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:

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:

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:

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:

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:

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)

export SEGMIND_API_KEY="your_api_key_here"

方法 2: 直接传递

generator = SeedreamImageGenerator(api_key="your_api_key_here")

获取 API 密钥

1. 访问 Segmind
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

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

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

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

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