Community图像github.com

Seedream 图像生成与编辑技能

为字节跳动 Seedream 图像模型(5.5、5.0、4.5)编写提示词,并通过 BytePlus ModelArk、火山引擎 Ark、Runware、WaveSpeed、Kie.ai、Evolink、fal、Replicate 或 OpenRouter 生成或编辑图像。

Seedream 图像生成与编辑技能 是什么?

该技能(seedream-5-5)让 AI 助手能够调用字节跳动 Seedream 系列图像生成模型(5.5、5.0、4.5),通过多个主流平台(如 BytePlus ModelArk、火山引擎 Ark、Runware、WaveSpeed、Kie.ai、Evolink、fal、Replicate、OpenRouter)执行文本到图像生成、图像编辑、多图融合、风格迁移、透明背景输出等任务。它支持一系列专业用例:项目资产(英雄图、OG卡片、图标、占位图)、UI/UX 线框图、带有精确文字(含中文)的广告海报、信息图、游戏截图、角色一致性设计、故事板、视频关键帧、layers 拆分以及平铺图切片。该技能内置了详细的提示词结构模板、编辑配方、尺寸与参考图指南,并通过对每个生成结果进行逐条检查(包括文本准确度、布局、颜色、品牌标识等)来确保输出质量。它还能跨平台管理 API 密钥,提供 dry-run 预览和成本估算,并支持最终导出的格式转换(如 Instagram、OG 卡片、favicons)。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mazen320/seedream-5-5-skill/tree/HEAD/skills/seedream-5-5

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

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

Seedream

将用户的意图转换为 Seedream 提示词,通过 scripts/seedream.py 在用户所选平台运行,对照需求检查结果,并一次修复一个方面。

始终适用的规则

  • 密钥属于用户,需保留在其环境变量中。 切勿在聊天中索要密钥,也切勿将密钥写入文件、标志、提示词或提交记录中。如果密钥缺失,请指出环境变量名称(python scripts/seedream.py providers 可列出所有变量),然后停止。
  • 切勿覆盖输出文件。 脚本会自动添加 _2、_3 等后缀。
  • 切勿在未通知用户的情况下切换平台或模型。 如果默认平台失败,请告知你所发现的情况。
  • 反馈文件路径、所使用的提示词、平台和尺寸。每张图片旁边的 .txt 文件是完整的记录。
  • 从用户的工作目录运行脚本,以便相对路径能正确指向用户文件。

选择平台

用户拥有以下平台的密钥…--provider该平台上最新的 Seedream 版本
BytePlus ModelArk(国际版)byteplus(默认)5.5
火山引擎 Ark(中国版)volcengine5.5
Runware / WaveSpeed / Kie.ai / Evolinkrunware / wavespeed / kie / evolink5.5
fal / OpenRouterfal / openrouter5.5(fal 还支持 --layers)
Replicatereplicate5.0 Pro(尚无 5.5)

平台会频繁添加模型。如果用户询问某个版本,请先检查该平台的实时模型列表,再确认其不可用。

脚本会为每个平台转换尺寸、参考图和轮询方式。Kie.ai 和 Evolink 需要将参考图像作为公共 URL 提供。其他平台也接受本地文件。端点、字段和价格详见 references/providers.md。

S=<此技能目录>/scripts/seedream.py
python $S providers                                            # 平台 + 密钥变量名称
python $S models                                               # 模型 ID(byteplus / volcengine)
python $S generate --prompt "..." --size 16:9 --out out --name hero
python $S generate --provider fal --prompt-file p.txt --image a.png --size 2:3
python $S generate --prompt "..." --size 1:1 --background transparent   # RGBA PNG(5.5)
python $S generate --prompt "..." --dry-run                    # 仅显示请求;无需密钥,无费用
python $S generate --prompt "..." --count 4                    # 4 个选项 + 一个 HTML 联系表
python $S generate --image poster.png --layers 12 --ocr --size 2K --prompt "拆分为图层。用英文命名每个图层。"

E=<此技能目录>/scripts/export.py                           # 后期处理;需要 Pillow
python $E merge original.png edited.png                        # 编辑后:保留未改动像素的原始状态
python $E out/poster.png --to instagram-post --to story        # 平台尺寸(python $E presets)
python $E out/portrait.png --flip                              # 修复细节出现在错误一侧的问题
python $E layers out/poster_layers --original poster.png --live-text   # SVG 供 Figma 使用(可编辑文本),对齐的 PNG
python $E split out/icons.png --square --names sun,rain,snow   # 透明图集 -> 每个项目一个 PNG

在项目中工作

当图像属于某个代码库时,执行完整工作流程,而不仅仅是渲染(详见 references/project-assets.md):

  1. 找到项目存放图像的位置(public/、static/、Assets/、Assets.xcassets……)并写入该目录,而非临时文件夹。
  2. 在 .seedream/style.md 中锁定外观,并传递 --style(或清单中的 style_file)。如果用户已有 Logo 或网站,请先用 export.py style logo.png screenshot.png 初始化。
  3. 对于超过两个资产,编写 .seedream/assets.json 并运行 batch。它会打印计划和预估成本,在添加 --yes 之前不产生任何费用。先向用户展示该计划。重新运行时会跳过未更改的资产。
  4. 使用 --final-size WxH 或 export.py --to og|x-card|appstore-*|steam-* 获取精确尺寸。使用 export.py icons 制作图标(favicons、PWA、iOS、Android,以及 <head> 标签)。
  5. 将其接入代码(带有 alt 文本的 img 标签、OG meta、manifest 链接)并报告文件路径和成本(costs)。
python $S batch .seedream/assets.json            # 计划 + 成本;添加 --yes 以生成
python $S generate --prompt "..." --style .seedream/style.md --size 2K --final-size 1200x630
python $E icons public/images/logo.png --out public --bg "#ffffff" --name MyApp
python $S costs --out .seedream

当用户在探索风格时,建议使用 --count。每个选项都是一张独立的计费图像,因此在需求精确时,请使用 1。

  • 尺寸: 始终指定一个尺寸。API 在缺少尺寸时会返回正方形图像(脚本默认使用 16:9,若使用 --layers 则默认使用 2K 级别,以使图层跟随输入形状)。
    • 比例预设:1:1、4:3、3:4、16:9、9:16、3:2、2:3、21:9。
    • 尺寸级别:1K、1.5K、2K。
    • 或者使用任意 WxH 格式,面积需在 921,600 至 4,624,220 像素之间。API 强制执行此范围。
  • 参考图: 5.5 版本最多 10 张。它们按传递顺序编号为图像 1、图像 2 等。

确定模式

用户拥有…模式提示词必须完成的任务
仅有一个想法文本到图像遵循下面的提示词结构
一张待修改的图像编辑动作 + 指定目标 + 修改内容,然后列出所有需要保留的部分。背景替换、重打光、修复、移除、风格迁移、草图、扩展的相关配方:references/editing.md
多张图像需融合多参考图为每张图像指定一个角色:从中获取什么,忽略什么
需要优化的先前输出多轮编辑将最后输出作为图像 1,每轮只做一个改动
需要修改的特定区域区域编辑在 0–999 网格上使用 <bbox>x1 y1 x2 y2</bbox>,或在图像上画一个红色圆圈并说“红色圆圈内部……然后移除所有红色标记”
需要更宽的画布外扩先执行 export.py --fit pad --pad-color blur,然后“填充模糊区域”;切勿只说“扩展到 16:9”(它会框住原图)
需要抠出的透明素材透明背景使用 --background transparent(PNG)并加上“设置透明背景。”
一组图标、贴纸或精灵图图集 + 拆分先渲染一个透明背景的网格,然后使用 export.py split
需要制作成可编辑图层的平面设计图层或重建干净的 UI、平面图形:重建为带实时文本的 SVG/HTML(无需额外渲染)。绘画或照片类内容:使用 --layers N --ocr,然后使用 export.py layers --live-text。每个图层单独计费
需要翻译的设计本地化逐行拼写出翻译内容进行编辑,然后使用 merge
应用、网站、仪表盘、游戏 HUD 或自助服务终端屏幕UI带有标签、网格、十六进制颜色的规格式提示词:references/ui-ux.md
活动(舞台屏幕、徽章、标识牌)活动套件使用 WxH 精确的墙面比例,为二维码留出占位符,然后将舞台屏幕作为图像 1 重复使用(use-cases.md §12)

提示词结构

按以下顺序编写散文句子:

  1. 交付物和用途: 图像是什么以及它的用途(“电子商务主图”、“用于……的海报”)。
  2. 主体: 包含 2–3 个具体的物理细节。
  3. 动作和场景。
  4. 布局: 元素的位置、前景和背景,以及为文案留出的空白区域。
  5. 材质和纹理。
  6. 光照: 光源、方向、质量、颜色。
  7. 相机: 景别、角度、镜头、景深。
  8. 风格和调色。
  9. 精确文本: 用双引号括起来,说明其位置以及相对于其他部分的大小。
  10. 排除项: 最后一行。

细节优于简洁(已验证)。你忽略的任何内容,模型都会自行虚构。提示词最长约 600 个英文单词或 300 个中文字符(官方)。对于中文文本或根植于某种文化的视觉风格,请使用该语言编写提示词(中文已验证)。

参考图角色(务必明确声明):

图像 1 提供产品的精确形状、颜色和 Logo;忽略其背景。 图像 2 仅提供光照和色调。

编辑: 精确命名目标,切勿使用“它”。每轮重复保留列表。

图像 1 是当前图像。只需将夹克从灰色羊毛改为红色皮革。保留图像 1 中的面部、姿势、发型、背景、构图和光照完全不变。

模板共 14 个,包括文本密集型设计、图标表、翻译、图层分解和图像集,详见 references/prompting.md。常见任务的攻略见 references/use-cases.md。

在生成前检查

每个项目都标注了 已验证(我们实际运行过)、官方(字节跳动文档)或 用户报告(在公开评论或实际工作中看到)。完整列表见 references/failure-modes.md。

  • 单侧细节可能被镜像(已验证:6 次中有 3 次)。眼罩或耳环可能出现在错误的一侧。布局位置(“图像左”)和细节数量是准确的。如果哪一侧很重要,请双向描述,检查结果,必要时对图像进行镜像翻转。
  • 复杂场景中排除项会泄漏(已验证)。保持拥挤画面的边缘简洁。
  • 复杂布局中的相同项目(已验证)。数量准确,但不会完全相同。对于目录类工作,生成一个项目并复制它。
  • 用于视频的文字(用户报告)。不要在静态图像中放置文字,而在后期制作中添加。
  • 小而密的文字(用户报告)。保持文字大而简短,将精细印刷放在布局工具中。
  • 安全过滤器(用户报告)。使用中性措辞并说明业务背景。不要使用真人照片作为参考。
  • 虚构的额外元素(已验证)。注意封面上的条形码、书法上的印章、以及参考产品下方的杯垫或盘子。逐一排除。
  • 漂浮物体(已验证)。描述物理接触:“像瓶子里的漏斗一样放在杯子里”,而不是“在杯子上”。
  • 真实品牌 Logo(已验证)。“占位符 Logo” 返回的是 Airbnb、Slack 和 Stripe。请使用不带文字的纯灰色形状,或将真实 Logo 作为参考图传入。
  • 虚构的填充文案(已验证)。UI 中的空白文本槽会被填充上虚构的句子和数字。请自行编写每个字符串。对于演示文稿或概念设计,编写合理的占位文案并告知用户这是占位符;灰色条看起来不完整。
  • 图层按图层计费,且并非工作室级别的抠图(已验证)。慎重选择 N,要求英文名称,在纯色背景上检查边缘,并使用 --alpha-floor 清除朦胧区域。
  • 速度(已验证)。在 1K 或 2K 下每张渲染约 25 秒,图层拆分需 49–61 秒。1K 节省费用而非时间。对于实时应用,请参考 use-cases.md 中的速度攻略。
  • 编辑会重绘整个画面(已验证)。编辑后运行 export.py merge。
    • 对于拼写错误或重复行,请使用小区域编辑而非完全重新生成。

工作流程

  1. 了解目标、图像的使用位置、宽高比、任何参考图以及用户拥有哪个平台的密钥。仅询问一次。
  2. 检查密钥的环境变量是否已设置。切勿询问密钥本身。
  3. 选择模式和模板,编写提示词,分配参考图角色,并选择尺寸。
  4. 执行上述预检检查。
  5. 使用有意义的 --name 生成图像。如果请求不常见,请先运行 --dry-run。
  6. 查看图像并逐条与需求进行比较。
    • 放大检查每一段文字和产品细节。
    • 使用单次修改或区域编辑来修复问题,而不是完全重写。
    • 每次编辑后运行 export.py merge。
  7. 使用 export.py --to <预设> 根据最终用途完成输出。以 2:3 或 16:9 格式发布到 Instagram Feed 的图像会被裁剪为 4:5,因此请导出该尺寸或警告用户。对于一组尺寸,先渲染宽片主图,然后将宽片作为图像 1 渲染竖版(“相同的场景、道具、光照和文字,为 9:16 竖版画面重新构图;一幅连续的摄影作品”),并从竖版中裁剪出 4:5 或 1:1。除非用户明确要求,否则不同版本之间的微小差异(多一个面包)是可以接受的;不要为了匹配无人关心的细节而花费渲染次数。如果单侧细节出现在错误的一侧,请使用 --flip 进行镜像翻转。
  8. 报告路径、提示词、平台、尺寸以及所使用的渲染次数。

相关技能