确保 Nous Portal 对所有用户的计费保持可预测性 — 不同层级间的成本差异高达 3–22 倍。如果您需要更便宜的选项，请选择 Klein 9B 或 Z-Image Turbo；如果您需要更高质量，请使用 Nano Banana Pro 或 Recraft V4 Pro。

使用方法

面向智能体的模式 intentionally 保持极简 — 模型会自动采用您已配置的内容：

生成一幅宁静的山景图，背景有樱花

创建一个智慧老猫头鹰的方形肖像 — 使用排版模型

为我制作一幅未来主义城市景观图，横向构图

宽高比

从智能体的角度来看，每个模型都接受相同的三种宽高比。内部会自动填充每个模型原生的尺寸规格：

智能体输入	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，因为其最低像素要求为 655,360 — landscape_16_9 预设（1024×576 = 589,824）会被拒绝。

此转换在 _build_fal_payload() 中完成 — 智能体代码无需了解各模型模式差异。

自动放大

通过 FAL 的 Clarity Upscaler 进行放大功能按模型进行控制：

模型	是否支持放大	原因
`fal-ai/flux-2-pro`	✓	向后兼容（曾是选择器之前的默认模型）
其他所有模型	✗	快速模型会失去其亚秒级价值主张；高分辨率模型无需此功能

当执行放大时，使用以下设置：

设置	值
放大倍数	2×
创意度	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），将自动返回原始图像。

内部工作原理

模型解析 — _resolve_fal_model() 从 config.yaml 读取 image_gen.model，若未设置则回退到 FAL_IMAGE_MODEL 环境变量，最后默认为 fal-ai/flux-2/klein/9b。
载荷构建 — _build_fal_payload() 将您的 aspect_ratio 转换为模型原生的格式（预设枚举、宽高比枚举或 GPT 字面量），合并模型的默认参数，应用调用者的任何覆盖，然后根据模型的 supports 白名单过滤，确保从不发送不支持的键。
提交 — _submit_fal_request() 通过直接 FAL 凭据或托管的 Nous 网关进行路由。
放大 — 仅在模型的元数据中包含 upscale: True 时运行。
交付 — 最终图像 URL 返回给智能体，智能体发出一个 MEDIA:<url> 标签，平台适配器将其转换为本机媒体。

调试

启用调试日志：

export IMAGE_TOOLS_DEBUG=true

调试日志将写入 ./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）。

平台交付

平台	交付方式
CLI	以 Markdown 格式 `![](url)` 打印图像 URL — 点击即可打开
Telegram	带提示词作为说明的照片消息
Discord	嵌入消息中
Slack	由 Slack 自动展开 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 订阅）
仅支持文生图 — 此工具不支持图像修复、图生图或编辑
临时 URL — FAL 返回托管的 URL，数小时/数天后会过期；如需长期使用请本地保存
按模型约束 — 某些模型不支持 seed、num_inference_steps 等参数。supports 过滤器会静默丢弃不支持的参数；此为预期行为

支持的模型​

设置​

获取 FAL API 密钥​

配置并选择模型​

GPT-Image 质量​

使用方法​

宽高比​

自动放大​

内部工作原理​

调试​

平台交付​

限制​