一、这个 skill 是做什么的
这个 skill 让你用一句话描述,就能生成高质量的图片——无论是插画、产品图、海报、概念图还是社交媒体配图。它背后接入了 inference.sh 平台的 50 多款模型,包括 GPT-Image-2、FLUX、Google Gemini、Grok、字节 Seedream、Reve 等。
它不只能「从零画一张」(文生图),还能做很多进阶活儿:把一张图改成另一种风格(图生图)、在图片上局部修改(局部重绘 / inpainting)、给图片放大高清(upscaling)、甚至让图片里出现正确的文字(文字渲染)。对普通用户来说,最常用的就是「描述一句话 → 拿一张图」。
它本身是一个「调度台」:你告诉它想要什么,它帮你选对模型、填好参数、跑出结果。你不需要懂哪款模型叫什么名字,只要说清需求,AI大模型或AI智能体 会替你挑合适的那一款。
二、什么时候用它
- 「帮我画一只穿宇航服的猫,太空背景」——想用 AI 画创意插画、头像、壁纸。
- 「给这款运动鞋做一张产品级摄影图,棚拍打光」——做电商/产品概念图、包装预览。
- 「把这张照片的背景换成海边日落」——已有图想改背景、改风格(图生图 / 局部编辑)。
- 「做一张写着 HELLO WORLD 的海报」——需要图片里出现正确的英文/文字(Reve 等模型擅长)。
- 「这张图太糊了,帮我放大变清晰」——用 Topaz 放大工具提升分辨率。
- 原话信号:画一张图 / AI 生图 / 文生图 / 做个海报 / 产品图 / 概念图 / 类似 Midjourney / 类似 DALL·E。
三、前置条件 / 准备
1. 安装 belt 命令行(inference.sh 的官方工具)
这是这个 skill 的「发动机」。AI大模型或AI智能体 会替你在底层调用它。如果你或管理员需要手动安装,在命令行里执行:
npx skills add belt-sh/cli
2. 登录账号(首次使用必须)
在命令行执行下面这句完成登录(会打开浏览器让你授权)。登录一次之后通常长期有效:
belt login
账号与额度:inference.sh 是第三方平台,使用需要它的账号,并且生成图片可能会消耗平台的额度/积分。如果你还没账号,先去 inference.sh 官网注册并登录。具体计费以平台为准。
四、具体用法(步骤)
- 说清你想要的图。 用大白话描述主体、风格、画面、光线,越具体越好,例如「一只穿宇航服的猫漂浮在太空,星光照亮头盔」。
- (可选)指定某款模型。 如果你认得模型,可以直接点名;不点名 AI大模型或AI智能体 会替你选最合适的。常用几款:
openai/gpt-image-2:综合最强,能画图也能改图、局部重绘。
falai/flux-dev-lora:高质量、可套风格。
bytedance/seedream-4-5:电影感、2K–4K 高清。
falai/reve:擅长在图里写出正确文字。
falai/topaz-image-upscaler:把图片放大变清晰。
- 把描述交给 AI大模型或AI智能体。 它会组装好命令并调用 belt 运行,几秒到几十秒后把图片给你。
- 不满意就改描述重来。 调整关键词(风格、光线、构图)即可重新生成;也可以换一款模型对比效果。
五、可直接照用的示例
你直接对 AI大模型或AI智能体 说:帮我画一只穿宇航服的猫,在太空里漂浮,星光打在头盔上,电影感。
AI大模型或AI智能体 会:调用 AI Image Generation,用默认的高质量模型(如 FLUX)生成这张图,并把成品图片直接展示给你。
你直接对 AI大模型或AI智能体 说:用 GPT-Image-2 给我做一张运动鞋的产品摄影图,棚拍打光,要高清。
AI大模型或AI智能体 会:指定 openai/gpt-image-2 模型,按你的描述生成一张产品级球鞋图,并返回图片路径。
你直接对 AI大模型或AI智能体 说:把这张照片(附图)的背景换成海边日落。
AI大模型或AI智能体 会:走「图生图 / 局部编辑」流程,把你的图作为输入,按「海边日落背景」重新生成,保留主体只换背景。
进阶 / 可选:如果你习惯自己敲命令,下面是 belt 直接调用的样子(AI大模型或AI智能体 日常会帮你做这一步,你通常不用手敲):
belt app run falai/flux-dev-lora --input '{
"prompt": "professional product photo of a coffee mug, studio lighting"
}'
意思:用 FLUX 模型,根据引号里的英文描述生成一张咖啡杯产品图。
六、常见注意 / 避坑
- 第一次用要先登录。 没执行过
belt login 会报错,先按第三节登录一次。
- 中文文字容易乱码。 多数模型把中文渲染成乱码。需要图里出现正确中文时,请用 ai-video-cn-text 那种「先出文字准确的参考图」的稳妥思路,或改用擅长文字的模型并写清要显示的字。
- 额度消耗。 不同模型计费不同,有的很便宜(如 FLUX Klein 约 $0.0001/张),高清电影感模型更贵。日常预览可先用快而便宜的模型。
- 图片地址。 改图、放大时,你提供的图片需要是一个网址(URL);本地图片一般要先上传到可公开访问的地方,再交给它。
- 想换更多模型。 在命令行跑
belt app store --category image 可浏览全部图像类模型。
七、相关 skill / 延伸
- ai-video-generation:同一个平台「视频版」,想让图片动起来、生成短视频时用它。
- seedance-video-gen:字节方舟 Seedance 视频生成,和本 skill 共用「图生视频」思路。
- ai-video-cn-text:专门解决「视频里中文文字乱码」问题,核心也是先出准文字参考图再转视频。
- media-downloader:需要把网络图片/素材抓下来当输入时配合使用。