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

name, description

name	description
image-generator	图片生成技能。支持 Gemini 和 Midjourney (MJ) 两个模型。批量生图、图生图、风格转换、4合1自动拆分。触发词：生图、生成图片、批量出图、图片素材、MJ生图、Gemini生图、图生图、风格转换。

图片生成

Gemini（快速）+ MJ（精品）双模型图片生成。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

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）

# 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
参考图融合风格	Gemini 或 MJ	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

# 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":"...","narration":"...","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

# 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）

# 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

# 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

# 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。

---

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：

{
  "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

// 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' })

// 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 narration 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