image-service

name	image-service
description	多模态图像处理技能，支持信息图、封面图、长图、幻灯片、漫画、文章插图、小红书图、营销物料等多场景生图，以及图生图、图生文、长图拼接。

zlab 图像处理技能

配置

配置项	值
API	配置文件中设置
生图模型	配置文件中设置
视觉模型	配置文件中设置
配置文件	config/settings.json

执行规范

• 脚本使用绝对路径调用，图片保存到当前工作目录
• 提示词必须使用中文，图中标题标签必须中文
• 含中文文字时，追加 guides/text-rendering.md 中的文字清晰后缀
• 默认宽高比 16:9，竖版场景（小红书/漫画）默认 3:4

🔀 场景路由（铁律：收到需求后第一步）

收到生图需求
  │
  ├─ 信息图/数据可视化/架构图/流程图/对比图/鱼骨图/思维导图/金字塔/漏斗/韦恩图/冰山图
  │  → 📊 信息图 → scenes/infographic/
  │
  ├─ 封面/头图/banner/公众号封面/文章封面
  │  → 🖼️ 封面图 → scenes/cover/
  │
  ├─ 长图/微信长图/多屏/从上到下/竖版长图/分段/多个段落
  │  → 📜 长图 → scenes/long-image/
  │
  ├─ 幻灯片/PPT图/slides/演示文稿
  │  → 📑 幻灯片 → scenes/slide-deck/
  │
  ├─ 漫画/连环画/分镜/绘本/知识漫画/故事图
  │  → 📖 漫画 → scenes/comic/
  │
  ├─ 文章插图/自动配图/智能插图/给文章配图
  │  → ✏️ 文章插图 → scenes/article-illust/
  │
  ├─ 小红书/笔记配图/种草图/卡片系列
  │  → 📱 小红书图 → scenes/xhs/
  │
  ├─ 海报/主图/电商/促销/九宫格/产品图/营销/物料
  │  → 🛍️ 营销物料 → scenes/marketing/
  │
  ├─ 改图/编辑图片/风格转换/基于这张图
  │  → 🔄 图生图 → core/image_to_image.py（直接执行）
  │
  ├─ 分析图片/OCR/识别文字/描述图片/图生文
  │  → 👁️ 图生文 → core/image_to_text.py（直接执行）
  │
  └─ 其他单图需求（一张图，无特殊场景）
     → 🎨 单图 → core/text_to_image.py（直接执行）

路由到场景后 → 加载该场景的 README.md 获取详细参数和用法 → 按下方执行流程操作。

---

📋 通用执行流程（所有场景共用）

第一步：分析需求

• 明确要生什么（主题、内容要点）
• 确定场景类型（已由路由判断）
• 确定数量（几张图）
• 确定比例（16:9 / 3:4 / 1:1 等）

第二步：规划方案（多图场景必须）

单图：可跳过直接生成。 多图场景（长图/幻灯片/漫画/小红书/文章插图）：必须先输出规划，等用户确认后再执行。

规划输出格式：

| 序号 | 内容概要 | 类型/布局 |
|-----|---------|----------|
| 1   | xxx     | xxx      |
| 2   | xxx     | xxx      |

**场景**：xx | **风格**：xx | **比例**：xx | **预计**：N张

第三步：执行生成

场景	执行方式	规则
📊 信息图	场景脚本直接调用	单张可并发
🖼️ 封面图	场景脚本直接调用	单张
📜 长图	core引擎串行	铁律：必须串行！ 首屏text_to_image，后续image_to_image参考上一屏，最后merge拼接
📑 幻灯片	场景脚本逐页	串行逐页生成
📖 漫画	场景脚本逐页	串行！ 首页text_to_image定调，后续image_to_image参考上一页
✏️ 文章插图	场景脚本批量	各章节独立，可并发（≤8张）
📱 小红书	场景脚本逐张	串行！ 首张定调，后续参考上一张保风格一致
🛍️ 营销物料	core引擎+模板	同风格可并发（≤8张）
🔄 图生图	core直接调用	单张
🎨 单图	core直接调用	单张

第四步：质量校验

1. 生成完成后，含中文文字的图用 core/image_to_text.py -m ocr 校验文字是否清晰
2. OCR结果与预期不符 → 用 core/image_to_image.py 迭代修复（参考 guides/text-rendering.md）
3. 多图场景完成后，逐张展示给用户确认，不满意的单张重新生成

---

🛠️ 脚本速查

场景脚本

# 📊 信息图 — 20布局×17风格=340种
python3 scenes/infographic/zlab_infographic.py -l {布局} -s {风格} -n "标题" -c "内容" -o out.png
python3 scenes/infographic/zlab_infographic.py --list  # 查看所有选项

# 🖼️ 封面图 — 五维定制=3888种
python3 scenes/cover/zlab_cover.py -n "标题" --type {类型} --palette {配色} --rendering {渲染} --text {文字} --mood {氛围} -o out.png

# 📑 幻灯片 — 16种预设
python3 scenes/slide-deck/zlab_slide_deck.py article.md --style {预设} -o slides/
python3 scenes/slide-deck/zlab_slide_deck.py article.md --outline-only  # 仅看大纲

# 📖 漫画 — 5画风×7基调×6布局=210种
python3 scenes/comic/zlab_comic.py source.md --art {画风} --tone {基调} --layout {布局} -o comic/

# ✏️ 文章插图 — 6类型×8风格=48种
python3 scenes/article-illust/zlab_article_illustrator.py article.md --style {风格} -o images/

# 📱 小红书 — 9风格×6布局=54种
python3 scenes/xhs/zlab_xhs_images.py content.md --style {风格} --layout {布局} -o xhs/

所有场景脚本支持 --list 查看可用选项。

核心引擎

# 文生图
python3 core/text_to_image.py "中文描述" -r 16:9 -o output.png
python3 core/text_to_image.py "描述" -r 3:4 --ref ref.png -o output.png  # 参考图风格

# 图生图
python3 core/image_to_image.py input.png "编辑描述" -r 3:4 -o output.png

# 图生文
python3 core/image_to_text.py image.jpg -m describe|ocr|chart|fashion|product|scene

# 长图拼接
python3 core/merge_long_image.py img1.png img2.png -o output.png --blend 20
python3 core/merge_long_image.py -p "*.png" -o output.png --sort name

支持比例：1:1 2:3 3:2 3:4 4:3 4:5 5:4 9:16 16:9 21:9

---

📚 通用指南（按需加载）

触发条件	文件	何时加载
图片含中文文字	guides/text-rendering.md	提示词要求含中文标题/标签时必须加载
为PPT/文档配图	guides/color-sync.md	需要与其他载体配色协同时加载
需要优化生图效果	guides/prompt-guide.md	生图效果不理想需要改进时加载
API接口问题	guides/api-reference.md	调试底层接口时加载
生成多屏长图	scenes/long-image/README.md	路由到长图场景时必须加载
营销物料模板	scenes/marketing/templates.md	路由到营销场景时必须加载