Generación y edición de imágenes

LibreChat viene con herramientas de imagen integradas que puedes añadir a un Agent. Cada herramienta tiene su propio modelo, punto de precio y configuración, generalmente solo una clave API o una URL. No hay una página de imágenes separada: generas o editas imágenes chateando con un Agent que tenga una herramienta de imagen habilitada.

Inicio rápido

Haz que la generación de imágenes funcione en pocos minutos con OpenAI Image Tools.

IMAGE_GEN_OAI_API_KEY=sk-your-openai-api-key
# Optional; defaults to gpt-image-1
IMAGE_GEN_OAI_MODEL=gpt-image-1

Herramientas de imagen de OpenAI

"OpenAI Image Tools" es un conjunto de herramientas para agentes compuesto por dos herramientas independientes:

• Generación de imágenes crea imágenes completamente nuevas a partir de prompts de texto (no se requiere carga de archivos).
• Edición de imágenes edita o remezcla las imágenes que has subido: cambia colores, añade objetos, extiende el lienzo y más.

Ambos utilizan por defecto GPT-Image-1 para el seguimiento de instrucciones, renderizado de texto, edición detallada y conocimiento del mundo real. Utilice IMAGE_GEN_OAI_MODEL para elegir un modelo de imagen de OpenAI diferente cuando su despliegue lo admita. Consulte la documentación de generación de imágenes de OpenAI para obtener más detalles.

Generación vs. Edición

Ambas herramientas están siempre disponibles, y el agente elige la adecuada según la solicitud:

• Generación de imágenes crea nuevas imágenes únicamente a partir de descripciones de texto.
• Edición de imágenes modifica o remezcla imágenes existentes utilizando sus IDs de imagen. Estas pueden ser imágenes del mensaje actual o imágenes generadas previamente y referenciadas. El LLM realiza un seguimiento de los IDs de imagen siempre que permanezcan en la ventana de contexto y los incluye en la salida de la herramienta.

Parámetros

Generación de imágenes

• prompt: descripción de texto (obligatorio)
• size: auto (predeterminado), 1024x1024 (cuadrado), 1536x1024 (horizontal), o 1024x1536 (vertical)
• quality: auto (predeterminado), high, medium o low
• background: auto (predeterminado), transparent o opaque (transparent requiere formato PNG o WebP)

Edición de imágenes

• image_ids: matriz de IDs de imagen para usar como referencia para la edición (obligatorio)
• prompt: descripción textual de los cambios (obligatorio)
• size: auto (predeterminado), 1024x1024, 1536x1024, 1024x1536, 256x256 o 512x512
• quality: auto (predeterminado), high, medium o low

Configuración

Cree o reutilice una clave de OpenAI y agréguela a .env, luego añada "OpenAI Image Tools" a la lista de Tools de su agente:

IMAGE_GEN_OAI_API_KEY=sk-...
# optional extras
IMAGE_GEN_OAI_MODEL=gpt-image-1
IMAGE_GEN_OAI_BASEURL=https://...

Para implementaciones de Azure OpenAI, primero solicite acceso en https://aka.ms/oai/gptimage1access, luego agregue sus credenciales a .env:

IMAGE_GEN_OAI_API_KEY=your-api-key
# optional extras
IMAGE_GEN_OAI_MODEL=gpt-image-1
IMAGE_GEN_OAI_BASEURL=https://deploymentname.openai.azure.com/openai/deployments/gpt-image-1/
IMAGE_GEN_OAI_AZURE_API_VERSION=2025-04-01-preview

Configuración avanzada

Personalice las descripciones de las herramientas y la guía de prompts con estas variables de entorno:

# Image Model
IMAGE_GEN_OAI_MODEL=gpt-image-1

# Image Generation Tool Descriptions
IMAGE_GEN_OAI_DESCRIPTION=...
IMAGE_GEN_OAI_PROMPT_DESCRIPTION=...

# Image Editing Tool Descriptions
IMAGE_EDIT_OAI_DESCRIPTION=...
IMAGE_EDIT_OAI_PROMPT_DESCRIPTION=...

Precios

Consulta la página de precios de GPT-Image-1 y la documentación de generación de imágenes para conocer los costos de generación de imágenes.

Herramientas de imagen de Gemini

Las herramientas de imagen de Gemini integran los modelos de generación de imágenes más recientes de Google, permitiendo tanto la generación de texto a imagen como la edición de imágenes con reconocimiento de contexto.

• Generación de texto a imagen: cree imágenes de alta calidad a partir de descripciones de texto detalladas.
• Soporte de contexto de imagen: utilice imágenes existentes como contexto o inspiración para nuevas generaciones.
• Edición de imágenes: genera nuevas imágenes basadas en modificaciones de otras existentes (incluye el ID de la imagen original).
• Modelos múltiples: elija gemini-2.5-flash-image (predeterminado) o gemini-3-pro-image-preview.
• Soporte de API dual: funciona tanto con claves de API de Gemini simples como con Google Cloud Vertex AI.

Parámetros

• prompt: descripción de texto detallada de la imagen deseada (obligatorio, hasta 32,000 caracteres)
• image_ids: matriz opcional de IDs de imagen para usar como contexto visual para la generación

Configuración

Para la API de Gemini, obtén una clave en Google AI Studio:

GEMINI_API_KEY=your_api_key_here

Para Vertex AI (usuarios de Google Cloud con acceso a Vertex AI):

GOOGLE_SERVICE_KEY_FILE=/path/to/service-account.json
GOOGLE_CLOUD_LOCATION=us-central1  # optional, default: global

Selección de modelos

# Default model (fast and efficient)
GEMINI_IMAGE_MODEL=gemini-2.5-flash-image

# Higher quality model
GEMINI_IMAGE_MODEL=gemini-3-pro-image-preview

Configuración avanzada

Personalice las descripciones de las herramientas a través de variables de entorno:

GEMINI_IMAGE_GEN_DESCRIPTION=...
GEMINI_IMAGE_GEN_PROMPT_DESCRIPTION=...
GEMINI_IMAGE_IDS_DESCRIPTION=...

Más detalles se encuentran en la guía de Gemini Image Gen dedicada.

DALL·E (legado)

DALL·E proporciona generación de imágenes heredada utilizando el modelo de imagen dall-e-3 de OpenAI.

Parámetros

• prompt: descripción de texto de la imagen deseada (obligatorio, hasta 4000 caracteres)
• style: vivid (hiperrealista, dramático, predeterminado) o natural (menos hiperrealista)
• quality: standard (predeterminado) o hd
• size: 1024x1024 (predeterminado, cuadrado), 1792x1024 (ancho), o 1024x1792 (alto)

Configuración

# Required
DALLE_API_KEY=sk-...  # or DALLE3_API_KEY=sk-...

# Optional
DALLE_REVERSE_PROXY=https://...  # Alternative endpoint
DALLE3_BASEURL=https://...  # For Azure or custom endpoints
DALLE3_AZURE_API_VERSION=2023-12-01-preview  # For Azure deployments
DALLE3_SYSTEM_PROMPT=...  # Custom system prompt for DALL·E

Habilita la herramienta DALL·E para el agente y comienza a escribir prompts.

Configuración avanzada

Para despliegues de Azure OpenAI, configure la URL base y la versión de la API:

DALLE3_BASEURL=https://your-resource-name.openai.azure.com/openai/deployments/your-deployment-name
DALLE3_AZURE_API_VERSION=2023-12-01-preview
DALLE3_API_KEY=your-azure-api-key

Precios

Consulta la página de precios de DALL-E y la documentación de generación de imágenes para conocer los costos de generación de imágenes.

Stable Diffusion (local)

Ejecuta imágenes completamente en tu propia máquina o servidor. Apunta LibreChat a cualquier endpoint de Automatic1111 (o compatible) y estarás listo.

Parámetros

• prompt: palabras clave detalladas que describan los elementos deseados en la imagen (obligatorio)
• negative_prompt: palabras clave que describen elementos a excluir de la imagen (obligatorio)

La implementación de Stable Diffusion utiliza estos parámetros predeterminados fijos, los cuales producen buenos resultados para la mayoría de los casos de uso:

• cfg_scale: 4.5
• pasos: 22
• width: 1024
• height: 1024

Configuración

No se requiere una API key, solo la URL accesible de su Automatic1111 WebUI:

SD_WEBUI_URL=http://127.0.0.1:7860  # URL to your Automatic1111 WebUI

Más detalles sobre la configuración de Automatic1111 se encuentran en la guía de Stable Diffusion dedicada.

Flux

Generador en la nube con énfasis en la velocidad y modelos opcionales ajustados (fine-tuned).

• Generación de imágenes rápida basada en la nube
• Soporte para modelos ajustados (fine-tuned)
• Múltiples niveles de calidad y relaciones de aspecto
• Modo raw para imágenes menos procesadas y de aspecto más natural

Parámetros

La herramienta Flux admite tres acciones principales:

1. generate: crear una nueva imagen a partir de un prompt de texto
2. generate_finetuned: crear una imagen utilizando un modelo ajustado (fine-tuned)
3. list_finetunes: listar los modelos personalizados disponibles para el usuario

Más detalles se encuentran en la guía de Flux dedicada.

Configuración

Selecciona la herramienta Flux dentro del agente. Los prompts son texto plano y una llamada produce una imagen.

FLUX_API_KEY=flux_live_...
FLUX_API_BASE_URL=https://api.us1.bfl.ai   # default is fine for most users

Precios

Consulta la página de precios de Flux para conocer los costos de generación de imágenes.

Model Context Protocol (MCP)

Las salidas de imagen son compatibles desde servidores MCP. Por ejemplo, el Puppeteer MCP Server puede generar capturas de pantalla de páginas web, las cuales generan la imagen en el formato esperado y son tratadas de la misma manera que las herramientas de imagen integradas de LibreChat.

mcpServers:
  puppeteer:
    command: npx
    args:
      - -y
      - '@modelcontextprotocol/server-puppeteer'

El siguiente es un ejemplo de un Image Generation server que genera imágenes utilizando la Replicate API, pero devuelve URLs de las imágenes, lo cual no cumple con el estándar de respuesta de imágenes de MCP.

mcpServers:
  image-gen:
    command: 'node'
    # First, install the package globally using npm:
    # `npm install -g @gongrzhe/image-gen-server`
    # Then, point to the location of the installed package,
    # which you can find by running `npm root -g`
    args:
      - '{REPLACE_WITH_NODE_MODULES_LOCATION}/@gongrzhe/image-gen-server/build/index.js'
      # Example with output from `npm root -g`:
      # - "/home/danny/.nvm/versions/node/v24.16.0/lib/node_modules/@gongrzhe/image-gen-server/build/index.js"
    env:
      # Do not hardcode the API token here, use the environment variable instead
      # The following will pick up the token from your .env file or environment
      REPLICATE_API_TOKEN: '${REPLICATE_API_TOKEN}'
      MODEL: 'google/imagen-3'

Almacenamiento y gestión de imágenes

Todas las imágenes generadas son:

1. Guardado de acuerdo con la fileStrategy configurada
2. Se muestra directamente en la interfaz de chat
3. Enviado al LLM como parte del contexto de chat inmediato después de la generación

Algunas advertencias se aplican a ese último punto:

• Esto puede causar problemas con un LLM que no admita entradas de imagen. Está prevista una opción para desactivar este comportamiento por agente.
• Las salidas se envían al LLM solo durante la generación, no en cada mensaje.
• Para incluir una imagen en turnos posteriores, adjúntela al mensaje desde el panel lateral.
• En resumen, el LLM obtiene contexto visual solo de las imágenes adjuntas a los mensajes del usuario, y de las generaciones o ediciones inmediatamente después de que ocurren.

Soporte de Proxy

Todas las herramientas de generación de imágenes admiten la configuración de proxy a través de la variable de entorno PROXY:

PROXY=http://proxy-url:port

Cuando PROXY no está configurado, los clientes del lado del servidor compatibles respetan HTTP_PROXY, HTTPS_PROXY y NO_PROXY/no_proxy.

Manejo de errores

Si una herramienta encuentra un error, devuelve un mensaje explicando qué salió mal. Los problemas comunes incluyen:

• Clave de API no válida
• Indisponibilidad de la API
• Infracciones de la política de contenido
• Problemas de proxy/red
• Parámetros no válidos
• Carga útil de imagen no admitida (consulte Image Storage and Handling arriba)

Prompting

Puedes personalizar los prompts para OpenAI Image Tools y DALL·E, pero los siguientes consejos informan sobre los prompts predeterminados que proporcionan las herramientas, lo cual es útil conocer para tu propia redacción:

1. Comience con el sujeto y el estilo (foto, pintura al óleo, etc.).
2. Añade composición y cámara/medio ("toma de gran angular de…", "acuarela…").
3. Menciona la iluminación y el ambiente ("golden hour", "dramatic shadows").
4. Termina con palabras clave de detalle (texturas, colores, expresiones).
5. Mantén los negativos en positivo: describe lo que se debe incluir, no lo que se debe evitar.

Ejemplo:

Una foto cinematográfica de una biblioteca antigua bañada por la cálida luz del sol de la tarde. Estanterías de madera altas rebosan de libros encuadernados en cuero y partículas de polvo brillan bajo la luz. Una única lámpara de banquero con pantalla verde ilumina un atlas abierto sobre un escritorio de caoba pulida en primer plano. Lente de 85 mm, profundidad de campo reducida, tonos ámbar intensos, detalle ultra alto.

Páginas relacionadas