Files

T

starmen1265 7fbef405ba feat(ai-art): 增强生图工具(多图融合/prompt文件/短名)+概述文档

image_gen.py: --fuse支持1风格+N张内容图(-c可重复); 新增-pf/--prompt-file从文件读prompt; 修复images.edit参数格式bug(dict->tuple); save_result改用短英文文件名(修复长中文文件名导致图像分析工具URL解析失败). README.md: 工具链概述文档.

2026-06-17 18:43:24 +08:00

9.5 KiB

Raw Blame History

ai-art-research — AI 美术参考图生产工具链

为 ChildHood 项目（千禧年城郊童年模拟 · UE5.7 · 3D Lowpoly）稳定产出统一风格美术参考图的全套工具、素材与方法论。创建时间：2026-06-06 · 风格方向：偏《深夏时光！二十世纪的暑假》现代 3D 卡通渲染

一、它是什么

这套工具解决一个具体问题：让一个非美术专业、但"知道自己想要什么感觉"的开发者，能用 AI 稳定地生成符合项目统一风格的美术参考图（注意：是概念参考图，不是最终游戏资产）。

核心难点是双参考融合——手里有两类素材：

素材类型	作用	来源
风格参考图（"怎么画"）	锁定美术风格	《深夏时光》游戏截图
内容参考图（"画什么"）	提供场景内容	千禧年中国城郊真实照片

目标输出 = 用风格参考的画法，呈现内容参考的场景。

工具链由三层组成：

方法论层 — AI风格化生图工作流方案.md：四步走流程 + 预置风格 Prompt 模板
工具层 — tools/image_gen.py：封装 API 调用的 Python CLI
调研选型层 — 调研文档/：平台与模型横评

二、目录结构

ai-art-research/
├── README.md                      # 本文件
├── .env.example                   # API易 配置模板（复制为 .env 填写）
├── .env                           # 实际配置（含密钥，已被 .gitignore 排除）
├── AI风格化生图工作流方案.md        # ⭐ 核心方法论文档（主入口）
│
├── tools/
│   └── image_gen.py               # ⭐ Python 生图 CLI
│
├── 参考图/                         # 输入素材库（共 230 张）
│   ├── 参考图素材链接清单.md        # 各素材下载链接
│   ├── 待补充素材.md              # 占位（当前为空）
│   ├── 游戏截图/                  # 44 张（《深夏时光》《我的暑假》《放学后少年》）
│   ├── 真实场景/                  # 125 张（千禧年中国城郊实景）
│   └── 美术风格/                  # 61 张（Lowpoly/怀旧风格参考项目）
│
├── 生成结果/                       # 输出库（每张图配套 .meta.json）
│   ├── 测试/                      # --test 连通性测试产出
│   ├── 风格校准/                  # --calibrate 5 物体校准产出（待补）
│   ├── 双参考融合/                # --fuse 产出（待补）
│   ├── 国内模型/                  # 横评产出（待补）
│   └── 国外模型/                  # 横评产出（待补）
│
└── 调研文档/
    ├── 01-聚合站与中转站调研.md     # 平台选型
    └── 02-模型测试计划.md          # 模型横评计划与评分表

⚠️ 本目录被项目根 .ignore 屏蔽，不进入 ripgrep/Glob 搜索（这是有意为之，避免参考图/产出图污染代码检索）。查找本目录内容需直接读文件或用 find。

三、核心方法论速览

详见 AI风格化生图工作流方案.md，要点如下：

1. 风格六维度框架

用"做菜配方"的方式拆解任意一张图的风格，便于非美术人员描述：

维度	观察点
几何/形体	简化程度、边缘锐利还是圆润
色彩	主色、冷暖、饱和度
光照	光源方向、阴影软硬、整体亮度
纹理	表面光滑/粗糙、有无笔触
构图	俯视/平视、近景/远景
氛围	三个词描述感受

2. 风格种子（已硬编码进脚本，自动注入）

英文版（作为生图 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"

3. 风格方向（已确认）

✅ 中等几何简化、保留圆滑曲线；鲜艳明亮色彩；柔和自然阴影；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

4. 三工具分工策略

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 (Gemini)	上传多张（最多 14 张）参考图做风格锚定
中文探索	Seedream 5 (即梦)	自然中文描述探索方向

四、工具使用：`image_gen.py`

通过 API易平台（OpenAI 兼容格式）调用生图模型。每次产出同时保存图片和 .meta.json（记录模型、prompt、时间戳等，便于复现）。

环境准备

cd ai-art-research
cp .env.example .env        # 填入 APIYI_API_KEY
pip install openai python-dotenv

.env 关键字段：

字段	说明	默认
`APIYI_API_KEY`	API易令牌（必填，https://api.apiyi.com/token 创建）	—
`APIYI_BASE_URL`	API 地址	`https://api.apiyi.com/v1`
`APIYI_MODEL`	默认模型	`gpt-image-2`

四个命令

# 1) 测试连通性（生成一张简单测试图到 生成结果/测试/）
python tools/image_gen.py --test

# 2) 文生图（自动加风格前缀；--no-style 关闭）
python tools/image_gen.py -g "千禧年中国城郊的小卖部门口"
python tools/image_gen.py -g "a red apple" --no-style

# 3) 风格校准 —— 用同一风格种子生成 5 个固定物体（乌鸦/茶杯/老人/山湖/苹果），验证风格一致性
python tools/image_gen.py --calibrate

# 4) 双参考融合 —— 风格参考 + 内容参考
python tools/image_gen.py --fuse --style 深夏时光截图.png --content 城郊照片.jpg
python tools/image_gen.py --fuse -s style.png -c photo.jpg -p "自定义 prompt"

常用可选参数：-m/--model 换模型、--size（默认 1024x1024）、--quality（low/medium/high，迭代用 medium、最终用 high）、--subdir 自定义输出子目录。

双参考融合的实现细节

脚本对 API 调用做了两级降级：

优先 images.edit（多图编辑模式，两张图都上传）
失败则回退 images.generate + extra_body
全部失败会提示改用网页端手动操作（API易可能不支持多图 images.edit 端点）

五、调研与选型结论

平台选型（详见 01-聚合站与中转站调研.md）

类型	推荐	理由
网页端一站式	Monica	一个平台覆盖 Claude 分析 + GPT-Image-2 + Nano Banana 2
API 中转（脚本用）	API易 ⭐	性价比最高，GPT-Image-2 ~0.04-0.05 元/张，token 永不过期

⚠️ 中转站行业不稳定，不要大额充值；注意"注水"问题（低端模型冒充高端）。

模型横评（详见 02-模型测试计划.md）

计划对 8+ 模型用统一 prompt 横评：国内（可灵 Kling / 即梦 Seedream / 通义万相 / 混元 / CogView）+ 国外（GPT-Image-2 / Nano Banana 2 / Claude）。

四套测试：A 场景概念图、B 角色设计、C 风格一致性（同 prompt 连生 3 次）、D 风格分析
五维评分：画质 / 风格匹配 / Prompt 遵循 / 中国元素 / 一致性
📌 评分表尚未填写，横评进行中

六、当前状态与待办

✅ 已就绪

方法论文档与风格 Prompt 模板 v0.1
image_gen.py 四命令 CLI（--test 已跑通，生成结果/测试/ 有 2026-06-10 产出）
素材库充实（游戏截图 44 / 真实场景 125 / 美术风格 61）
根目录有早期网页端手工测试产出若干（gpt-image-2 / gemini-3 系）

🔲 待补

完成模型横评并填写评分表 → 产出选型结论
跑通 --calibrate 与 --fuse，填充对应产出目录
工作流方案规划但尚未产出的文档：风格词汇表.md、风格Prompt模板.md、选型结论.md
补充 参考图/待补充素材.md

七、与主项目的关系

本目录是 研究/工具性质，独立于 UE5 工程；产出物（风格结论、参考图）按需回流到主项目。
工作流方案明确要求：同步更新 docs/art/美术风格指南.md，把"类似 PS1 游戏的渲染风格"改为"类似《深夏时光》的现代 3D 卡通渲染风格"。
用户记忆中已记录本工具的风格方向（见 ~/.claude/.../memory/ai-art-style-direction.md）。
Git：目录纳入版本管理，仅 .env（密钥）被 .gitignore 排除。

八、快速开始（5 分钟）

# 1. 配置密钥
cd ai-art-research && cp .env.example .env
#    编辑 .env，填入 APIYI_API_KEY

# 2. 安装依赖
pip install openai python-dotenv

# 3. 验证连通
python tools/image_gen.py --test

# 4. 文生图试一张（自动带风格前缀）
python tools/image_gen.py -g "千禧年中国城郊的小卖部门口"

# 5. 双参考融合（核心玩法）
python tools/image_gen.py --fuse \
  --style "参考图/游戏截图/深夏时光01.png" \
  --content "参考图/真实场景/城郊小卖部.jpg"

不满意就用自然语言迭代 prompt："几何再简化一点"、"色彩再温暖一些"、"下午4点的光线"。

9.5 KiB Raw Blame History Unescape Escape