ChildHood/ai-art-research/AI风格化生图工作流方案.md

AI 风格化生图工作流方案

创建时间：2026-06-09 风格方向：已确认偏《深夏时光》现代 3D 卡通渲染风格

ChildHood 项目需要用 AI 产出"3D Lowpoly + 温暖怀旧 + 千禧年中国城郊"风格的美术参考图。

开发者情况：非美术专业，不了解美术风格的细微区别，但知道自己想要什么感觉。 可用工具：API易 平台 → GPT-Image-2、Nano Banana 2 (Gemini)、Seedream 5 (字节即梦) 风格锚点：《深夏时光！二十世纪的暑假》游戏截图（Millennium Kitchen，2024） 核心困难：有两类素材（风格参考 + 内容参考），不知道如何让 AI 精准融合。

---

第一步：美术风格补课 — 学会"看"和"说"（1-2 天）

你需要理解的唯一框架：六个维度

不需要会画画，只需要能像描述做菜一样描述一张图的"配方"：

维度	你要观察什么	类比
几何/形体	物体被简化到什么程度？边缘锐利还是圆润？	切菜的刀法——大块还是细丁
色彩	主色是什么？鲜艳还是灰暗？冷色还是暖色？	调味料——甜咸酸辣的比例
光照	光从哪来？阴影是硬的还是软的？整体亮还是暗？	火候——猛火爆炒还是小火慢炖
纹理	表面是光滑的还是粗糙的？有笔触痕迹吗？	食材的口感——酥脆还是绵软
构图	俯视还是平视？近景还是远景？	摆盘——怎么把菜放在盘子里
氛围	用三个词描述你的感受	这道菜的"灵魂"——妈妈的味道 vs 高级餐厅

练习方法：用 AI 当你的"美术老师"

选 5 张你最喜欢的《深夏时光》截图，逐张发给 Claude/GPT，用以下 prompt：

请分析这张图片的美术风格，只描述"怎么画"的部分，不描述"画了什么"。
从以下维度拆解：
1. 几何简化程度（多边形密度、边缘处理方式）
2. 色彩特征（主色调、冷暖倾向、饱和度高低）
3. 光照模型（光源类型和方向、阴影风格、整体亮度）
4. 纹理质感（表面质量、贴图风格）
5. 构图透视（摄像机角度、景深处理）
6. 一句话总结这种风格的核心关键词

请用通俗的语言解释，假设我是一个不会画画的人。

目标：做完 5 张后，你能自己说出"我喜欢这种风格因为它的几何是 XXX 的、色彩是 XXX 的"。

---

第二步：从参考图中"萃取"风格 Prompt（半天）

核心操作：风格萃取

选 3-5 张最能代表你理想风格的《深夏时光》截图，逐张执行"风格萃取 prompt"：

请描述这张图片的美术风格，用详尽的细节，但完全不提及画面中的具体物体或内容。
描述要足够详细，使得一个文字生图系统能用这段描述创建一张看起来像同一系列的新图片。
请特别注意：透视角度、光照方向、调色板、色彩用法、形体和体积感的构建方式。
最后将描述组织成语义清晰的分类段落。
去掉所有对具体物体/场景内容的描述。

对 3-5 张图都做完后，用 Claude 合并提炼：

以下是 3 张参考图的风格分析。请合并提炼成一份统一的"风格 Prompt 模板"，
要求：
1. 只保留所有图共有的风格特征
2. 组织为：透视与构图、光照与阴影、色彩、纹理与质感、形体与体积、氛围
3. 最后给出一句话的"风格种子"（用于快速复用）
4. 所有描述不含任何具体物体或场景内容

预构建：从《深夏时光》截图中已提炼的风格 Prompt（可直接使用作为起点）

以下基于 AI 对 3 张《深夏时光》官方截图的实际分析，是你风格 Prompt 的"第一版草稿"。 你可以在此基础上微调，不需要从零开始。

## ChildHood 风格 Prompt 模板 v0.1（基于《深夏时光》分析）

### 透视与构图
- 微低角度第三人称视角（约儿童视线高度）
- 平衡构图，人物与环境并重
- 道路/小径自然引导视线延伸
- 不追求极端透视，保持平实亲切感

### 光照与阴影
- 柔和散射光，无强烈方向性阴影
- 阴影为淡灰色柔和色块，边缘模糊
- 整体明亮均匀，午后温暖感
- 夕阳场景为金黄色调，从侧面/上方照射

### 色彩
- 鲜明饱和但不过度——鲜艳但不刺眼
- 暖色主调：明黄（角色服装）、橙棕（建筑/道路）、土黄（地面）
- 冷色辅调：天蓝（天空）、翠绿（植被）、青色（遮阳棚）
- 饱和度高的是服装和自然元素，建筑和地面饱和度稍低
- 整体暖冷平衡，温暖感略占优

### 纹理与质感
- 平面色块着色（cel-shaded），几乎无渐变
- 无笔触痕迹、无写实纹理、无材质细节
- 建筑墙面是纯色平面，衣服是纯色平面
- "干净"的卡通插画感，像纸片剪贴

### 形体与体积
- 高度简化的低多边形，物体缩减为基本几何体
- 角色：圆柱体躯干、圆角矩形头部、简化四肢
- 建筑：平面矩形立面、三角形屋顶、矩形窗户
- 植被：圆柱树干、球形/椭圆形树冠
- 边缘干净利落，直线条为主，少量圆润曲线

### 一句话风格种子（英文，直接用于生图 prompt 前缀）
"3D low-poly game art, flat cel-shaded with solid color blocks, bright warm-cool
balanced saturated palette, soft diffused lighting with subtle shadows, simplified
geometric forms with clean edges, low-angle third-person perspective, nostalgic
warm summer atmosphere"

### 一句话风格种子（中文版）
"3D低多边形游戏美术，平面色块着色，鲜艳明亮的暖冷平衡色调，柔和散射光
配以柔和阴影，高度简化的几何形体和干净边缘，微低角度第三人称视角，
温暖怀旧的夏日氛围"

⚠️ 重要提醒：这个风格 Prompt 描述的是《深夏时光》的画法，它的场景内容是日本小镇。 你的项目需要的是"用这种画法画中国城郊的内容"——这正是第三步要解决的双参考融合问题。 内容层面的"中国元素"需要通过内容参考图和文字描述来注入，不能靠风格 Prompt。

验证风格 Prompt

用提炼出的风格 Prompt 生成 5 个与项目无关的简单物体：

• 一只乌鸦、一个茶杯、一位老人、一片山湖、一个苹果

检查：这 5 张图看起来像是"同一个游戏/同一个画师画的"吗？如果不是，回到上一步修正。

---

第三步：双参考图生图工作流（核心）

你的工作模式

输入 A：风格参考图（《深夏时光》截图）  →  "怎么画"
输入 B：内容参考图（现实照片）          →  "画什么"
  ↓
输出 C：AI 生成图  →  "用 A 的画法呈现 B 的内容"

你现有三个工具的风格参考能力对比

能力	GPT-Image-2	Nano Banana 2	Seedream 5
参考图数量	多张	最多 14 张 ✅	多张
风格理解	很强（推理型）	很强（推理型）	强（深度思考）
中文 prompt	✅	✅	✅（原生中文）
风格融合	精准，需要明确指令	精准，需要明确指令	擅长理解意图
文字渲染	最强	好	好
费用	~0.04 元/张	~0.045 元/张	API易 按量
适合	精确控制、快速迭代	多参考图、风格锁定	中文 prompt、理解力强

推荐策略：三工具分工

角色	工具	用途
主力生图	GPT-Image-2	双参考融合，精确控制风格+内容
风格锁定	Nano Banana 2	上传多张风格参考图做风格锚定
中文探索	Seedream 5	用自然中文描述探索方向，找感觉

---

方案 A：GPT-Image-2 双参考融合（推荐主力）

操作步骤：

1. 准备素材：

   • 风格参考图：1-3 张《深夏时光》截图（选风格最典型的）
   • 内容参考图：1-2 张现实照片（你想让 AI 画的东西）

2. 通过 API易 调用 GPT-Image-2，发送 prompt：

图1 是我的风格参考（一张游戏截图，展示了目标美术风格）。
图2 是我的内容参考（一张现实照片，展示了我想呈现的场景/物体）。

请生成一张新图片，用图1的美术风格来呈现图2中的场景内容。

具体要求：
- 匹配图1的：几何简化程度、着色方式、色彩温度、光照风格、整体氛围
- 保留图2的：场景布局、物体种类、空间关系
- 不要添加照片中没有的元素
- 不要丢失风格参考中的视觉语言

3. 不满意时迭代调整（用自然语言）：
   • "颜色再温暖一些，偏下午4点的感觉"
   • "几何简化程度再提高，边缘更硬"
   • "阴影更柔和一些"

API 调用示例（通过 API易）：

# OpenAI 兼容格式，base_url 换成 API易 的
response = client.images.edit(
    model="gpt-image-2",
    image=[
        open("style_ref_natsumon.png", "rb"),   # 风格参考
        open("content_real_photo.png", "rb"),    # 内容参考
    ],
    prompt="用图1的美术风格来呈现图2中的场景内容。匹配图1的几何简化、着色方式、色彩温度和光照风格。保留图2的场景布局和物体种类。",
    size="1024x1024",
    quality="medium",  # 迭代用 medium，最终用 high
)

---

方案 B：Nano Banana 2 多参考图风格锁定

适合场景：当你已经确定了理想风格，需要大量生成同风格的不同内容。

操作步骤：

1. 上传 5-10 张风格统一的《深夏时光》截图作为风格参考
2. 上传 1 张内容参考照片
3. prompt：

参考图1-10展示了目标美术风格。图11是我想呈现的场景。

请用参考图的风格来呈现图11中的场景。
严格按照参考图的：色彩温度、几何简化程度、光照模型、纹理风格、整体氛围。
场景内容来自图11。

优势：Nano Banana 2 支持最多 14 张参考图，风格锚定最稳。当你积累了满意的结果后，可以把之前生成的满意图片也加入参考图集，形成"正向循环"。

---

方案 C：Seedream 5 中文自然探索

适合场景：还没确定具体风格方向，想先"试感觉"。

操作步骤：

1. 直接用中文描述你想要的画面：

参考上传的图片风格，画一个千禧年中国城郊的小卖部门口。
木质门框上挂着褪色的红蓝招牌，门口摆着冰柜，
一个小男孩站在门口往里看。
下午四五点的温暖阳光，怀旧温暖的色调。

2. Seedream 5 的"深度思考"能力会自动理解你的意图
3. 适合用来探索和迭代，找到你最喜欢的方向

---

第四步：执行路线（从简到深，2-3 天上手）

Day 1：风格理解 + 萃取

时间	任务	产出
上午	用 Claude 分析 5 张《深夏时光》截图，学习六维度框架	个人风格词汇表
下午	执行"风格萃取 prompt"，合并提炼风格 Prompt 模板	标准化风格 Prompt
晚上	用风格 Prompt 生成 5 个测试物体，验证有效性	风格校准图 5 张

Day 2：双参考融合验证

时间	任务	产出
上午	选 3 个典型场景，各准备风格图 + 内容图	6 张参考素材
上午	用 GPT-Image-2 做双参考融合	3 组生成结果
下午	用 Nano Banana 2 做同场景对比	3 组对比结果
晚上	对比两个工具效果，记录优劣势	工具选型笔记

Day 3：确定主力工具 + 标准化流程

时间	任务	产出
上午	根据对比结果确定主力工具	选型结论
下午	建立标准化的 prompt 模板 + 参考图包	可复用工作流
晚上	用标准化流程生成 3-5 张新场景	验证流程可行性

---

产出物清单

产出	存放位置	说明
风格词汇表	ai-art-research/风格词汇表.md	六维度分析笔记
风格 Prompt 模板	ai-art-research/风格Prompt模板.md	标准化可复用 prompt
风格校准测试图	ai-art-research/生成结果/风格校准/	5 个测试物体
双参考融合对比	ai-art-research/生成结果/双参考融合/	工具对比
选型结论	ai-art-research/选型结论.md	主力工具 + 标准流程

---

关键提示词（直接可用的 Prompt）

1. 风格分析 prompt（给 Claude/GPT）

请分析这张图片的美术风格，只描述"怎么画"的部分，不描述"画了什么"。
从以下维度拆解：
1. 几何简化程度（多边形密度、边缘处理方式）
2. 色彩特征（主色调、冷暖倾向、饱和度高低）
3. 光照模型（光源类型和方向、阴影风格、整体亮度）
4. 纹理质感（表面质量、贴图风格）
5. 构图透视（摄像机角度、景深处理）
6. 一句话总结这种风格的核心关键词
请用通俗的语言解释，假设我是一个不会画画的人。

2. 风格萃取 prompt（给 Claude/GPT）

请描述这张图片的美术风格，用详尽的细节，但完全不提及画面中的具体物体或内容。
描述要足够详细，使得一个文字生图系统能用这段描述创建一张看起来像同一系列的新图片。
请特别注意：透视角度、光照方向、调色板、色彩用法、形体和体积感的构建方式。
最后将描述组织成语义清晰的分类段落。去掉所有对具体物体/场景内容的描述。

3. 双参考融合 prompt（给 GPT-Image-2）

图1 是我的风格参考。图2 是我的内容参考。
请生成一张新图片，用图1的美术风格来呈现图2中的场景内容。
匹配图1的：几何简化程度、着色方式、色彩温度、光照风格、整体氛围。
保留图2的：场景布局、物体种类、空间关系。

4. 多参考风格锁定 prompt（给 Nano Banana 2）

参考图1-N展示了目标美术风格。图N+1是我想呈现的场景。
请用参考图的风格来呈现最后一张图中的场景。
严格按照参考图的色彩温度、几何简化程度、光照模型、纹理风格和整体氛围。

---

验证方式

1. 风格一致性验证：用同一风格 Prompt 生成 5 个不同物体，看是否能识别为"同一风格"
2. 双参考融合验证：给 AI 一张《深夏时光》截图 + 一张棚屋照片，看结果是否"有棚屋的结构 + 游戏截图的画法"
3. 系列化验证：连续生成 5 张不同场景（小卖部、居民楼、巷道、学校门口、菜市场），检查风格是否统一
4. 中国元素验证：生成结果是否像"中国城郊"而非"日本小镇"——这是核心区分点

---

附录 A：Kling 的优势是什么？

Kling AI 3.0 的核心差异化功能：

功能	说明	你能用什么替代
10 张参考图 + 分类角色	分别设为"风格参考"/"结构参考"/"角色参考"，各有权重滑条	Nano Banana 2 支持 14 张参考图，但无分类
Seed Locking	找到满意结果后锁定 Seed，后续改 prompt 风格不变	GPT-Image-2 无此功能，需靠风格 Prompt 文字控制
Series Mode	一次生成多张，核心风格一致	各工具都无法完美替代

结论：Kling 的优势主要在"系列化产出时的风格一致性"上。但你有 Nano Banana 2（14 张参考图）可以部分替代。现阶段先用 GPT-Image-2 + Nano Banana 2 验证可行性，如果后续发现风格一致性是瓶颈，再考虑加 Kling。

---

附录 B：立即可以做的第一件事

如果你现在就想动手，最快的一条路：

1. 准备 2 张图：

   • 风格参考：1 张你最喜欢的《深夏时光》截图
   • 内容参考：1 张千禧年中国城郊的实景照片（从你已下载的 ai-art-research/参考图/真实场景/ 中选）

2. 打开 API易 平台，选 GPT-Image-2

3. 上传两张图，粘贴这个 prompt：

图1 是我的风格参考（一张游戏截图）。图2 是我的内容参考（一张现实照片）。
请生成一张新图片，用图1的美术风格来呈现图2中的场景。

风格要求：
- 高度简化的低多边形几何形体，干净利落的边缘
- 平面色块着色，不用渐变或写实纹理
- 鲜艳明亮的暖冷平衡色调（暖黄、天蓝、翠绿为主）
- 柔和散射光，阴影淡而柔和
- 微低角度第三人称视角
- 温暖怀旧的夏日午后氛围

内容要求：
- 保留图2中的建筑类型、布局、空间关系
- 但把所有建筑元素替换为千禧年中国城郊的风格
- 色调保持温暖怀旧

4. 看结果，感受 AI 对风格+内容融合的效果

5. 不满意就调整 prompt 中的关键词，比如：

   • "几何再简化一点" / "色彩再鲜艳一些"
   • "更接近 PS1 游戏的粗糙感" / "更精致一些"
   • "下午4点的光线" / "正午的光线"

这是最快验证整个工作流是否可行的方式，5 分钟就能看到第一张结果。

---

附录 C：风格方向确认

已确认方向：偏《深夏时光》现代 3D 卡通渲染风格

这意味着：

• ✅ 中等几何简化，保留圆滑曲线（不是 PS1 的极端硬边）
• ✅ 鲜艳明亮的色彩，现代渲染品质
• ✅ 柔和自然的阴影
• ✅ 干净纯色平面着色（cel-shaded）
• ❌ 不追求 PS1 的像素化贴图、vertex jitter 等复古缺陷

风格 Prompt v0.1 已经按此方向编写，可直接使用。后续需要同步更新 docs/art/美术风格指南.md 中"类似PS1游戏的渲染风格"的描述，改为"类似《深夏时光》的现代3D卡通渲染风格"。