Geração e Edição de Imagens

O LibreChat vem com ferramentas de imagem integradas que você adiciona a um Agent. Cada ferramenta possui seu próprio modelo, preço e configuração, geralmente apenas uma chave de API ou uma URL. Não existe uma página de imagem separada: você gera ou edita imagens conversando com um Agent que tenha uma ferramenta de imagem ativada.

Início Rápido

Configure a geração de imagens em poucos minutos com as 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

Ferramentas de Imagem da OpenAI

"OpenAI Image Tools" é um conjunto de ferramentas de agente composto por duas ferramentas separadas:

• Geração de Imagens cria imagens totalmente novas a partir de prompts de texto (não é necessário fazer upload).
• Edição de Imagem edita ou faz remixes de imagens que você enviou: altere cores, adicione objetos, estenda a tela e muito mais.

Ambos usam como padrão o GPT-Image-1 para seguir instruções, renderização de texto, edição detalhada e conhecimento do mundo real. Use IMAGE_GEN_OAI_MODEL para escolher um modelo de imagem diferente da OpenAI quando sua implantação oferecer suporte. Consulte a documentação de Geração de Imagem da OpenAI para mais detalhes.

Geração vs. Edição

Ambas as ferramentas estão sempre disponíveis, e o agente escolhe a apropriada com base na solicitação:

• Geração de Imagens cria novas imagens apenas a partir de descrições de texto.
• Edição de Imagem modifica ou faz remixes de imagens existentes usando seus IDs de imagem. Estas podem ser imagens da mensagem atual ou imagens geradas anteriormente e referenciadas. O LLM mantém o controle dos IDs de imagem enquanto eles permanecerem na janela de contexto e os inclui na saída da ferramenta.

Parâmetros

Geração de Imagens

• prompt: descrição de texto (obrigatório)
• size: auto (padrão), 1024x1024 (quadrado), 1536x1024 (paisagem) ou 1024x1536 (retrato)
• quality: auto (padrão), high, medium ou low
• background: auto (padrão), transparent ou opaque (transparent requer formato PNG ou WebP)

Edição de Imagem

• image_ids: array de IDs de imagem para usar como referência para edição (obrigatório)
• prompt: descrição textual das alterações (obrigatório)
• size: auto (padrão), 1024x1024, 1536x1024, 1024x1536, 256x256 ou 512x512
• quality: auto (padrão), high, medium ou low

Configuração

Crie ou reutilize uma chave da OpenAI e adicione-a ao .env, então adicione "OpenAI Image Tools" à lista de Tools do seu agente:

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

Para implantações do Azure OpenAI, primeiro solicite acesso em https://aka.ms/oai/gptimage1access e, em seguida, adicione suas credenciais ao .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

Configuração Avançada

Personalize as descrições de ferramentas e as orientações de prompt com estas variáveis de ambiente:

# 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=...

Preços

Consulte a página de preços do GPT-Image-1 e a documentação de Geração de Imagens para saber os custos de geração de imagens.

Ferramentas de Imagem do Gemini

As Gemini Image Tools integram os modelos de geração de imagem mais recentes do Google, oferecendo suporte tanto para a geração de texto para imagem quanto para a edição de imagens com reconhecimento de contexto.

• Geração de texto para imagem: crie imagens de alta qualidade a partir de descrições de texto detalhadas.
• Suporte a contexto de imagem: use imagens existentes como contexto ou inspiração para novas gerações.
• Edição de imagem: gere novas imagens com base em modificações de imagens existentes (inclua o ID da imagem original).
• Múltiplos modelos: escolha gemini-2.5-flash-image (padrão) ou gemini-3-pro-image-preview.
• Suporte a API dupla: funciona tanto com chaves de API simples do Gemini quanto com o Google Cloud Vertex AI.

Parâmetros

• prompt: descrição de texto detalhada da imagem desejada (obrigatório, até 32.000 caracteres)
• image_ids: array opcional de IDs de imagem para usar como contexto visual para a geração

Configuração

Para a API do Gemini, obtenha uma chave no Google AI Studio:

GEMINI_API_KEY=your_api_key_here

Para Vertex AI (usuários do Google Cloud com acesso ao Vertex AI):

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

Seleção de Modelo

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

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

Configuração Avançada

Personalize as descrições de ferramentas via variáveis de ambiente:

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

Mais detalhes estão no guia de Geração de Imagem Gemini dedicado.

DALL·E (legado)

O DALL·E fornece geração de imagens legada usando o modelo de imagem dall-e-3 da OpenAI.

Parâmetros

• prompt: descrição em texto da imagem desejada (obrigatório, até 4000 caracteres)
• style: vivid (hiper-realista, dramático, padrão) ou natural (menos hiper-realista)
• quality: standard (padrão) ou hd
• size: 1024x1024 (padrão, quadrado), 1792x1024 (largo), ou 1024x1792 (alto)

Configuração

# 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

Habilite a ferramenta DALL·E para o agente e comece a enviar prompts.

Configuração Avançada

Para implantações do Azure OpenAI, configure a URL base e a versão da 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

Preços

Consulte a página de preços do DALL-E e a documentação de Geração de Imagens para saber os custos de geração de imagens.

Stable Diffusion (local)

Execute imagens inteiramente em sua própria máquina ou servidor. Aponte o LibreChat para qualquer endpoint do Automatic1111 (ou compatível) e pronto.

Parâmetros

• prompt: palavras-chave detalhadas descrevendo os elementos desejados na imagem (obrigatório)
• negative_prompt: palavras-chave que descrevem elementos a serem excluídos da imagem (obrigatório)

A implementação do Stable Diffusion usa estes parâmetros padrão fixos, que produzem bons resultados para a maioria dos casos de uso:

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

Configuração

Nenhuma chave de API é necessária, apenas a URL acessível da sua WebUI do Automatic1111:

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

Mais detalhes sobre a configuração do Automatic1111 estão no guia do Stable Diffusion dedicado.

Flux

Gerador de nuvem com ênfase em velocidade e modelos ajustados opcionais.

• Geração de imagens rápida baseada em nuvem
• Suporte para modelos ajustados (fine-tuned)
• Múltiplos níveis de qualidade e proporções de tela
• Modo raw para imagens menos processadas e com aparência mais natural

Parâmetros

A ferramenta Flux suporta três ações principais:

1. generate: criar uma nova imagem a partir de um prompt de texto
2. generate_finetuned: criar uma imagem usando um modelo ajustado (fine-tuned)
3. list_finetunes: listar modelos personalizados disponíveis para o usuário

Mais detalhes estão no guia do Flux dedicado.

Configuração

Escolha a ferramenta Flux dentro do agente. Os prompts são texto simples, e uma chamada produz uma imagem.

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

Preços

Consulte a página de preços da Flux para ver os custos de geração de imagem.

Model Context Protocol (MCP)

Saídas de imagem são suportadas a partir de servidores MCP. Por exemplo, o Puppeteer MCP Server pode gerar capturas de tela de páginas da web, que exibem a imagem no formato esperado e são tratadas da mesma forma que as ferramentas de imagem integradas do LibreChat.

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

O exemplo a seguir é um Image Generation server que gera imagens usando a Replicate API, mas retorna URLs das imagens, o que não está em conformidade com o padrão de resposta de imagem do 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'

Armazenamento e Manipulação de Imagens

Todas as imagens geradas são:

1. Salvo de acordo com o fileStrategy configurado
2. Exibido diretamente na interface de chat
3. Enviado ao LLM como parte do contexto imediato do chat após a geração

Algumas ressalvas se aplicam a esse último ponto:

• Isso pode causar problemas com um LLM que não suporte entradas de imagem. Uma opção para desativar esse comportamento por agente está planejada.
• As saídas são enviadas ao LLM apenas durante a geração, não a cada mensagem.
• Para incluir uma imagem em turnos posteriores, anexe-a à mensagem a partir do painel lateral.
• Em suma, o LLM obtém contexto visual apenas de imagens anexadas às mensagens do usuário e de gerações ou edições imediatamente após ocorrerem.

Suporte a Proxy

Todas as ferramentas de geração de imagem suportam configuração de proxy através da variável de ambiente PROXY:

PROXY=http://proxy-url:port

Quando PROXY não está definido, os clientes do lado do servidor suportados respeitam HTTP_PROXY, HTTPS_PROXY e NO_PROXY/no_proxy.

Tratamento de Erros

Se uma ferramenta encontrar um erro, ela retornará uma mensagem explicando o que deu errado. Problemas comuns incluem:

• Chave de API inválida
• Indisponibilidade da API
• Violações da política de conteúdo
• Problemas de proxy/rede
• Parâmetros inválidos
• Payload de imagem não suportado (veja Image Storage and Handling acima)

Prompting

Você pode personalizar os prompts para OpenAI Image Tools e DALL·E, mas as dicas a seguir informam os prompts padrão que as ferramentas fornecem, o que é útil saber para sua própria escrita:

1. Comece com o assunto e o estilo (foto, pintura a óleo, etc.).
2. Adicione composição e câmera/meio ("plano grande angular de…", "aquarela…").
3. Mencione iluminação e clima ("golden hour", "dramatic shadows").
4. Finalize com palavras-chave de detalhe (texturas, cores, expressões).
5. Mantenha os negativos positivos: descreva o que deve ser incluído, não o que deve ser evitado.

Exemplo:

Uma foto cinematográfica de uma biblioteca antiga banhada pela luz quente da tarde. Estantes de madeira altas transbordam livros encadernados em couro, e partículas de poeira cintilam na luz. Uma única luminária de mesa verde ilumina um atlas aberto sobre uma escrivaninha de mogno polido em primeiro plano. Lente de 85 mm, profundidade de campo rasa, tons âmbar ricos, detalhes ultra-altos.

Páginas Relacionadas