MiniMax Image Generation

MiniMax 图片生成技能。集成文生图和图生图功能，支持从文本描述生成图片，也可基于参考图生成新图片。触发场景：(1) 用户请求生成图片，(2) 用户提供描述并要求生成图片，(3) 用户上传参考图并要求基于该图生成新图，(4) 用户想要生成指定风格的图片。支持的风格：漫画、元气、中世纪、水彩（仅 image-01-live）。支持的宽高比：1:1、16:9、4:3、3:2、2:3、3:4、9:16、21:9。

MiniMax 图片生成技能

功能概览

功能	API 端点	说明
文生图	/v1/image_generation	从文本描述生成图片
图生图	/v1/image_generation	基于参考图 + 文本生成新图

工作流程

文生图

文本描述 → API 调用 → 自动保存本地 → 返回路径

图生图

参考图 + 文本描述 → API 调用 → 自动保存本地 → 返回路径

快速开始

文生图

import requests
import os
import base64

API_KEY = os.getenv("MINIMAX_API_KEY")
URL = "https://api.minimaxi.com/v1/image_generation"

payload = {
    "model": "image-01",
    "prompt": "一只可爱的小老虎在森林里",
    "aspect_ratio": "16:9",
    "n": 1,
    "response_format": "url"
}

headers = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json"
}

response = requests.post(URL, json=payload, headers=headers)
result = response.json()
image_url = result["data"]["image_urls"][0]

# 自动下载保存
save_dir = os.path.expanduser("~/.openclaw/workspace/assets/images")
os.makedirs(save_dir, exist_ok=True)
filename = f"generated_{int(time.time())}.jpeg"
save_path = os.path.join(save_dir, filename)

img_response = requests.get(image_url)
with open(save_path, 'wb') as f:
    f.write(img_response.content)

print(f"图片已保存: {save_path}")

图生图

# 读取本地图片并转为 Base64
with open("reference.jpg", "rb") as f:
    img_base64 = base64.b64encode(f.read()).decode()

payload = {
    "model": "image-01",
    "prompt": "same person wearing traditional Chinese Hanfu",
    "aspect_ratio": "3:4",
    "n": 1,
    "subject_reference": [
        {
            "type": "character",
            "image_file": f"data:image/jpeg;base64,{img_base64}"
        }
    ]
}

支持的模型

模型	说明	适用场景
image-01	高质量图片生成	通用场景
image-01-live	带风格的图片生成	需要漫画/水彩等风格

核心参数

参数	类型	必填	说明
model	string	是	image-01 或 image-01-live
prompt	string	是	图片描述，最长 1500 字符
n	int	否	生成数量 [1, 9]，默认 1
subject_reference	array	否	参考图配置（图生图用）
style	object	否	风格设置（仅 image-01-live）
aspect_ratio	string	否	宽高比

subject_reference 结构

字段	类型	必填	说明
type	string	是	当前仅支持 character
image_file	string	是	参考图 URL 或 Base64

参考图要求

• 格式：JPG, JPEG, PNG
• 大小：小于 10MB
• 最佳效果：单人正面照片

宽高比

值	分辨率
1:1	1024x1024
16:9	1280x720
4:3	1152x864
3:2	1248x832
2:3	832x1248
3:4	864x1152
9:16	720x1280
21:9	1344x576 (仅 image-01)

风格类型（仅 image-01-live）

风格	说明
漫画	漫画风格
元气	元气/活力风格
中世纪	中世纪风格
水彩	水彩画风格

输出目录

生成的图片默认保存在：~/.openclaw/workspace/assets/images/

文件名格式：{type}_{timestamp}_{index}.jpeg

• type: text2img / img2img
• timestamp: Unix 时间戳
• index: 多图时的序号

脚本工具

• scripts/generate_image.py - 文生图工具（自动保存本地）
• scripts/image_to_image.py - 图生图工具（自动保存本地）

命令行用法

# 文生图
python generate_image.py "一只可爱的小老虎" --ratio 16:9 --n 3

# 图生图
python image_to_image.py "穿汉服的女孩" --ref path/to/image.jpg --ratio 3:4

API 参考

• references/image-api.md - 完整 API 文档