moss-image-prompt-enhancer

MOSS-Image プロンプトエンハンサー

ユーザーのアイデアを具体的な画像描写にします。ファイルシステムツールとシェルツールを備えた GPT-6 系エージェントを対象としています。創造的な判断はエージェントが行い、同梱の Python ツールは座標の計算とシリアライズを処理します。 Echidna サービス、モデル API、サードパーティ製 Python 依存関係は不要です。

成果物を選ぶ

キャプションまたは Layout の明示的なリクエストがあれば、それに従います。それ以外の場合、一般的なシーン、写真、イラストにはキャプションを使用します。テキストの具体的な配置、ポスター、複数のパネル、またはオブジェクト間の関係を厳密に制御する必要があり、バウンディングボックスが役立つ場合は Layout を使用します。画像が詳細だからといって、自動的に Layout が必要になるわけではありません。

ユーザーが指定した被写体、数、関係性、媒体、スタイル、除外事項、表示するテキストを維持します。一般的な創作上の不足部分は自分で補い、欠けている判断によってリクエストされた画像が大きく変わる場合に限り質問します。ユーザーが指定したかのように、事実に関わるイベントの詳細や仕様を創作しないでください。

説明文は、指定された出力言語に従う場合を除き、英語を標準とします。表示するテキストは、句読点、大文字・小文字、指定された改行を含め、元の言語のまま一字一句維持します。指示内で引用された文が、必ずしも画像に描画するテキストとは限りません。表示する文言と、参考資料や制約を区別してください。

画像を仕上げる

目に見える要素を描写します。被写体と動作、関連する外見、場所、カメラ／フレーミング、媒体、照明、素材、配色、雰囲気を含めます。リクエストされた画像をより具体的にできる場合は、詳細を加えます。冗長な品質タグ、求められていないスタイルの変更、恣意的な語数制限、見えない制作工程のメモは避けてください。明示的にシンプルさを求める内容はシンプルに保ち、豊かな内容を求める場合も、ありがちなタイトル／ヒーロー／フッターのテンプレートに当てはめないでください。 JSON、バウンディングボックスの注釈、変換手順の説明は、画像描写のフィールドに含めないでください。これらはツールへの指示であり、画像に描かれる内容ではありません。

デザインされた画像では、情報とビジュアルを一体となるように構成します。選択したピクセルサイズで読みやすくなるように、読み順、相対的な強調度、一貫性のあるグループ分け、テキストの可読性を整えます。「ここに見出し」や「説明文」のようなプレースホルダーではなく、実際に掲載する文言を記述します。参考資料に含まれている、無関係な名前、透かし、文言を取り込まないでください。提供された参考資料は必要に応じて使用してください。事実の正確さに必要な場合、またはユーザーから求められた場合を除き、外部調査は任意です。

キャプション

{"caption":"..."} だけを含む UTF-8 の JSON ファイルを作成します。キャプションは、空間的な関係を言葉で表し、表示する文言があれば正確に引用した、まとまりのある文章にします。段落を含めてもかまいません。構造化されているように見せるためだけに、キャプションへ座標や JSON のレイアウトフィールドを追加しないでください。

レイアウト

レイアウトの下書きを作成する前に、references/layout.md を読んでください。 summary、フラットな items 配列、具体的な width と height、bbox_coord_space="abs"、bbox_format="xyxy" を含む、読みやすい JSON を作成してください。

下書きのボックスは、キャンバスの左上を起点とする実ピクセル単位の [x_min,y_min,x_max,y_max] です。 x は 0..width、y は 0..height の範囲に収めてください。正規化座標は使わず、ボックスを手動で中央揃えしたり、並べ替えたり、量子化したりしないでください。

指定された寸法を尊重してください。アスペクト比のみが指定されている場合は、それに適合するピクセル寸法を選んでください。どちらも指定されていない場合は、要求された媒体が別の形状を示唆していない限り、1024×1024 を使用してください。MOSS-Image の寸法は 16 の正の倍数でなければなりません。明示された寸法に互換性がない場合、黙って変更せず、矛盾を明示してください。画像生成ワークフローでも同じ幅と高さを使用してください。

一貫性のある視覚単位にはボックスを使い、独立した配置が重要な場合にのみ分割してください。グループ化は、内容や関係性を保つものであり、それらを消し去るものであってはなりません。自然な遮蔽や重なりは許容されます。ボックスは配置を示す注釈であり、枠線、パネル、ステッカーを描く指示ではありません。見た目はキャプションに、全体の処理は summary.caption に記述し、ボックスは空間的な説明と一致させてください。テキスト項目では、表示されている文字列を text フィールドに正確に記載してください。

コンパイルと納品

下書きをユーザーに適した作業ディレクトリに保存し、この SKILL.md と同じ場所にバンドルされているツールを実行してください。スクリプトのパスは、ユーザーの作業ディレクトリではなく、スキルの場所を基準に解決してください。

python3 /path/to/moss-image-prompt-enhancer/scripts/compile_prompt.py \
  draft.json --output prompt.txt

呼び出しには実際のパスを指定してください。編集可能な JSON の下書きとコンパイル済み出力は別々に保管してください。納品前に結果を読み、対象、正確なテキスト、意図した配置、選択したキャンバスを確認してください。検証エラーがあれば下書きを修正して再実行してください。変換の失敗を回避するために、中央揃えした JSON を手書きしないでください。

キャプションの場合、出力はプレーンテキストです。レイアウトの場合、出力は 1 物理行の JSON で、フラットな items、整数の abs_centralized / yxyx ボックスを含み、キャンバスのメタデータはありません。このツールはピクセル境界の端数を切り上げてから中心を差し引き、Echidna の生成時の変換に合わせます。無効なボックスやキャンバス範囲外のボックスは、黙って切り詰めずに拒否します。文字列内の改行は JSON ではエスケープされますが、デコード後のテキストでは実際の改行として維持されます。

すぐに貼り付けられるプロンプト、またはそのファイルへのリンクを返してください。編集に役立つ場合は、下書きへのリンクも残してください。レイアウトの場合は、必要な幅×高さもプロンプトの外に記載してください。モデル向けプロンプト自体には、これらの寸法を含めません。レイアウト JSON をインラインで表示する場合は、コンパイル済み出力を整形し直さずに使用してください。MOSS-Image のポジティブプロンプトに含めるのは、キャプションまたはコンパイル済みレイアウトのみです。これらのファイルを作成しても、画像生成の送信や公開は行われません。