图像生成

Hermes Agent 通过 FAL.ai 从文本提示词生成图像。开箱即支持九个模型，各有不同的速度、质量和成本权衡。活跃模型可通过 hermes tools 由用户配置，并持久保存在 config.yaml 中。

支持的模型

模型	速度	优势	价格
`fal-ai/flux-2/klein/9b` （默认）	`<1s`	快速、文字清晰	$0.006/MP
`fal-ai/flux-2-pro`	~6s	影棚级写实	$0.03/MP
`fal-ai/z-image/turbo`	~2s	中英文双语、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（1K）
`fal-ai/gpt-image-1.5`	~15s	提示词遵循度	$0.034/图
`fal-ai/gpt-image-2`	~20s	SOTA 文字渲染 + CJK、世界感知写实	$0.04–0.06/图
`fal-ai/ideogram/v3`	~5s	最佳排版	$0.03–0.09/图
`fal-ai/recraft/v4/pro/text-to-image`	~8s	设计、品牌系统、可生产	$0.25/图
`fal-ai/qwen-image`	~12s	基于 LLM、复杂文字	$0.02/MP

价格为撰写时 FAL 的定价；请查看 fal.ai 获取最新数据。

设置

Nous 订阅用户

如果你有付费的 Nous Portal 订阅，可以通过**工具网关**使用图像生成，无需 FAL API 密钥。你的模型选择在两种路径间保持同步。

如果托管网关对特定模型返回 HTTP 4xx，说明该模型尚未在门户侧代理——Agent 会告知你，并给出修复步骤（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
从仪表板生成 API 密钥

配置并选择模型

运行工具命令：

hermes tools

导航到 🎨 图像生成，选择后端（Nous 订阅或 FAL.ai），然后选择器会以列对齐的表格显示所有支持的模型——方向键导航，Enter 选择：

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

你的选择保存到 config.yaml：

image_gen:
  model: fal-ai/flux-2/klein/9b
  use_gateway: false            # true if using Nous Subscription

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（1024×1024 约 $0.034–0.06/图）。我们不将 low / high 档位作为用户可见选项公开，以使 Nous Portal 的计费对所有用户保持可预期——档位之间的成本差距为 3–22 倍。如果你想要更便宜的选项，选择 Klein 9B 或 Z-Image Turbo；如果想要更高质量，使用 Nano Banana Pro 或 Recraft V4 Pro。

使用方式

Agent 面向的 schema 有意保持简洁——模型会使用你已配置的内容：

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 Agent 的角度来看，每个模型都接受相同的三种宽高比。在内部，每个模型的原生尺寸规格会自动填入：

Agent 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。

这个转换发生在 _build_fal_payload() 中——Agent 代码无需了解每个模型的 schema 差异。

自动放大

通过 FAL 的 Clarity Upscaler 进行放大，按模型控制：

模型	放大？	原因
`fal-ai/flux-2-pro`	✓	向后兼容（曾是选择器前的默认值）
所有其他	✗	快速模型放大会失去其亚秒级价值；高分辨率模型不需要放大

放大运行时使用以下设置：

设置	值
放大倍数	2×
创意度	0.35
相似度	0.6
引导比例	4
推理步骤	18

如果放大失败（网络问题、速率限制），则自动返回原始图像。

内部工作原理

模型解析 — _resolve_fal_model() 从 config.yaml 读取 image_gen.model，回退到 FAL_IMAGE_MODEL 环境变量，然后回退到 fal-ai/flux-2/klein/9b。
负载构建 — _build_fal_payload() 将你的 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，应用任何调用者覆盖，然后过滤到模型的 supports 白名单，以避免发送不支持的键。
提交 — _submit_fal_request() 通过直接 FAL 凭证或托管的 Nous 网关路由。
放大 — 仅当模型元数据包含 upscale: True 时运行。
交付 — 最终图像 URL 返回给 Agent，Agent 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

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

平台交付

平台	交付方式
CLI	图像 URL 以 Markdown `![](url)` 格式打印——点击打开
Telegram	以提示词为说明文字的照片消息
Discord	嵌入在消息中
Slack	URL 由 Slack 展开
WhatsApp	媒体消息
其他	纯文本中的 URL

限制

需要 FAL 凭证（直接 FAL_KEY 或 Nous 订阅）
仅文本转图像 — 通过此工具不支持图像修复、img2img 或编辑
临时 URL — FAL 返回的托管 URL 会在数小时/数天后过期；如需保留请本地保存
每模型限制 — 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

支持的模型​

设置​

获取 FAL API 密钥​

配置并选择模型​

GPT-Image 质量​

使用方式​

宽高比​

自动放大​

内部工作原理​

调试​

平台交付​

限制​