GPT Image 2 生成器

使用此技能，可通过 Azure OpenAI 的 gpt-image-2 部署生成新的位图图像，并将结果保存至用户的 workspace 中。

该技能的功能

• 将用户提出的图像构想转化为面向生产的 gpt-image-2 提示词（prompt）。
• 调用内置的仅限 Azure 的脚本：scripts/gpt_image_2_generate.py。
• 将生成的图像保存为 PNG、JPEG 或 WebP 格式文件。
• 默认从环境变量中读取 AZURE_OPENAI_API_KEY。
• 除非显式指定 AZURE_OPENAI_IMAGE_ENDPOINT 环境变量或 --endpoint 参数，否则请求将发送至缓存的 Azure gpt-image-2 终端节点（endpoint）。
• 支持调节图像质量、尺寸、背景、输出格式、压缩等级以及批量生成多张图像。

若用户希望编辑已有图像而非生成新图像，请说明当前该技能仅提供图像生成脚本。您仍可参考此处的提示词撰写指南，再根据环境是否支持单独实现或调用图像编辑工作流。

前提要求

调用脚本前，请确认以下条件已满足：

1. Shell 环境中已设置 AZURE_OPENAI_API_KEY。
2. 网络连接可用。
3. 输出路径位于可写入的 workspace 内。

若缺失 API 密钥，请勿自行构造替代方案；应明确提示用户提供或配置 AZURE_OPENAI_API_KEY。

默认 Azure 终端节点地址为：

https://admin-mgoh5ri9-eastus2.cognitiveservices.azure.com/openai/deployments/gpt-image-2/images/generations?api-version=2024-02-01

仅当需使用其他 Azure OpenAI images/generations 部署时，才应通过 AZURE_OPENAI_IMAGE_ENDPOINT 环境变量或 --endpoint 参数指定完整 URL。

工作流程

1. 明确输出意图：
   • preview：用于当前对话的快速预览图像。
   • project asset：应保存在当前项目或 workspace 下的图像资源。
   • deliverable：具有明确命名的交付成果，例如封面、海报、产品视觉图或插画。
2. 收集或推断关键图像需求：
   • 主体（subject）
   • 风格（style）
   • 宽高比或精确尺寸
   • 输出格式
   • 质量（quality）
   • 图像中必须出现的文字（须逐字准确写出）
   • 需规避的内容
3. 将提示词整理为简洁的视觉规格说明。保留用户原始创意方向，仅补充有助于提升输出可控性的实用细节。
4. 若对参数不确定，建议先执行一次试运行（dry run）：

   python scripts/gpt_image_2_generate.py 
     --prompt "日出时分静谧的阿尔卑斯山湖，电影级自然光线" 
     --out ./image.png 
     --size auto 
     --quality medium 
     --dry-run
   

5. 正式生成图像：

   python scripts/gpt_image_2_generate.py 
     --prompt "日出时分静谧的阿尔卑斯山湖，电影级自然光线" 
     --out ./image.png 
     --size auto 
     --quality medium
   

6. 如条件允许，在完成任务前请检查已保存的图像文件。
7. 返回最终保存的文件路径及实际使用的完整提示词。

提示词结构

当用户提供模糊提示时，请采用如下结构组织提示词：

使用场景：
核心需求：<用户所要求的图像内容>
主体：<主要对象及其关键属性>
构图：<取景方式、拍摄角度、裁剪范围、画面平衡>
风格：<照片级真实感、杂志风、绘画感、3D 渲染、动漫、水彩等>
光影与色彩：<一天中的时段、对比度、配色方案>
背景/环境：<场景设定>
图像内文字：<需精确呈现的文字内容，或写“none”>
规避项：<水印、Logo、额外文字、解剖结构失真、不期望出现的物体>

提示词应保持直接简洁。gpt-image-2 对紧凑、明确的视觉指令响应良好；在提示词中堆砌无关形容词通常会降低输出的可控性。

参数使用指南

• --quality：默认值为 medium。快速草稿可用 low；最终交付图、含大量文字的图像、产品视觉图或照片级写实图像推荐使用 high。
• --size：默认值为 auto，除非用户明确指定了具体尺寸或宽高比。若不确定，可根据使用场景选择适配的宽高比：
  • 方形/头像： 1024x1024
  • 竖版/社交故事： 1024x1536
  • 横版/页眉图： 1536x1024
  • 灵活适配/当前 API 最佳匹配： auto
• --output-format：默认使用 png；仅当用户明确要求更小体积（jpeg/webp）或需要透明通道（png/webp）时才切换。
• --background：常规情况下使用 auto；仅在需要抠图、贴纸、图标、孤立物体或合成素材时使用 transparent。
• --n：默认值为 1；仅当用户明确要求生成多个变体时才调整。
• --endpoint：仅用于指定完整的 Azure OpenAI images/generations 部署 URL。
• --api-key-env：仅当 Azure 密钥被有意存储在非默认环境变量中时使用。

图像中的文字

当用户要求图像中包含文字时：

• 将所需文字内容用英文双引号包裹（确保完全一致）。
• 文字表述宜简短。
• 明确指出图像中不应出现其他任何文字。
• 文字密集型图像推荐使用 --quality high。

示例：

python scripts/gpt_image_2_generate.py 
  --prompt '极简咖啡主题海报，主标题须精确为"SLOW MORNING"且不得含其他文字，暖色调杂志风产品摄影风格' 
  --out ./slow-morning.png 
  --quality high

透明背景输出

生成透明背景抠图时：

python scripts/gpt_image_2_generate.py 
  --prompt "单只红色搪瓷露营杯，孤立产品抠图，无文字、无阴影" 
  --out ./mug.png 
  --background transparent 
  --output-format png 
  --quality high

生成后请务必检查结果——透明背景输出仅在主体边缘清晰、且图像中不含意外背景时才有实际用途。

脚本参考说明

该脚本通过 Azure OpenAI Images 生成终端节点发起请求，请求载荷（payload）格式如下：

{
  "prompt": "...",
  "size": "auto",
  "quality": "medium",
  "n": 1
}

请求发送至 Azure 部署 URL，并通过 api-key 请求头进行身份认证。由于模型信息已编码于终端节点 URL 中，因此载荷中省略 model 字段。

脚本支持接收 base64 编码的图像响应并写入磁盘。可运行以下命令查看帮助信息：

python scripts/gpt_image_2_generate.py --help

安全与合规性

严格遵循用户适用的内容策略与本地合规要求。禁止生成违反政策的图像。除非 Azure API 调用成功，否则不得声称图像由 gpt-image-2 生成。

实用示例

照片级真实感场景：

python scripts/gpt_image_2_generate.py 
  --prompt "照片级真实感杂志风格图像：胡桃木桌上放置一只陶瓷茶壶，旁为雨天窗景，柔和晨光，浅景深，无文字" 
  --out ./teapot.png 
  --quality high 
  --size auto

壁纸：

python scripts/gpt_image_2_generate.py 
  --prompt "广角数字绘画风格壁纸：月光下的沙漠天文台，繁星清晰，点缀青绿与琥珀色细节，宁静电影氛围，无文字" 
  --out ./observatory.webp 
  --output-format webp 
  --quality medium 
  --size 1536x1024

多变体生成：

python scripts/gpt_image_2_generate.py 
  --prompt "三分之二视角概念艺术图：紧凑型电动城市自行车，纯白影棚背景，工业设计手绘渲染风格，无文字" 
  --out ./city-bike.png 
  --n 3 
  --quality medium