| name | image-gen2 |
| description | Batch image generation factory. Give it one prompt template (with a {subject} slot) plus a subject list (csv/json/txt) and it generates dozens-to-hundreds of images concurrently with automatic machine verification and retry. ZERO runtime LLM calls — prompts are pure template+subject string substitution. Reuses the image-gen Codex/OAuth engine (no API key). Triggers — 대량 이미지, 배치 이미지 생성, image-gen2, 이미지 공장, 여러 장 생성, batch image, image factory, bulk image generation. |
| version | 1.0.0 |
| author | Elon (p9) |
| license | MIT |
| metadata | {"hermes":{"tags":["batch","image-generation","codex","oauth","pipeline","factory"],"related_skills":["image-gen","codex"]}} |
image-gen2 — Batch Image Factory
대량 배치 이미지 생성 파이프라인. 프롬프트 템플릿 1개 + subject 목록을 주면,
subject만 치환해 수십~수백 장을 동시 생성하고 자동 검수·재시도한다.
설계 출처: 한국 Threads @zarvan_kim 파이프라인(GPT Pro 구독으로 하루
15000장)을 우리 환경(Codex OAuth)으로 이식. 4대 원칙:
- 런타임 LLM 호출 0 — 토큰 절약의 핵심. 프롬프트는 템플릿 + subject 문자열
치환만. 매번 LLM으로 프롬프트 생성하지 않는다. 템플릿 작성은 사람/1회성.
- 동시 생성 — ThreadPoolExecutor, 기본 concurrency 4 (Codex 쿼터 보수적).
- 2단계 검수 (cheap-first) — 1차 기계검증(파일 존재 + 해상도/종횡비 +
PNG 무결성 + 최소 크기), 통과 못한 것만 2차 vision 판정(옵션, 현재 스텁).
- 재시도 전략 — attempt 1·2 = 원본 프롬프트, attempt 3 = 짧은 safety/clarity
suffix 추가, 그래도 실패 →
failed.jsonl 기록 후 넘어감.
image-gen vs image-gen2
| image-gen (단일) | image-gen2 (배치) |
|---|
| 출력 | 1장 | N장 (수십~수백) |
| 입력 | 프롬프트 1개 | 템플릿 1개 + subject 목록 |
| 검수 | 없음 (사람이 눈으로) | 자동 기계검증 (+옵션 vision) |
| 재시도 | 없음 | 자동 (기본 3회, attempt3 suffix) |
| 동시성 | 1 | 기본 4 (조정 가능) |
| 엔진 | gen_image.py | gen_image.py 재사용 (subprocess) |
엔진 재사용
새 도구를 설치하지 않는다. 단일 생성 엔진을 그대로 subprocess로 호출:
~/2lab.ai/skills/image-gen/scripts/gen_image.py
Codex/ChatGPT OAuth 세션 사용(API 키 불필요). 검수는 identify(imagemagick).
워크플로우
- 템플릿 작성 —
{subject} 슬롯 1개 포함. (1회성, LLM 안 씀)
- subject 목록 준비 — csv/json/txt 중 택1.
- batch_gen.py 실행.
- 검수/재시도 자동 — 기계검증 실패 시 자동 재시도.
- 결과 확인 — out-dir의 PNG들 +
failed.jsonl(실패분만 기록).
- 텔레그램 전송 — 여러 장이면 대표 N장 또는 zip으로.
사용법
1. subject 목록 파일
- txt: 한 줄에 subject 하나 (
# 주석/빈 줄 무시)
- csv:
subject 헤더 컬럼, 없으면 첫 컬럼
- json:
["a","b"] 또는 [{"subject":"a", ...}]
예 (subjects.txt):
cat
rocket
coffee cup
2. 배치 실행
python3 ~/2lab.ai/skills/image-gen2/scripts/batch_gen.py \
--template "A minimalist flat icon of a {subject}, centered, white background, vector style" \
--subjects ~/2lab.ai/skills/image-gen2/examples/subjects.txt \
--out-dir /tmp/icons \
--concurrency 4 \
--size 1024x1024 \
--quality high
템플릿을 파일에서 읽으려면 --template-file path 사용.
3. 프롬프트 빌더 단독 (dry-run, LLM 0 검증)
실제 생성 전 어떤 프롬프트/파일명이 나올지 미리 확인:
python3 ~/2lab.ai/skills/image-gen2/scripts/prompt_builder.py \
--template "A flat icon of a {subject}" \
--subjects examples/subjects.txt
파라미터
| 플래그 | 기본값 | 설명 |
|---|
--template | (택1 필수) | {subject} 포함 템플릿 문자열 |
--template-file | (택1 필수) | 템플릿 파일 경로 |
--subjects | (필수) | subject 목록 (csv/json/txt) |
--out-dir | (필수) | 출력 디렉토리 |
--concurrency | 4 | 동시 생성 worker 수 |
--size | 1024x1024 | 요청 해상도 (종횡비 검증에 사용) |
--quality | high | auto | low | medium | high |
--retries | 3 | 최대 시도 횟수 |
--retry-suffix | (기본 제공) | attempt 3에 붙는 safety/clarity 문구 |
--min-bytes | 5120 | 최소 PNG 크기 (무결성 가드) |
--vision-check | off | 2차 vision 검수 활성화 (현재 TODO 스텁) |
출력 파일명
{인덱스}_{subject슬러그}.png (예: 001_cat.png, 003_coffee_cup.png).
공백→_, 특수문자 제거.
결과
- 진행상황: stdout에
[N/총M] OK/FAIL filename (attempts=K).
- 요약: 성공/실패 수, 출력 디렉토리, Codex 쿼터 마지막 값.
failed.jsonl: 실패분만 {subject, prompt, attempts, last_error, attempt_log}.
(실패 없으면 파일 생성 안 됨.)- exit 0 = 전부 성공, 2 = 일부 실패.
토큰 절약 원칙 (핵심)
런타임 LLM 호출 0. 프롬프트 생성에 모델을 쓰지 않는다 — 순수 파이썬 문자열
치환. 이게 @zarvan_kim 파이프라인이 대량으로 돌릴 수 있던 이유. 템플릿
작성만 사람이 1회 하고, 나머지 N장은 치환+생성+검증만 반복.
트러블슈팅
Codex 쿼터 80%↑ ⚠
stderr 쿼터 라인에 ⚠ 뜨면 5h 또는 7d 윈도우가 80% 넘은 것. concurrency를
낮추거나(예 --concurrency 2) 윈도우 리셋을 기다린다.
token_expired / HTTP 401
OAuth access_token 만료. codex login status가 0을 반환해도 토큰 자체가
만료됐을 수 있음. 한 번 codex exec --skip-git-repo-check "ok"를 돌려
토큰을 갱신하거나 codex logout && codex login.
해상도가 요청과 다름
Codex 백엔드는 모델/플랜에 따라 --size를 정확히 지키지 않을 수 있다
(1024x1024 요청 → 1254x1254 반환). 그래서 검수는 픽셀 정확 일치가 아니라
종횡비 일치 + 최소 크기로 한다 (정상 동작).
실패 재처리
failed.jsonl의 subject만 새 목록 파일로 추려서 다시 batch_gen.py 실행.
concurrency를 낮추면 쿼터/타임아웃 실패가 줄 수 있다.
정직한 한계
- vision 검수는 스텁(MVP).
--vision-check는 자리만 만들어져 있고 실제
vision 판정은 TODO(batch_gen.py: vision_verify). 코어는 기계검증+재시도.
- 15000장 규모는 우리 환경에선 불가. 원본은 GPT Pro 전용 쿼터. 우리는
Codex 구독 쿼터(5h/7d 윈도우)에 묶여 있어 그만큼 못 뽑는다.
- ToS 회색지대. 구독 세션(OAuth)으로 대량 자동 호출하는 것은 OpenAI
약관상 회색지대. 쿼터 한도 내에서 보수적으로 쓸 것.
크레딧
파이프라인 설계 출처: Threads @zarvan_kim (대량 이미지 생성 4원칙).
우리 환경(Codex OAuth + image-gen 엔진)으로 이식.
Changelog
- 1.0.0 (2026-06-17): 초기 버전. prompt_builder(LLM 0) + batch_gen
(동시 생성 + 기계검증 + 재시도 + failed.jsonl). vision 검수 스텁.
