OyJI 縮圖 是做什麼的?
改編自 higgsfield-youtube-thumbnail(MIT 授權,(c) 2026 Higgsfield AI):概念閘門、參考清單、提示順序、渲染後閘門與手術級微調。工具、模型與文字疊加層為我們自有。參見 ../../NOTICE-higgsfield.md。
需要 OyJI MCP(generate_image、upload_from_url)、模型 nano-banana-pro,以及本地 Python 搭配 Pillow 處理標題文字(scripts/thumb_text.py)。圖片皆為免費。
規則
- 使用使用者的語言回覆。聊天中不涉及模型運作機制。
- 誠實。 縮圖只能承諾影片實際提供的內容。絕不虛構任何宣稱、結果、產品、人物、螢幕截圖或數字。
- 風格參考縮圖僅供觀察(能量、構圖、色調、情感),絕不作為參考圖片傳遞給模型:不允許複製其身份或精確佈局。
- 僅針對簡報中未回答的部分提出一個緊湊問題:影片的主題與承諾、出現的人物(0 到 3 人)、標誌、標題(2 到 4 個字)、比例。
- 如果概念需要人物但未提供臉部照片,詢問是否使用使用者本人(其臉部資料,參見
oyji-face-id)、另一位經允許的他人,或一個原創角色。絕不擅自決定。
比例(OyJI:1:1、3:4、4:3、9:16、16:9)
16:9 用於 YouTube;9:16 用於 Shorts、Reels 和 TikTok(臉部位於上方三分之二,底部會被應用程式自身的按鈕遮蓋);3:4 用於 Instagram 動態封面(OyJI 沒有 4:5)。圖片長邊約為 1 到 1.5 千像素:對這些用途已足夠;若要求 4K 請告知。
概念閘門
內部思考至少五個誠實概念,然後選出最強的一個。優先選擇一個焦點主體、最小雜亂,以及一個資訊落差:觀眾看到某樣東西,使他們需要答案,而影片提供了答案。有用的框架:反應表情加上一個令人驚訝的物體;巨大的尺寸對比;一個引發「如何」的數字或結果;前後對比(僅在被要求時);一個部分隱藏的神秘物體;對比(僅在被要求時使用分割佈局);指著空無一物的人不是一個概念。它必須在大約 120 像素寬度下、一秒內可讀:透過將結果縮小到 120 像素來檢查。
當使用者只給出一個數字時的情緒階梯:震驚、炒作、憤怒、敬畏、大笑、恐懼、得意、魅力、困惑、決心、厭惡。
參考與提示
參考順序:先臉部(角色順序),再標誌,最多 6 個(nano-banana-pro)。當附加兩個或以上參考時,提示的第一行需命名它們:IMAGE REFERENCES: image 1 = CHARACTER 1 face; image 2 = brand logo.
提示順序(我們的措辭):
- 框架: 一個大膽、有力、海報級的照片真實感縮圖,選擇的比例,單一統一的框架(除非要求,否則不分割畫面)。
- 場景: 完全符合使用者描述的內容。
- 文字: 預設為
No text, no readable UI labels, no watermark.標題之後才加入(見下方)。 - 人物: 大型、前景、胸部以上或中近景,約佔畫面的 40% 到 60%;
All faces crisply sharp.對於每個被參考的人物:CHARACTER N: the person from image K, exactly the same face: bone structure, eye shape, nose, lips, jaw, skin tone, hairline. Do not beautify, average or restyle. Expression: <emotion>. - 關鍵元素: 僅限解釋資訊落差的道具。
- 標誌: 精確的形狀、顏色與字母,遠離臉部。(若有光澤 3D 標誌,先單獨製作圖片;將其作為最後一個參考。)
- 位置、構圖: 一個主角位於強力三分點,清晰的尺寸層次,強烈的主體與背景分離。
- 背景: 鮮豔高對比的色塊或環境,帶有柔和暗角。
- 人物光線: 強烈的主光雕刻臉部,柔和的補光,以及明亮的邊緣光勾勒頭髮與肩膀。
- 色調: 鮮豔、光澤、海報衝擊感、深黑色;僅在明確的冷靜或高級簡報中克制使用。
每個不同的概念或表情只產生一次呼叫(count 1 到 2 即可);僅變化概念、表情或鏡頭行。整個工作最多約 16 次生成。
檢查每個結果(仔細觀看)
身份是否與參考匹配;無多餘文字或浮水印;臉部與主角元素在 120 像素下仍然可讀;概念是否與影片相符。若硬性失敗:最多重新執行相同提示兩次。若無法查看圖片,請告知並讓使用者判斷;不要聲稱通過檢查。
手術級微調
將選中的結果作為唯一參考,並使用 strict: true:Change ONLY <the expression / the background colour / the rim light>. Everything else stays exactly as it is. 允許的範圍:表情、背景替換、背景重新配色、邊緣光重新配色。絕不為小需求重新生成整張圖片。
標題(本地生成,絕不使用模型)
python3 -I scripts/thumb_text.py spec.json,一個 2 到 4 個字的標題,使用哈薩克語或俄語。預設樣式:beast(黃色、粗黑描邊)、fire(橘色到紅色)、lime(霓虹萊姆綠)、clean(白色帶柔和陰影)。
{"image":"pick.png","out":"thumb.png","text":"БҰЛ НЕ БОЛДЫ?","preset":"beast","position":"left","size":0.16}
position:left、right、top、bottom、center。保持文字遠離臉部;若基礎圖片沒有空白區域,請重新生成帶有清晰區域的基礎圖片,而非遮蓋主體。腳本使用的字型需支援哈薩克字母,否則會停止執行。
交付
通過的圖片,每張附上簡短標籤(例如 shock / close-up)、比例,以及說明是否乾淨或已包含標題。除非詢問,否則不提供提示或 ID。