Generowanie obrazów

Nadpisanie model dla pojedynczego wywołania próbuje tylko tego dostawcy/modelu i nie przechodzi do skonfigurowanego podstawowego/zapasowego ani automatycznie wykrytych dostawców.

Domyślny dostawca trafia na listę kandydatów tylko wtedy, gdy OpenClaw może faktycznie uwierzytelnić tego dostawcę. Ustaw agents.defaults.mediaGenerationAutoProviderFallback: false, aby używać tylko jawnych wpisów model, primary i fallbacks.

Ustaw agents.defaults.imageGenerationModel.timeoutMs dla wolnych backendów obrazów. Parametr narzędzia timeoutMs dla pojedynczego wywołania nadpisuje skonfigurowaną wartość domyślną, a skonfigurowane wartości domyślne nadpisują wartości domyślne dostawcy zdefiniowane przez Plugin. Dostawcy obrazów hostowani przez Google i OpenRouter używają domyślnie 180 sekund; generowanie obrazów Microsoft Foundry MAI, xAI i Azure OpenAI używa 600 sekund. Wywołania narzędzi dynamicznych Codex używają domyślnego mostka image_generate wynoszącego 120 sekund i respektują ten sam budżet limitu czasu, gdy jest skonfigurowany, ograniczony przez maksymalny limit mostka narzędzi dynamicznych OpenClaw wynoszący 600000 ms.

Użyj action: "list", aby sprawdzić obecnie zarejestrowanych dostawców, ich modele domyślne oraz wskazówki dotyczące zmiennych środowiskowych uwierzytelniania.

Generowanie obrazów OpenAI domyślnie używa openai/gpt-image-2. Jeśli skonfigurowano profil OAuth openai, OpenClaw ponownie używa tego samego profilu OAuth, którego używają modele czatu subskrypcji Codex, i wysyła żądanie obrazu przez backend Codex Responses. Starsze bazowe adresy URL Codex, takie jak https://chatgpt.com/backend-api, są kanonizowane do https://chatgpt.com/backend-api/codex dla żądań obrazów. OpenClaw nie przełącza się po cichu na OPENAI_API_KEY dla tego żądania - aby wymusić bezpośrednie trasowanie przez OpenAI Images API, skonfiguruj models.providers.openai jawnie z kluczem API, niestandardowym bazowym adresem URL lub punktem końcowym Azure.

Modele openai/gpt-image-1.5, openai/gpt-image-1 i openai/gpt-image-1-mini nadal można wybrać jawnie. Użyj gpt-image-1.5 dla wyników PNG/WebP z przezroczystym tłem; obecne API gpt-image-2 odrzuca background: "transparent".

gpt-image-2 obsługuje zarówno generowanie tekst-na-obraz, jak i edycję obrazu referencyjnego przez to samo narzędzie image_generate. OpenClaw przekazuje do OpenAI prompt, count, size, quality, outputFormat oraz obrazy referencyjne. OpenAI nie otrzymuje bezpośrednio aspectRatio ani resolution; gdy to możliwe, OpenClaw mapuje je na obsługiwane size, w przeciwnym razie narzędzie zgłasza je jako zignorowane nadpisania.

Opcje specyficzne dla OpenAI znajdują się pod obiektem openai:

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

openai.background przyjmuje transparent, opaque lub auto; przezroczyste wyniki wymagają outputFormat png lub webp oraz modelu obrazów OpenAI obsługującego przezroczystość. OpenClaw trasuje domyślne żądania przezroczystego tła gpt-image-2 do gpt-image-1.5. openai.outputCompression dotyczy wyników JPEG/WebP i jest ignorowane dla wyników PNG.

Wskazówka najwyższego poziomu background jest neutralna względem dostawcy i obecnie mapuje się na to samo pole żądania OpenAI background, gdy wybrany jest dostawca OpenAI. Dostawcy, którzy nie deklarują obsługi tła, zwracają ją w ignoredOverrides zamiast otrzymywać nieobsługiwany parametr.

Aby trasować generowanie obrazów OpenAI przez wdrożenie Azure OpenAI zamiast api.openai.com, zobacz punkty końcowe Azure OpenAI.

Generowanie obrazów Microsoft Foundry używa nazw wdrożeń obrazów MAI pod prefiksem dostawcy microsoft-foundry/. Nie ma domyślnego modelu na poziomie dostawcy, ponieważ API MAI oczekuje nazwy wdrożenia w polu model:

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

Dostawca używa MAI API Microsoft Foundry, a nie OpenAI Images API:

• Punkt końcowy generowania: /mai/v1/images/generations
• Punkt końcowy edycji: /mai/v1/images/edits
• Uwierzytelnianie: AZURE_OPENAI_API_KEY / klucz API dostawcy albo Entra ID przez az login
• Wynik: jeden obraz PNG
• Rozmiar: domyślnie 1024x1024; szerokość i wysokość muszą mieć co najmniej 768 px, a łączna liczba pikseli musi wynosić co najwyżej 1 048 576
• Edycje: jeden obraz referencyjny PNG lub JPEG, obsługiwany tylko przez wdrożenia MAI-Image-2.5-Flash i MAI-Image-2.5

Generowanie wyłącznie z promptu może używać niestandardowej nazwy wdrożenia tylko ze skonfigurowanym punktem końcowym Foundry. Edycje z niestandardowymi nazwami wdrożeń wymagają onboardingu/metadanych modelu, aby OpenClaw mógł zweryfikować, że wdrożenie jest oparte na MAI-Image-2.5-Flash lub MAI-Image-2.5.

Obecne modele obrazów MAI to MAI-Image-2.5-Flash, MAI-Image-2.5, MAI-Image-2e i MAI-Image-2. Zobacz Plugin Microsoft Foundry, aby poznać konfigurację i zachowanie modeli czatu.

Generowanie obrazów OpenRouter używa tego samego OPENROUTER_API_KEY i trasuje przez obrazowe API uzupełnień czatu OpenRouter. Wybieraj modele obrazów OpenRouter z prefiksem openrouter/:

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

OpenClaw przekazuje do OpenRouter prompt, count, obrazy referencyjne oraz zgodne z Gemini wskazówki aspectRatio / resolution. Obecne wbudowane skróty modeli obrazów OpenRouter obejmują google/gemini-3.1-flash-image-preview, google/gemini-3-pro-image-preview i openai/gpt-5.4-image-2. Użyj action: "list", aby zobaczyć, co udostępnia skonfigurowany Plugin.

Modele Krea 2 w fal używają natywnego schematu Krea fal zamiast ogólnego schematu image_size używanego przez Flux. OpenClaw wysyła:

• aspect_ratio dla wskazówek proporcji obrazu
• creativity, domyślnie medium
• image_style_references, gdy podano image lub images

Wybierz Krea 2 Medium dla szybszej, ekspresyjnej ilustracji oraz Krea 2 Large dla wolniejszych, bardziej szczegółowych fotorealistycznych i teksturowanych efektów:

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

Krea 2 obecnie zwraca jeden obraz na żądanie. Preferuj aspectRatio dla Krea; OpenClaw mapuje size na najbliższą obsługiwaną proporcję Krea i odrzuca resolution dla Krea zamiast je pomijać. Użyj fal.creativity, gdy chcesz natywnego poziomu kreatywności Krea:

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

Generowanie obrazów MiniMax jest dostępne przez obie dołączone ścieżki uwierzytelniania MiniMax:

• minimax/image-01 dla konfiguracji z kluczem API
• minimax-portal/image-01 dla konfiguracji OAuth

Dołączony dostawca xAI używa /v1/images/generations dla żądań wyłącznie z promptu oraz /v1/images/edits, gdy obecne jest image lub images.

• Modele: xai/grok-imagine-image, xai/grok-imagine-image-quality
• Liczba: do 4
• Referencje: jedno image lub do pięciu images
• Proporcje obrazu: 1:1, 16:9, 9:16, 4:3, 3:4, 2:3, 3:2
• Rozdzielczości: 1K, 2K
• Wyniki: zwracane jako załączniki obrazów zarządzane przez OpenClaw

OpenClaw celowo nie udostępnia natywnych dla xAI pól quality, mask, user ani dodatkowych natywnych proporcji obrazu, dopóki te kontrolki nie istnieją we wspólnym kontrakcie międzydostawcowym image_generate.