builtnotboosted/image-generation

圖片生成

此技能將貼文的訊息轉化為符合各平台精確尺寸的成品圖檔。它掌控整個產出方法：如何選擇場景、如何將標題融入圖片、如何保持真實人物的臉孔真實、如何控制長寬比、如何檢查檔案以及如何撰寫替代文字。它會將品牌常數（色板、字型、標誌規則、肖像規則）的決定權交給 brand/brand-profile.md，將標題的文案交給 writing 技能，將影片編輯中的封面製作交給 video-editing 技能，並將獨立的發佈前檢查交給 review-loop 技能。

權威順序：brand-profile.md 在品牌常數與合規用語上擁有最終決定權；此技能主導方法。

開始之前

1. 找到行銷工作目錄（預設為 marketing/）。如果不存在，用一句話說明，並提議執行 brand-setup 技能；若使用者想繼續，只需詢問色板（兩到三個十六進位色碼）、一個標題字型，以及是否會出現真實人物。
2. 讀取 brand/brand-profile.md 中的 ## Visual identity（色板、字型、標誌使用、圖片風格）、## Likeness（參考圖片路徑與規則）、## Platforms（圖片的發佈平台）、## Compliance（圖片中必須或不能出現的內容）、## Boundaries 與 ## Tools（可用的影像模型）。
3. 在鎖定任何標題文案之前，先讀取 brand/voice-learnings.md：標題是文案，文案應該聽起來像這個人會說的話。
4. 讀取 brand/performance-learnings.md，了解該帳號已學到哪些圖片能獲得較高觸及。
5. 在該素材的資料夾 content/<yyyy-mm-dd>-<slug>/ 中工作。圖片存放在該資料夾下的 images/ 子資料夾中。
6. 在產出前確認格式：純靜態、輪播、短影音封面、長影音封面或動態靜圖。如果無人指定，選擇最簡單且合適的格式，並用一句話說明原因。

標準

1. 標題是由影像模型內建於場景中，絕非透過程式碼後製貼上。 要求模型將標題與副標題作為圖片的一部分來渲染，並如同設計師般進行打光與擺放。原因：事後使用 PIL、Canva 式疊加或 HTML 添加的文字位於與照片不同的平面，看起來像廉價的模板，這正是人們拒絕 AI 圖片最常見的原因。影像模型現在已經擅長處理簡短的顯示文字；讓它來完成這項工作。
2. 標題是主角。 使用大而粗體、壓縮的字型，約佔可見高度的 40%，且絕不低於三分之一，由兩到三行短文組成，其中一個重點詞使用強調色。如果它讀起來像說明文字，那就失敗了。原因：網格與動態消息是在手機上以縮圖大小進行評判，只有大標題才能在那種情況下脫穎而出。
3. 所有文字都位於網格安全區內。 位於畫布中央的 1:1 正方形內，並在每一側再向內縮進 7% 到 8%，標題上方保留空白空間，且底部 12% 的區域內沒有任何重要內容。原因：個人資料網格、連結預覽與動態消息內的裁切會切掉邊緣。請開啟 references/grid-safe-zone.md 以查看各格式的具體數值。
4. 每張圖片都是一個獨特、逼真的場景，專為該訊息而建構。 一個人在真實地點做某件事，或一個強而有力的視覺隱喻，使用自然色彩，並謹慎使用品牌強調色。絕不重複使用相同背景上僅更換文字的同一張肖像。唯一的例外是刻意設計的每週系列，這種情況下可以有目的地重複其版面配置。
5. 真實人物保持真實。 當真實人物出現時，他們的臉孔必須來自他們的參考照片，並反映其實際年齡與體型。切勿發明臉孔，切勿直接發佈參考照片本身。
6. 精確尺寸，經過驗證。 每個檔案都必須完成至 references/asset-sizes.md 中指定的精確像素尺寸，並且必須檢查其尺寸，而非假設。
7. 切勿在程式碼中湊合形狀。 不要為了強制符合某個長寬比而對生成的圖片進行填充、加黑邊、鏡像、拉伸或合成。請改用長寬錨點（見下文）重新生成。原因：填充後的圖片會有看起來未完成的死區空間，而且一目了然。
8. 每張圖片一行替代文字。 對場景與內建標題進行樸實的描述，不包含主題標籤、連結或銷售用語。

方法

1. 決定圖片（每張圖片都重新發想）

1. 用一句話說出貼文的核心訊息。
2. 決定情緒：安撫、機智、冷靜、有趣、快樂或溫和警告。預設為溫暖。切勿使用絕望。
3. 發想出一個能傳達此訊息的視覺想法：一個人身處真實時刻（在繁忙的街道上講電話、在廚房的餐桌旁喝咖啡、拆包裹），或一個易於理解的隱喻（店面下的安全網、一條有一個裂開鏈節的鏈條、一個圈出某一天的日曆）。
4. 撰寫標題（2 到 5 個字為理想，絕不超過三行短文）與可選的一行副標題。以直接、字面的陳述句開頭，說明這是什麼；然後提供一個更巧妙的鉤子作為標註的替代方案。原因：直接了當的標題在清晰度與搜尋上通常表現更好，當人們有選擇時往往會選擇它們。
5. 從一開始就規劃好標題的空白區域，通常是網格安全正方形內較暗的天空、牆壁或陰影區域。

2. 生成內含標題的場景

撰寫一個提示詞，同時描述場景、光線、構圖與文字。準確拼出標題，並用引號標註，說明哪個詞使用強調色，要求在保留區域內使用「巨大、粗體、壓縮、海報級別」的字型，並確保副標題夠短而不會換行。保持圖片的底部區域乾淨。

防護措施，因為影像模型在可預測的情況下會失敗：

• 換行的副標題常常會在換行處重複一個字（「first first」）。請保持在一行內。
• 固定的微小文字（姓名、帳號、網址）經常被拼錯。如果品牌使用小的名稱標籤，請事後再蓋上那個元素（scripts/cover_from_frame.py --wordmark 示範了如何操作），而不是要求模型來處理。
• 長的標題會縮小並產生亂碼。使用更少的詞彙，更大的字體。

開啟 references/prompting-and-aspect.md 以了解提示詞結構、長寬比技巧以及 Gemini 的實作範例。簡而言之：如果你的工具提供了長寬比設定，請使用它；如果它只能輸出正方形，則編輯到目標比例的空白畫布上（scripts/aspect_scaffold.py），並且切勿同時傳遞正方形參考圖片。

3. 肖像鎖定（任何包含真實人物的圖片）

在會議中第一次處理以臉孔為主的圖片之前，請先閱讀 references/likeness-lock.md。簡而言之：

• 從 brand/reference-images/ 中的參考照片開始建立：將一張乾淨、正面的頭部特寫編輯到場景中，而不是用文字描述人物，並提供兩到三張裁切緊密的面部特寫（不是整張場景的自拍照，其背景會滲入）作為身份參考。先將橫向的手機照片旋轉為直立。
• 根據提供的彩色照片逐項檢查結果（髮色、髮型、鬍鬚、臉型與體型、眼鏡、年齡）。切勿根據另一張 AI 圖像來判斷相似度。
• 預計大約需要三到四次誠實的重新生成。如果仍然不像他們，將該素材重建為無臉場景（隱喻加上標題）。如果那樣也行不通，就先保留並說明原因。錯誤的臉孔比沒有圖片更糟糕。
• 切勿直接發佈或裁切參考照片到圖片中。它們僅是身份參考。

4. 真實畫面封面（針對已拍攝的影片）

當此人已拍攝談話頭影片時，封面應使用該影片的真實畫面幀來建立，而不是一個生成的肖像。這張臉是真實屬於他們的，並且封面與影片相符。這是唯一一種情況，在照片上設計文字疊加是正確的選擇，因為這是在為真實的照片加上標題，就像縮圖設計師會做的那樣。

1. 提取候選畫面幀（ffmpeg -ss <t>）或讓腳本在時間範圍內找到最清晰的人臉幀，並選擇一張有眼神接觸、表情溫暖（不是正在說話的瞬間）、焦點清晰且沒有內嵌字幕的幀。
2. 執行 scripts/cover_from_frame.py（查閱其 --help）：它會將畫面裁切至封面尺寸、添加柔和的遮罩、自動將主要標題（包含一個強調詞與底線）置於網格安全正方形內、添加可選的副標題帶與可選的名稱標籤，然後檢查每個文字框是否位於安全區域內。
3. 匹配影片的形狀：9:16 的短片需要 1080x1920 的封面，文字位於中央正方形；16:9 的長片需要 1280x720 的封面。如果該素材正在使用 video-editing 技能進行編輯，其自身的封面步驟會在編輯過程中完成此操作。

5. 動態靜圖（「無疊加」規則的唯一例外）

動態靜圖是一個 4 到 6 秒的循環 MP4 檔案，用於填補靜態圖片的位子，且多數動態消息會將其視為影片處理。文字必須是獨立圖層才能移動，所以在這裡，而且只有在這裡，設計過的動態文字（kinetic type）可以疊加在生成的場景上。它同樣需要達到相同的標準：一個真實的場景、主要標題、品牌色彩、網格安全放置，以及標題在第一幀中就已完全可見，因為網格會從影片的第一幀開始預覽。開啟 references/animated-statics.md 了解何時使用、scripts/animate_render.js 的設定、音軌版權規則以及審查要點。

6. 無可用影像模型：HTML 備案

如果沒有連接任何影像模型，或者素材是純文字版面（例如逐字引言卡、數據卡、文字投影片輪播、個人資料橫幅），請使用 HTML 與 CSS 進行設計，並透過 Playwright 渲染。重要規則：視口必須是真正的輸出尺寸，不要使用 CSS scale 變換，必須在截圖前載入字型，並且事後檢查 PNG 的尺寸。開啟 references/html-fallback.md 並使用 scripts/render_html.js。當需要逐字重現客戶推薦時，引言卡也是正確的選擇，因為生成的文字可能會走樣。

7. 完成、存檔與描述

1. 為每個目標平台完成至精確尺寸（references/asset-sizes.md）。一個 4:5 的主圖通常適用於 Instagram、Facebook、LinkedIn 和 Threads；只有在所有文字都位於中央正方形內時，才能透過中心裁切產生 1:1 的版本；否則請生成一個單獨的正方形圖片。
2. 執行 python3 scripts/check_image.py <file> --expect WxH --grid 來確認尺寸並產生一個網格預覽表（以縮圖大小顯示中心正方形和 3:4 裁切，並繪製安全框）。
3. 儲存到 content/<yyyy-mm-dd>-<slug>/images/，並使用能說明其用途的名稱（<slug>-feed-4x5.png、<slug>-cover-9x16.png）。
4. 為每張圖片撰寫一行替代文字，並放入素材的 PACKAGE.md 中，例如：「一位身穿沾滿麵粉圍裙的女性，將麵包店門上的牌子翻到『營業中』，上方有標題『在孩子上學前開始營業』。」 輪播投影片中的每一張都需要有自己的替代文字。影片封面則不需要替代文字。
5. 將最終的提示詞（以及任何重新生成的備註）保存在素材資料夾中，以便未來的重新生成能從先前有效的基礎開始。

發佈前檢查（審查循環）

每次生成與每次重新生成都是一張新的圖片，因此必須對已存檔的檔案進行完整檢查，將其開啟並目視審查，絕不能僅憑提示詞判斷：

• 標題、副標題以及任何蓋印標籤中每個單字的拼字；沒有重複的單字。
• 標題主導性：醒目，最容易被讀到，在個人資料網格的縮圖尺寸下清晰可辨。
• 網格安全：所有文字都位於有邊距的中央正方形內；沒有任何文字接觸邊緣；底部區域沒有任何內容。對於任何影片，請檢查第一幀。
• 肖像相似度（以臉孔為主的素材）：與提供的彩色照片進行比對的評分標準。不確定即視為不合格。
• 形狀：真實尺寸符合目標；沒有填充或拉伸。
• 品牌：色板與字型符合設定檔，強調色使用謹慎，色彩自然。
• 獨特性：不是帳號最近幾張圖片的近親複製品。
• 真實性與合規性：圖片中的任何數據或宣稱都能追溯到來源；來自 ## Compliance 的必要標籤已存在；## Boundaries 中的任何內容都未出現。

如果失敗，修正原因並重新生成，然後以同樣的方式審查新檔案。接著將整組素材交給 review-loop 技能進行獨立審查。如果某個素材無法乾淨地產出，保留提示詞，說明失敗原因並暫緩發佈。絕不要發送替代臉孔或僅後製貼上文字的妥協版本。

調適指南

• 沒有真實人物入鏡？ 跳過肖像鎖定，專注於場景與隱喻；其餘標準保持不變。
• 產品型企業？ 將產品視為「臉孔」：使用真實的產品照片作為參考，讓模型保持其形狀、標籤與色彩的真實性。
• 不同的影像模型？ 方法保持不變。只有 references/prompting-and-aspect.md 中的具體操作（如何設定長寬比、是否接受參考圖片）會改變。
• 系列格式（例如每週回顧、每週秘訣）：為該系列固定一個版面配置，並在系列之間變更所有其他元素。
• 受監管行業： 檢查 ## Compliance 中是否有任何必須出現在圖片上或絕不能出現的內容（數據、保證、推薦）。如有疑問，將宣稱保留在圖片之外，放在附有免責聲明的說明文字中。
• 你自己的經驗教訓： 當使用者拒絕或更換圖片時，在 brand/performance-learnings.md（視覺教訓）或 brand/voice-learnings.md（標題文案）中記錄是什麼以及原因，這樣下一次的圖片就能從更接近目標的地方開始。

此技能中的檔案

檔案	開啟時機
references/asset-sizes.md	完成任何檔案時；檢查平台當前尺寸時
references/grid-safe-zone.md	在任何格式上放置文字時
references/prompting-and-aspect.md	撰寫提示詞、對抗長寬比、使用 Gemini 時
references/likeness-lock.md	任何包含真實人物的圖片時
references/animated-statics.md	為靜態位子製作循環 MP4 時
references/html-fallback.md	無可用影像模型，或是純文字版面時
scripts/aspect_scaffold.py	為基於編輯的工具在目標比例上製作空白畫布時
scripts/cover_from_frame.py	從真實影片幀建立封面時
scripts/animate_render.js	渲染動態靜圖時
scripts/render_html.js	…

…

[truncated for translation]