Community画像github.com

ai-image-generation

Use when 程序化生图(封面/配图)。内置 401 时换硅基 Qwen-Image。

ai-image-generation とは?

ai-image-generation is a Claude Code agent skill that use when 程序化生图(封面/配图)。内置 401 时换硅基 Qwen-Image。.

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/dsffs488/dsh-agent-skills/tree/HEAD/skills/media-ops/references/ai-image-generation

Installed? Explore more 画像 skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

程序化 AI 生图

模型定价/选型以 model-package 技能为准:草稿/批量用默认档(z-image-turbo 0.10 元/张)、封面/成片用质量档(qwen-image-3.0-pro 2K 0.50 元/张)。本技能只写调用方式,价格与 ID 不在此处维护。

2026-08-31 小说推广视频实战沉淀。内置 image_generate 工具不可用或需批量/精确控制时,用硅基生图 API。

通道优先级

  1. 千问云生图(模型包③:默认 qwen-image-3.0 0.18/张、封面质量档 qwen-image-3.0-pro 2k;本通道历史以 wan2.6-t2i 实跑过,端点/参数差异见 call-recipes):出图原生 1152x1536/1152x1152,成品再放大到平台规格;批量分波提交,撞 429/RateQuota 就退避重试(并发 1-4 安全,8 并发必触限;图像模型不走 Batch 推理,只走异步任务+重试)。
  2. 内置 image_generate(dashscope/wan2.7 通道)——先试;但可能 401 Unauthorized
  3. TokenPlan 通义万相(见 token-plan-image-gen 技能,单张 1-2 token,weekly 额度)
  4. 硅基 Qwen-Image API(¥0.3/张;⚠️2026-09-08 实测 key 无额度 30001,充值/恢复后才可用)

⚠️ 2026-09-08 更新:硅基付费 key + free key 均无额度(30001 balance insufficient),"换硅基 Qwen-Image"这条主替代当前不可用。生图优先走 TokenPlan 万相;硅基恢复额度再切回。

硅基 Qwen-Image 快速调用

  • 端点:POST https://api.siliconflow.cn/v1/images/generations(不是 /chat/completions)
  • header:Authorization: Bearer <SILICONFLOW_API_KEY>(default .env 里有)
  • body:{"model":"Qwen/Qwen-Image","prompt":"...","image_size":"768x1344","batch_size":1,"num_inference_steps":20,"guidance_scale":3.0}
  • 返回 images[0].url = s3 临时 URL,到手立即下载(会过期)
  • 完整代码 + 坑见 references/siliconflow-image-gen.md

尺寸映射

  • 竖版 9:16(抖音/小说封面):768x1344
  • 方形 1:1(头像/书封):1024x1024
  • 横版 16:9:1344x768

小说封面配方(番茄 750x1000,2026-09-01 实测)

  • 番茄书籍封面 = 3:4 竖版 750x1000;Qwen-Image 生 768x1344 → scale=max(750/w,1000/h) 放大 → 居中裁 750x1000
  • ⚠️ 暗黑题材 AI 图常过暗(暗区<40 占比 >50%):封面小图必须提亮——gamma**(1/1.35) clip + Contrast 1.06,暗区压到 ~45% 才可交付,否则小尺寸看不清
  • 书名用 PIL 叠加:msyhbd.ttc(微软雅黑粗体)72px 两行 + 底部标签 40px;顶部/底部先画半透明黑条(alpha 160)衬底保文字可读
  • 保存 封面.jpg quality=92;原图 768x1344 存 源文件\cover_raw*.png,作品根目录只留 封面.jpg
  • 完整实现参考 <WORK_DIR>\工具\脚本\小说\cover_jujitsu.py

铺满裁剪(→ 1080x1920)

scale = max(1080/w, 1920/h)
img = img.resize((int(w*scale), int(h*scale)), Image.LANCZOS)
img = img.crop((x, y, x+1080, y+1920))

出海封面顶配战役验收规范(封面军规:token 不省,质量优先)

  • 亮度双口径必须同时给读数:灰度均值 + 暗区(gray<40)占比两个读法都列——"均值≤55"与"暗区≤55%"是两种判据读法,单口径交付会被验收方追问。成品交亮/暗两档;暗调重映射(gamma 压暗)时标题保持高亮白字。
  • 千问 wan2.6-t2i 出图:负向词必含 no glyphs, no letters on screens, dust particles, melted foliage;文字一律 PIL 压字不上模型(Georgia Bold/Bookman Old Style Bold + Segoe UI Bold);成品长边按平台规格放大(KDP 竖版 1600x2560=1:1.6 官方推荐比例、方版 2560x2560、SH 系列页 1600x2400=2:3)。
  • VLM 自检跑 3 票取多数:字迹/smear/浮尘/融变/过暗五项逐项报 True/False;1/3 票把地图细字失焦读成"涂抹"属常见误报——另 2 票判自然景深且画面语义合理即放行并如实记录异议票,不因单票打回整批。书名做 OCR 回读验拼写。
  • 每张成品配 154px 缩略图并验书名在缩略图可读(小图冲击力=点击率的生死线,长书名两行排版)。
  • MANIFEST.txt 逐张列:尺寸/比例/灰度均值/std/暗区占比/缩略图std/MB、原图来源、数字处理记录、VLM 读数、推荐用途、未动资产清单、边界声明(未上传/未动 payload)、可复现脚本位置。
  • GM 验收=独立重算不吃清单:一条 execute_code 用 PIL 重开每张成品算 mean/暗区占比比对 MANIFEST 读数(应到小数点一致),glob 核缩略图在位;读数不符即打回。

封面「AI 底图 + PIL 压字」混合路线(默认起手)

  • 分工固定:底图只交 AI(氛围/构图是它赢的地方),一切文字与印记全由 PIL 合成;换新底图时不许顺手缩回旧版字号/印记强度——压字强度只取历史最高档,缩略图可读性是点击生死线。
  • 判据(质检脚本必须用磁盘成品像素实测,禁引用生成脚本自报的意图值):标题大写字高 200px 缩略图下 ≥15px(顶配 17px);标题对紧邻底对比 ≥15:1;印记/红章对比 ≥3:1(图形门槛);印记不得侵入署名带(框内印记色像素必须为 0,写成硬判据);人脸 0(YuNet 0.4+0.15 双阈值);底图 MSER 伪文字斑块 0;尺寸精确三档(1600×2560 主档 / 800×1200 / 200×320)。
  • 放大印记必查重叠:印记直径放大 = 下缘下移,先上移章心再目检,并把重叠写成脚本硬判据而非人工看图。
  • 交付三件同包落盘:三档 PNG + 质检报告 md + 合成脚本与底图(脚本+底图不在包里则不可复现,等于没交付)。
  • 参考实现(含全部常数与硬判据):<WORK_DIR>\写作\_出海运营\新书B-开书包-20261021\封面\v3\make_B_cover_v3.py + qa_B_cover_v3.py。

通用坑

  • prompt 英文更稳,末尾加 "No text, no watermark"
  • 同步返回约 26s/张;批量循环加 time.sleep(1) 防限流
  • cv2.imwrite 写中文路径失败;用 imencode+buf.tofile;PIL save 中文路径 OK

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

関連スキル