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) | volcengine | 5.5 |
| Runware / WaveSpeed / Kie.ai / Evolink | runware / wavespeed / kie / evolink | 5.5 |
| fal / OpenRouter | fal / openrouter | 5.5(fal 还支持 --layers) |
| Replicate | replicate | 5.0 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):
- 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。 - 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。 - 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。 - 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)。 - 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。
- 比例预设:
- 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:
- 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”)。
- 主体: 包含 2–3 个具体的物理细节。
- 动作和场景。
- 布局: 元素的位置、前景和背景,以及为文案留出的空白区域。
- 材质和纹理。
- 光照: 光源、方向、质量、颜色。
- 相机: 景别、角度、镜头、景深。
- 风格和调色。
- 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。
- 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
- 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。
- 检查密钥的环境变量是否已设置。切勿询问密钥本身。
- 选择模式和模板,编写提示词,分配参考图角色,并选择尺寸。
- 执行上述预检检查。
- 使用有意义的
--name生成图像。如果请求不常见,请先运行--dry-run。 - 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。
- 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。 - 报告路径、提示词、平台、尺寸以及所使用的渲染次数。