Product Photo AI
画像生成や編集はすべて scripts/gen.py を経由して行います。PIL/rembg で手動合成したり、他の画像ツールを使用しないでください。
GEN="${CLAUDE_SKILL_DIR}/scripts/gen.py"
python3 "$GEN" --credits
python3 "$GEN" --prompt-file p.txt --refs photo.jpg --format vertical --out out.png
python3 "$GEN" --model black-forest-labs/flux.2-max --prompt-file p.json --refs photo.jpg --format auto --no-upsample --out out.png
マシンに合わせて python3 の代わりに python を使用してください。標準ライブラリのみを使用します。
モデル
| モデル | 使用場面 | コスト / 時間 |
|---|---|---|
| Nano Banana 2.1 (デフォルト) | ユーザーの実際の写真を編集する場合: 照明、雰囲気、小道具、季節感 | ~$0.055 (2K時)・約20秒 |
FLUX.2 Max (--model black-forest-labs/flux.2-max) | ゼロからのテキスト→画像生成、JSON/hex による細かい制御、--seed でレイアウト反復、または Nano が2回失敗した場合 | ~$0.16 (2MP時)、~$0.22 (4MP時)・30~50秒 |
理由: ブラインドテスト(4ケース、4モデル)において、Nano Banana 2.1 は勝敗がついたすべてのケースで1位を獲得し、「AIっぽい」と判定されなかった唯一のモデルでした。FLUX.2 Max は4ケースすべてで「AIっぽい」と判定されました。詳細: references/realism.md → History.
セットアップ
- キーは
OPENROUTER_API_KEYまたは~/.openrouter-keyに保存します(ユーザーが作成)。絶対に出力したり、echo したり、curlコマンドに含めたりしないでください。 - 呼び出しには20~140秒かかります: Bash のタイムアウトは長めに設定するか(例: 600000 ms)、バックグラウンドで実行してください。
- バッチ実行前:
--creditsを実行し、残高と推定コストを表示します。バッチが約1ドルを超える場合はユーザーに確認を取ってください。in_flightなしのHTTP 402= クレジット不足: その旨を伝え、リトライせず、プロンプトを保存してください。 - 複数のバリエーション: バリエーションごとに1つの
gen.pyを並列実行します。残高が少ない場合は最大2~3個までに制限してください(OpenRouter は402 in_flight_budget_exhaustedで遮断します)。各終了コードと標準エラー出力を報告してください。
判断基準
| ケース | 方法 |
|---|---|
| フォーマット | 通常のもの: vertical (9:16, ストーリー) と square (1:1)。 指定がない場合は確認するか、vertical で提供する |
| ユーザーの製品の写真 | --refs + 要求されたフォーマット。比率が写真と異なる場合、モデルがシーンを拡張します: extend the scene naturally to fill the frame, keeping the product the same size and centered を追加(Nano で 3:4→9:16 および 1:1 でテスト済み)。写真の比率を維持する場合のみ --format auto を使用 |
| Instagram フィード | --format insta (4:5) |
| 写真なし | テキスト→画像生成、JSON を使用した FLUX.2 Max |
| 製品の形状/高さの変更 | 製品全体を説明するテキスト→画像生成(編集では比率が維持される) |
| 後で別のフォーマットが必要 | 別の --format で再生成。絶対にクロップしないでください |
スクリプトフラグ
--format:vertical9:16 (デフォルト) ・insta4:5 ・portrait3:4 ・tall2:3 ・square1:1 ・classic4:3 ・landscape16:9 ・wide21:9 ・auto(最初の参照画像の比率)。- Nano: 2K で出力。シードなし(実行ごとに変化)。API では最大14枚、スクリプト経由では最大8枚の参照画像。
- FLUX.2 Max:
--quality auto|hi|std(約4MP/約2MP;autoは参照0~2枚で hi)。--no-upsampleは BFL のプロンプト書き換えをオフにします: 編集時は常に使用(より忠実)。--seed Nでレイアウトを反復。6枚以上の参照画像 →--size 1024x1024(最大8枚)。 - 標準出力は、実際の
cost_usdとseedを含む1行の JSON。
Nano Banana 2.1 のプロンプト作成(編集)
Nano は指示型モデルです: JSON ではなく、散文で写真編集者に話しかけるように入力します。
- 動詞 + スコープで始める:
Using the provided photo, change only the lighting./…add a few small props on the cloth.「Change only」がセマンティックマスクとして機能します。 - 変更内容を物理的に説明する: 光源、方向、質、色(
color #FFE2B8, about 5000K, not orange)、影の落ち方。 - 保存リストで締めくくる: 形状、渦巻き、アイシング、リボン、土台、折り目、フレーミング、焦点、そしてスマホカメラのルックとその粒子感を名前で列挙。最後の部分がないと写真が「クリーンアップ」され、AIっぽくなります。
- 2~6文。 逸脱した場合は短く: 形容詞を減らし、1つだけ変更。
make it feel like a little more sun came through, like a subtle color gradeのような1行の指示も微妙な変更に効果的です。 - 肯定的な表現: 「no X」ではなく
empty corner of the clothのように。 - 複数参照: 各画像の役割を明記(
the first image is the product to keep, the second is the mood reference for the light)。 - 代替案は元の画像から繰り返す: 累積的な変更の場合のみ最後の良い状態から(エラーが蓄積します)。
準備済みテンプレート: references/templates.md。
FLUX.2 Max のプロンプト作成(BFL ガイド)
FLUX は指示ではなく、最終画像を記述します。
- 被写体 → アクション → スタイル → コンテキスト の順に記述。最初の単語が最も重要。30~80語(複雑なシーン以外)。
- ネガティブプロンプトは禁止。 すべて肯定形で:
sharp focus throughout、matte finish、soft-edged shadows。 - リアルなカメラ: 手作り感を出すなら
shot on iPhone 15, natural grain、エディトリアルならFujifilm X-T5, 35mm f/1.4やKodak Portra 400。 - 16進数カラーコードはオブジェクトに紐付け、
colorという単語を使用:the frosting is color #FFF8E7。マルチカラー製品: コンポーネントごとに1つの被写体 +color_match: "exact"。 - 編集:
The same photo of [product] from image 1, unchanged: [list]で始め、新しい照明を記述。 - JSON はプロダクション/複数被写体向け。探索には自然言語を使用。同じシードで1フィールドずつ繰り返す。
- 画像内のテキスト: 正確なテキストを引用符で囲み、位置、書体、サイズ、色を指定。
スキーマ(--prompt-file にシリアライズ。例は examples/prompt-example.json):
{
"scene": "...",
"subjects": [{"description": "...", "position": "...", "action": "...", "color_palette": ["#hex"], "color_match": "exact"}],
"style": "...", "color_palette": ["#hex"], "lighting": "...", "mood": "...",
"background": "...", "composition": "...",
"camera": {"angle": "...", "lens": "50mm f/2.2", "depth_of_field": "..."}
}
リアリズムのルール(両モデル共通)
詳細とコピー可能なブロック: references/realism.md。
- 硬い光よりも柔らかい拡散光。 フレーム全体に落ちる窓枠の硬い影は AI だとバレます(ブラインドテストで最も多い拒否理由)。
soft, diffused, low-contrast shadows, muted highlightsを指定。 - 適度な暖かみ: 16進数カラーコード + ケルビン値 +
not orange(Nano)/not neutral white(FLUX)。約5000K で、すべてをオレンジ色に染めずに日差しのように。 - シーン内に存在する光源は1つ。
- 手は禁止。 製品は表面に置きます。
- 元のカメラのルックを維持(粒子感、わずかなソフトさ)。シャープな描写 = AI。
- 最小限でリアルな小道具(松の小枝1本、シナモンスティック2本、スターアニス1個)を空いたスペースに、製品に触れないように配置。カタログセットやフォグは禁止。
- テクスチャのある布地(
matte cotton with visible weave)を指定しないと、プラスチックのようなサテンになります。
忠実度と数え上げ
- 参照画像がある場合: 写真のアングル、カメラ高さ、フレーミングを維持。
- 各製品を名前と位置で列挙。 最後にカウントを付ける:
exactly six cupcakes, exactly four brownies。FLUX の場合:EXACTLY N distinct items total: [list]。 - 3つ以上の類似製品は、区別しないと統合されます。6つ以上で2ラウンド失敗した場合 → 各製品を個別に生成し、マルチ参照で再構成。
ワークフロー
- 特定: 写真の有無、フォーマット、変更内容(照明/小道具/背景)。
- 各写真を確認(Read を使用): 製品、アングル、現在の照明、正確な要素。
- プロンプトを一時ファイル(Nano の場合は
.txt、FLUX の場合は.json)に書き込み、gen.pyを実行。 - 検証: 出力をオリジナルと並べて、以下の2軸で確認:
- リアリズム: 写真かレンダリングか?プラスチックっぽくないか?不自然な硬い影がないか?手、浮遊物、変形した細部はないか?数は正しいか?製品は元と同一か?
- 指示通りか: 要求された照明/色が見えるか?特に温度を明示的に確認。
- 失敗 → 2ラウンド目: プロンプトを短くして1つの要素を変更。2回目の失敗 →
--no-upsample付きで FLUX.2 Max を試す。最大3回試行。その後、最良のものを提供し、何が失敗したかを伝える。 - ファイルを、変更点とコストを1行で説明して提供。バッチ終了時: 合計コストと残高。
- 一時プロンプトファイルを削除。
プリセット
完全な照明レシピは references/light-presets.md。
| プリセット | 照明 / スタイル | 用途 |
|---|---|---|
| Soft sun (編集のデフォルト) | カーテン越しの拡散した冬の日差し、#FFE2B8 約5000K | 手作り感/ドリーミーな Pinterest 風 |
| Simple Christmas | 柔らかな日差し + 2~4個の自然な小道具 + 遠くの暖かいボケ | 季節感あふれるカタログ風でない |
| Real cozy | 柔らかく暖かい窓、マットリネン | ブラウニー、ケーキ、パン |
| Clean studio | 3点ソフトボックス、シームレス | カタログ、Eコマース |
| Real night | 暖かいランプ1灯、傷ついた木、高 ISO | 信頼できる暗さ |
| Golden hour | 低い太陽 #FFC078、長い影 | 暖かいヒーロー |
| Soft honey | アンバーウィンドウ #FFD9A0、約4600K | 居心地良く、最も均一 |