video-create/.claude/skills/image-generator/SKILL.md

---
name: image-generator
description: 图片生成技能。支持 Gemini、Midjourney (MJ)、GPT Image 三个模型。批量生图、图生图、风格转换、4合1自动拆分、重绘/编辑。触发词：生图、生成图片、批量出图、图片素材、MJ生图、Gemini生图、GPT Image生图、图生图、风格转换、重绘。
---

# 图片生成

Gemini（快速）+ MJ（精品）+ GPT Image（高品质编辑）多模型图片生成。**以参考图为锚点**，确保批量出图风格统一。

---

## 核心原则：参考图优先

**参考图是生图质量的关键**。没有参考图的生图 = 风格不可控、批次不统一。

| 有参考图 | 无参考图 |
|---------|---------|
| 风格统一、色彩一致 | 每张图风格随机漂移 |
| 构图/氛围可控 | 构图/氛围全凭模型发挥 |
| 批次之间视觉连贯 | 同一批次看着像不同账号 |
| 提示词可以更简洁 | 需要极长的提示词描述风格 |

**执行规则**：
1. **有参考图** → 必须用参考图生图（Gemini 图生图 / MJ --sref）
2. **无参考图** → 先让用户提供 1-3 张参考图，或先文生图 1 张让用户确认后再批量
3. **参考图位置** → 根目录 `accounts/{account}/references/` 目录

---

## 生图流程

两种模式：**参考风格**（风格锚点）和**锁定人物**（角色一致性）。

**启动生图时，必须先询问用户选择模式：**

> 你要哪种生图模式？
> 1. **参考风格** — 统一批次色调/质感，每张图内容不同但风格一致（Gemini 快速 / MJ 精品）
> 2. **锁定人物** — 同一角色在不同场景中保持一致，仅 Gemini 支持

```dot
digraph image_gen {
  rankdir=TB
  node [shape=box, style=filled, fillcolor="#f5f5f5", fontsize=11]
  edge [fontsize=10]

  start [label="用户触发生图", shape=oval, fillcolor="#e3f2fd"]
  ask [label="询问用户\n选择生图模式", shape=diamond, fillcolor="#fff9c4"]

  read_ref [label="读取参考图(references/)\n+ 风格文件(styles/)"]
  gen_prompt [label="为每条文案生成 prompt"]

  gemini_style [label="Gemini edit()\n风格参考", fillcolor="#e8f5e9"]
  mj_style [label="MJ --sref\n风格参考", fillcolor="#fff3e0"]
  gemini_char [label="Gemini edit()\n锁定人物\n角色一致性", fillcolor="#e1bee7"]

  validate [label="质量校验\n与参考图对比"]

  start -> ask
  ask -> read_ref
  read_ref -> gen_prompt
  gen_prompt -> gemini_style [label="参考风格\n快速/批量"]
  gen_prompt -> mj_style [label="参考风格\n精品/写实"]
  gen_prompt -> gemini_char [label="锁定人物"]
  gemini_style -> validate
  mj_style -> validate
  gemini_char -> validate
}
```

### 参考风格 vs 锁定人物

| | 参考风格 | 锁定人物 |
|---|---------|---------|
| 目的 | 统一批次的色调/光影/质感 | 同一角色在不同场景中保持一致 |
| 参考图内容 | 风格样本（光影、色调、质感） | 人物正面照/半身照 |
| 输出 | 每张图可以完全不同的内容，但风格统一 | 每张图同一人物，不同场景/动作/服装 |
| 可用模型 | Gemini + MJ | **仅 Gemini**（edit 图生图） |
| 提示词 | 描述场景内容，风格由参考图锚定 | 描述人物的新场景/动作/服装，角色由参考图锁定 |
| 适用 | 风景叙事、场景插画、背景素材 | 角色连载、人物故事、IP 内容 |

### 锁定人物用法（Gemini 专用）

```bash
# 锁定人物：人物参考图 + 新场景描述
node .claude/skills/video-from-script/scripts/gemini-image-generator.js edit \
  "The same woman warrior standing on a cliff overlooking a burning city, dramatic lighting" \
  -i ./references/character_front.png \
  -o ./output -r 9:16

# 多角度锁定（正面 + 侧面）
node .claude/skills/video-from-script/scripts/gemini-image-generator.js edit \
  "The same woman warrior in a dark forest, holding a torch" \
  -i ./references/character_front.png,./references/character_side.png \
  -o ./output -r 9:16
```

**锁定人物要点**：
- 参考图必须是**同一人物的清晰照片**（正面/半身优先）
- 提示词用 "the same [character]" 强调角色延续
- 多张参考图提供不同角度，一致性更强
- 仅 Gemini 支持此模式（MJ --sref 只传风格，无法锁定人物特征）

---

## 模型选择

| 场景 | 模型 | 参考图用法 | 原因 |
|------|------|-----------|------|
| 快速出图、批量 | **Gemini** | 本地图文件直传（`-i`） | ~10s，API 直出单张 |
| 精品图、写实/艺术 | **MJ** | 公网 URL（`-r`，`--sref`） | 高质量，4图选1，~60s |
| 高品质编辑/重绘 | **GPT Image** | 本地图 multipart 上传 | 最强编辑能力，支持多参考图融合 |
| 参考图融合风格 | Gemini 或 GPT Image | 见下方详细说明 | 两种都支持 |

---

## 前置条件

```
1. node --version → >= 18
2. cd .claude/skills/video-from-script/scripts && npm install
3. skills/config.json 中配置 geminiApiKey 和 mjApiKey
4. 参考图放入 根目录 accounts/{account}/references/（至少 1 张）
```

---

## 参考图详细用法

### 放置参考图

```
accounts/{account}/
├── account.json          # 模型、画幅配置
├── styles/               # 风格提示词策略
│   └── oriental-mythology-ue5.md
└── references/           # 参考图（风格锚点）
    ├── ref_style_1.png   # 建议重命名为有意义的名字
    ├── ref_style_2.png
    └── ref_style_3.png
```

**参考图选择标准**：

| 好的参考图 | 不好的参考图 |
|-----------|------------|
| 代表你想要的最终风格 | 随意找的网图 |
| 光影、色调、构图都满意 | 只有一个维度满意 |
| 3 张以内（太多会冲突） | 10 张堆砌 |
| 同一风格的不同场景 | 不同风格的混合 |

### Gemini 参考图用法

```bash
# 图生图（核心用法：参考图 + 提示词）
node .claude/skills/video-from-script/scripts/gemini-image-generator.js edit \
  "A water deity in flowing hanfu, celestial palace background" \
  -i ./references/ref_style_1.png \
  -o ./output -r 9:16

# 多张参考图（Gemini 同时参考多张）
node .claude/skills/video-from-script/scripts/gemini-image-generator.js edit \
  "A water deity in flowing hanfu, celestial palace background" \
  -i ./references/ref_style_1.png,./references/ref_style_2.png \
  -o ./output -r 9:16

# 批量带参考图（pipeline init + run）
node .claude/skills/video-from-script/scripts/pipeline.js init \
  --account forbidden-emperor --mode single \
  --items '[{"shotDesc":"...","script":"...","duration":5,"imagePrompt":"...","directorRef":"tarantino"}]'
node .claude/skills/video-from-script/scripts/pipeline.js run \
  --manifest ./output/forbidden-emperor_XXXXXXXX_001/manifest.json \
  --phase images
```

**Gemini 参考图原理**：将参考图作为 Base64 inline data 与文本 prompt 一起发送，模型同时看到参考图和提示词。

### MJ 参考图用法

```bash
# 单张参考图（--sref 风格参考）
node .claude/skills/video-from-script/scripts/mj-image-generator.js \
  "A water deity in flowing hanfu, celestial palace background --sref https://i.ibb.co/xxx/ref.png --sw 200" \
  -o ./output -a 9:16

# 多张参考图（逗号分隔 URL）
node .claude/skills/video-from-script/scripts/mj-image-generator.js \
  "prompt --sref URL1 URL2 --sw 200" \
  -o ./output -a 9:16
```

**MJ 参考图注意**：
- 需要**公网 URL**（本地文件需先上传 OSS）
- `--sref` = 风格参考（Style Reference）
- `--sw 200` = 风格权重（0-1000，200 为默认）
- 参考图作为 prompt 尾缀传入，不是独立参数

### 上传参考图到公网（MJ 用）

```bash
# 单张上传
node .claude/skills/video-from-script/scripts/oss-upload.js ./references/ref_style_1.png
# → https://i.ibb.co/xxx/ref_style_1.png

# 批量上传
for f in ./references/*.png; do
  node .claude/skills/video-from-script/scripts/oss-upload.js "$f"
done
```

---

## Gemini 完整用法

```bash
# 文生图（无参考图时使用）
node .claude/skills/video-from-script/scripts/gemini-image-generator.js generate "prompt" -o ./output -r 9:16

# 图生图（推荐：参考图 + 提示词）
node .claude/skills/video-from-script/scripts/gemini-image-generator.js edit "指令" -i ./ref.jpg -o ./output

# 批量
node .claude/skills/video-from-script/scripts/gemini-image-generator.js batch ./prompts.txt -o ./output
```

| 参数 | 说明 |
|------|------|
| `-o, --output` | 输出目录 |
| `-r, --ratio` | 宽高比：1:1, 9:16, 16:9, 3:4 等 |
| `-s, --size` | 分辨率：512, 1K, 2K(默认), 4K |
| `-i, --input` | 输入图片（图生图），逗号分隔多张 |

---

## MJ 完整用法

```bash
# 文生图（自动拆分4张）
node .claude/skills/video-from-script/scripts/mj-image-generator.js "prompt" -o ./output -a 9:16

# 带参考图（--sref）
node .claude/skills/video-from-script/scripts/mj-image-generator.js "prompt --sref URL --sw 200" -o ./output -a 9:16

# 批量
node .claude/skills/video-from-script/scripts/mj-image-generator.js batch ./prompts.txt -o ./output

# 不拆分（保留原始4合1）
node .claude/skills/video-from-script/scripts/mj-image-generator.js "prompt" --no-split
```

| 参数 | 说明 |
|------|------|
| `-o, --output` | 输出目录 |
| `-a, --ar` | 宽高比（通过 --ar 传给 MJ） |
| `-r, --ref` | 参考图 URL（逗号分隔） |
| `--no-split` | 不拆分4合1 |
| `--keep-grid` | 保留原始网格图 |

MJ 流程：提交 imagine → 轮询 5s/次 → 下载 4合1 → sharp 拆分为 4 张独立 PNG。

---

## GPT Image 完整用法

OpenAI GPT Image 2 模型，通过云雾 API 代理调用。支持文生图和强大的图生图/重绘能力。

```bash
# 文生图
node .claude/skills/video-from-script/scripts/gpt-image-generator.js generate "prompt" -o ./output -r 9:16 -q auto

# 图生图/重绘（参考图编辑）
node .claude/skills/video-from-script/scripts/gpt-image-generator.js edit "Add sunglasses to this person" -i ./photo.jpg -o ./output

# 多图参考融合
node .claude/skills/video-from-script/scripts/gpt-image-generator.js edit "Combine items into a gift basket" -i ./a.jpg,./b.jpg,./c.jpg -o ./output

# 批量
node .claude/skills/video-from-script/scripts/gpt-image-generator.js batch ./prompts.txt -o ./output -r 9:16 -q low
```

| 参数 | 说明 |
|------|------|
| `-o, --output` | 输出目录 |
| `-r, --ratio` | 宽高比：1:1, 9:16, 16:9, 3:4, 4:3 等 |
| `-s, --size` | 尺寸 (1024x1024, 1088x1920, auto)，默认按宽高比自动选择 |
| `-q, --quality` | 质量：low(快速草稿), medium(默认), high(最终稿), auto |
| `-f, --format` | 格式：png(默认), jpeg(更快), webp |
| `-i, --input` | 输入图片（edit 模式），逗号分隔多张 |
| `--mask` | 蒙版图片（edit 模式，可选） |
| `-n` | 生成数量 (默认: 1) |

### 单图 / 首尾帧

**单图模式**：pipeline 中设置 `--image-model gpt-image`，自动文生图或图生图（有参考图时）。

**首尾帧模式**：pipeline 设置 `--mode framePair --image-model gpt-image`，自动用首帧图 + lastFramePrompt 编辑生成尾帧。

```bash
# Pipeline 单图模式
node .claude/skills/video-from-script/scripts/pipeline.js init \
  --account my-account --mode single --image-model gpt-image \
  --items '[{"shotDesc":"...","script":"...","duration":5,"imagePrompt":"..."}]'
node .claude/skills/video-from-script/scripts/pipeline.js run \
  --manifest ./output/my-account_XXX/manifest.json --phase images

# Pipeline 首尾帧模式
node .claude/skills/video-from-script/scripts/pipeline.js init \
  --account my-account --mode framePair --image-model gpt-image \
  --items '[{"shotDesc":"...","script":"...","duration":5,"imagePrompt":"...","lastFramePrompt":"..."}]'
```

### 重绘（编辑现有图片）

支持通过自然语言指令编辑图片：换背景、改物体颜色、添加/移除元素、风格迁移等。

```bash
# 单个图片编辑
node .claude/skills/video-from-script/scripts/gpt-image-generator.js edit \
  "Change the background to a sunset beach" -i ./photo.jpg

# 多参考图融合（人物+场景合成）
node .claude/skills/video-from-script/scripts/gpt-image-generator.js edit \
  "Place this person in the garden scene" \
  -i ./person.png,./garden.jpg -o ./output
```

### API 特点

- **图生图**用 multipart/form-data 上传本地图片，无需公网 URL
- 输入图片自动高保真处理，无需调整 input_fidelity
- 不支持透明背景（`background: transparent`），需要透明图请用 Gemini
- 支持数千种分辨率，短边 ≥ 640px 且为 16 的倍数

---

## 账号系统集成

当用户指定账号时，从项目根目录 `accounts/{account}/` 读取三层资源：

```
accounts/{account}/
├── account.json     → 默认模型、画幅、风格参考图URL
├── styles/          → 风格文件（提示词模板 + 视觉规则）
└── references/      → 参考图原始文件（风格锚点）
```

**读取顺序**：
1. `account.json` → 读取 `styles.{styleName}.references` 中的公网 URL（优先使用，免上传）
2. `references/` → 扫描本地参考图（无 URL 时上传 OSS 获取公网 URL）
3. `styles/*.md` → 读取提示词策略（决定 prompt 结构）
4. `account.json` → 读取默认配置（模型、画幅）

### account.json 中的参考图 URL

参考图上传 OSS 后，将 URL 保存到 `account.json` 的 `styles.{styleName}.references` 数组中，避免重复上传：

```json
{
  "styles": {
    "oriental-mythology-ue5": {
      "references": [
        { "file": "ref_style_1.png", "url": "https://i.ibb.co/xxx/ref_style_1.png" },
        { "file": "ref_style_2.png", "url": "https://i.ibb.co/yyy/ref_style_2.png" }
      ]
    }
  }
}
```

**生图时**：先检查 `account.json` 中是否有对应风格的公网 URL，有则直接用；无则上传 `references/` 下的本地文件到 OSS，上传成功后回写 URL 到 `account.json`。

用户可指定风格，如 "用 cyberpunk-character 风格"。不指定时使用 `styles/` 下第一个文件。

---

## 质量检查（Agent 可执行）

- [ ] 分辨率 >= 1024px（短边）
- [ ] 画幅与目标视频一致（9:16/16:9）
- [ ] manifest.json 与实际文件一一对应
- [ ] 生成数量与 items 数量匹配

---

## 作为模块调用

```js
// Gemini 文生图
const { generate: geminiGen } = require('./gemini-image-generator')
const r = await geminiGen('prompt', { outputDir: './out', aspectRatio: '9:16' })

// Gemini 图生图（带参考图）
const { edit: geminiEdit } = require('./gemini-image-generator')
const r = await geminiEdit('prompt', ['./ref1.png', './ref2.png'], { outputDir: './out', aspectRatio: '9:16' })

// GPT Image 文生图
const { generate: gptGen } = require('./gpt-image-generator')
const r = await gptGen('prompt', { outputDir: './out', size: '1088x1920' })

// GPT Image 图生图/重绘（带参考图）
const { edit: gptEdit } = require('./gpt-image-generator')
const r = await gptEdit('prompt', ['./ref1.png', './ref2.png'], { outputDir: './out' })

// MJ
const { generate: mjGen } = require('./mj-image-generator')
const r = await mjGen('prompt', { outputDir: './out', aspectRatio: '9:16' })
// r.files = ['_1.png', '_2.png', '_3.png', '_4.png']
```

---

## 文件命名规则

Pipeline 生成的文件统一命名，slug 来自 manifest item 的 `script` 或 `shotDesc` 字段（slugify: 保留中文和字母数字，最多 20 字符，其余变 `_`）：

| 模式 | 文件名 | 示例 |
|------|--------|------|
| 单图首帧 | `scene_{NN}_{slug}.jpeg` | `scene_01_崛起.jpeg` |
| 首尾帧首帧 | `scene_{NN}_{slug}.jpeg` | `scene_01_觉醒.jpeg` |
| 首尾帧尾帧 | `scene_{NN}_{slug}_last.jpeg` | `scene_01_觉醒_last.jpeg` |
| MJ 候选图 | `scene_{NN}_{slug}_cand{1-4}.jpeg` | `scene_01_崛起_cand1.jpeg` |

`{NN}` = 两位场景编号（01, 02, ...），对应 items 数组索引。

---

## 详细参考

批量生产完整流程（账号、文案、提示词生成、输出结构）见 [batch-mode.md](references/batch-mode.md)