1NWZ/create-gemscript-collage

GemScriptコラージュの作成

3:2のGemScriptエフェクト画像を作成します。V6空間システムを維持します。小さなフィルム、タイトなクロップ、コンパクトなフィルムとレタリングの関係、そして大きな落ち着いたマージン。リクエストがあった場合、承認されたエフェクトを実際のソース写真の上に重ねて、3:4の最終PNGに確定的にスタックします。画像モデルに下半分を再描画するよう要求しないでください。

生成予算と停止条件

これらはハードセーフティリミットです：

• バッチではないユーザーリクエストは、最大1回の画像生成または画像編集呼び出しを許可します。その呼び出し後、結果を提供するか、失敗を報告してターンを終了します。
• 明示的なバッチは、名前付きソース画像1枚につき最大1回の呼び出しを許可し、1つのタスク内での生成/編集呼び出しは最大3回までです。4回目の呼び出しの前に、停止し、ユーザーに新しいタスクで、簡潔なテキストハンドオフと現在のソースパスのみを使用して続行するよう依頼します。ユーザーが依頼しない限り、そのタスクを作成しないでください。
• エラー、タイムアウト、過大なレスポンス、結果の欠落、誤ったテキスト、または検証の失敗は、許可された呼び出しを消費します。同じターン内で自動的に再試行、言い換えと再送信、再生成、または編集を行わないでください。
• エラー、タイムアウト、過大なレスポンス、または結果の欠落後、同じタスク内で再度画像ツールを呼び出さないでください。失敗を報告し、再試行には新しいタスクが必要です。
• タスクが再開されたときに、失敗した生成を自動的に再開しないでください。
• 現在のリクエストで明示的に名前が付けられたソース画像と、このスキルが必要とするマテリアルリファレンスのみを使用します。ローカルパスが存在する場合は、それらの正確なパスを渡し、最近の会話画像を含めないでください。プロンプト、メッセージ、ログ、ハンドオフ、または出力ファイルにbase64画像データをコピーまたは保持しないでください。

ワークフロー

1. 利用可能な画像ビューアでソース写真を検査します。
2. レタリングを確定します：
   • ユーザーが提供した英語テキストを、大文字小文字やスペースも含めてそのまま再現します。
   • 提供されていない場合は、写真に合った短い英単語1つ、または最大2つの短い単語を選択します。
3. ソースから派生した、または相補的な、控えめな背景色相を選択します。高明度、低彩度、ややグレーがかった色にします。
4. ソースのクロップ、被写体の向き、支配的な視覚的方向、ネガティブスペースを分析します。固定テンプレートではなく、ソースに応じた1つの関係性を選択します：
   • フィルム左、レタリング右；
   • レタリング左、フィルム右；
   • フィルム上、レタリングが直下に接する；
   • レタリング上、フィルムが直下に接する。 バッチの場合、ソースが明らかに同じ解決策を必要としない限り、関係性を変えます。 同じタスク内で連続した単一画像テストの場合、別のモードがソースに適合するときは、直前に使用した関係性を再利用しないでください。ソースのジオメトリや可読性が明らかにそれを必要とする場合にのみ、モードを繰り返します。現在のコンテキストで最後に使用したモードを追跡します。
5. ユーザーが承認したレイアウトのリファレンスを保持します。それを構成のみのリファレンスとして扱います。その余白、フィルムスケール、クロップ、フィルム/レタリングの関係性を保持し、要求されたサブシステムのみを再設計します。
6. references/v6-prompt.mdを完全に読み、生成前に{LAYOUT_MODE}を含むすべてのプレースホルダーを置き換えます。
7. 画像ツールが複数のリファレンスをサポートする場合、assets/v5-rhinestone-referencesから2～3枚の画像をマテリアル専用リファレンスとして使用します。これらは、好ましいフラットバッククラフトステッカーマテリアル、小さな結合クリスタル、不規則なミックスシェイプのリズム、およびマルチカラー分布を定義します。被写体、単語、背景色相、フィルムクロップ、またはレイアウトを定義しません。生成プロンプト内で各画像の役割を明示的にラベル付けします。
8. 生成の前に、この正確な画像のためのコンパクトなレイアウトスペックを作成し、それを提案ではなく受諾契約として使用します：キャンバス1536×1024。コアグループをフィルム + レタリング + 真の拡張部分として定義します。ルースジェムはこのコアバウンディングボックスから意図的に除外されます。すべての画像は、周囲のネガティブスペースに正確に7～12個の分離したルースラインストーンを含み、2つまたは3つの不規則なマイクロクラスターと、1つから3つの孤立したピースとして配置され、キャンバスエッジから離れ、第二の構図を形成してはなりません。より小さな内部ターゲットを使用します：水平レイアウトの場合、コアグループのターゲットを52–58% W × 50–56% H、2–3% Wのギャップを確保し、1つの短い単語を25–32% Wかつ最大16% H、フィルムを8–12% Wかつ最大22% Hにします。垂直レイアウトの場合、コアグループのターゲットを50–58% W × 52–60% H、2–3% Hのギャップを確保し、1つの短い単語を25–32% Wかつ最大16% H、フィルムを8–12% Wかつ最大22% Hにします。コアグループに少なくとも18%の左右、20%の上下の余白を確保します。フィルムの可視バウンディングボックス面積は、レタリング面積の25–35%とし、40%をハード上限とします。ソース、単語、または選択されたレイアウトがこのスペックを満たせない場合は、生成前に配置を変更するかフィルムを縮小します。数値を黙って緩和しないでください。
9. 上記の生成予算を確認し、次に組み込みの画像生成ワークフローを使用します。imagegenスキルが利用可能な場合は、画像ツールを呼び出す前にそれをロードして従います。現在アップロードされている写真またはその明示的なローカルパスを唯一の被写体リファレンスとして扱い、独立した3:2のランドスケープエフェクト画像を1つ生成します。以前の会話画像は含めないでください。
10. エフェクトを検査し、検証します：

• 正確なテキストと読みやすい文字形状；
• すべての大文字は、マテリアルスタイリングの前にスケルトンチェックを通過します。一時的にジェムを無視し、基礎となる手書きパスが意図された大文字としてまだ読めることを確認します；
• 大文字のMは、2つのはっきりとしたショルダー、1つの中央の谷、2つの接続された主要なダウンストローク、および後続の小文字への連続的なハンドオフを持ちます。大きな楕円に分離したステム、単一のアーチ、A、N、または小文字のnとして読めてはいけません；
• すべての小文字は同じスケルトンチェックを通過します。特にm、n、u、rは、意図されたステム、ハンプ、カウンター、および1つの自然な出口ストロークのみを持ち、余分な枝、繰り返されたステム、スパー、ループ、フック、または説明不能な成長があってはなりません。末端のフラリッシュは、最終的な意図されたストロークの後にのみ開始でき、文字のスケルトンを変更してはいけません；
• 認識可能な被写体と適切なクロップ；
• フィルムクロップには、プリントの約60～80％を占める1つの名前付き編集フォーカスディテールがあり、最大1つの小さなコンテキストエッジを持つことができます。被写体全体と主要な小道具すべてを含む広いシーンクロップは拒否します；
• かすかな背景のティントのみを持つ高コントラストの白黒フィルム；
• フィルムはトーンコントラストチェックを通過します。ほぼ黒のシャドウ領域、ほぼ白のハイライト、明確に分離されたミッドトーン。グレーベール、乳白色のグレー、持ち上げられた黒、フラットな低コントラスト、または白黒構造を不明瞭にするティントは拒否します；
• 高明度・低彩度の背景；
• コア可視バウンディングボックスを測定します。占有面積だけではありません。この測定からルースジェムを除外します。生成前に定義された水平または垂直のコアグループ範囲を使用します；
• コアグループに少なくとも18%の左右マージンと20%の上下の余白を維持します。フィルムとレタリングの間に2～3%のギャップを使用します。1つの短い単語をキャンバス幅の最大32%、キャンバス高さの最大16%にします；
• 1つの短い単語の場合、レタリングが主要素であり、フィルムは二次的です。フィルムの可視バウンディングボックス面積は、レタリングの可視バウンディングボックス面積の25～35%とし、40%をハード上限とします。独立したサイズルールがこの階層と競合する場合は、フィルムを縮小します；
• フィルムは小さく、キャンバス幅の最大12%、キャンバス高さの最大22%で、ソースよりもタイトなクロップにします；
• レイアウトはソース構成に従い、自動的にレタリング左/フィルム右ではありません；
• ラインストーンの単語とフィルムは、実際の文字ストロークが自然な手書きの接線を変更せずに最も近いフィルムエッジに到達できる場合にのみ重なります。そうでない場合は、接続を強制するのではなく、フィルムを少し移動するか、狭いギャップを残します；
• 1つ、または最大2つのラインストーン拡張が、実際のエントリストローク、出口ストローク、または末端のフラリッシュから始まり、その接線を自然に続けます。単語が明らかに終了した後に、垂直ドロップ、鋭い折り返し、吊り下げコード、または2番目のテールを追加しないでください；
• 単語の外側に、正確に7～12個の分離したルースジェムが目に見えて存在し、2つまたは3つの不規則なマイクロクラスターと1つから3つの孤立したピースとして配置され、不均等な間隔で、独立した点線、弧、または対角線はありません。ルースジェムの数が7未満または12を超える場合は、画像を拒否します；
• 3つ以上のルースジェムが一方向に視覚的に整列していません；
• 接続ストロークは主に非常に小さな丸いクリスタルを使用し、より大きな幾何学的カットは構造的に意味のあるポイントに控えめに埋め込まれています；
• デザイン全体に少なくとも5つの形状ファミリーが現れますが、顕著に繰り返されるモチーフファミリーは1つまたは2つだけです；
• ジェムは、シャープなファセットとタイトな接触影を持つ浅いフラットバッククラフトステッカーであり、厚いガラスの宝石やカボションではありません；
• フィルム外に余分なテキスト、ロゴ、ウォーターマーク、分割画面、または元の写真はありません。

11. 配信前のハードゲートを適用します。画像は、上記のすべての数値チェックとビジュアルチェックが一緒に合格した場合にのみ受け入れられます。特に、グループが広すぎる/高すぎる、フィルムが大きすぎる、またはレタリングと視覚的な重みが近すぎる、またはフィルムクロップが広いシーン全体のクロップである出力は拒否します。「モデルがプロンプトを無視した可能性がある」は受諾理由になりません。失敗した画像を結果として保存、リンク、または提示しないでください。
12. 検証が失敗した場合、自動的に別のツール呼び出しを行わないでください。欠陥を報告して停止します。明示的な後続の修正リクエストのみが、生成予算に従って、1回の対象を絞った画像編集を許可します。その編集では、誤ったテキスト、不正確な大文字スケルトン、サイズオーバーのグループ、サイズオーバーのフィルム、固定テンプレートレイアウト、分離したジェムのトレイル、強制されたフィルムコネクタ、多様性の低いオールラウンドジェム、またはかさばる宝石のようなマテリアルを拒否します。レイアウトがすでに承認されている場合、文字形状、末端ストローク、またはラインストーンマテリアルのみを修正するために構成全体を再生成しないでください。失敗した大文字の場合、写真、背景、残りの文字、ルースアクセント、スケール、およびレイアウトを固定し、その大文字とその2つの隣接する接合部のみを再描画します。失敗した末端インタラクションの場合、最後の文字の真の出口ストロークとローカルオーバーラップエリアを除いて、単語全体と構成を固定します。単語後の垂直ドロップや独立したコネクタを削除します。
13. 承認されたエフェクトを、ユーザーの作業ディレクトリまたは要求された出力ディレクトリに、<source-stem>-gemscript-effect.pngとして非破壊的に保存します。
14. 検査後、正規化された元の写真のクロップフォーカス座標を選択します：0.0は左/上、1.0は右/下です。被写体がすでに中央にある場合のみ、デフォルトで0.5,0.5にします。
15. バンドルされたワークスペース依存関係をロードし、返されたPython実行可能ファイルを使用します。これにより、システムのPythonにPillowがあると仮定することを回避します。確定的コンポジッターを実行します：

<workspace-python> <skill-dir>/scripts/compose_vertical.py \
  --effect <effect.png> \
  --original <source-photo> \
  --output <source-stem>-gemscript-final-3x4.png \
  --focus-x <0..1> \
  --focus-y <0..1>

16. 最終PNGを検査します。3:4のキャンバス、等しい3:2の半分、エフェクトが上、実際のソースが下、ギャップや仕切りがないこと、被写体クロップが損なわれていないことを確認します。
17. エフェクトPNGと最終3:4 PNGの両方を提供します。最終コンポジットを先頭に提示します。

出力ルール

• デフォルトのハーフサイズ：1536×1024；最終サイズ：1536×2048。
• ソースファイルを変更せずに保存します。
• 既存の出力を上書きしないでください。置換が明示的に要求された場合のみ、バージョンサフィックスを追加するか、--forceを渡します。
• ユーザーがエフェクト画像のみを明示的に要求した場合にのみ、コンポジションをスキップします。

V6承認済みビジュアルリグレッションリファレンス

references/v6-approved-examples.mdとassets/v6-approved-examples/内の3つのPNGを、構成、スケール、可読性、ラインストーンの品質に関する承認済みV6ビジュアルベンチマークとして使用します。