gen-ai-persona-creation

AI 网红人设

将一句话转化为一张从头到脚的四角度选角卡，包含标志性穿搭、人设简介、针对不同平台优化的文案，以及（可选）配有环境音频的短视频。输出到：./<persona-slug>/。

适用场景

参见上方描述。

前置条件

gen-ai whoami            # auth + gen-ai install + Node v22+ check
command -v curl          # ships with macOS / Linux / Git-Bash

如果 gen-ai whoami 失败：运行 gen-ai login，或设置 PICSART_ACCESS_TOKEN + PICSART_USER_ID。无需其他媒体工具。

运行方法

使用 Agent 的 terminal 工具，按照下方“操作步骤”中的说明调用 gen-ai 命令。

快速参考

规范命令请参见“操作步骤”。

操作步骤

详细流程请参见下方各节。

常见问题

请参见下方“常见问题”。

验证

运行 gen-ai whoami 确认已通过身份验证，然后使用 --debug 重新运行失败的命令。

此技能如何调用 gen-ai

URL=$(gen-ai generate -m <model> -p "<prompt>" --json --no-input | grep -oE 'https?://[^"]+' | head -1)
curl -sSL -o ./<persona-slug>/<file>.<ext> "$URL"

--download 不能与 --json --no-input 一起使用——使用 URL + curl 是规范做法。

**Bash 注意事项：**在 --json --no-input 和结尾的 ) 之间，切勿添加 2>&1 或 stderr 重定向——这会导致 Shell 解析错误，命令无法运行（已验证）。内部管道必须严格写为 --json --no-input | grep -oE 'https?://[^"]+' | head -1。每次生成都使用独立的 URL=$(...)。

风格选择

风格	模型	适用场景	成本
realistic（默认）	gemini-3.1-flash-image	照片级真实感的人物 + 常见宠物／拟人化动物	~3 cr
stylized	grok-imagine	动漫、3D 动画水果／物品／角色、插画	~1 cr

**跨服务商回退：**主要模型失败 → 使用 flux-2-max 重试（~3 cr，支持 imageUrls）。两者都失败 → 返回错误。

风格推断（阅读需求说明）

需求说明包含	风格 → 开头描述
水果／蔬菜／食物 + “character”／“anthropomorphic”／“brainrot”	stylized → 水果／物品
动物名称 + “pet”／“influencer”／“creator”／品种（不是“real form”／“four-legged”）	realistic → 拟人化人形宠物（动物／宠物需求的默认选项——毛茸茸的双足宠物，穿着可爱服装，符合项目 pets 类别的风格）
动物名称 + 明确写出“real form”／“four-legged”／“on all fours”／“real cat / dog / animal”	realistic → 真实形态的四足宠物（主动选择）
“Anime”、“manga”、“magical girl”、“kawaii”、“shoujo”、“shonen”	stylized → 动漫
“3D rendered”、“stylized 3D”、“claymation”、“feature-film animation”	stylized → 3D 角色
“Illustrated”、“painted”、“watercolor”、“comic book”	stylized → 插画
人类职业 + 人口特征，未指定风格	realistic → 照片级真实感人物

拟人化人形和真实形态四足两种风格均受支持，但宠物需求的默认选项是拟人化——这符合 Picsart 项目 pets 类别的风格：毛茸茸的双足网红，穿着可爱衣服（小毛衣、迷你连帽衫、领结），名字与食物相关（Biscuit、Mochi、Nugget、Bean、Waffles、Tofu、Pickle），简介采用 Z 世代风格（“professional napper | treat negotiator | certified good boy/girl”）。只有创作者明确提出时，才选择真实形态的四足宠物。如果风格冲突（例如“anime fitness coach”）→ 优先采用风格化提示。

**大多数创作者想要风格化效果。**不要不加判断地默认使用 realistic。

**规避知识产权风险的措辞（强制）：**发送给模型的提示中，绝不能提及工作室／系列名称——例如“Pixar”、“Disney”、“Toy Story”、“Studio Ghibli”、“Marvel”等。识别创作者使用的“Pixar-style”等措辞，将其视为 3D 动画的意图（选择风格化 3D），但实际提示中应使用通用描述：“3D-animated”、“feature-film animation aesthetic”、“stylized 3D rendering”、“anime cel-shaded illustration”。工作室名称会触发内容政策，并带来后续知识产权风险。

创作者在需求简述中表达的内容（自然语言）

Agent 会提取意图——无需学习 CLI 标志：

• 参考图像（“from /path/photo.png”）→ 在 casting-card 调用中添加 -i
• 短视频（“add a tiktok reel”、“with motion”）→ 触发步骤 4（约额外 11 cr）
• 平台（“for tiktok”、“instagram reel”、“linkedin”）→ 用于调整短视频画幅比例和文案
• 风格（“anime”、“3D”、“painted”、“photoreal”）→ 选择写实或风格化路线
• 名称（“named Nova”）→ 设置角色名称
• 角色类型（“strawberry character”、“golden retriever pet”、“magical girl”）→ 选择主体开场描述

快速开始

使用日常语言。示例：

• “Create a persona for: fitness coach, gen-z, neon vibe”（写实人物）
• “Create a fluffy golden puppy pet influencer, sassy queen energy, mini hoodie”（拟人化宠物——宠物需求简述的默认设置：穿着可爱衣服的毛茸茸双足角色）
• “Create a calico kitten content creator, sleepy baby vibe, tiny knitted sweater”（拟人化宠物）
• “Create a real four-legged tortoiseshell cat in a sunlit Tokyo apartment”（真实形态宠物——仅在明确提到“real form / four-legged”时启用）
• “Make me an anime magical-girl librarian”（风格化）
• “Create a strawberry character, brainrot 3D-animated vibe”（风格化水果）
• “Create a persona based on /path/photo.png — indie folk musician”（参考图像）
• “Create a persona for: fitness coach — and add a tiktok reel”（包含短视频）

输出：casting.png、persona.md、_meta.json（如果请求生成短视频，还会输出 reel-hero.png 和 reel.mp4）。

费用：精简模式 约 3 cr / 包含短视频 约 14 cr。

流水线

步骤 1 — 意图

提取：角色种子 | 风格 | 参考图像 | 是否请求短视频及平台 | 名称 | slug。

强烈倾向于“推断并继续”。 仅当需求简述确实过于简短（1–2 个词）时才提问。自行补全缺失细节（性别、年龄、族裔、氛围），并记录在 persona.md 中，让创作者重新生成。

如果必须提问，只问一个直接问题。绝不要列出 A/B/C/D 选项。绝不要连续提出多个问题。

好的回复（仅当需求简述过于简短时）：

Give me a one-liner — vibe / type / niche.
Examples:
- anthropomorphic pet (default for pet briefs): "fluffy golden puppy influencer, sassy queen, mini hoodie" / "calico kitten creator, sleepy baby, tiny sweater"
- real-form pet (opt-in): "real four-legged tortie cat in a sunlit apartment"
- realistic human: "Berlin art curator, dark academia, mid-thirties"
- stylized: "anime magical-girl librarian" / "anthropomorphic strawberry, brainrot 3D"
Add-ons: "from /path/photo.png" / "add a tiktok reel" / "named Mochi"

不好的做法：列出 A/B/C/D 选项并连续提出多个问题。不要这样做。

步骤 2 — 角色身份 → persona.md

填写：名称 | 简介（2–3 个句子）| 语气/风格 | 固定外观描述块（逐字保留，并在每个提示词中重复使用）。描述块仅包含身份特征（脸部轮廓、眼睛/头发/肤色、体型、显著标记、基础服装风格）——不包含每个镜头的变化（表情、姿势、光线、场景、具体服装）。

步骤 3 — 角色卡

一次调用。展示 4 个从头到脚的角度，使用纯色无缝灰色背景、标志性服装和中性表情。竖版 9:16，内部采用 2×2 网格（每个面板约为 9:16——适合展示全身）。

URL=$(gen-ai generate -m <style-model> -p "<subject-opening> The image shows the same exact character from four camera angles in a 2x2 portrait grid (9:16 canvas). ALL FOUR PANELS share: identical plain seamless studio gray background — flat uniform fill, no gradient/texture/scene. Identical signature wardrobe — same complete outfit head to feet (or, for common pets, identical simple accessories like collar/bandana/sweater — never humanoid clothing). Identical neutral expression — relaxed mouth. Identical even soft frontal softbox key + subtle fill + soft ground shadow, no rim lights, no colored gels. Identical hair/fur. Same identity in every panel: <frozen appearance block>. Differs only in angle: TOP-LEFT front-facing full body eyes at camera; TOP-RIGHT 3/4 facing camera-right; BOTTOM-LEFT full left profile looking off-left; BOTTOM-RIGHT 3/4 from behind over-the-shoulder. Magazine fashion model sheet composition, thin clean grid lines. The four panels MUST look like consecutive shots from one session — same wardrobe, backdrop, lighting, character; only angle differs. Absolutely no text, no captions, no watermarks, no logos, no UI elements, no phone, no device, no screen, no social media overlays in any panel." --aspect-ratio 9:16 --json --no-input | grep -oE 'https?://[^"]+' | head -1)
curl -sSL -o ./<persona-slug>/casting.png "$URL"

<style-model> = gemini-3.1-flash-image（写实）或 grok-imagine（风格化）。应用回退封装器，改用 flux-2-max。

参考图像： 在同一次调用中添加 -i <reference-path>。通过 i2i 实现身份参考，提示词和费用不变。

主体开场描述（替换上方的 <subject-opening>）

• 写实人类 (默认) — “专业时尚摄影风格的全身选角卡／角色设定图，使用 85mm 镜头拍摄，RAW 照片，8k UHD，焦点清晰，照片级写实，保留自然皮肤纹理与可见毛孔，不做 AI 磨皮。”
• 拟人化宠物 (宠物／动物简介的默认选项——穿着可爱衣服的毛茸茸直立双足角色，项目的 pets 类别) — “一个拟人化的[小狗／小猫／小兔子／仓鼠／小鸭／小狐狸／小熊猫／刺猬／企鹅／猴子]角色，像人类一样双腿直立，全身从头到脚完整可见，拥有类人身体比例、生动的表情、[毛色细节——例如温暖的金蜜色毛发／纯雪白的蓬松毛发／深午夜黑的顺滑毛发／温暖的姜橙色毛发／巧克力棕色毛发／闪亮的银灰色毛发／橙白黑相间的三花毛发／柔和的奶油色毛发]，惹人喜爱，直视镜头，专业时尚摄影风格，使用 85mm 镜头拍摄，浅景深，柔和主光的电影感影棚灯光，照片级写实，RAW 照片，8k 超高清，焦点清晰。” Agent 在设计选角卡服装时可选的款式：迷你针织毛衣 | 迷你宽松连帽衫 | 雅致领结＋项圈 | 雏菊与玫瑰花环 | 迷你时尚墨镜 | 飘逸的超级英雄披风 | 围在脖子上的时尚头巾 | 自然原貌（不穿衣服，只有蓬松毛发）。表情／姿势的氛围选项：傲娇女王（手叉腰，魅力四射，满不在乎） | 滑稽国王（搞怪，吐舌头，笨拙逗趣的姿势） | 困倦宝宝（昏昏欲睡，身体倚靠着） | 疯跑模式（兴奋，举起手臂，欢快又混乱） | 尊贵庄严（威严，双臂交叉，高贵） | 恶作剧高手（鬼鬼祟祟，双手背在身后，一副做了坏事却毫不后悔的样子）。建议名字（以食物为主题，来自项目的名字池）：Biscuit、Mochi、Nugget、Bean、Waffles、Tofu、Dumpling、Peanut、Pickle、Noodle、Churro、Pretzel、Taco、Maple、Truffle、Sesame、Crouton、Muffin、Cupcake、Boba。建议的个人简介风格（Gen Z 网络幽默，用竖线分隔）：“专业睡觉选手 | 零食谈判专家 | 持证乖宝宝” / “毛茸茸且满不在乎 | 以零食为动力 | 全职抱抱小可爱” / “混乱小精怪 | 疯跑冠军 | 给零食就让你戳鼻子”。
• 真实形态的四足宠物 (仅限主动选择——创作者明确表示“真实形态／四足／真实的猫／四肢着地”) — “专业宠物肖像摄影风格的全身模特设定图，主体为一只处于自然解剖形态的[品种][动物]（四足／四肢着地，非拟人化），从头到尾完整可见，使用 85mm 镜头拍摄，浅景深，RAW，8k UHD，照片级写实的自然毛发，单根毛发清晰可见，不做 AI 磨皮。宠物可以佩戴简单配饰（项圈、头巾、胸背带），但绝不穿拟人化服装——角色就是处于真实解剖形态的动物。”
• 3D 动画风拟人水果／物体 — “高质量 3D 动画风全身角色设定图，拟人化[水果／物体]角色，采用剧情长片动画美学，[水果／物体]作为头部，搭配完整的人类比例健壮身体，[表皮／表面]纹理自然延伸至手臂和双手，超高分辨率，脑腐角色剧情风格，富有戏剧性的电影感影棚灯光，配以柔和补光和细微地面阴影。”
• 动漫／漫画 — “高质量动漫／漫画风格的全身角色设定图，赛璐璐着色插画，线稿简洁，色彩鲜艳饱和，柔和的动漫风灯光，眼神生动，[少女／少年／可爱]美学，杂志角色参考设定图构图。”
• 风格化 3D 动画人类／奇幻角色 — “高质量风格化 3D 动画风全身角色设定图，采用剧情长片动画美学，柔和的全局光照，比例略微夸张，五官生动，角色动画艺术指导风格。”
• 绘画／插画风格 — “手绘的编辑插画风格全身角色设定图，采用[水彩／水粉／数字绘画]美学，富有绘画感的笔触，层次柔和的光线，杂志插画构图。” **Casting-card 规则——不可妥协：**所有 4 个面板的背景、服装或配饰、光线、表情、头发或毛发必须相同——只有角度不同 | 背景为纯灰色 | 全身入镜（人类或双足生物从头到脚，包括拟人化宠物；选择真实形态宠物时，四足动物从鼻子到尾巴完整入镜）| 所有面板的服装保持一致（人类和拟人化宠物穿同一套服装——没错，拟人化宠物穿着类人服装，例如小毛衣、迷你连帽衫或领结；只有真实形态的四足宠物仅限佩戴简单配饰，如项圈、班达纳或胸背带）| 表情和姿势符合所选氛围（拟人化宠物可选傲娇女王 / 滑稽国王等）——人类默认表情中性，眼睛看向镜头（或根据档案设置看向别处）。

第 4 步——短视频（仅在用户要求时）

分两次调用。Seedance 会将 imageUrls 视为首帧（已验证）——传入 casting-card 网格会让短视频以该网格开场。因此，先生成单帧短视频主图，再进行动画处理。

先选定概念

不要自动默认使用“缓慢沉思式推进”——大多数创作者内容更适合自信有力的风格。

概念：钩子式揭示 | 强势姿态 | 态度一转（移开视线 → 猛然回看并露出坏笑）| 擦肩而过 | 服装亮相 | 氛围转变（片中切换光线）| 场景建立并定格 | 平静叙事片段（仅适用于真正偏平静风格的角色）。

**钩子规则：**第一秒必须抓住注意力。**平台适配：**TikTok / IG Reel / Shorts → 节奏鲜明；LinkedIn / YouTube → 专业 / 平和；水果 / 3D / 动漫 → 倾向风格化 + 自信（平静的片段对这些内容效果平平）。

**镜头运动（选一种）：**缓慢推进 | 缓慢拉远 | 部分环绕 | 缓慢向左 / 向右跟拍 | 固定 | 向上倾斜 | 快速推进。

**动作（选一种）：**默认采用有力风格——自信直视镜头并展现态度变化 | 保持强势姿态 | 甩头发 | 笑容渐渐绽开 | 自信地走向镜头 | 转身展示服装 | 手势 | 富有节奏感的氛围 | 回眸 | 光线骤暗。更安静的风格（仅适用于偏平静风格）——从书本上抬头并露出浅笑 | 缓慢歪头 | 微风中发丝轻扬 | 睁开双眼 | 微微张唇。

**环境 / 光线：**具体的氛围细节优于泛泛描述。将“在咖啡馆里”替换为“霓虹粉色的东京咖啡店室内，映出招牌的倒影”（有力风格）或“雨水划过的窗户旁点着烛光，茶杯中蒸汽袅袅升起”（平静风格）。氛围要与概念匹配。

子步骤 4-i：短视频主图（gemini i2i，目标 AR，单帧全身图）

URL=$(gen-ai generate -m gemini-3.1-flash-image -i ./<persona-slug>/casting.png -p "<subject-opening from Step 3> Single full-body photograph of the same character from the casting-card reference, head-to-toe in frame. <frozen appearance block>. Wearing the same signature wardrobe shown in casting card. <opening pose / framing for chosen concept>. <atmospheric environment + lighting>. Composition: full body head to toe, framed for video animation in <platform-AR>. Real photograph quality (or stylized rendering per opening). No text, no captions, no watermarks, no logos, no UI, no phone, no device, no screen, no social media overlays." --aspect-ratio <platform-AR> --json --no-input | grep -oE 'https?://[^"]+' | head -1)
curl -sSL -o ./<persona-slug>/reel-hero.png "$URL"

成本：约 3 cr。失败时回退到 flux-2-max。

**短视频主图 ≠ 最终动作姿势。**Gemini 往往会保留 casting card 中的中性站姿，即使提示词要求做出强势姿态 / 动作进行中也是如此（已验证）。这没问题——动作会在 4-ii 的 Seedance 提示词中实现。不要仅仅因为姿势看起来比预期更平静，就重新生成主图。

子步骤 4-ii：动画（Seedance i2v，启用音频）

平台 → AR + 时长：

平台	AR	时长
tiktok / instagram-reel / instagram-story / youtube-shorts	9:16	8s
instagram-feed	1:1（Seedance 不支持 4:5；这是最接近的通用比例）	6s
youtube / linkedin / x / twitter	16:9	8–10s

URL=$(gen-ai generate -m seedance-2.0 -i ./<persona-slug>/reel-hero.png -p "<subject-opening>. <frozen appearance block>. Wearing same signature wardrobe. <single action from vocabulary matching the concept — strong language here, this is where action actually lands>. <same atmospheric environment + lighting as hero>. <single camera move from vocabulary>. Audio: <ambient soundscape matching scene — environmental sounds, mood-appropriate underscore; no spoken dialogue, no voiceover, no music vocals>. Single continuous moment, no scene changes, no multiple sequential actions, no fast or chaotic movement. No text, no captions, no watermarks, no logos, no UI, no phone, no device, no screen, no social media overlays." --aspect-ratio <platform-AR> --duration <platform-duration> --generate-audio --json --no-input | grep -oE 'https?://[^"]+' | head -1)
curl -sSL -o ./<persona-slug>/reel.mp4 "$URL"

成本：每秒 1 cr × 时长。短视频总计：约 8–13 cr。

Seedance 提示词顺序（已验证 KLING_RULES）：主体 → 动作 → 环境 → 镜头 → 光线 → 音频。使用一个连续的镜头运动和一个主要动作——绝不串联多个动作。

**我们不用于短视频的模型：**任何仅支持 startFrame 的 i2v 模型（seedance-i2v、hailuo-2.3-fast、runway-gen3a-turbo、wan-2.7-i2v、luma-flash2-i2v、pika-frames）都会在片段中发生偏移；runway-gen4-ref 会返回静态 PNG（已验证，不是视频）；kling-3.0-pro / veo-3.1 / veo-3.1-fast 仅支持 startFrame——目前 CLI 尚未提供多图角色参考模式（Kling element / Veo Ingredients）（已列入路线图）。

**客观限制：**Seedance 的 imageUrls 会被当作首帧，而非纯粹的角色参考图。使用单帧主图 + i2v，短视频会以清晰的角色图像开场，并从该画面开始制作动画。

第 5 步 — 添加说明文案，交付

将说明文案追加到 persona.md 中，默认 3 条，采用角色本人的语气。标签区块始终以 #picsart #picsartcreator 开头，后接平台专属的细分标签。

平台	长度	Picsart 标签对之后的细分标签
tiktok / youtube-shorts	80–150 个字符，单句钩子	4–6 个热门标签
instagram (reel/story/feed)	150–300 个字符，钩子 + 故事	6–10 个
youtube standard	300–500 个字符，关键词密集	3–5 个关键词标签
linkedin	500–1000 个字符，专业风格	3–5 个行业标签
x / twitter	总计不超过 280 个字符（含标签）	1–2 个
（无平台）	约 150 个字符，平衡风格	4–6 个通用标签

打印最终摘要：✓ Persona "Lena" delivered. Local: ./lena/. Spent: ~3 credits. Files: casting.png, persona.md (+ _meta.json)。如果生成了 reel，则将 reel-hero.png + reel.mp4 添加到文件列表中。

费用透明度

消费前显示计划 — 使用 gen-ai pricing <model> 获取实时费率，绝不硬编码。每一步之后：✓ <step> (<credits>)。

Plan:
  Casting card (gemini-3.1-flash-image, 1 image)         ~3 cr
[ Reel hero (gemini-3.1-flash-image, 1 image)            ~3 cr ]   reel only
[ Reel animation (seedance-2.0, 8s @ 9:16)               ~8 cr ]
  ────────────────────────────────────────────────────────
  Estimated total                                       ~3 or ~14 cr
Continue? [Y/n]

输出

./<persona-slug>/
├── persona.md       # name, bio, voice, frozen appearance block, captions
├── casting.png      # head-to-toe 4-angle casting card
├── reel-hero.png    # only if reel requested
├── reel.mp4         # only if reel requested (includes ambient audio)
└── _meta.json       # step parameters

重新生成

使用自然语言。Agent 读取 _meta.json 并重新运行相应步骤：

• "重新生成深色头发的 Lena"（约 3 cr）
• "重做 reel，将静态镜头改为缓慢推进"（约 8 cr）

重新运行前确认费用。

局限性（当前）

• 仅支持本地输出（Drive 集成已列入 v1.1 计划，待新的 CLI Drive API 发布）
• 每次运行仅支持一个角色（多角色可通过 gen-ai generate -m kling-multi-image-v2-1 -i nova/casting.png -i lena/casting.png -p "<scene>" 实现，或使用未来的 Scene Composer 技能）
• 不提供高级照片级真实感档位（gemini-3-pro-image 暂缓）
• 不提供高级动作控制 reel（Kling Motion Control V3 + creator motion-ref 暂缓）
• 不提供配音 / 口播 reel（Picsart-Eleven 的性别识别不可靠）。Reel 随 Seedance 环境音频一并交付——包含环境音和氛围衬底，不包含合成语音
• 不提供定制音乐（通过 --generate-audio 使用 Seedance 衬底；专门的音乐处理步骤暂缓）
• CLI 中未提供 Kling-element / Veo-Ingredients 角色参考视频功能
• 不内置场景变体（casting card 即为角色；后续工具负责处理场景）