233 lines
9.5 KiB
Markdown
233 lines
9.5 KiB
Markdown
---
|
||
name: image-remix
|
||
display-name-zh: 图片重混
|
||
description: |
|
||
Invoke when a user shares a reference image and wants new images with the same "feel" — composition,
|
||
color palette, lighting, style, or mood — but different content. Analyzes the image across 10 aesthetic
|
||
dimensions, collapses into 3 axes (Form / Aesthetic / Mood), then generates using a model matched to
|
||
the original's origin with adapted prompt style. Supports iterative refinement.
|
||
Trigger on: "remix this image," "make something like this," "same vibe different content,"
|
||
"I like this style make me…," "replicate this feel," "同风格不同内容," "照着这个感觉做,"
|
||
"帮我做一张类似风格的图," "我喜欢这张图的感觉," "复刻这种效果," "风格迁移," "图片remix,"
|
||
or any request where someone shares an image and wants new images inspired by its aesthetic.
|
||
Key distinction: user wants images INSPIRED BY the reference, not a copy or edit of it.
|
||
Do NOT trigger for: image editing, upscaling, format conversion, image-to-video generation.
|
||
summary-cn: 上传参考图，复刻它的感觉生成新图
|
||
summary-en: Generate new images with reference vibe
|
||
version: 0.7.3
|
||
tags: [Creative, Image, Style-Transfer, Remix, Design]
|
||
tags-cn: [创意, 图片, 风格迁移, 混搭, 设计]
|
||
exported-by: MiniMax-hub
|
||
---
|
||
|
||
# Image Remix — 图片灵感重混助手
|
||
|
||
用户发一张参考图，分析它"好在哪里"，生成保留核心感觉但内容全新的图片。
|
||
|
||
## 核心理念
|
||
|
||
- **溯源驱动生成**：先判断原图来自哪个模型/实拍/手绘，直接调用对应模型 + 匹配的 prompt 写法——MJ 用关键词堆叠，Flux 用自然语言长句。溯源、工具、写法三位一体
|
||
- **10维→3维坍缩**：内部 10 维分析，坍缩为用户可见的形/韵/意 3 维，精准定位"灵魂维度"
|
||
- **保留感觉，替换内容**：Remix = 换内容留灵魂
|
||
- **操作极轻**：发一张图 + 说一句话 → 就能出图，先出结果再迭代
|
||
|
||
## 约定
|
||
|
||
- 中间产物存储在 `./.image-remix/{session_name}/`（session_name 由图片文件名派生，小写去特殊字符）
|
||
- **禁止生成拼贴/宫格图**：每次生成调用只生成 1 张，严禁在 prompt 中写 "grid"、"collage"、"2x2" 等
|
||
- ⚠️ **MJ 四宫格说明**：MJ 固定输出 2×2 四宫格，由用户在画布中自行裁切处理
|
||
- ⚠️ **禁止传参考图进生图工具**（文生图路径）：参考图仅用于 Phase 1 分析，生成完全依赖文字 prompt，规避版权风险
|
||
|
||
---
|
||
|
||
## Pipeline
|
||
|
||
```
|
||
Phase 0: 输入 → Phase 1: 拆图 → Phase 2: 快选 → Phase 3: 出图 → Phase 4: 迭代 → Phase 5: 输出
|
||
```
|
||
|
||
---
|
||
|
||
## Phase 0: 输入
|
||
|
||
支持：本地路径 / URL（用 `import_images` 下载）/ 搜索描述（用 `image_search`）。
|
||
|
||
多张图时：分别分析 → 提取各图灵魂维度 → 融合为组合 prompt（如"A图构图 + B图色彩"）→ 告知用户后生成。
|
||
|
||
文件结构：
|
||
```
|
||
.image-remix/{session_name}/
|
||
├── decompose.json # Phase 1 分析结果
|
||
├── generation_log.md # 生成记录
|
||
└── outputs/ # 生成图片 v1_01.png …
|
||
```
|
||
|
||
---
|
||
|
||
## Phase 1: 拆图 (Decompose)
|
||
|
||
### 1a. 溯源
|
||
|
||
用 `read_media` 分析原图来源，对照 `references/model-fingerprints.md` 中的视觉指纹：
|
||
|
||
```
|
||
read_media(
|
||
file_path=参考图路径,
|
||
question="判断这张图最可能来自哪个 AI 模型 / 实拍 / 手绘。
|
||
参考 model-fingerprints.md 中的视觉指纹逐一比对。
|
||
重点关注：皮肤渲染、高光反射、边缘融合质量、色彩倾向、整体AI气质。
|
||
输出：model_guess、confidence(0-1)、clues(至少3条具体证据)、
|
||
alt_guess、is_ai_generated、is_photo、is_illustration"
|
||
)
|
||
```
|
||
|
||
### 1b. 10 维分析
|
||
|
||
```
|
||
read_media(
|
||
file_path=参考图路径,
|
||
question="从以下 10 个维度深度分析这张图片，每个维度给出
|
||
description（英文技术描述）、summary（中文概括）、score（0-1显著度）：
|
||
1.构图 2.美术风格 3.色彩(含palette色值) 4.光影 5.氛围
|
||
6.质感 7.主体 8.叙事 9.后期风格 10.媒介画派"
|
||
)
|
||
```
|
||
|
||
### 1c. 坍缩为形/韵/意
|
||
|
||
| 维度 | 对应底层 | 含义 |
|
||
|------|---------|------|
|
||
| **形** | 构图 + 主体 | 画的什么、怎么摆的 |
|
||
| **韵** | 美术风格 + 色彩 + 质感 + 后期 + 媒介 | 什么画风、什么调子 |
|
||
| **意** | 氛围 + 光影 + 叙事 | 什么感觉、什么情绪 |
|
||
|
||
取各子维度 score 加权平均，判断 1-2 个灵魂维度（最有辨识度的）。
|
||
|
||
### 1d. 写入 decompose.json
|
||
|
||
合并 origin + dimensions + collapsed + soul 字段写入文件。
|
||
|
||
---
|
||
|
||
## Phase 2: 快选
|
||
|
||
### 展示溯源结论（必须执行）
|
||
|
||
```
|
||
📍 溯源结论
|
||
原图来源：[model_guess]（置信度 [confidence]）
|
||
判断依据：[最关键 2-3 条 clues]
|
||
灵魂维度：[soul_summary]
|
||
|
||
🎯 直接调用：[匹配工具] — [一句话说明为什么]
|
||
Prompt 写法：[针对该模型的写法策略]
|
||
降级方案：[工具不可用时改用什么]
|
||
```
|
||
|
||
**溯源 → 工具 + Prompt 写法对照表**（溯源直接决定调用哪个工具和写法，两者不可分离）：
|
||
|
||
| 溯源来源 | 调用工具 | Prompt 写法 | 降级 |
|
||
|---------|---------|-----------|------|
|
||
| Seedream | Seedream 生图工具 | 写实长描述，精确五官/服装材质，光线氛围细化 | `all_in_one`，保持写法 |
|
||
| Kolors | Kolors 生图工具 | 写实描述，强调高光材质对比 | `all_in_one` |
|
||
| Hunyuan | Hunyuan 生图工具 | 写实 + 中式意境词，简洁留白 | `all_in_one` |
|
||
| Jimeng / 即梦 | 即梦生图工具 | 直接描述，风格词明确，饱和度显式写出 | `all_in_one` |
|
||
| Wanx / 通义万象 | Wanx 生图工具 | 简洁描述，避免过密细节堆叠 | `all_in_one` |
|
||
| Midjourney v5/v6 | MJ 生图工具 | 关键词堆叠 + 风格标签，简洁不啰嗦 | `all_in_one`，保持 keyword 写法 |
|
||
| Flux.1 | Flux 生图工具 | 自然语言长句，光线材质细描 | `all_in_one`，保持长描述 |
|
||
| Stable Diffusion | SD 生图工具 | 支持权重语法 `(词:1.3)`，负面 prompt 单独写 | `all_in_one`，去权重改自然语言 |
|
||
| DALL-E 3 | DALL-E 生图工具 | 自然语言，直白描述，避免过度风格化 | `all_in_one` |
|
||
| Ideogram | Ideogram 生图工具 | 明确文字内容和排版要求 | `all_in_one` |
|
||
| 实拍照片 | 高写实生图工具 | 摄影术语主导，镜头参数 + 胶片型号 | `all_in_one`，保持摄影术语 |
|
||
| 手绘 / 插画 | 插画生图工具 | 媒介 + 流派为锚 | `all_in_one`，保持媒介描述 |
|
||
| 通用 AI / 难判断 | `all_in_one_image_generation` | 关键词 + 自然语言混合 | 无需降级 |
|
||
| 完全不确定 | 多工具各出一张对比 | 每个工具用各自最优写法 | — |
|
||
|
||
**工具不可用时的降级规则**：降级到 `all_in_one_image_generation`，但**保持原工具的 prompt 写法风格不变**，最大限度保留风格基因。
|
||
|
||
### 生成路径选择（必须询问）
|
||
|
||
通过问答询问用户：
|
||
|
||
- **文生图（推荐）**：纯文字 prompt，零版权风险
|
||
- **图生图**：参考图作为 image_ref 传入，还原度更高，需用户确认版权风险
|
||
|
||
### 内容方向确认
|
||
|
||
直接问用户"你想画什么"，一句话即可进入出图。
|
||
|
||
若用户没有方向（只说"帮我 remix"），基于灵魂维度推荐 3 个替换方向供选择。
|
||
|
||
**快捷指令**：`换皮`（只换主体）/ `取风格`（保韵）/ `取构图`（保形）/ `取氛围`（保意）
|
||
|
||
---
|
||
|
||
## Phase 3: 出图
|
||
|
||
### 分支 A：文生图（Text-to-Image）
|
||
|
||
严禁将参考图传入生成工具。Prompt 完全基于 Phase 1 分析重建风格。
|
||
|
||
**Prompt 构建**：
|
||
```
|
||
[新内容主体]. [保留维度的英文 description]. single subject, one image only, no grid, no collage, no text, no watermark
|
||
```
|
||
|
||
**维度→Prompt 重点**：
|
||
|
||
| 保留维度 | Prompt 侧重 |
|
||
|---------|------------|
|
||
| 形 | 镜头角度、景别、主体位置、纵深层次 |
|
||
| 韵 | 艺术流派、色值/色彩关系、媒介描述、调色引用 |
|
||
| 意 | 情绪形容词、光源描述、文化/时代引用、隐喻语言 |
|
||
|
||
### 分支 B：图生图（Image-to-Image）
|
||
|
||
参考图作为 `image_ref` 传入，Prompt 侧重描述新内容方向，风格描述辅助引导。
|
||
|
||
### 生成参数
|
||
|
||
询问用户尺寸：**跟随原图**（默认，用 ffprobe 测量后映射）/ 1:1 / 16:9 / 9:16
|
||
|
||
「跟随原图」映射规则：ratio > 1.5 → 16:9；0.8~1.2 → 1:1；< 0.8 → 9:16。**必须先测量再写入 task_description，禁止猜测。**
|
||
|
||
默认生成 **4 张**变体，每张单独调用一次，prompt 做轻微变体保持差异。
|
||
|
||
输出保存到 `.image-remix/{session_name}/outputs/v{版本}_{序号}.png`，同步更新 `generation_log.md`。
|
||
|
||
---
|
||
|
||
## Phase 4: 迭代
|
||
|
||
展示结果后询问满意度：**满意结束** / **微调** / **换方向** / **换模型**。
|
||
|
||
微调直接在 prompt 层面调整，不回到 Phase 1 重新分析：
|
||
|
||
| 反馈 | 动作 |
|
||
|------|------|
|
||
| "色彩再冷一点" | 微调色彩 prompt 词 |
|
||
| "构图换成特写" | 调整镜头参数 |
|
||
| "风格差太多" | 增强风格描述或换模型 |
|
||
| "这张构图 + 那张色彩" | 组合两张维度重新生成 |
|
||
|
||
---
|
||
|
||
## Phase 5: 输出
|
||
|
||
交付清单：文件位置 / 生成总数 / 迭代轮数 / 灵魂维度 / 溯源来源 / Prompt 写法策略
|
||
|
||
可选：CDN 上传 / 风格入库（存入 `.image-remix/style-library/{风格名}.md`）/ 继续变体
|
||
|
||
**风格库格式**（`references/analysis-example.md` 有示例）：
|
||
```markdown
|
||
# {风格名}
|
||
## 溯源
|
||
- 原图来源 / 调用工具 / Prompt 写法策略
|
||
## 灵魂维度
|
||
- 灵魂：{形/韵/意} — {soul_summary}
|
||
## 成功 Prompt
|
||
{完整英文 prompt}
|
||
## 维度快照
|
||
- 形 / 韵 / 意
|
||
```
|