muapi-color-analysis-board

カラー分析ボード

ポートレート写真を、高級ファッション誌（Dior／Ralph Lauren の美学）のスタイルで、洗練されたエディトリアルな「カラー分析ボード」に仕上げます。ベストカラー、アンダートーン、メイクガイド、カプセルワードローブ、ヘアとジュエリーのおすすめを、すっきりしたベージュ／アイボリーのグリッドに配置します。

入力

名前	型	必須	デフォルト	説明
person_image	image_url	はい	—	人物の、明るく鮮明なポートレート写真です。正面を向き、背景がシンプルで、自然光で撮影された写真が、アンダートーン、髪、瞳の色を最も正確に判断できます。肌の色を隠してしまう強いフィルターやメイクは避けてください。

手順

フェーズ A — カラー分析ボードの生成

{{person_image}} が提供されていない場合は、正面を向いた鮮明なポートレートのアップロードをユーザーに依頼します。顔に自然な色味の光が十分に当たっていることを確認してください（強いフィルター、色かぶりした照明、サングラスは不可）。適切なカラーパレットを選ぶには、モデルが肌、髪、瞳の色を正確に把握する必要があります。

写真が用意できたら、カラー分析ボードを生成するステップを 1 つだけ実行します。

1. カラー分析ボードの生成 — muapi image edit（model=gpt-image-2-image-to-image）：
   • 参照画像：{{person_image}}
   • 画像サイズ：3840x2160（16:9 横長）— 雑誌の見開きに適したアスペクト比
   • 背景：auto
   • 出力形式：png
   • 品質：auto
   • モデレーション：low
   • プロンプト：

     このポートレートをもとに、高級ファッション誌（Dior / Ralph Lauren の美学）のスタイルで、洗練されたエディトリアルな「カラー分析ボード」を作成してください。すっきりとしたベージュ／アイボリーの背景、暖色系、柔らかく拡散した照明、超高精細でフォトリアルな品質、統一感のあるライティング、ミニマルでエレガントなタイポグラフィ、グリッドベースのレイアウト。
     
     メインポートレート：自然な美しさを引き立てる（同一人物、なめらかな肌、柔らかなツヤ、リアルな質感）
     上部セクション：「あなたに似合う色」。アルゴリズムが選んだ最適な色のファブリックスウォッチを配置
     アンダートーンパネル：ウォーム／ニュートラル／クールから、判定結果をマーク。
     避けたほうがよい色
     似合うニュートラルカラー
     魅力を引き立てる柄
     メイクガイド：アイシャドウ、チーク、リップ、ハイライター
     「あなたに似合う色を着たあなた」：最適なコーディネートのバリエーションを複数
     ヘアカラー：おすすめの色。
     ジュエリー
     スタイルのポイント
     
     カプセルワードローブ：コーディネートされた服、靴、バッグ、アクセサリー
     スタイル：私に最適なスタイル
     

生成したボードをユーザーに提示します。別の写真（異なる照明やヘアスタイルで比較）、季節に合わせたパレットの指定（例：「スプリングウォーム」対「ウィンタークール」）、または特定のブランドの美学（例：ミニマルな北欧スタイル、オールドマネー、ストリートウェア）を指定するなど、試せるバリエーションを提案します。

トリガーキーワード

color analysis、color analysis board、personal color palette、seasonal color analysis、undertone analysis、style guide board、fashion color board、capsule wardrobe board

---

実行エージェント向けメモ

• このレシピは LLM がオーケストレーションします。各フェーズを読み、ユーザーから不足している入力を集めてから、muapi CLI コマンドを実行します。MUAPI_API_KEY が設定されていない場合は、最初に muapi auth configure を使用します。
• まだ CLI エイリアスがないモデル ID については、curl -X POST https://api.muapi.ai/api/v1/<endpoint> -H "x-api-key: $MUAPI_API_KEY" -H 'content-type: application/json' -d '{...}' で未加工のエンドポイントを呼び出し、muapi predict wait <request_id> でポーリングします。
• 各呼び出しを実行する前に、{{input_name}} プレースホルダーをユーザーの実際の入力に置き換えます。
• ソーススキーマの参照：ソースのワークフロー JSON にある gpt-image-v2-edit は、muapi カタログの gpt-image-2-image-to-image に対応します。
• 出力は、雑誌の見開き／デスクトップ壁紙／Pinterest の横長ボードとして表示できるよう、意図的に 16:9（3840×2160）にしています。Instagram フィード用の正方形または 9:16 の縦長にする場合は、再トリミングを依頼するか、別の image_size で再実行してください。