AI Skills
image-generation

image-generation

熱門

當使用者要求生成、創作、構想或視覺化呈現各類視覺內容（包含角色、場景、產品等）時，使用此 Skill。支援使用結構化 Prompt 及參考圖進行引導生成。

7.8萬星標
1.1萬分支
更新於 2026/8/1
獲取技能源代碼

相關技能

x40211萬ito-inference25萬flox-environments24萬
SKILL.md
唯讀
名稱
image-generation
描述

當使用者要求生成、創作、構想或視覺化呈現各類視覺內容（包含角色、場景、產品等）時，使用此 Skill。支援使用結構化 Prompt 及參考圖進行引導生成。

Image Generation Skill

概述

本 Skill 能透過結構化 Prompt 與 Python 腳本生成高品質圖片。工作流程包含建立 JSON 格式的 Prompt，並執行圖片生成（可搭配選填的參考圖）。

核心功能

  • 建立適用於 AIGC 圖片生成的結構化 JSON Prompt
  • 支援多張參考圖，用於風格與構圖引導
  • 透過自動化 Python 腳本執行圖片生成
  • 處理多種圖片生成場景（角色設計、場景、產品展示等）

工作流程

步驟 1：理解需求

當使用者提出圖片生成需求時，請確認以下要素：

  • 主體／內容：圖片中應包含什麼
  • 風格偏好：藝術風格、氛圍、配色方案
  • 技術規格：長寬比、構圖、光線
  • 參考圖片：任何用來引導生成的圖片
  • 無需檢查 /mnt/user-data 目錄下的資料夾

步驟 2：建立結構化 Prompt

在 /mnt/user-data/workspace/ 目錄下建立結構化 JSON 檔案，檔名命名格式為：{descriptive-name}.json

步驟 3：執行生成

呼叫 Python 腳本：

python /mnt/skills/public/image-generation/scripts/generate.py \
  --prompt-file /mnt/user-data/workspace/prompt-file.json \
  --reference-images /path/to/ref1.jpg /path/to/ref2.png \
  --output-file /mnt/user-data/outputs/generated-image.jpg
  --aspect-ratio 16:9

參數說明：

  • --prompt-file：JSON Prompt 檔案的絕對路徑（必填）
  • --reference-images：參考圖的絕對路徑（選填，以空格分隔）
  • --output-file：輸出圖片檔案的絕對路徑（必填）
  • --aspect-ratio：生成圖片的長寬比（選填，預設值：16:9）

[!NOTE]
請勿讀取該 Python 檔案內容，直接帶入參數呼叫即可。

角色生成範例

使用者需求：「建立一位 1990 年代東京街頭風格的女性角色」

建立 Prompt 檔案：/mnt/user-data/workspace/asian-woman.json

{
  "characters": [{
    "gender": "female",
    "age": "mid-20s",
    "ethnicity": "Japanese",
    "body_type": "slender, elegant",
    "facial_features": "delicate features, expressive eyes, subtle makeup with emphasis on lips, long dark hair partially wet from rain",
    "clothing": "stylish trench coat, designer handbag, high heels, contemporary Tokyo street fashion",
    "accessories": "minimal jewelry, statement earrings, leather handbag",
    "era": "1990s"
  }],
  "negative_prompt": "blurry face, deformed, low quality, overly sharp digital look, oversaturated colors, artificial lighting, studio setting, posed, selfie angle",
  "style": "Leica M11 street photography aesthetic, film-like rendering, natural color palette with slight warmth, bokeh background blur, analog photography feel",
  "composition": "medium shot, rule of thirds, subject slightly off-center, environmental context of Tokyo street visible, shallow depth of field isolating subject",
  "lighting": "neon lights from signs and storefronts, wet pavement reflections, soft ambient city glow, natural street lighting, rim lighting from background neons",
  "color_palette": "muted naturalistic tones, warm skin tones, cool blue and magenta neon accents, desaturated compared to digital photography, film grain texture"
}

執行生成：

python /mnt/skills/public/image-generation/scripts/generate.py \
  --prompt-file /mnt/user-data/workspace/cyberpunk-hacker.json \
  --output-file /mnt/user-data/outputs/cyberpunk-hacker-01.jpg \
  --aspect-ratio 2:3

搭配參考圖：

{
  "characters": [{
    "gender": "based on [Image 1]",
    "age": "based on [Image 1]",
    "ethnicity": "human from [Image 1] adapted to Star Wars universe",
    "body_type": "based on [Image 1]",
    "facial_features": "matching [Image 1] with slight weathered look from space travel",
    "clothing": "Star Wars style outfit - worn leather jacket with utility vest, cargo pants with tactical pouches, scuffed boots, belt with holster",
    "accessories": "blaster pistol on hip, comlink device on wrist, goggles pushed up on forehead, satchel with supplies, personal vehicle based on [Image 2]",
    "era": "Star Wars universe, post-Empire era"
  }],
  "prompt": "Character inspired by [Image 1] standing next to a vehicle inspired by [Image 2] on a bustling alien planet street in Star Wars universe aesthetic. Character wearing worn leather jacket with utility vest, cargo pants with tactical pouches, scuffed boots, belt with blaster holster. The vehicle adapted to Star Wars aesthetic with weathered metal panels, repulsor engines, desert dust covering, parked on the street. Exotic alien marketplace street with multi-level architecture, weathered metal structures, hanging market stalls with colorful awnings, alien species walking by as background characters. Twin suns casting warm golden light, atmospheric dust particles in air, moisture vaporators visible in distance. Gritty lived-in Star Wars aesthetic, practical effects look, film grain texture, cinematic composition.",
  "negative_prompt": "clean futuristic look, sterile environment, overly CGI appearance, fantasy medieval elements, Earth architecture, modern city",
  "style": "Star Wars original trilogy aesthetic, lived-in universe, practical effects inspired, cinematic film look, slightly desaturated with warm tones",
  "composition": "medium wide shot, character in foreground with alien street extending into background, environmental storytelling, rule of thirds",
  "lighting": "warm golden hour lighting from twin suns, rim lighting on character, atmospheric haze, practical light sources from market stalls",
  "color_palette": "warm sandy tones, ochre and sienna, dusty blues, weathered metals, muted earth colors with pops of alien market colors",
  "technical": {
    "aspect_ratio": "9:16",
    "quality": "high",
    "detail_level": "highly detailed with film-like texture"
  }
}

python /mnt/skills/public/image-generation/scripts/generate.py \
  --prompt-file /mnt/user-data/workspace/star-wars-scene.json \
  --reference-images /mnt/user-data/uploads/character-ref.jpg /mnt/user-data/uploads/vehicle-ref.jpg \
  --output-file /mnt/user-data/outputs/star-wars-scene-01.jpg \
  --aspect-ratio 16:9

常見場景

針對不同場景使用不同的 JSON 結構（Schema）。

角色設計：

  • 外貌特徵（性別、年齡、種族、體型）
  • 面部特徵與表情
  • 服飾與配件
  • 歷史時代或背景設定
  • 姿勢與情境

場景生成：

  • 環境描述
  • 時間、天氣
  • 情緒與氛圍
  • 視覺焦點與構圖

產品視覺化：

  • 產品細節與材質
  • 打光佈局
  • 背景與環境情境
  • 展示角度

特定範本

僅在符合使用者需求時讀取以下範本檔案。

輸出處理

生成完成後：

  • 圖片通常會儲存在 /mnt/user-data/outputs/
  • 使用 present_files 工具與使用者分享生成的圖片
  • 簡要說明生成結果
  • 若需要調整，詢問使用者是否要進行疊代修改

技巧：利用參考圖提升生成品質

在對視覺精準度要求較高的場景中，建議在生成前先使用 image_search 工具尋找參考圖。

建議使用 image_search 工具的場景：

  • 角色／人像生成：搜尋類似的姿勢、表情或風格，以引導五官特徵與身材比例
  • 特定物件或產品：尋找真實物件的參考圖，確保呈現的精準度
  • 建築或環境場景：搜尋地點參考資料，捕捉真實地貌與細節
  • 時尚與服飾：尋找風格參考，確保服裝細節與造型的準確度

範例工作流程：

  1. 呼叫 image_search 工具尋找合適的參考圖：
    image_search(query="Japanese woman street photography 1990s", size="Large")
  2. 下載傳回的圖片 URL 至本地檔案
  3. 將下載的圖片作為生成腳本中的 --reference-images 參數

這種做法能為模型提供具體的視覺引導，避免僅依賴文字描述，從而大幅提升生成品質。

提供商（Gemini / MiniMax）

本 Skill 會根據環境變數自動選擇提供商（無需修改 CLI）：

  • 設定 GEMINI_API_KEY → 使用 Gemini（預設值，保持不變）。
  • 僅設定 MINIMAX_API_KEY → 使用 MiniMax（/v1/image_generation，模型為 image-01）。
  • 設定 IMAGE_GENERATION_PROVIDER=gemini|minimax 可強制指定特定提供商。

MiniMax 的選填覆寫設定：MINIMAX_API_HOST（預設為 https://api.minimaxi.com）、MINIMAX_IMAGE_MODEL（預設為 image-01）。參考圖會作為 MiniMax 的 subject_reference 角色圖片傳送。兩者在 CLI 以及 --prompt-file / --reference-images / --output-file / --aspect-ratio 參數的使用上完全一致。

MiniMax Prompt 處理機制（提供商內部處理）。 Prompt 編寫方式與提供商無關——無論目前使用哪家提供商，撰寫相同的結構化 JSON 即可。MiniMax image-01 僅接收單一文字字串，因此 MiniMax 流程本身僅會傳送 JSON 中的 prompt 欄位（其他欄位如 style / composition / negative_prompt 則適用於 Gemini 流程），並開啟 prompt_optimizer 由 MiniMax 伺服器端進行擴充。MiniMax 限制 Prompt 上限為 1500 個字元；若 prompt 欄位超出長度，腳本將傳回錯誤而非呼叫 API。Gemini 流程則會接收完整的結構化 JSON。

注意事項

  • 無論使用者使用何種語言，Prompt 務必一律使用英文
  • JSON 格式可確保 Prompt 結構化且易於解析
  • 使用參考圖能顯著提升生成品質
  • 透過疊代微調以取得最佳結果屬於正常流程
  • 進行角色生成時，請包含詳細的角色物件（Character object）以及整合後的 prompt 欄位