文本生成图像工具

使用说明

TheKerr项目

描述

TheKerrProject是一个web应用程序，旨在根据用户提供的文本提示生成图像。它利用谷歌人工智能平台（特别是像Imagen这样的模型）的力量进行图像创建，并通过使用谷歌Gemini API生成与图像提示相关的诙谐评论来增强用户体验。

特性

基于提示的图像生成： 只需键入描述性文本提示即可创建独特的图像。
巧妙的评论整合： 在生成图像之前，获取与您的图像想法相关的有趣的AI生成评论。
交互式用户界面： 体验流畅的工作流程，状态更新清晰（例如“正在生成…”、“错误消息”）。
可下载图像： 轻松将生成的杰作保存到本地设备。

入门/如何跑步

打开应用程序： 要运行应用程序，只需打开 image_gen_app/index.html 现代网络浏览器（如Chrome、Firefox、Safari、Edge）中的文件。
生成图像：
- 在页面上找到输入字段。
- 输入一个文本提示，描述您要创建的图像（例如，“一只戴着巫师帽的猫骑着彩虹上的独角兽”）。
- 按Enter键。
- 该应用程序将首先生成一条诙谐的评论，然后继续生成您的图像。

依赖项

该项目依赖于以下客户端JavaScript库，这些库包含在 image_gen_app/libs/ 目录：

萨德 (image_gen_app/libs/zod/index.mjs)：用于模式声明和数据验证。
事件源 (image_gen_app/libs/eventsource/eventsource.js)：允许处理服务器发送的事件，这对于流式更新非常有用。
事件源解析器 (image_gen_app/libs/eventsource-parser/)：用于解析EventSource流的实用程序集合。
MCP-SDK (image_gen_app/libs/mcp-sdk/)：此SDK可能用于与模型上下文协议（MCP）服务器交互，可能用于扩展功能或管理AI模型交互。

已知问题

安全漏洞（硬编码API密钥）：
- 目前，Google AI平台和Google Gemini的API密钥以及承载令牌直接硬编码到客户端JavaScript文件中(image_gen_app/index.html 第257-260、264和454行）。
- 这是一个重大的安全风险。 在客户端代码中公开API密钥和令牌允许未经授权的用户可能滥用它们，从而导致意外收费或服务滥用。
- 建议： 对于任何非平凡或公共部署，这些密钥必须移动到安全的后端服务。然后，客户端应用程序应向该后端发出请求，该后端将依次调用Google API。

未来的增强功能

安全的API密钥管理： 实现后端服务（例如，使用Node.js、Python/Flask等），以安全地存储和使用API密钥。
型号选择和参数： 允许用户从不同的图像生成模型中进行选择，或调整图像大小、样式或质量等参数。
图像历史记录： 为用户存储和显示以前生成的图像库或列表。
改进的错误处理： 为各种故障场景（API错误、网络问题等）提供更具体、更用户友好的错误消息。
用户身份验证： 引入用户帐户以保存首选项、图像历史记录或管理API使用情况。
高级提示功能： 探索负面提示、图像到图像生成或提示权重等选项。

技术概述（简化）

前端： 使用标准web技术构建：HTML、CSS和现代JavaScript（利用ES模块）。
外部API：
- 谷歌人工智能平台（可能是通过中指定的端点的Imagen模型 image_gen_app/index.html)用于核心图像生成。
- Google Gemini API（型号 gemini-1.5-flash-latest 通过端点 image_gen_app/index.html)因为他能发表诙谐的评论。