Geek-skills-seedream-imagegen

# Seedream 4.0 图像生成 Skill

此 Skill 提供使用 ByteDance Seedream 4.0 API 生成专业级 AI 图像的完整工作流程。

## 核心功能

- **高分辨率生成**: 支持 2K (2048x2048) 和 4K (4096x4096) 分辨率
- **灵活的纵横比**: 支持 1:1, 16:9, 9:16, 4:3, 3:2, 21:9 等多种比例
- **批量生成**: 单次请求最多生成 15 张图像
- **参考图像指导**: 支持最多 3 张参考图像来控制风格和构图
- **优秀的文本渲染**: 可在图像中生成清晰的文字内容
- **顺序批量生成**: 生成风格一致的系列图像

## 工作流程

### 1. 收集用户需求

在开始生成之前,务必询问用户以下信息:

#### 必需信息
- **图像描述**: 用户想要生成什么样的图像?
  - 询问: "请描述您想要生成的图像内容"
  - 提示: 鼓励用户提供详细描述,包括主题、风格、氛围等

#### 推荐询问的信息
- **尺寸需求**: 
  - 询问: "您需要什么尺寸的图像?(2K标准质量 或 4K高清质量)"
  - 默认: 2K
  - 说明: 2K 适合大多数用途,4K 适合打印或需要高清晰度的场景

- **纵横比**:
  - 询问: "您需要什么比例的图像?"
  - 常见选项及用途:
    - 1:1 (正方形) - 社交媒体、头像
    - 16:9 (横向宽屏) - 网页横幅、视频缩略图
    - 9:16 (竖向) - 手机壁纸、Stories
    - 4:3 (标准横向) - 演示文稿、打印
  - 默认: 1:1

- **数量**:
  - 询问: "需要生成几张图像?(1-15张)"
  - 默认: 1
  - 说明: 生成多张可以提供更多选择

### 2. 优化提示词

基于用户的描述,优化生成提示词。参考 `references/prompt_engineering.md` 获取详细指导。

**提示词优化原则**:
- 使用结构化描述: [主题] + [风格] + [细节] + [质量修饰词]
- 添加光照和氛围描述
- 包含具体的风格关键词
- 对于需要文字的图像,明确指定文字内容和字体风格

**示例转换**:

用户输入: "一只猫"

优化后的提示词:
```
"A fluffy orange tabby cat sitting on a wooden windowsill, 
golden hour lighting streaming through lace curtains, 
cozy home interior, warm color palette, soft focus background, 
professional photography, highly detailed fur texture"
```

### 3. 选择合适的参数

根据用户需求和图像类型选择参数:

#### 用途与参数对照表

| 用途 | size | aspect_ratio | max_images |
|------|------|--------------|------------|
| 社交媒体图片 | 2K | 1:1 或 9:16 | 1-3 |
| 网页横幅 | 2K | 16:9 或 21:9 | 1 |
| 打印海报 | 4K | 4:3 或自定义 | 1-2 |
| 产品图片 | 2K | 3:2 或 4:3 | 3-5 |
| 概念设计 | 2K | 16:9 | 5-10 |
| 营销素材 | 2K-4K | 根据媒介 | 3-5 |

### 4. 执行图像生成

使用 `scripts/generate_image.py` 脚本生成图像:

**命令行方式**:
```bash
python scripts/generate_image.py \
  --prompt "优化后的提示词" \
  --size 2K \
  --aspect-ratio 16:9 \
  --max-images 1 \
  --api-key YOUR_API_KEY \
  --output-dir ./outputs
```

**Python 代码方式**:
```python
from scripts.generate_image import SeedreamImageGenerator

generator = SeedreamImageGenerator(api_key="YOUR_API_KEY")

paths = generator.generate(
    prompt="优化后的提示词",
    size="2K",
    aspect_ratio="16:9",
    max_images=1,
    output_dir="./outputs"
)

print(f"生成的图像: {paths}")
```

### 5. 处理结果

- 图像将保存在指定的输出目录(默认 `./outputs`)
- 文件名格式: `seedream_YYYYMMDD_HHMMSS_提示词前缀.png`
- 如果生成多张图像,会自动添加编号后缀

### 6. 迭代优化

如果用户对结果不满意:
1. 询问具体需要调整的地方
2. 根据反馈优化提示词:
   - 添加更多细节描述
   - 调整风格关键词
   - 修改光照或氛围描述
3. 考虑调整技术参数:
   - 提高分辨率(2K → 4K)
   - 改变纵横比
   - 生成更多变体供选择

## 高级功能

### 使用参考图像

当需要特定风格或品牌一致性时:

```python
generator.generate(
    prompt="提示词",
    image_input=[
        "https://example.com/reference1.jpg",
        "https://example.com/reference2.jpg"
    ],
    size="2K",
    output_dir="./outputs"
)
```

参考图像用途:
- 指导艺术风格
- 保持品牌视觉一致性
- 提供构图参考

### 顺序批量生成

生成风格一致的系列图像:

```python
generator.generate(
    prompt="系列图像的统一描述",
    max_images=5,
    sequential=True,  # 启用顺序生成
    output_dir="./outputs"
)
```

适用场景:
- 产品系列图
- 故事板
- 品牌资产套件
- 社交媒体系列内容

### 自定义尺寸

对于特殊尺寸需求:

```python
generator.generate(
    prompt="提示词",
    size="custom",
    width=3000,
    height=2000,
    output_dir="./outputs"
)
```

## API 配置

### 设置 API 密钥

**方法 1: 环境变量** (推荐)
```bash
export SEGMIND_API_KEY="your_api_key_here"
```

**方法 2: 直接传递**
```python
generator = SeedreamImageGenerator(api_key="your_api_key_here")
```

### 获取 API 密钥

1. 访问 [Segmind](https://www.segmind.com/)
2. 注册账户
3. 在账户设置中生成 API 密钥

## 参考文档

当需要更详细的信息时,参考以下文档:

- **API 详细说明**: `references/api_reference.md`
  - API 参数完整说明
  - 请求示例
  - 错误处理
  - 性能指标

- **提示词工程**: `references/prompt_engineering.md`
  - 提示词结构指南
  - 风格关键词库
  - 用例示例
  - 最佳实践

## 常见场景快速参考

### 场景 1: 社交媒体图片
```python
generator.generate(
    prompt="优化的社交媒体内容描述",
    size="2K",
    aspect_ratio="1:1",
    max_images=3,  # 生成多个供选择
    output_dir="./outputs/social_media"
)
```

### 场景 2: 营销海报
```python
generator.generate(
    prompt="专业的营销海报描述,包含标题文字",
    size="4K",  # 高清晰度
    aspect_ratio="4:3",
    max_images=1,
    output_dir="./outputs/marketing"
)
```

### 场景 3: 产品概念图
```python
generator.generate(
    prompt="详细的产品描述和风格要求",
    size="2K",
    aspect_ratio="3:2",
    max_images=5,  # 多角度探索
    output_dir="./outputs/product_concepts"
)
```

### 场景 4: 品牌系列设计
```python
generator.generate(
    prompt="统一的品牌风格描述",
    size="2K",
    max_images=10,
    sequential=True,  # 保持一致性
    image_input=["品牌logo_url", "色卡_url"],
    output_dir="./outputs/brand_series"
)
```

## 故障排除

### 问题: API 返回 401 错误
- 检查 API 密钥是否正确设置
- 确认 API 密钥有效且有足够额度

### 问题: 生成的图像质量不理想
- 优化提示词,添加更多细节
- 尝试使用参考图像
- 提高分辨率到 4K
- 生成多张图像进行对比选择

### 问题: 生成时间过长
- 4K 图像需要更长时间(4-6秒)
- 批量生成会增加总时间
- 检查网络连接

### 问题: 图像中的文字不清晰
- 在提示词中明确指定字体风格
- 提高分辨率
- 添加 "high contrast", "bold typography" 等关键词

## 注意事项

- **API 额度**: 每次生成会消耗额度,注意监控剩余额度
- **生成时间**: 2K 约 1.8 秒,4K 约 4-6 秒
- **批量限制**: 单次请求最多 15 张图像
- **参考图限制**: 最多 3 张参考图像
- **提示词长度**: 建议 200-300 词以内

## 最佳实践

1. **始终优化提示词**: 不要直接使用用户的简短描述
2. **询问清楚需求**: 了解图像用途有助于选择正确参数
3. **提供多个选项**: 对于重要项目,生成 3-5 张供选择
4. **使用参考图像**: 需要特定风格时使用参考图像
5. **迭代优化**: 根据反馈持续改进提示词和参数
6. **保存成功案例**: 记录有效的提示词模板供后续使用