--- read_when: - Bilder über den Agenten erzeugen oder bearbeiten - Provider und Modelle für die Bildgenerierung konfigurieren - Die Parameter des image_generate-Tools verstehen sidebarTitle: Image generation summary: Bilder über image_generate bei OpenAI, Google, fal, MiniMax, ComfyUI, DeepInfra, OpenRouter, LiteLLM, xAI und Vydra generieren und bearbeiten title: Bildgenerierung x-i18n: generated_at: "2026-05-11T20:37:48Z" model: gpt-5.5 provider: openai source_hash: 10c15b48a673ef673e3cf7c4f4950a08961d64a3fd21eff9d1944ec6d4b9c410 source_path: tools/image-generation.md workflow: 16 --- Das Tool `image_generate` ermöglicht es dem Agenten, mit Ihren konfigurierten Providern Bilder zu erstellen und zu bearbeiten. Generierte Bilder werden automatisch als Medienanhänge in der Antwort des Agenten bereitgestellt. Das Tool erscheint nur, wenn mindestens ein Provider für die Bilderzeugung verfügbar ist. Wenn Sie `image_generate` nicht in den Tools Ihres Agenten sehen, konfigurieren Sie `agents.defaults.imageGenerationModel`, richten Sie einen Provider-API-Schlüssel ein oder melden Sie sich mit OpenAI Codex OAuth an. ## Schnellstart Legen Sie einen API-Schlüssel für mindestens einen Provider fest (zum Beispiel `OPENAI_API_KEY`, `GEMINI_API_KEY`, `OPENROUTER_API_KEY`) oder melden Sie sich mit OpenAI Codex OAuth an. ```json5 { agents: { defaults: { imageGenerationModel: { primary: "openai/gpt-image-2", timeoutMs: 180_000, }, }, }, } ``` Codex OAuth verwendet dieselbe Modellreferenz `openai/gpt-image-2`. Wenn ein `openai-codex` OAuth-Profil konfiguriert ist, leitet OpenClaw Bildanfragen über dieses OAuth-Profil weiter, anstatt zuerst `OPENAI_API_KEY` zu versuchen. Eine explizite Konfiguration von `models.providers.openai` (API-Schlüssel, benutzerdefinierte/Azure-Basis-URL) aktiviert wieder die direkte Route zur OpenAI Images API. _"Erzeuge ein Bild eines freundlichen Roboter-Maskottchens."_ Der Agent ruft `image_generate` automatisch auf. Keine Tool-Zulassungsliste erforderlich - es ist standardmäßig aktiviert, wenn ein Provider verfügbar ist. Für OpenAI-kompatible LAN-Endpunkte wie LocalAI behalten Sie die benutzerdefinierte `models.providers.openai.baseUrl` bei und aktivieren Sie sie ausdrücklich mit `browser.ssrfPolicy.dangerouslyAllowPrivateNetwork: true`. Private und interne Bild-Endpunkte bleiben standardmäßig blockiert. ## Gängige Routen | Ziel | Modellreferenz | Authentifizierung | | ---------------------------------------------------- | -------------------------------------------------- | -------------------------------------- | | OpenAI-Bilderzeugung mit API-Abrechnung | `openai/gpt-image-2` | `OPENAI_API_KEY` | | OpenAI-Bilderzeugung mit Codex-Abonnementauthentifizierung | `openai/gpt-image-2` | OpenAI Codex OAuth | | OpenAI PNG/WebP mit transparentem Hintergrund | `openai/gpt-image-1.5` | `OPENAI_API_KEY` oder OpenAI Codex OAuth | | DeepInfra-Bilderzeugung | `deepinfra/black-forest-labs/FLUX-1-schnell` | `DEEPINFRA_API_KEY` | | OpenRouter-Bilderzeugung | `openrouter/google/gemini-3.1-flash-image-preview` | `OPENROUTER_API_KEY` | | LiteLLM-Bilderzeugung | `litellm/gpt-image-2` | `LITELLM_API_KEY` | | Google Gemini-Bilderzeugung | `google/gemini-3.1-flash-image-preview` | `GEMINI_API_KEY` oder `GOOGLE_API_KEY` | Dasselbe Tool `image_generate` verarbeitet Text-zu-Bild und die Bearbeitung mit Referenzbildern. Verwenden Sie `image` für eine Referenz oder `images` für mehrere Referenzen. Vom Provider unterstützte Ausgabehinweise wie `quality`, `outputFormat` und `background` werden, sofern verfügbar, weitergeleitet und als ignoriert gemeldet, wenn ein Provider sie nicht unterstützt. Die gebündelte Unterstützung für transparente Hintergründe ist OpenAI-spezifisch; andere Provider können PNG-Alpha dennoch beibehalten, wenn ihr Backend es ausgibt. ## Unterstützte Provider | Provider | Standardmodell | Bearbeitungsunterstützung | Authentifizierung | | ---------- | --------------------------------------- | ---------------------------------- | ----------------------------------------------------- | | ComfyUI | `workflow` | Ja (1 Bild, Workflow-konfiguriert) | `COMFY_API_KEY` oder `COMFY_CLOUD_API_KEY` für Cloud | | DeepInfra | `black-forest-labs/FLUX-1-schnell` | Ja (1 Bild) | `DEEPINFRA_API_KEY` | | fal | `fal-ai/flux/dev` | Ja (modellspezifische Grenzen) | `FAL_KEY` | | Google | `gemini-3.1-flash-image-preview` | Ja | `GEMINI_API_KEY` oder `GOOGLE_API_KEY` | | LiteLLM | `gpt-image-2` | Ja (bis zu 5 Eingabebilder) | `LITELLM_API_KEY` | | MiniMax | `image-01` | Ja (Motivreferenz) | `MINIMAX_API_KEY` oder MiniMax OAuth (`minimax-portal`) | | OpenAI | `gpt-image-2` | Ja (bis zu 4 Bilder) | `OPENAI_API_KEY` oder OpenAI Codex OAuth | | OpenRouter | `google/gemini-3.1-flash-image-preview` | Ja (bis zu 5 Eingabebilder) | `OPENROUTER_API_KEY` | | Vydra | `grok-imagine` | Nein | `VYDRA_API_KEY` | | xAI | `grok-imagine-image` | Ja (bis zu 5 Bilder) | `XAI_API_KEY` | Verwenden Sie `action: "list"`, um verfügbare Provider und Modelle zur Laufzeit zu prüfen: ```text /tool image_generate action=list ``` ## Provider-Funktionen | Funktion | ComfyUI | DeepInfra | fal | Google | MiniMax | OpenAI | Vydra | xAI | | --------------------- | -------------------- | --------- | ------------------------- | --------------- | ------------------------ | -------------- | ----- | --------------- | | Erzeugen (max. Anzahl) | Workflow-definiert | 4 | 4 | 4 | 9 | 4 | 1 | 4 | | Bearbeiten / Referenz | 1 Bild (Workflow) | 1 Bild | Flux: 1; GPT: 10; NB2: 14 | Bis zu 5 Bilder | 1 Bild (Motivreferenz) | Bis zu 5 Bilder | - | Bis zu 5 Bilder | | Größensteuerung | - | ✓ | ✓ | ✓ | - | Bis zu 4K | - | - | | Seitenverhältnis | - | - | ✓ | ✓ | ✓ | - | - | ✓ | | Auflösung (1K/2K/4K) | - | - | ✓ | ✓ | - | - | - | 1K, 2K | ## Tool-Parameter Prompt für die Bilderzeugung. Erforderlich für `action: "generate"`. Verwenden Sie `"list"`, um verfügbare Provider und Modelle zur Laufzeit zu prüfen. Provider-/Modellüberschreibung (z. B. `openai/gpt-image-2`). Verwenden Sie `openai/gpt-image-1.5` für transparente OpenAI-Hintergründe. Einzelner Referenzbildpfad oder URL für den Bearbeitungsmodus. Mehrere Referenzbilder für den Bearbeitungsmodus (bis zu 5 bei unterstützenden Providern). Größenhinweis: `1024x1024`, `1536x1024`, `1024x1536`, `2048x2048`, `3840x2160`. Seitenverhältnis: `1:1`, `2:3`, `3:2`, `3:4`, `4:3`, `4:5`, `5:4`, `9:16`, `16:9`, `21:9`. Auflösungshinweis. Qualitätshinweis, wenn der Provider ihn unterstützt. Ausgabeformathinweis, wenn der Provider ihn unterstützt. Hintergrundhinweis, wenn der Provider ihn unterstützt. Verwenden Sie `transparent` mit `outputFormat: "png"` oder `"webp"` für Provider mit Transparenzunterstützung. Anzahl der zu erzeugenden Bilder (1-4). Optionales Provider-Anfrage-Timeout in Millisekunden. Wenn Codex `image_generate` über dynamische Tools aufruft, überschreibt dieser Wert pro Aufruf weiterhin den konfigurierten Standard und ist auf 600000 ms begrenzt. Hinweis für den Ausgabedateinamen. Nur OpenAI-Hinweise: `background`, `moderation`, `outputCompression` und `user`. Nicht alle Provider unterstützen alle Parameter. Wenn ein Fallback-Provider eine nahegelegene Geometrieoption statt der exakt angeforderten unterstützt, ordnet OpenClaw vor dem Absenden der nächstliegenden unterstützten Größe, dem nächstliegenden Seitenverhältnis oder der nächstliegenden Auflösung zu. Nicht unterstützte Ausgabehinweise werden für Provider verworfen, die keine Unterstützung deklarieren, und im Tool-Ergebnis gemeldet. Tool-Ergebnisse melden die angewendeten Einstellungen; `details.normalization` erfasst jede Übersetzung von angefordert zu angewendet. ## Konfiguration ### Modellauswahl ```json5 { agents: { defaults: { imageGenerationModel: { primary: "openai/gpt-image-2", timeoutMs: 180_000, fallbacks: [ "openrouter/google/gemini-3.1-flash-image-preview", "google/gemini-3.1-flash-image-preview", "fal/fal-ai/flux/dev", ], }, }, }, } ``` ### Provider-Auswahlreihenfolge OpenClaw versucht Provider in dieser Reihenfolge: 1. **`model`-Parameter** aus dem Tool-Aufruf (wenn der Agent einen angibt). 2. **`imageGenerationModel.primary`** aus der Konfiguration. 3. **`imageGenerationModel.fallbacks`** der Reihe nach. 4. **Automatische Erkennung** - nur authentifizierungsbasierte Provider-Standards: - aktueller Standard-Provider zuerst; - verbleibende registrierte Provider für die Bilderzeugung in Provider-ID-Reihenfolge. Wenn ein Provider fehlschlägt (Authentifizierungsfehler, Ratenlimit usw.), wird der nächste konfigurierte Kandidat automatisch versucht. Wenn alle fehlschlagen, enthält der Fehler Details zu jedem Versuch. Eine `model`-Überschreibung pro Aufruf versucht nur diesen Provider/dieses Modell und fährt nicht mit konfiguriertem primärem Modell/Fallback oder automatisch erkannten Providern fort. Ein Provider-Standard wird nur in die Kandidatenliste aufgenommen, wenn OpenClaw diesen Provider tatsächlich authentifizieren kann. Setzen Sie `agents.defaults.mediaGenerationAutoProviderFallback: false`, um nur explizite Einträge für `model`, `primary` und `fallbacks` zu verwenden. Setzen Sie `agents.defaults.imageGenerationModel.timeoutMs` für langsame Bild- Backends. Ein `timeoutMs`-Tool-Parameter pro Aufruf überschreibt den konfigurierten Standard. Dynamische Tool-Aufrufe von Codex berücksichtigen dasselbe Timeout-Budget, begrenzt durch das Maximum der dynamischen Tool-Bridge von OpenClaw von 600000 ms. Verwenden Sie `action: "list"`, um die derzeit registrierten Provider, ihre Standardmodelle und Hinweise zu Authentifizierungs-Env-Vars zu prüfen. ### Bildbearbeitung OpenAI, OpenRouter, Google, DeepInfra, fal, MiniMax, ComfyUI und xAI unterstützen die Bearbeitung von Referenzbildern. Übergeben Sie einen Referenzbildpfad oder eine URL: ```text "Generate a watercolor version of this photo" + image: "/path/to/photo.jpg" ``` OpenAI, OpenRouter, Google und xAI unterstützen bis zu 5 Referenzbilder über den Parameter `images`. fal unterstützt 1 Referenzbild für Flux image-to-image, bis zu 10 für GPT Image 2-Bearbeitungen und bis zu 14 für Nano Banana 2-Bearbeitungen. MiniMax und ComfyUI unterstützen 1. ## Detaillierte Provider-Einblicke Die OpenAI-Bildgenerierung verwendet standardmäßig `openai/gpt-image-2`. Wenn ein `openai-codex`-OAuth-Profil konfiguriert ist, verwendet OpenClaw dasselbe OAuth-Profil wieder, das von Codex-Abonnement-Chatmodellen genutzt wird, und sendet die Bildanfrage über das Codex Responses-Backend. Legacy-Codex-Basis- URLs wie `https://chatgpt.com/backend-api` werden für Bildanfragen zu `https://chatgpt.com/backend-api/codex` kanonisiert. OpenClaw fällt für diese Anfrage **nicht** stillschweigend auf `OPENAI_API_KEY` zurück - um direktes Routing über die OpenAI Images API zu erzwingen, konfigurieren Sie `models.providers.openai` explizit mit einem API-Schlüssel, einer benutzerdefinierten Basis-URL oder einem Azure-Endpunkt. Die Modelle `openai/gpt-image-1.5`, `openai/gpt-image-1` und `openai/gpt-image-1-mini` können weiterhin explizit ausgewählt werden. Verwenden Sie `gpt-image-1.5` für PNG/WebP-Ausgaben mit transparentem Hintergrund; die aktuelle `gpt-image-2`-API lehnt `background: "transparent"` ab. `gpt-image-2` unterstützt sowohl Text-zu-Bild-Generierung als auch Bearbeitung mit Referenzbildern über dasselbe `image_generate`-Tool. OpenClaw leitet `prompt`, `count`, `size`, `quality`, `outputFormat` und Referenzbilder an OpenAI weiter. OpenAI erhält **nicht** direkt `aspectRatio` oder `resolution`; wenn möglich, ordnet OpenClaw diese einer unterstützten `size` zu, andernfalls meldet das Tool sie als ignorierte Überschreibungen. OpenAI-spezifische Optionen befinden sich unter dem Objekt `openai`: ```json { "quality": "low", "outputFormat": "jpeg", "openai": { "background": "opaque", "moderation": "low", "outputCompression": 60, "user": "end-user-42" } } ``` `openai.background` akzeptiert `transparent`, `opaque` oder `auto`; transparente Ausgaben erfordern `outputFormat` `png` oder `webp` und ein OpenAI-Bildmodell mit Transparenzunterstützung. OpenClaw leitet standardmäßige `gpt-image-2`-Anfragen mit transparentem Hintergrund an `gpt-image-1.5` weiter. `openai.outputCompression` gilt für JPEG/WebP-Ausgaben. Der Top-Level-Hinweis `background` ist Provider-neutral und wird derzeit dem gleichen OpenAI-Anfragefeld `background` zugeordnet, wenn der OpenAI-Provider ausgewählt ist. Provider, die keine Hintergrundunterstützung deklarieren, geben ihn in `ignoredOverrides` zurück, statt den nicht unterstützten Parameter zu erhalten. Um die OpenAI-Bildgenerierung über eine Azure OpenAI-Bereitstellung statt über `api.openai.com` zu leiten, siehe [Azure OpenAI-Endpunkte](/de/providers/openai#azure-openai-endpoints). Die OpenRouter-Bildgenerierung verwendet denselben `OPENROUTER_API_KEY` und wird über die Chat-Completions-Bild-API von OpenRouter geroutet. Wählen Sie OpenRouter-Bildmodelle mit dem Präfix `openrouter/` aus: ```json5 { agents: { defaults: { imageGenerationModel: { primary: "openrouter/google/gemini-3.1-flash-image-preview", }, }, }, } ``` OpenClaw leitet `prompt`, `count`, Referenzbilder und Gemini-kompatible `aspectRatio`- / `resolution`-Hinweise an OpenRouter weiter. Zu den aktuellen integrierten Kurzbefehlen für OpenRouter-Bildmodelle gehören `google/gemini-3.1-flash-image-preview`, `google/gemini-3-pro-image-preview` und `openai/gpt-5.4-image-2`. Verwenden Sie `action: "list"`, um zu sehen, was Ihr konfiguriertes Plugin bereitstellt. MiniMax-Bildgenerierung ist über beide gebündelten MiniMax- Authentifizierungspfade verfügbar: - `minimax/image-01` für Setups mit API-Schlüssel - `minimax-portal/image-01` für OAuth-Setups Der gebündelte xAI-Provider verwendet `/v1/images/generations` für reine Prompt- Anfragen und `/v1/images/edits`, wenn `image` oder `images` vorhanden ist. - Modelle: `xai/grok-imagine-image`, `xai/grok-imagine-image-pro` - Anzahl: bis zu 4 - Referenzen: ein `image` oder bis zu fünf `images` - Seitenverhältnisse: `1:1`, `16:9`, `9:16`, `4:3`, `3:4`, `2:3`, `3:2` - Auflösungen: `1K`, `2K` - Ausgaben: werden als von OpenClaw verwaltete Bildanhänge zurückgegeben OpenClaw stellt xAI-native `quality`, `mask`, `user` oder zusätzliche ausschließlich native Seitenverhältnisse absichtlich nicht bereit, bis diese Steuerelemente im gemeinsamen Provider-übergreifenden `image_generate`-Vertrag existieren. ## Beispiele ```text /tool image_generate action=generate model=openai/gpt-image-2 prompt="A clean editorial poster for OpenClaw image generation" size=3840x2160 count=1 ``` ```text /tool image_generate action=generate model=openai/gpt-image-1.5 prompt="A simple red circle sticker on a transparent background" outputFormat=png background=transparent ``` Entsprechende CLI: ```bash openclaw infer image generate \ --model openai/gpt-image-1.5 \ --output-format png \ --background transparent \ --prompt "A simple red circle sticker on a transparent background" \ --json ``` ```text /tool image_generate action=generate model=openai/gpt-image-2 prompt="Two visual directions for a calm productivity app icon" size=1024x1024 count=2 ``` ```text /tool image_generate action=generate model=openai/gpt-image-2 prompt="Keep the subject, replace the background with a bright studio setup" image=/path/to/reference.png size=1024x1536 ``` ```text /tool image_generate action=generate model=openai/gpt-image-2 prompt="Combine the character identity from the first image with the color palette from the second" images='["/path/to/character.png","/path/to/palette.jpg"]' size=1536x1024 ``` Dieselben Flags `--output-format` und `--background` sind für `openclaw infer image edit` verfügbar; `--openai-background` bleibt ein OpenAI-spezifischer Alias. Gebündelte Provider außer OpenAI deklarieren derzeit keine explizite Hintergrundsteuerung, daher wird `background: "transparent"` für sie als ignoriert gemeldet. ## Verwandte Themen - [Tools-Übersicht](/de/tools) - alle verfügbaren Agent-Tools - [ComfyUI](/de/providers/comfy) - Einrichtung lokaler ComfyUI- und Comfy Cloud-Workflows - [fal](/de/providers/fal) - Einrichtung des fal-Bild- und Video-Providers - [Google (Gemini)](/de/providers/google) - Einrichtung des Gemini-Bild-Providers - [MiniMax](/de/providers/minimax) - Einrichtung des MiniMax-Bild-Providers - [OpenAI](/de/providers/openai) - Einrichtung des OpenAI Images-Providers - [Vydra](/de/providers/vydra) - Einrichtung von Vydra für Bild, Video und Sprache - [xAI](/de/providers/xai) - Einrichtung von Grok für Bild, Video, Suche, Codeausführung und TTS - [Konfigurationsreferenz](/de/gateway/config-agents#agent-defaults) - `imageGenerationModel`-Konfiguration - [Modelle](/de/concepts/models) - Modellkonfiguration und Failover