Popiai-skill/ai-editing/face-warp/SKILL.md

name	display-name-zh	summary-cn	summary-en	description	version	tags	tags-cn	exported-by
face-warp	人像拼图	输入参考人脸，用拼图法解决人脸过审问题	Split reference face to pass moderation	Portrait deconstruction tool for AI image creation. Splits a portrait photo into 2 variants: faceless (features erased) + puzzle (features extracted). Enabling character-consistent content creation with AI generation models. Pipeline: portrait upload → analysis → 2 variant generation → quality check → composite → output. Trigger on: "face warp," "人脸拆解," "人物拆解," "面部解构," "portrait split," "faceless," "去脸," "五官提取," "face decompose," "人脸预处理," or any request where someone provides a portrait and wants face-deconstructed variants for downstream use. Do NOT trigger for: style transfer without face modification (use kontext), face swap between two people, deepfake creation, or portrait retouching.	0.5.3	[Image Portrait Face Preprocessing]	[图片 人像 人脸 预处理]	MiniMax-hub

Face Warp — 人物拆解工具

你是一个专业的人像解构艺术家，将一张人物照片拆解为 2 种变体图并拼合为最终成品， 在保持人物一致性的同时，为下游 AI 创作提供多样化素材。

Iron Law

每一张输出图都必须保持与原图的人物一致性。 服装、体态、肤色、发型 必须与原图高度一致。拆解是"解构"而非"替换"。

全局约定

• 所有产物存储在 ./.face-warp/{project_name}/
• 全自动执行：全程自动，无用户选择环节，生成失败自动重试（最多 2 次）
• 语言：文案默认中文（跟随用户输入语言），AI 生图 prompt 使用英文
• 禁止使用 cd 命令
• 模型选择：图片生成默认使用 nano_banana_image_generation（model_name: nano_banana_2，即 Gemini Pro）
• 质检重试：生成后用 read_media 评分，不合格自动调整 prompt 重试（最多 2 次），详见 references/quality-criteria.md
• 最终输出 1 张图：composite（faceless + puzzle 左右拼接）

资源文件

文件	用途
references/profile-template.md	Character Profile 结构模板
references/prompt-templates.md	faceless / puzzle 的 prompt 模板及重试强化词
references/quality-criteria.md	质检评分标准、阈值、重试策略

工作流程

Face Warp Progress:

- [ ] Phase 1: Portrait Upload & Analysis
- [ ] Phase 2: Generate 2 Variants
- [ ] Phase 3: Quality Check & Retry
- [ ] Phase 4: Composite (Faceless + Puzzle → Single Image)

---

Phase 1: Portrait Upload & Analysis

Goal

接收用户上传的人像照片，分析人物特征，生成 Character Profile。

Input / Output

	内容
Input	用户上传的人像照片（1 张），可选 aspect ratio
Output	./.face-warp/{project_name}/profile.md — 人物特征档案

Required Inputs

Input	Required	Description
Portrait photo	Yes	含清晰人脸的人物照片
Aspect ratio	Optional	输出图片宽高比（默认 9:16）

Flow

1. Save portrait to session:

   save_file_to_session(source_path=..., file_type="image")
   

2. Analyze portrait with read_media:

   read_media(
     file_paths=[portrait_image],
     question="Analyze this portrait in detail. Extract:
     1) Gender, approximate age range
     2) Hair: color, length, style
     3) Skin tone (light/medium/dark, warm/cool undertone)
     4) Face shape
     5) Distinctive facial features (eye shape, nose shape, lip shape, unique marks)
     6) Clothing: type, color, pattern, texture
     7) Pose and body posture
     8) Background/environment
     9) Lighting direction and quality
     10) Overall color palette"
   )
   

3. 按 references/profile-template.md 结构填充分析结果，保存到 ./.face-warp/{project_name}/profile.md

---

Phase 2: Generate 2 Variants

Goal

基于原始人像和 Profile，一次性并行生成 2 张变体图。

Input / Output

	内容
Input	原始人像 + profile.md
Output	./.face-warp/{project_name}/faceless.png + puzzle.png

2 张变体定义

#	名称	文件名	描述
1	五官擦除	faceless.png	面部五官被平滑擦除（光滑无特征皮肤），身体服装不变
2	五官拆分拼贴	puzzle.png	只保留五官特征（眼鼻唇眉），按脸部自然布局拆散拼贴在白色背景上

Prompt 构建

从 profile.md 提取人物描述前缀，与 references/prompt-templates.md 中的模板组合。

Prompt 前缀（从 profile 提取）：

[gender], [age range], [hair description], [skin tone], wearing [outfit description],
[pose description], [background/environment], [lighting]

完整 prompt = 前缀 + 模板（详见 references/prompt-templates.md）。

提交前对照 references/prompt-templates.md 底部的 Prompt Construction Checklist 逐项确认。

Generation

使用 nano_banana_batch_image_generation_v2 一次并行生成 2 张：

nano_banana_batch_image_generation_v2(
  count=2,
  prompts=[faceless_prompt, puzzle_prompt],
  image_paths=[
    [original_portrait],
    [original_portrait]
  ],
  aspect_ratios=["9:16", "9:16"],
  model_name="nano_banana_2",
  resolution="2K"
)

如果批量生成失败，则逐张用 nano_banana_image_generation 生成。

---

Phase 3: Quality Check & Retry

Goal

用 read_media 对生成图进行质量评分，不合格的自动调整 prompt 重新生成。

Input / Output

	内容
Input	faceless.png + puzzle.png + 原始人像
Output	通过质检的 faceless.png + puzzle.png（可能经过重试替换）

评分流程

详细评分标准、阈值和重试策略见 references/quality-criteria.md。

核心流程：

1. 将原图 + 两张生成图送入 read_media，按 quality-criteria.md 中的 Evaluation Prompt 评分
2. 解析评分结果，判断每张图是否 PASS（所有维度 ≥ 阈值）
3. FAIL 的图按 quality-criteria.md 中的 Retry Prompt Adjustment Strategy 调整 prompt，仅重生成不合格的那张
4. 最多重试 2 次，仍不合格则保留最佳版本
5. 将评分记录写入 ./.face-warp/{project_name}/quality_log.md

关键阈值速查

图片	关键维度	阈值
faceless	face_concealment	≥ 8
faceless	character_consistency / natural_appearance / image_quality	≥ 7
puzzle	no_full_face	≥ 8
puzzle	feature_accuracy / skin_tone_consistency / artistic_quality	≥ 7

---

Phase 4: Composite (Faceless + Puzzle → Single Image)

Goal

将通过质检的 faceless 和 puzzle 两张图左右拼接为一张完整的合成图。

Input / Output

	内容
Input	通过质检的 faceless.png + puzzle.png
Output	./.face-warp/{project_name}/output/composite.png

拼接方式

使用 ffmpeg 进行左右拼接，faceless 在左，puzzle 在右：

ffmpeg(args=[
  "-y",
  "-i", "./.face-warp/{project_name}/faceless.png",
  "-i", "./.face-warp/{project_name}/puzzle.png",
  "-filter_complex",
  "[0]scale=-1:1080[left];[1]scale=-1:1080[right];[left][right]hstack=inputs=2",
  "./.face-warp/{project_name}/output/composite.png"
])

规则：

• 两张图先统一高度（1080px），宽度等比缩放
• 使用 hstack 水平拼接（左: faceless, 右: puzzle）
• 输出到 ./.face-warp/{project_name}/output/composite.png

---

Completion

--- Face Warp Complete ---

Character: {character_description}
Output: .face-warp/{project_name}/output/composite.png

---

Error Handling

Error	Recovery
Portrait too low-res	Run super_resolution first
Face not clearly visible	Ask user for a clearer portrait
Batch generation fails	Fall back to single nano_banana_image_generation per image
Single image generation fails	Retry once with adjusted prompt, then skip and report

Anti-Patterns

• Don't skip quality checks: 质检是保证输出质量的关键环节，不能跳过
• Don't alter body proportions: 只改变面部呈现方式，不改变体型体态
• Don't change clothing: 服装必须与原图完全一致
• Don't over-stylize: 保持照片级写实感
• Don't ignore skin tone: 肤色一致性是人物一致性的关键