image-to-prompt-skill

image-to-prompt-skill

功能

从图片中提取视觉描述，生成可用于文生图的提示词。

使用场景

1. 参考图分析：分析参考图片，生成风格一致的提示词
2. 风格迁移：从现有图片提取风格特征，应用到新场景
3. 提示词优化：对比生成图片与目标效果，优化提示词
4. 资产复用：从历史项目图片中提取提示词，复用到新项目

输入

• 图片文件路径：本地图片文件（PNG、JPG、WEBP 等）
• 分析维度（可选）：
  • full：完整分析（默认，包含所有元素）
  • character：聚焦人物（外观、服装、表情、姿态）
  • scene：聚焦场景（环境、光线、氛围、道具）
  • composition：聚焦构图（景别、角度、运镜、色彩）

输出

• 提示词文件：outputs/{剧本名}/reverse-prompts/{图片名}-prompt.md
• 内容包含：
  • 原图路径
  • 分析维度
  • 提示词（叙事描述式）
  • 关键元素清单（人物、场景、构图、色彩、光影、氛围）

执行流程

1. 读取图片：加载本地图片文件
2. 编码图片：将图片编码为 base64 格式
3. 调用 API：使用 gemini-3.1-pro-preview 模型分析图片
4. 提取元素：根据分析维度提取关键视觉元素
5. 生成提示词：将视觉元素转化为叙事描述式提示词
6. 输出文件：保存提示词到指定路径

API 调用示例

from openai import OpenAI
import base64
import os

# 初始化客户端
client = OpenAI(
    api_key="your-api-key",
    base_url=os.environ["NANO_BANANA_BASE_URL"]
)

# 读取并编码图片
with open("image.jpg", "rb") as f:
    image_data = base64.b64encode(f.read()).decode("utf-8")

# 调用 API
response = client.chat.completions.create(
    model="gemini-3.1-pro-preview",
    messages=[{
        "role": "user",
        "content": [
            {
                "type": "image_url",
                "image_url": {
                    "url": f"data:image/jpeg;base64,{image_data}"
                }
            },
            {
                "type": "text",
                "text": "请详细描述这张图片的视觉元素，包括人物、场景、构图、色彩、光影、氛围等，生成可用于文生图的提示词。"
            }
        ]
    }]
)

prompt = response.choices[0].message.content
print(prompt)

提示词生成原则

1. 叙事描述式：使用完整句子描述，避免关键词堆叠

   • ❌ 错误：男性，黑色西装，严肃表情，办公室背景
   • ✅ 正确：一位身穿黑色西装的中年男性站在现代办公室中，表情严肃，目光锐利，背景是落地窗和城市天际线。

2. 元素完整：覆盖 26 元素框架（参见 references/20-frame-description-elements.md）

   • 人物：外观、服装、表情、姿态、动作
   • 场景：环境、道具、空间关系
   • 构图：景别、角度、视角
   • 色彩：主色调、色彩对比、色彩情绪
   • 光影：光源、明暗对比、光影氛围
   • 氛围：情绪基调、叙事意图

3. 可复现性：描述足够精确，能够生成相似的图片

   • 包含具体的细节（如"深蓝色西装"而非"西装"）
   • 包含空间关系（如"站在窗前"而非"站着"）
   • 包含情绪线索（如"严肃的表情"而非"表情"）

4. 风格一致：保持与项目整体风格一致

   • 参考项目已有的角色和场景提示词
   • 保持相同的描述风格和细节层次