generate-image

生成图像 — AI 图像创作

帮助用户为其 Remotion 视频项目生成自定义图像。

工作流

1. 了解需求

如果尚不明确，请询问用户：

• 图像用途是什么？ — 场景背景、缩略图、角色、产品图、抽象艺术、图表？
• 风格 — 照片级真实感、插画、3D 渲染、扁平设计、水彩、像素艺术？
• 尺寸 — 横向（1920x1080）、纵向（1080x1920）、正方形（1080x1080）？
• 情绪/色彩 — 明亮、暗色、暖色、冷色、霓虹、柔和色？

2. 编写提示词

使用完整句子编写提示词，并按照 Replicate 官方的 prompt-images skill 中的技巧进行创作（该技巧与模型无关，因此也适用于 KIE）。按以下顺序涵盖：主体、风格、光照、相机角度、色彩方案、背景细节。

良好的提示词示例：

• “从上方俯瞰一间现代科技初创公司办公室，设计简洁极简，白色办公桌搭配蓝色点缀，大窗户透入明亮的自然光，照片级真实感。”
• “深色背景上的抽象几何图案，由发光的霓虹紫色和蓝色线条构成，未来主义 3D 渲染。”
• “一只挥手的友善机器人吉祥物，卡通插画，柔和色彩，纯白背景，适合作为徽标。”
• “市中心的天际线剪影映衬在暖橙色和粉色的黄金时段天空下，无人机航拍镜头，电影感。”

对于视频，还需：

• 留出负空间，供 Remotion 放置标题或字幕，并要求“无文字、无水印”；文字由 Remotion 渲染。
• **保持场景一致：**在视频的每张图像中逐字复用同一段风格描述，并将第一张效果良好的图像作为参考。参见 skills/remotion-production/rules/image-generation.md。

3. 通过 remotion-media 生成（默认）

Use remotion-media generate_image:
- prompt: [crafted prompt]
- output_name: img-hero
- aspect_ratio: 16:9  # always pass it (default is 1:1); 9:16 for shorts
- resolution: 2K      # default 1K; use 2K+ for 1080p compositions
- image_urls: [optional reference images, up to 8, public URLs only]

图像会保存到启动 Agent 所在目录中的 public/img-hero.png，因此请从 Remotion 项目根目录启动 Agent（Claude Code、Codex、Gemini CLI…）。image_urls 中的参考图像必须是 KIE 可以获取的公开 URL，而不能是 public/ 中的文件。

4. 通过 Replicate 生成（特定模型）

当用户需要特定模型（文字排版、多张参考图、特定外观）或 KIE 失败时，使用 Replicate。这需要本地的 replicate-mcp 服务以及 REPLICATE_API_TOKEN。遵循 Replicate 官方的 find-models 和 run-models skills：

1. 先搜索，再读取架构。 使用 search_models 并设置 body: "<task>"，然后调用 get_models（model_owner、model_name）和 list_models_examples。只能使用架构中存在的输入；宽高比输入的名称因模型而异。
2. 创建预测。 官方模型：使用 model_owner、model_name 和 input 调用 create_models_predictions。社区模型：使用 version: "owner/name:<version_id>" 调用 create_predictions。快速图像模型可以使用 Prefer: "wait"（最多阻塞 60 秒）。
3. 轮询 get_predictions，并传入 prediction_id，直到 status 为 succeeded、failed 或 canceled。
4. 立即下载 output 中的 URL（1 小时后会过期）：

mkdir -p public/images
curl -L -o public/images/img-[descriptive-name].png "<output URL>"

截至 2026 年 10 月的入门选择（调用前先搜索并读取架构）：

• FLUX.2 Pro / Max（black-forest-labs/flux-2-pro、-max）：照片级真实感，可通过 input_images 使用多张参考图像
• Nano Banana Pro（google/nano-banana-pro）：带文字的图像、编辑
• GPT Image 2（openai/gpt-image-2）
• Ideogram v3 Quality / Turbo（所有者为 ideogram-ai，每个档位对应一个 ID；搜索 ideogram）：文字排版、徽标
• FLUX Kontext Pro（black-forest-labs/flux-kontext-pro）：根据单张参考图像进行编辑（input_image）

完整流程见 skills/remotion-production/rules/replicate-models.md，关于提供方选择和一致性的指导见 rules/image-generation.md。

5. 在 Remotion 中展示用法

使用 remotion 中的 <CanvasImage> 添加图片，官方的 remotion-markup 技能也是这样做的（<Img> 仍可使用；两者都接受 effects）。尺寸和动画遵循其 images.md 和 timing.md。路径取决于提供方：generate_image 会保存到 public/<output_name>.png，Replicate 会下载到 public/images/。

import { CanvasImage, Easing, interpolate, staticFile, useCurrentFrame, useVideoConfig } from "remotion";

const frame = useCurrentFrame();
const { fps } = useVideoConfig();

// As a background (remotion-media output)
<CanvasImage
  src={staticFile("img-hero.png")}
  style={{ width: "100%", height: "100%", objectFit: "cover" }}
/>

// As an element that pops in (Replicate download)
<CanvasImage
  src={staticFile("images/img-product.png")}
  style={{
    scale: interpolate(frame, [0, 0.6 * fps], [0, 1], {
      extrapolateLeft: "clamp", extrapolateRight: "clamp",
      easing: Easing.spring({ damping: 200 }),
      output: "perceptual-scale",
    }),
  }}
/>

如需为静态图像添加缓慢的 Ken Burns 运镜效果，请参阅 skills/remotion-production/rules/image-generation.md。

6. 迭代

如果图像不理想：

• 调整提示词——更具体地说明问题所在（有关编辑和常见问题，请参阅 prompt-images）
• 生成多个变体，让用户挑选
• 仅在模型支持时使用排除项（“无文字，无水印”）；有些模型使用负面提示词后效果会变差
• 每次只改一处，以确保图像仍与其他场景匹配