openai-image-gen
Über
Diese Claude-Skill generiert Bilder mit den OpenAI-Modellen DALL-E 2, DALL-E 3 und GPT Image über deren API. Sie unterstützt die Stapelgenerierung mit zufälliger Prompt-Auswahl und gibt eine HTML-Galerie zur einfachen Betrachtung aus. Verwenden Sie sie, wenn Sie Bilder über OpenAI erstellen müssen und ein OPENAI_API_KEY verfügbar ist.
Schnellinstallation
Claude Code
Empfohlennpx skills add swarmclawai/swarmclaw -a claude-code/plugin add https://github.com/swarmclawai/swarmclawgit clone https://github.com/swarmclawai/swarmclaw.git ~/.claude/skills/openai-image-genKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
Dokumentation
OpenAI Image Gen
Generate images via the OpenAI Images API with an HTML gallery viewer.
Run
Note: Image generation can take longer than typical timeouts. Set a higher timeout when running via shell (e.g., 300 seconds).
python3 {baseDir}/scripts/gen.py
Useful Flags
# GPT image models with various options
python3 {baseDir}/scripts/gen.py --count 16 --model gpt-image-1
python3 {baseDir}/scripts/gen.py --prompt "ultra-detailed studio photo of a lobster astronaut" --count 4
python3 {baseDir}/scripts/gen.py --size 1536x1024 --quality high --out-dir ./out/images
python3 {baseDir}/scripts/gen.py --model gpt-image-1.5 --background transparent --output-format webp
# DALL-E 3 (note: count is automatically limited to 1)
python3 {baseDir}/scripts/gen.py --model dall-e-3 --quality hd --size 1792x1024 --style vivid
python3 {baseDir}/scripts/gen.py --model dall-e-3 --style natural --prompt "serene mountain landscape"
# DALL-E 2
python3 {baseDir}/scripts/gen.py --model dall-e-2 --size 512x512 --count 4
Model-Specific Parameters
Size
- GPT image models (
gpt-image-1,gpt-image-1-mini,gpt-image-1.5):1024x1024,1536x1024(landscape),1024x1536(portrait), orauto. Default:1024x1024 - dall-e-3:
1024x1024,1792x1024, or1024x1792. Default:1024x1024 - dall-e-2:
256x256,512x512, or1024x1024. Default:1024x1024
Quality
- GPT image models:
auto,high,medium, orlow. Default:high - dall-e-3:
hdorstandard. Default:standard - dall-e-2:
standardonly
Other Parameters
- GPT image models support
--background(transparent,opaque,auto) and--output-format(png,jpeg,webp) - dall-e-3 supports
--style(vividfor hyper-real,naturalfor more natural looking) - dall-e-3 only supports
n=1; the script automatically limits count to 1
Output
- Image files (
*.png,*.jpeg, or*.webpdepending on model and format) prompts.json(prompt-to-file mapping)index.html(thumbnail gallery — open in browser to review)
GitHub Repository
Verwandte Skills
content-collections
MetaDiese Skill bietet eine produktionsgetestete Einrichtung für Content Collections – ein TypeScript-first-Tool, das Markdown/MDX-Dateien in typsichere Datensammlungen mit Zod-Validierung umwandelt. Verwenden Sie ihn beim Erstellen von Blogs, Dokumentationsseiten oder inhaltsstarken Vite + React-Anwendungen, um Typsicherheit und automatische Inhaltsvalidierung zu gewährleisten. Er behandelt alles von der Vite-Plugin-Konfiguration und MDX-Kompilierung bis hin zur Deployment-Optimierung und Schema-Validierung.
polymarket
MetaDiese Fähigkeit ermöglicht es Entwicklern, Anwendungen mit der Polymarket-Prognosemärkte-Plattform zu erstellen, einschließlich API-Integration für Handel und Marktdaten. Sie bietet außerdem Echtzeit-Datenstreaming über WebSocket, um Live-Trades und Marktaktivitäten zu überwachen. Nutzen Sie sie zur Implementierung von Handelsstrategien oder zur Erstellung von Tools, die Live-Marktaktualisierungen verarbeiten.
creating-opencode-plugins
MetaDiese Fähigkeit unterstützt Entwickler dabei, OpenCode-Plugins zu erstellen, die in über 25 Ereignistypen wie Befehle, Dateien und LSP-Operationen eingreifen. Sie bietet die Plugin-Struktur, Event-API-Spezifikationen und Implementierungsmuster für JavaScript/TypeScript-Module. Nutzen Sie sie, wenn Sie den Lebenszyklus des OpenCode KI-Assistenten mit benutzerdefinierter ereignisgesteuerter Logik abfangen, überwachen oder erweitern müssen.
sglang
MetaSGLang ist ein hochperformantes LLM-Serving-Framework, das sich auf schnelle, strukturierte Generierung für JSON, Regex und agentenbasierte Workflows unter Verwendung seines RadixAttention-Prefix-Cachings spezialisiert. Es bietet deutlich schnellere Inferenz, insbesondere für Aufgaben mit wiederholten Präfixen, was es ideal für komplexe, strukturierte Ausgaben und Mehrfachdialoge macht. Wählen Sie SGLang gegenüber Alternativen wie vLLM, wenn Sie constrained decoding benötigen oder Anwendungen mit umfangreicher Präfix-Weitergabe entwickeln.
