Seedream
將使用者的意圖轉換為 Seedream 提示詞,透過 scripts/seedream.py 在使用者的平台上執行,根據需求檢查結果,並逐一修正問題。
永遠適用的規則
- 金鑰屬於使用者且應保留在環境變數中。 切勿在對話中要求金鑰,也不得將金鑰寫入檔案、參數、提示詞或提交內容。若缺少金鑰,請列出變數名稱(
python scripts/seedream.py providers可列出所有變數)並停止操作。 - 切勿覆蓋輸出檔案。 腳本會自動添加
_2、_3等後綴。 - 切勿在未告知的情況下切換平台或模型。 若預設選項失敗,請說明您發現的狀況。
- 回報 檔案路徑、使用的提示詞、平台和尺寸。每張圖片旁邊的
.txt側邊檔案即為完整記錄。 - 從使用者的工作目錄執行腳本,以便相對路徑能正確指向他們的檔案。
選擇平台
| 使用者擁有下列平台的金鑰… | --provider | 該平台最新的 Seedream 版本 |
|---|---|---|
| BytePlus ModelArk (國際版) | byteplus (預設) | 5.5 |
| Volcengine Ark (中國版) | volcengine | 5.5 |
| Runware / WaveSpeed / Kie.ai / Evolink | runware / wavespeed / kie / evolink | 5.5 |
| fal / OpenRouter | fal / openrouter | 5.5 (fal 也支援 --layers) |
| Replicate | replicate | 5.0 Pro (尚無 5.5) |
各平台會頻繁新增模型。若使用者詢問某個版本,請先查閱該平台的即時模型列表,再回報該版本是否可用。
腳本會為每個平台轉換尺寸、參考圖和輪詢機制。Kie.ai 和 Evolink 需要以公開 URL 形式提供參考圖片。其他平台也接受本地檔案。端點、欄位和價格請參閱 references/providers.md。
S=<此技能目錄>/scripts/seedream.py
python $S providers # 平台 + 金鑰變數名稱
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 # 顯示請求內容;不檢查金鑰,不產生費用
python $S generate --prompt "..." --count 4 # 4 個選項 + 一個 HTML 聯絡表
python $S generate --image poster.png --layers 12 --ocr --size 2K --prompt "Split into layers. Name every layer in English."
E=<此技能目錄>/scripts/export.py # 後製;需要 Pillow
python $E merge original.png edited.png # 編輯後:保留未觸碰的原始像素
python $E out/poster.png --to instagram-post --to story # 平台尺寸 (python $E presets)
python $E out/portrait.png --flip # 修正出現在錯誤一側的細節
python $E layers out/poster_layers --original poster.png --live-text # 供 Figma 使用的 SVG (可編輯文字)、對齊的 PNG
python $E split out/icons.png --square --names sun,rain,snow # 透明圖集 -> 每個項目一個 PNG
在專案內工作
當圖片屬於一個程式碼庫時,請完成所有工作,而不僅僅是渲染 (references/project-assets.md):
- 找出專案存放圖片的位置(
public/、static/、Assets/、Assets.xcassets…)並寫入該處,而非暫存資料夾。 - 在
.seedream/style.md中鎖定視覺風格,並傳遞--style(或在清單中使用style_file)。若使用者已有標誌或網站,請先以export.py style logo.png screenshot.png開始。 - 若資產超過兩個,請撰寫
.seedream/assets.json並執行batch。它會先印出計劃和預估費用,在加上--yes之前不會花費任何資源。請先向使用者展示該計劃。重新執行時會跳過未變更的資產。 - 使用
--final-size WxH或export.py --to og|x-card|appstore-*|steam-*取得精確尺寸。使用export.py icons製作圖示(favicons、PWA、iOS、Android,以及<head>標籤)。 - 整合進網頁(帶有替代文字的 img 標籤、OG meta、manifest 連結)並回報檔案和費用(
costs)。
python $S batch .seedream/assets.json # 計劃 + 費用;加上 --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
當使用者在探索一個視覺風格時,請提供 --count。每個選項都是一個獨立收費的圖片,因此當需求精確時請使用 1。
- 尺寸: 務必提供一個。當尺寸遺漏時,API 會回傳一個正方形圖片(腳本預設為 16:9,或在
--layers時預設為2K等級,以便圖層跟隨輸入的形狀)。- 比例預設值:
1:1、4:3、3:4、16:9、9:16、3:2、2:3、21:9。 - 解析度等級:
1K、1.5K、2K。 - 或任何
WxH,其面積需介於 921,600 到 4,624,220 像素之間。API 會強制執行此範圍。
- 比例預設值:
- 參考圖: 在 5.5 版本上最多 10 張。它們會依照您傳遞的順序被編號為圖片 1、圖片 2,以此類推。
決定模式
| 使用者擁有… | 模式 | 提示詞必須做的事 |
|---|---|---|
| 只有一個想法 | 文字轉圖片 | 遵循下方的提示詞結構 |
| 一張要修改的圖片 | 編輯 | 動作 + 命名目標 + 更改內容,然後列出所有要保留的部分。背景交換、重新打光、修復、移除、風格轉換、草圖和向外延伸的食譜:references/editing.md |
| 多張要合併的圖片 | 多參考圖 | 為每張圖片指定一個角色:要從中取得什麼以及忽略什麼 |
| 一個要優化的先前輸出 | 多輪編輯 | 將最後一次輸出作為圖片 1,並每輪只做一項更改 |
| 一個要更改的特定區域 | 區域編輯 | 在 0–999 網格上使用 <bbox>x1 y1 x2 y2</bbox>,或在圖片上畫一個紅色圓圈並說「紅色圓圈內部 … 然後移除所有紅色標記」 |
| 一個更寬的畫布 | 向外延伸 | 使用 export.py --fit pad --pad-color blur,然後「填充模糊區域」;切勿只是「延伸至 16:9」(它會將原始圖片框住) |
| 需要一個去背的素材 | 透明 | --background transparent (PNG) 加上「設定透明背景。」 |
| 一組圖示、貼紙或精靈圖 | 圖集 + 分割 | 一次網格渲染搭配透明背景,然後使用 export.py split |
| 一個要讓其可編輯的平面設計 | 圖層或重建 | 乾淨的 UI、平面圖形:重建為帶有可編輯文字的 SVG/HTML(無需額外渲染)。繪畫風格或照片內容:使用 --layers N --ocr,然後使用 export.py layers --live-text。每個圖層都會收費 |
| 一個要翻譯的設計 | 在地化 | 編輯時將每一行的翻譯明確拼寫出來,然後使用 merge |
| 一個應用程式、網站、儀表板、遊戲 HUD 或資訊站螢幕 | UI | 包含標籤、網格、十六進位顏色的規格風格提示詞:references/ui-ux.md |
| 一個活動(舞台螢幕、徽章、標示牌) | 活動套件 | 以 WxH 指定確切的牆面比例、為 QR 碼預留佔位符,然後將舞台螢幕重複用作圖片 1 (use-cases.md §12) |
提示詞結構
撰寫散文句,按以下順序:
- 交付物和目的: 圖片是什麼以及它的用途(「一張電商的主打商品照」、「一張用於…的海報」)。
- 主體, 包含 2–3 個具體的物理細節。
- 動作和場景。
- 構圖: 物件的位置、前景和背景,以及為文案預留的空白空間。
- 材質和紋理。
- 燈光: 來源、方向、品質、顏色。
- 相機: 景別、角度、鏡頭、景深。
- 風格和色調。
- 精確文字, 用雙引號括起來,並說明其位置以及與其他部分相比的大小。
- 排除項: 最後一行。
細節勝於簡潔 (已測試)。您遺漏的任何細節,模型都會自行編造。提示詞最多約 600 個英文字或 300 個中文字 (官方)。對於中文文字或植根於某個文化的外觀,請使用該語言撰寫提示詞 (已測試 中文)。
參考圖角色(務必說明):
圖片 1 提供產品的精確形狀、顏色和標誌;忽略其背景。 圖片 2 僅提供燈光和色調。
編輯: 精確命名目標,切勿使用「它」。每輪都重複保留清單。
圖片 1 是目前這張圖片。只將外套從灰色羊毛改為紅色皮革。保留臉部、姿勢、頭髮、背景、構圖和燈光,完全與圖片 1 相同。
references/promoting.md 中有 14 個範本,包含文字密集型設計、圖示表、翻譯、圖層分解和圖片集。常見工作的劇本請參閱 references/use-cases.md。
在耗費一次渲染前檢查
每個項目都標有 已測試(我們執行過)、官方(字節跳動文件)或 報導(在公開評論或生產工作中見過)。完整列表在 references/failure-modes.md。
- 單側細節可能會被鏡像 (已測試:3/6)。眼罩或耳環可能會出現在錯誤的一側。佈局位置(「在圖片左側」)和數量細節則會保留。如果哪一側很重要,請以兩種方式說明,檢查結果,並在必要時翻轉圖片。
- 排除項在繁忙場景中會滲漏 (已測試)。保持擁擠的畫面邊緣簡單。
- 複雜佈局中的相同項目 (已測試)。數量會保留,但相同性不會。對於目錄類工作,請生成一個項目然後複製它。
- 用於影片的文字 (報導)。請將其從靜止圖像中移除,並在後製中添加。
- 小而密集的文字 (報導)。保持文字大而簡短,並將細小文字放在佈局工具中。
- 安全過濾器 (報導)。使用中性用語並說明商業背景。不要使用真實人物的照片作為參考圖。
- 幻想的額外物體 (已測試)。注意封面上的條碼、書法上的印章,以及參考產品下方的碟子或盤子。逐個按名稱排除。
- 漂浮的物件 (已測試)。描述物理接觸:「像瓶子裡的漏斗一樣放在馬克杯內」,而不是「在馬克杯上」。
- 真實品牌標誌 (已測試)。「佔位標誌」回傳的結果是 Airbnb、Slack 和 Stripe。請要求使用沒有字母的純灰色形狀,或將真實標誌作為參考圖傳遞。
- 幻想的填充文案 (已測試)。UI 中的空白文字欄位會產生虛構的句子和數字。請自行撰寫每個字串。對於簡報或概念,請撰寫合理的文案並告知使用者這是佔位符;灰色條看起來未完成。
- 圖層按每個圖層收費,且不是工作室級的去背 (已測試)。謹慎選擇 N,要求使用英文名稱,在純色上檢查邊緣,並使用
--alpha-floor清除霧狀區域。 - 速度 (已測試)。在 1K 或 2K 下每次渲染約需 25 秒,圖層分割則需 49–61 秒。1K 省錢但不省時。對於即時應用程式,請參閱
use-cases.md中的速度劇本。 - 編輯會重新繪製整個畫面 (已測試)。編輯後執行
export.py merge。- 對於打字錯誤或重複的行,請使用小範圍區域編輯,而非完全重新生成。
工作流程
- 了解目標、圖片將用於何處、長寬比、任何參考圖,以及使用者擁有哪些平台的金鑰。只問一次。
- 檢查金鑰的環境變數是否已設定。切勿索取金鑰本身。
- 選擇模式和範本,撰寫提示詞,指派參考圖角色,並選擇尺寸。
- 執行上述的預檢查。
- 使用有意義的
--name生成。若請求不常見,請先執行--dry-run。 - 查看圖片並逐項與需求進行比較。
- 放大檢視每一個文字和產品細節。
- 使用單次更改或區域編輯來修正問題,而非完全重寫。
- 每次編輯後執行
export.py merge。
- 使用
export.py --to <預設值>完成目標平台的輸出。發佈到 Instagram 動態的 2:3 或 16:9 圖片會被裁切成 4:5,因此請先匯出或警告使用者。對於一組尺寸,請先渲染橫向主圖,然後將橫向主圖作為圖片 1 渲染直向版本(「相同場景、道具、光線和字體,重新構圖為 9:16 的直向畫面;一張連續的照片」),並從直向版本裁切出 4:5 或 1:1。若使用者未指定,不同版本間的微小差異(多一個麵包)是可以接受的;不要為了匹配沒人要求的細節而耗費渲染次數。若單側細節出現在錯誤一側,請使用--flip鏡像翻轉。 - 回報路徑、提示詞、平台、尺寸和使用的渲染次數。