digitalsamba/ideogram4

Ideogram 4 Skill

Text-zu-Bild-Generierung mit Ideogram 4 (9,3B, offene Gewichte, veröffentlicht Juni 2026). Seine Superkraft ist die branchenführende Textwiedergabe im Bild – es übertrifft deutlich größere Modelle (FLUX.2 dev 32B, Qwen-Image 20B, Hunyuan 80B) bei der Darstellung lesbarer Beschriftungen, Logos, Untertitel und mehrzeiliger Texte – plus exakte Farbpaletten- und Bounding-Box-Steuerung.

Dieser Vorteil steckt hinter einem strukturierten JSON-Caption-Format. Ein reiner Textprompt liefert FLUX-ähnliche Ergebnisse und verfehlt den eigentlichen Zweck dieses Modells. Dieses Skill lehrt Claude, als „Magic Prompt“-Erweiterer zu agieren – die lockere Anfrage eines Benutzers in die JSON-Caption zu übersetzen, auf der Ideogram 4 trainiert wurde.

Backend: Das Toolkit verwendet Ideograms gehostete v4-API (nicht selbst gehostete Gewichte). Die API akzeptiert einen strukturierten json_prompt, sodass alles, was dieses Skill vermittelt, direkt anwendbar ist – Claude erstellt die Caption, das Tool sendet sie als json_prompt. Kostenpflichtige API-Pläne enthalten eine kommerzielle Lizenz, die die selbst hostbaren Gewichte (nicht-kommerziell) nicht bieten – daher verwenden wir die API. Die Kosten liegen bei ca. 0,03 $/Bild (Turbo) bis ca. 0,10 $/Bild (Qualität).

Wann dieses Skill verwenden

Greifen Sie zu Ideogram 4 (statt FLUX.2), wenn das Bild Folgendes benötigt:

• Lesbaren Text im Bild – Titelfolien, Thumbnails, Bauchbinden-Hintergründe, Beschriftungen, Logos, Zitatenkarten, CTAs mit eingebauter Überschrift
• Exakte Markenfarben – Hex-Farbpaletten-Konditionierung, pro Element
• Kontrolliertes Layout – Bounding-Boxen platzieren Text/Objekte in bestimmten Bereichen
• Mehrsprachigen Text im Bild

Verwenden Sie stattdessen FLUX.2, wenn: das Bild keinen kritischen Text enthält, Sie eine kommerziell lizenzierte Ausgabe benötigen oder Sie einfach einen schnellen atmosphärischen Hintergrund möchten. FLUX akzeptiert einfache natürlichsprachliche Prompts; Ideogram möchte JSON. Siehe tools/flux2.py.

Das Eine, das richtig sein muss

Geben Sie immer eine strukturierte JSON-Caption aus, keinen einfachen Satz. Das Modell ist ausschließlich auf JSON-Captions trainiert, die jedes Element explizit benennen. Claude ist ein besserer Erweiterer als Ideograms kostenloser gehosteter Magic Prompt (die eigenen Dokumente weisen darauf hin, dass der ausgelieferte „nicht derselbe ist wie in der Produktion“), daher erstellen Sie die Caption mit diesem Skill selbst, anstatt Rohtext zu übergeben.

Minimale gültige Caption:

{"high_level_description":"Ein Segelboot bei Sonnenuntergang auf ruhigem Wasser.","style_description":{"aesthetics":"ruhig, warm, goldene Stunde","lighting":"Gegenlicht der goldenen Stunde","photo":"Weitwinkel, f/8","medium":"Fotografie","color_palette":["#FF6B35","#F7C59F","#004E89"]},"compositional_deconstruction":{"background":"Ruhiger Ozean am tiefen Horizont mit orange-rosafarbenem Himmel.","elements":[{"type":"obj","desc":"Weißes dreieckiges Segel, das sich gegen die untergehende Sonne abzeichnet."}]}}

Das vollständige Schema, die strengen Schlüsselreihenfolge-Regeln und das BBox-Koordinatensystem finden Sie in prompting.md. Ausgearbeitete Beispiele für Titelfolien / Thumbnails / Zitatenkarten finden Sie in examples.md.

Kurzreferenz – tools/ideogram4.py

Dünner Wrapper um Ideograms gehostete v4-API. Benötigt IDEOGRAM_API_KEY in .env (Schlüssel von developer.ideogram.ai). --json sendet die Caption als json_prompt-Feld der API (kein serverseitiger Magic Prompt – Claude ist der Erweiterer); --prompt sendet text_prompt.

# Manuell erstellte JSON-Caption (der empfohlene Weg für Text/Layout) – Claude schreibt caption.json
uv run tools/ideogram4.py --json caption.json --output titel.png

# Caption von stdin (Claude kann sie direkt weiterleiten)
cat caption.json | uv run tools/ideogram4.py --json - --output titel.png

# Einfacher Prompt – Ideograms serverseitiger Magic Prompt erweitert ihn (schwächer; --json bevorzugen)
uv run tools/ideogram4.py --prompt "Titelfolie: 'KI-ENGINEERING-REVIEW' fett weiß auf dunkel" --output titel.png

# Marken-Hex-Farben in die Farbpalette der Caption einfügen (JSON-Modus)
uv run tools/ideogram4.py --json caption.json --brand digital-samba --output cta.png

# Qualitätsstufe + Auflösung
uv run tools/ideogram4.py --json caption.json --speed QUALITY --resolution 2048x2048 --output folie.png

Ideogram 4.5 (Opt-in)

--model 4.5 sendet dieselben Flags an Ideogram 4.5 über die v2-API (POST /v2/image/generate/ideogram-4-5, Multipart wie der v1-Aufruf). Es wurde live getestet: JSON-Captions rendern nahezu perfekten Text; einfache Prompts fügen verstümmelten Fülltext hinzu, daher immer eine JSON-Caption an 4.5 senden. Ideogram 4 bleibt die Standardeinstellung, da 4.5-Abmessungen Vielfache von 32 sein müssen, was exakte YouTube 1280x720 ausschließt (/thumbnail verwendet 4.0 dafür).

uv run tools/ideogram4.py --model 4.5 --json caption.json --speed QUALITY --resolution 1440x2560 --output karte.png

• Prompt: Beide Modi gehen in das einzelne prompt-Feld von 4.5. --json sendet die Caption als kompaktes JSON. 4.5 liest das Ideogram-4-Caption-Format, und eine gültige Caption überspringt den serverseitigen Magic Prompt. Der --prompt-Text wird wie bei v1 durch den Magic Prompt erweitert.

• --speed wird auf quality abgebildet: TURBO, DEFAULT und QUALITY zum gleichen Preis wie bei Ideogram 4, und FLASH, das keinen Ideogram-4-Preis hat, auf niedrig (Ideograms Listenpreise, geprüft am 2026-10-12; 1K- und 2K-Größen kosten gleich):

  --speed	4.5 quality	Pro Bild
  FLASH, TURBO	low	0,03 $
  DEFAULT (Standard)	medium	0,06 $
  QUALITY	high	0,10 $

  4.5s very_low-Stufe benötigt Quellbilder, daher sendet das Tool sie nie. Bei --model 4 wird FLASH weiterhin wie besehen gesendet, aber Ideograms Dokumentation sagt, dass es derzeit HTTP 400 zurückgibt.

• --resolution wird als size gesendet: auto oder BREITExHÖHE, wobei beide Seiten Vielfache von 32 und mindestens 256 Pixel, insgesamt höchstens 2048x2048 Pixel und ein Seitenverhältnis von maximal 6:1 sind. Fehlt der Parameter, wählt Ideogram eine Größe aus dem Prompt. Das Tool prüft diese Regeln vor dem API-Aufruf und beendet sich mit Exit-Code 2, wenn eine Größe gegen sie verstößt. 1440x2560 (die 9:16-Kartengröße) und 2048x2048 bestehen. Sechs Ideogram-4-Voreinstellungen bestehen nicht, und der Fehler schlägt einen Ersatz vor: 720x1280 (1440x2560), 1280x720 (2560x1440), 720x1440 (1440x2880), 1440x720 (2880x1440), 1296x3168 (1280x3072), 3168x1296 (3072x1280). Ohne Quellbilder benötigt Ideogram außerdem eine seiner unterstützten 1K-/2K-Voreinstellungen, eine Liste, die es nicht veröffentlicht, sodass eine die Prüfungen bestehende Größe dennoch einen HTTP-400-Fehler erhalten kann.

Wichtige Dateien

• prompting.md – vollständiges JSON-Schema, strenge Schlüsselreihenfolge, BBox-Koordinatensystem, Palettenregeln
• examples.md – ausgearbeitete Captions für Titelfolien, Thumbnails, Zitatenkarten, Marken-CTAs

Eignung für die Videoproduktion

Ideogram 4s Nische im Toolkit sind Folien und Thumbnails mit eingebettetem Text, bei denen FLUX und LTX-2 versagen (beide rendern verstümmelten Text). Natürliche Paarungen:

Anwendungsfall	Warum Ideogram 4
Titelfolien-/CTA-Hintergrund mit Überschriftentext	Lesbarer Text + exakte Marken-Hex-Farben in einem Durchgang
YouTube-/Social-Media-Thumbnail mit prägnantem Satz	Großer lesbarer Text ist seine größte Stärke
Zitatenkarte / Statistik-Karte	Mehrzeiliger Text + Layoutsteuerung über BBoxes
Beschriftungen/Logos in einer Produktdemoszene	Text im Bild, den andere Modelle nicht rendern können

Das Standbild anschließend in Remotion einspeisen (<OffthreadVideo>/Img) oder mit tools/ltx2.py --input animieren.