---
name: anime-style-forge
display-name-zh: 二次元风格锻造
description: |
  专注二次元/动漫/角色风格化的图片生成与转换。覆盖日系、国漫、韩系、欧美等多画风体系，
  通过溯源分析定位参考图的画风基因，用 10 维拆解→3 维坍缩精准锁定风格灵魂，
  匹配最优工具与 prompt 写法进行生成。
  Trigger on: "动漫化", "二次元风格", "改成国漫风", "赛璐璐", "吉卜力风格",
  "韩系水彩", "玄幻3D", "Q版", "日漫风", "画风转换", "漫画风格", "立绘",
  "anime style", "manga style", "webtoon style", "ghibli style",
  或任何涉及将内容转为特定二次元/动漫画风的请求。
  Key distinction: 用户要求生成或转换为某种二次元/动漫画风。
  Do NOT trigger for: 写实摄影风格、纯 logo 设计、通用图片编辑（裁剪/去背景等）。
summary-cn: 上传参考图，复刻画风生成新图
summary-en: Forge anime characters in target styles
version: 0.2.3
tags: [Creative, Image, Anime, Style-Transfer, Character, Manga, Donghua, Manhwa]
tags-cn: [创意, 图片, 动漫, 风格迁移, 角色, 漫画, 国漫, 韩漫]
exported-by: MiniMax-hub
---

# Anime Style Forge — 二次元风格锻造

用户描述一个角色/场景 + 指定画风 → 生成对应风格的图片。
或上传一张图 + 指定画风 → 转换为目标风格。

## 核心理念

- **画风溯源驱动**：先判断参考图/目标风格属于哪个画风谱系（时代、流派、制作方式），再匹配工具和 prompt 写法
- **10 维→3 维坍缩**：内部 10 维分析二次元画风特征，坍缩为用户可感知的 画风 / 角色 / 调性 3 维
- **风格档案库**：每种画风沉淀完整的视觉基因（prompt 模板 + 负向词 + 参数预设 + 踩坑提醒），不靠模型"猜"
- **操作极轻**：一句话 + 一张图（可选）→ 直接出图，先出结果再迭代

## 约定

- 中间产物存储在 `./.anime-style-forge/{session_name}/`
- **单图输出**：每次生成只输出 1 张完整图片。Prompt 中严禁出现 "grid"、"collage"、"2x2"、"4-panel"
- **四宫格裁剪**：部分引擎输出 2×2 四宫格而非单图，生成后**必须**自动裁剪为单图（见 Phase 3 单图提取流程），用户只看到最终单图
- **⚠️ 信息屏蔽规则**：
  - **禁止向用户暴露具体模型/引擎名称**（如底层使用的任何生图模型名、版本号、公司名）。对用户使用能力描述替代（如"最适合该风格的引擎"、"擅长 3D 渲染的引擎"、"擅长日系动漫的引擎"等）
  - **禁止向用户暴露 agent 底层工作流**（如 `read_media`、`image agent`、`editing agent` 等内部调用细节）。对用户只展示结果和创作意图
  - 内部路由表（`model-knowledge-base.md`、速查表等）仅供 agent 决策参考，**不向用户展示**
- **参考图策略（按引擎能力区分）**：
  - **编辑型引擎**：风格微调/局部编辑专用 → **必须传参考图**，prompt 用编辑指令式
  - **人脸锁定型引擎**：传原图锁住面部特征
  - **文生图引擎**：→ **不传参考图**，纯文字 prompt 重建内容
  - 参考图始终先分析提取角色特征，但只有编辑型/锁定型引擎在生成调用时传入
- 所有风格档案见 `references/style-bank.md`
- 画风视觉指纹见 `references/style-fingerprints.md`
- 模型能力与选择指南见 `references/model-knowledge-base.md`（内部参考，不向用户展示）

---

## Pipeline

```
Phase 0  →  Phase 1  →  Phase 2  →  Phase 3  →  Phase 4  →  Phase 5
 输入       画风定位      快选        出图        迭代        输出
```

---

## Phase 0: 输入

**三种输入模式**：

| 模式 | 输入 | 示例 |
|------|------|------|
| **纯文字生成** | 角色/场景描述 + 目标画风 | "画一个国漫玄幻风格的男角色，黑袍持剑" |
| **风格转换** | 参考图 + 目标画风 | [上传照片] "改成吉卜力风格" |
| **画风识别** | 参考图（无指定风格） | [上传图] "这是什么画风？帮我出同风格的" |

文件结构：
```
.anime-style-forge/{session_name}/
├── analysis.json          # Phase 1 分析结果
├── generation_log.md      # 生成记录
└── outputs/               # 生成图片 v1_01.png …
```

---

## Phase 1: 画风定位

### 分支判断

- **用户已指定画风**（如"国漫3D"）→ 直接跳到 1c 风格匹配
- **用户上传参考图但未指定**（如"这种风格"）→ 执行 1a + 1b 分析
- **用户说"动漫化"但没说哪种**→ 执行 1a 分析后推荐

### 1a. 画风溯源

分析参考图的画风来源，对照 `references/style-fingerprints.md`。

**分析要点**（内部执行，不向用户展示调用细节）：
- 逐一比对 style-fingerprints.md 中的视觉指纹
- 重点分析：线条处理方式、上色技法、人物比例、面部画法、色彩体系
- 输出字段：style_family / style_id / confidence / clues / era_feel / production / alt_style

### 1b. 10 维画风分析

**分析维度**（内部执行）：
1. 线条(Linework)：粗细、清洁度、可见度、描边风格
2. 上色(Coloring)：赛璐璃/渐变/水彩/厚涂/平涂
3. 人物比例(Proportions)：头身比、写实度、Q版程度
4. 面部画法(Face)：眼睛大小/画法、鼻子处理、嘴巴风格
5. 色彩体系(Palette)：饱和度、色温、主色调、配色逻辑
6. 光影处理(Shading)：二分阴影/柔和渐变/无阴影/戏剧性
7. 背景风格(Background)：写实/简化/纯色/氛围化
8. 年代感(Era)：哪个年代的画风特征
9. 媒介质感(Medium)：数码/传统/3D/混合
10. 文化圈(Origin)：日系/国风/韩系/欧美/混合
```

### 1c. 坍缩为 画风 / 角色 / 调性

| 维度 | 对应底层 | 含义 |
|------|---------|------|
| **画风** | 线条 + 上色 + 媒介 + 年代 | 用什么技法画的 |
| **角色** | 人物比例 + 面部画法 + 光影 | 人物长什么样 |
| **调性** | 色彩 + 背景 + 文化圈 | 整体什么感觉 |

取子维度 score 加权平均，确定画风的**灵魂轴**（最有辨识度的 1-2 个维度）。

### 1d. 风格匹配

将分析结果与 `references/style-bank.md` 中的风格档案匹配。

**匹配优先级**：
1. style_id 精确匹配
2. style_family + era_feel + production 组合匹配
3. 10 维特征向量最近邻匹配
4. 无法匹配 → 列出 Top 3 相近风格供用户选择

### 1e. 写入 analysis.json

```json
{
  "origin": { "style_family": "...", "style_id": "...", "confidence": 0.85, "clues": [...] },
  "dimensions": { "linework": {...}, "coloring": {...}, ... },
  "collapsed": { "style_axis": 0.9, "character_axis": 0.7, "tone_axis": 0.8 },
  "soul": { "primary": "画风", "summary": "90年代赛璐璐动画，硬朗线条+二分阴影是灵魂" }
}
```

---

## Phase 2: 快选

### 展示画风定位结果（必须执行）

向用户展示定位结果时，**不暴露模型名称和内部路由**：

```
🎨 画风定位
  风格：[style_name]（[style_id]）
  家族：[style_family] · [era_feel] · [production]
  置信度：[confidence]
  判断依据：[top 3 clues]
  灵魂轴：[soul_summary]

🛠️ 推荐方案
  Prompt 策略：[针对该风格的关键词方向]
  预期效果：[该风格的视觉特点描述]
```

### 任务类型维度决策（⚠️ 必须先于画风路由执行）

> 风格路由表只解决"用什么画风出图"，但有些任务的核心瓶颈不是风格，而是**一致性 / 指令遵循 / 输出格式**。这三个维度会覆盖风格路由的优先级。先走此框架，再查风格路由表。

#### 决策三问（按顺序）

**Q1：这张图需要参考上一张（或其他已生成图）吗？**
- 是 → 必须选 `max_refs ≥ 1` 的引擎，**排除 Niji 7 / MJ V7**（它们 max_refs=0，无法接受参考图）
- 否 → 继续 Q2

**Q2：这个任务的输出会被下一步复用为参考图吗？**
- 是 → 必须单图输出，**排除 Niji 7 / MJ V7**（它们固定输出四宫格，裁剪后才能传）
- 否 → 继续 Q3

**Q3：一致性 vs 风格极致，哪个是第一优先级？**
- 一致性优先 → **nano_banana 首选**（指令遵循强 + max_refs=10 + 单图输出）
- 风格优先 → 进入下方画风路由表

#### 任务类型 → 引擎约束速查

| 任务类型 | 核心需求 | 引擎约束 | 推荐 |
|---------|---------|---------|------|
| **分镜/多帧连续**（同角色/同场景 N≥2 张） | 跨图一致性 + 构图可锁定 | max_refs ≥ 1，单图输出 | **nano_banana** |
| **构图固定只改变量**（光影/季节/时间） | 构图锁定（传上一帧作 ref） | max_refs ≥ 1 | **nano_banana** |
| **表情差分**（同角色多表情） | 角色一致性（面部锁定） | max_refs ≥ 1 | **nano_banana** |
| **三视图 / 多角度立绘**（同角色） | 角色一致性 | max_refs ≥ 1 | **nano_banana** |
| **单张独立图**（立绘/头像/场景） | 风格准确度 | 无约束 | → 画风路由表 |
| **风格转换**（参考图→目标风格） | 参考图传递 + 重建 | max_refs ≥ 1，文生图路径 | 目标风格首选引擎 |

#### nano_banana 在分镜/多帧任务中的优势

- `max_refs = 10`：每一帧都可以把前一帧作为参考图传入，逐帧锚定人物外貌和场景构图
- 单图输出：不存在四宫格裁剪问题，输出即可直接传入下一帧
- 指令遵循强：「构图不变，只改光线方向」「同一角色，只换表情」等硬约束执行率高
- 中英文均支持：场景细节描述灵活

> ⚠️ **常见错配**：看到"分镜"任务 → 直接查画风路由表 → 选 Niji 7 / MJ V7 → 多帧角色漂移 + 无法传参考图。**必须先过决策三问。**

### 画风→引擎路由（⚠️ 内部使用，不向用户展示）

> 完整速查表见 `references/model-knowledge-base.md` →「画风→模型推荐速查表」节。按画风 id 查首选/备选引擎，再用上方「任务类型维度决策三问」覆盖校验。

**降级规则**：首选模型不可用时使用备选，**保持原风格的 prompt 写法不变**。

### 生成路径选择（必须询问）

根据任务类型选择路径（向用户描述路径时不提及具体引擎名称）：

- **文生图重建（风格转换首选 ⭐）**：分析原图提取所有特征，然后用目标风格的最优引擎纯文字重新生成。画质和风格深度最高。**跨风格转换必须走此路径。**
- **局部编辑（仅限细微修改）**：传入原图 + 编辑指令。仅适用于改发色/改服装颜色/加配饰等**不改变整体风格**的局部修改。
- **人脸锁定**：传入原图锁住面部特征 + 风格 prompt，人物最像但风格转化程度不确定
- **多引擎对比**：同一内容用 2-3 个引擎各出一张，对比挑选最佳

### 内容方向确认

- 用户已描述内容 → 直接进入 Phase 3
- 用户只给了风格没给内容 → 问"你想画什么？"
- 用户只给了参考图说"同风格" → 问"保留原图内容还是换新内容？"

**快捷指令**：
- `换风格`：保留内容，只切换画风
- `出立绘`：全身/半身角色立绘
- `出头像`：方形头像构图
- `多风格`：同一内容出 N 种画风对比
- `多模型`：同一风格用多个模型各出一张对比

### 风格转换路径选择（⚠️ 内部决策，不向用户展示）

先问用户一个问题："更在意**人物像**还是**风格到位**？"

| 用户优先级 | 路径 |
|-----------|------|
| 要像原图的人 | 人脸锁定型引擎 + 目标风格 prompt；或文生图引擎 + 精细角色描述 |
| 要画风到位 | 文生图路径（不传参考图）；查 KB 速查表选首选引擎 |
| 两者都要 | 两条路径各出一张，让用户对比挑选 |

---

## Phase 3: 出图

### Prompt 构建

从 `references/style-bank.md` 加载匹配风格的完整档案，按以下结构组装：

```
最终 Prompt = [风格锚点词] + [角色/场景描述] + [画风细化词] + [画质增强词]
负向 Prompt = [风格专属负向词] + [通用负向词]
```

**各风格轴对 Prompt 的影响**：

| 灵魂轴 | Prompt 侧重 |
|--------|------------|
| 画风 | 线条描述、上色技法、媒介关键词、年代风格标签 |
| 角色 | 头身比、面部特征、服装细节、姿势动作 |
| 调性 | 色彩关键词、光影描述、氛围形容词、背景处理 |

### 角色描述规范

二次元角色描述需包含（按重要性排序）：

1. **性别/种族/年龄段**：少女/少年/成年/幼儿
2. **发型发色**：具体描述（如"黑色长直发，刘海遮住右眼"）
3. **眼睛**：颜色、大小、特殊特征
4. **服装**：具体描述材质和款式（如"白色丝绸汉服，金色刺绣"）
5. **姿势/动作**：静态姿势或动态动作
6. **表情**：情绪状态
7. **配件/道具**：武器、饰品、宠物等

### 尺寸规则

询问用户或根据用途自动选择：

| 用途 | 推荐尺寸 |
|------|---------|
| 头像 | 1:1 |
| 立绘/角色卡 | 2:3 或 3:4（竖版）|
| 场景/横版 | 16:9 |
| 手机壁纸 | 9:16 |
| 条漫/Webtoon | 9:16（窄长）|

若有参考图，默认跟随原图比例（用 ffprobe 测量后映射，**禁止猜测**）。

### 生成执行

**按引擎分别执行**，查阅 `references/model-knowledge-base.md` 获取引擎专属 prompt 写法。

#### 四宫格单图提取流程

Midjourney（Niji 7 / V7）固定输出 2×2 四宫格（4 张变体拼在一张图中），**不是单图**。**每次调用 MJ 生图后必须立即执行以下裁剪步骤，不得跳过**：

1. 生成完成后，用 `read_media` 分析四宫格，评估 4 个面板（左上/右上/左下/右下）的质量
2. 选出最佳面板（编号 1=左上, 2=右上, 3=左下, 4=右下）
3. **立即用 bash ffmpeg 命令裁剪**（以下四选一，`INPUT` 替换为实际路径，`OUTPUT` 替换为目标路径）：
   ```bash
   # 面板1 左上
   ffmpeg -i INPUT -vf "crop=iw/2:ih/2:0:0" OUTPUT
   # 面板2 右上
   ffmpeg -i INPUT -vf "crop=iw/2:ih/2:iw/2:0" OUTPUT
   # 面板3 左下
   ffmpeg -i INPUT -vf "crop=iw/2:ih/2:0:ih/2" OUTPUT
   # 面板4 右下
   ffmpeg -i INPUT -vf "crop=iw/2:ih/2:iw/2:ih/2" OUTPUT
   ```
4. 裁剪后的单图才是最终输出，四宫格原图**不得**作为交付物展示给用户

⚠️ **此流程不可跳过，且必须用 bash ffmpeg 实际执行裁剪**。仅描述"选了哪张"而不裁剪等同于未执行。向用户展示的必须是裁剪后的单图路径，不是四宫格路径。

#### 各引擎 Prompt 语言与参考图传递（⚠️ 内部参考，不向用户展示）

> 详见 `references/model-knowledge-base.md`，此处仅为快速索引。
> 向用户解释时只说"我会用最适合这个风格的方式生成"，不提具体引擎名。

输出保存到 `.anime-style-forge/{session_name}/outputs/v{版本}_{序号}.png`。

同步更新 `generation_log.md`：
```markdown
## v1 — 2026-04-27
- 风格：jp_cel（日系赛璃璃）
- Prompt：[完整 prompt]
- 负向：[完整负向词]
- 结果：v1_01 ~ v1_04
```

---

## Phase 4: 迭代

展示结果后询问满意度：

| 选项 | 动作 |
|------|------|
| ✅ 满意 | → Phase 5 输出 |
| 🔧 微调 | 在 prompt 层调整，不回 Phase 1 |
| 🔄 换风格 | 切换到另一个 style_id，保留内容描述 |
| 🎨 混搭 | "这张的线条 + 那张的配色" → 组合维度重新生成 |

**微调映射表**：

| 用户反馈 | Prompt 动作 |
|---------|-----------|
| "线条再粗一点" | 增强 `bold outlines, thick lineart` |
| "颜色太鲜了" | 降饱和，加 `muted`, `desaturated` |
| "眼睛画得不对" | 细化眼睛描述，加 `detailed {style} eyes` |
| "不够二次元" | 增强风格锚点词权重，加 `anime, 2D` |
| "太二次元了/想半写实" | 减弱风格词，加 `semi-realistic` |
| "背景太复杂" | 加 `simple background, solid color bg` |
| "动作不自然" | 重新描述姿势，加 `natural pose` |
| "像AI画的" | 加 `hand-drawn feel`，去 `highly detailed` 等过度修饰词 |
| "想要某某番/游戏的感觉" | 切换到对应作品的风格档案 |

---

## Phase 5: 输出

交付清单：

```
📦 交付
  画风：[style_name]
  灵魂轴：[soul_summary]
  生成数量：[N] 张（[M] 轮迭代）
  文件位置：.anime-style-forge/{session_name}/outputs/
  使用 Prompt：[完整 prompt，方便复用]
```

**可选操作**：

- **风格入库**：将本次成功的风格参数存入 `.anime-style-forge/style-library/{风格名}.md`，供未来复用
- **多风格对比**：同一内容用 2-3 种画风各出一组，生成对比展示页
- **继续变体**：基于最满意的一张继续出变体

---

## 文件结构

```
anime-style-forge/
├── SKILL.md                        # 本文件
├── references/
│   ├── style-bank.md               # 风格档案库（核心）
│   ├── style-fingerprints.md       # 画风视觉指纹（溯源用）
│   ├── model-knowledge-base.md     # 生图模型能力矩阵与选择指南
│   ├── benchmark-notes.md          # Benchmark 实测经验与已知弱项
│   └── analysis-example.md         # 分析示例
└── assets/
    └── template.html               # 结果展示网页模板
```

## 使用示例

**示例 1：指定风格生成**
```
用户：画一个国漫玄幻3D风格的角色，黑袍持剑站在云海上

→ Phase 1: 直接匹配 cn_xuan3d
→ Phase 2: 展示风格档案 + 确认
→ Phase 3: 组装 prompt（Unreal Engine + 中式玄幻元素 + 角色描述）
→ Phase 4: 出图，用户对结果微调
→ Phase 5: 交付 + prompt 留存
```

**示例 2：风格转换**
```
用户：[上传真人照片] 帮我动漫化

→ Phase 1: 默认 jp_cel，分析原图面部/服装/背景
→ Phase 2: "推荐赛璐璃风格，也可以选吉卜力/韩系水彩"
→ Phase 3: 文生图，prompt 重建原图内容 + 赛璐璃风格词
→ 输出
```

**示例 3：画风识别 + 同款**
```
用户：[上传一张韩漫截图] 这是什么风格？帮我出一个同风格的角色

→ Phase 1: 溯源分析 → kr_webtoon，灵魂轴=画风（干净勾线+明快平涂）
→ Phase 2: 展示分析 + 问角色描述
→ Phase 3: 用 kr_webtoon 模板生成
→ 输出
```

**示例 4：多风格对比**
```
用户：同一个角色帮我出吉卜力、国漫3D、韩系水彩三种风格

→ Phase 1: 并行加载 jp_ghibli / cn_xuan3d / kr_watercolor
→ Phase 3: 三种风格各出2张 = 6张
→ Phase 5: 生成对比展示页
```



> 📋 Benchmark 实测经验见 `references/benchmark-notes.md`