تولید تصویر

بازنویسی model در هر فراخوانی فقط همان ارائه‌دهنده/مدل را امتحان می‌کند و به ارائه‌دهنده اصلی/جایگزین پیکربندی‌شده یا ارائه‌دهندگان تشخیص‌داده‌شده خودکار ادامه نمی‌دهد.

پیش‌فرض یک ارائه‌دهنده فقط زمانی وارد فهرست نامزدها می‌شود که OpenClaw بتواند واقعاً در آن ارائه‌دهنده احراز هویت کند. جایگزینی خودکار میان ارائه‌دهندگان احرازشده همیشه فعال است؛ model در هر فراخوانی همچنان مرجع نهایی است.

برای بک‌اندهای کند تولید تصویر، agents.defaults.mediaModels.image.timeoutMs را تنظیم کنید. پارامتر ابزار timeoutMs در هر فراخوانی، پیش‌فرض پیکربندی‌شده را بازنویسی می‌کند و پیش‌فرض‌های پیکربندی‌شده نیز پیش‌فرض‌های ارائه‌دهنده تعریف‌شده توسط Plugin را بازنویسی می‌کنند. ارائه‌دهندگان میزبانی‌شده تصویر در Google و OpenRouter از پیش‌فرض 180 ثانیه استفاده می‌کنند؛ تولید تصویر Microsoft Foundry MAI، ‏xAI و Azure OpenAI از 600 ثانیه استفاده می‌کند. فراخوانی‌های ابزار پویا در Codex از پیش‌فرض پل image_generate برابر با 120 ثانیه استفاده می‌کنند و در صورت پیکربندی، همان بودجه زمانی را رعایت می‌کنند؛ این مقدار به حداکثر 600000 ms پل ابزار پویای OpenClaw محدود است.

برای بررسی ارائه‌دهندگان ثبت‌شده فعلی، مدل‌های پیش‌فرض آن‌ها و راهنمای متغیرهای محیطی احراز هویت، از action: "list" استفاده کنید.

تولید تصویر OpenAI به‌طور پیش‌فرض از openai/gpt-image-2 استفاده می‌کند. اگر نمایه OAuth مربوط به openai پیکربندی شده باشد، OpenClaw همان نمایه OAuth استفاده‌شده توسط مدل‌های گفت‌وگوی اشتراکی Codex را دوباره استفاده می‌کند و درخواست تصویر را از طریق بک‌اند Codex Responses می‌فرستد. URLهای پایه قدیمی Codex مانند https://chatgpt.com/backend-api برای درخواست‌های تصویر به https://chatgpt.com/backend-api/codex استانداردسازی می‌شوند. OpenClaw برای آن درخواست به‌طور پنهانی به OPENAI_API_KEY بازنمی‌گردد - برای اجبار مسیریابی مستقیم از طریق OpenAI Images API، ‏models.providers.openai را صریحاً با کلید API، ‏URL پایه سفارشی یا نقطه پایانی Azure پیکربندی کنید.

مدل‌های openai/gpt-image-1.5، ‏openai/gpt-image-1 و openai/gpt-image-1-mini همچنان می‌توانند صریحاً انتخاب شوند. برای خروجی PNG/WebP با پس‌زمینه شفاف از gpt-image-1.5 استفاده کنید؛ API فعلی gpt-image-2، ‏background: "transparent" را رد می‌کند.

gpt-image-2 هم از تولید متن‌به‌تصویر و هم از ویرایش تصویر مرجع از طریق همان ابزار image_generate پشتیبانی می‌کند. OpenClaw مقادیر prompt، ‏count، ‏size، ‏quality، ‏outputFormat و تصاویر مرجع را به OpenAI ارسال می‌کند. OpenAI مقادیر aspectRatio یا resolution را مستقیماً دریافت نمی‌کند؛ OpenClaw در صورت امکان آن‌ها را به یک size پشتیبانی‌شده نگاشت می‌کند و در غیر این صورت ابزار آن‌ها را به‌عنوان بازنویسی‌های نادیده‌گرفته‌شده گزارش می‌دهد.

گزینه‌های مختص OpenAI در شیء openai قرار دارند:

{  "quality": "low",  "outputFormat": "jpeg",  "openai": {    "background": "opaque",    "moderation": "low",    "outputCompression": 60,    "user": "end-user-42"  }}

openai.background مقادیر transparent، ‏opaque یا auto را می‌پذیرد؛ خروجی‌های شفاف به outputFormat ‏png یا webp و یک مدل تصویر OpenAI با قابلیت شفافیت نیاز دارند. OpenClaw درخواست‌های پیش‌فرض gpt-image-2 با پس‌زمینه شفاف را به gpt-image-1.5 هدایت می‌کند. openai.outputCompression برای خروجی‌های JPEG/WebP اعمال می‌شود و برای خروجی‌های PNG نادیده گرفته می‌شود.

راهنمای سطح بالای background مستقل از ارائه‌دهنده است و در حال حاضر، هنگام انتخاب ارائه‌دهنده OpenAI، به همان فیلد درخواست background در OpenAI نگاشت می‌شود. ارائه‌دهندگانی که پشتیبانی از پس‌زمینه را اعلام نمی‌کنند، به‌جای دریافت پارامتر پشتیبانی‌نشده آن را در ignoredOverrides بازمی‌گردانند.

برای هدایت تولید تصویر OpenAI از طریق یک استقرار Azure OpenAI به‌جای api.openai.com، به نقاط پایانی Azure OpenAI مراجعه کنید.

تولید تصویر Microsoft Foundry از نام استقرار مدل‌های تصویر MAI مستقرشده زیر پیشوند ارائه‌دهنده microsoft-foundry/ استفاده می‌کند. مدل پیش‌فرضی در سطح ارائه‌دهنده وجود ندارد، زیرا API مربوط به MAI انتظار دارد نام استقرار خود را در فیلد model وارد کنید:

{  agents: {    defaults: {      imageGenerationModel: {        primary: "microsoft-foundry/<deployment-name>",        timeoutMs: 600_000,      },    },  },}

این ارائه‌دهنده از API مربوط به MAI در Microsoft Foundry استفاده می‌کند، نه OpenAI Images API:

• نقطه پایانی تولید: /mai/v1/images/generations
• نقطه پایانی ویرایش: /mai/v1/images/edits
• احراز هویت: AZURE_OPENAI_API_KEY / کلید API ارائه‌دهنده، یا Entra ID از طریق az login
• خروجی: یک تصویر PNG
• اندازه: پیش‌فرض 1024x1024؛ عرض و ارتفاع باید هرکدام حداقل 768 px باشند، و مجموع پیکسل‌ها باید حداکثر 1,048,576 باشد
• ویرایش‌ها: یک تصویر مرجع PNG یا JPEG که فقط توسط استقرارهای MAI-Image-2.5-Flash و MAI-Image-2.5 پشتیبانی می‌شود

تولید صرفاً مبتنی بر پرامپت می‌تواند با پیکربندی فقط نقطه پایانی Foundry، از یک نام استقرار سفارشی استفاده کند. ویرایش با نام‌های استقرار سفارشی به فراداده راه‌اندازی اولیه/مدل نیاز دارد تا OpenClaw بتواند تأیید کند که استقرار بر پایه MAI-Image-2.5-Flash یا MAI-Image-2.5 است.

مدل‌های تصویر فعلی MAI عبارت‌اند از MAI-Image-2.5-Flash، ‏MAI-Image-2.5، ‏MAI-Image-2e و MAI-Image-2. برای راه‌اندازی و رفتار مدل گفت‌وگو، به Plugin مربوط به Microsoft Foundry مراجعه کنید.

تولید تصویر OpenRouter از همان OPENROUTER_API_KEY استفاده می‌کند و از طریق API تصویر تکمیل گفت‌وگوی OpenRouter مسیریابی می‌شود. مدل‌های تصویر OpenRouter را با پیشوند openrouter/ انتخاب کنید:

{  agents: {    defaults: {      imageGenerationModel: {        primary: "openrouter/google/gemini-3.1-flash-image-preview",      },    },  },}

OpenClaw مقادیر prompt، ‏count، تصاویر مرجع و راهنماهای سازگار با Gemini یعنی aspectRatio / resolution را به OpenRouter ارسال می‌کند. میان‌برهای داخلی فعلی برای مدل‌های تصویر OpenRouter شامل google/gemini-3.1-flash-image، ‏google/gemini-3-pro-image و openai/gpt-5.4-image-2 هستند. برای مشاهده مواردی که Plugin پیکربندی‌شده شما ارائه می‌کند، از action: "list" استفاده کنید.

مدل‌های Krea 2 در fal به‌جای شِمای عمومی image_size که Flux از آن استفاده می‌کند، از شِمای بومی Krea در fal استفاده می‌کنند. OpenClaw موارد زیر را ارسال می‌کند:

• aspect_ratio برای راهنمای نسبت ابعاد
• creativity، با مقدار پیش‌فرض medium
• image_style_references هنگامی که image یا images ارائه شده باشد

برای تصویرسازی سریع‌تر و پرحالت، Krea 2 Medium و برای ظاهرهای واقع‌گرایانه‌تر، بافت‌دارتر، کندتر و پرجزئیات‌تر، Krea 2 Large را انتخاب کنید:

{  agents: {    defaults: {      imageGenerationModel: {        primary: "fal/krea/v2/medium/text-to-image",      },    },  },}

Krea 2 در حال حاضر برای هر درخواست یک تصویر بازمی‌گرداند. برای Krea، ‏aspectRatio را ترجیح دهید؛ OpenClaw مقدار size را به نزدیک‌ترین نسبت ابعاد پشتیبانی‌شده Krea نگاشت می‌کند و به‌جای حذف resolution، آن را برای Krea رد می‌کند. هنگامی که سطح خلاقیت بومی Krea را می‌خواهید، از fal.creativity استفاده کنید:

{  "model": "fal/krea/v2/medium/text-to-image",  "prompt": "A cyber zine portrait with risograph texture",  "aspectRatio": "9:16",  "fal": {    "creativity": "high"  }}

تولید تصویر MiniMax از طریق هر دو مسیر احراز هویت همراه MiniMax در دسترس است:

• minimax/image-01 برای راه‌اندازی‌های مبتنی بر کلید API
• minimax-portal/image-01 برای راه‌اندازی‌های مبتنی بر OAuth

ارائه‌دهنده همراه xAI برای درخواست‌های صرفاً مبتنی بر پرامپت از /v1/images/generations و در صورت وجود image یا images از /v1/images/edits استفاده می‌کند.

• مدل‌ها: xai/grok-imagine-image، ‏xai/grok-imagine-image-quality
• تعداد: تا 4
• مراجع: یک image یا حداکثر سه images
• نسبت‌های ابعاد: 1:1، ‏16:9، ‏9:16، ‏4:3، ‏3:4، ‏3:2، ‏2:3، ‏2:1، ‏1:2، ‏19.5:9، ‏9:19.5، ‏20:9، ‏9:20
• وضوح‌ها: 1K، ‏2K
• خروجی‌ها: به‌صورت پیوست‌های تصویری مدیریت‌شده توسط OpenClaw بازگردانده می‌شوند

OpenClaw عمداً quality، ‏mask، ‏user بومی xAI یا نسبت ابعاد auto را تا زمانی که این کنترل‌ها در قرارداد مشترک و میان‌ارائه‌دهنده‌ای image_generate وجود نداشته باشند، ارائه نمی‌کند.