mcpField
I
ideogram4

ideogram4

github.com/digitalsamba创意与媒体2.4k495 次安装今天更新
代码仓库

关于 ideogram4

ideogram4 是一项通过 Ideogram 4 托管 API 生成图像的技能。它引导 Claude 将需求转换为结构化 JSON 描述，以便控制图中文字、配色和布局。

主要功能

  1. 01使用 Ideogram 4 生成图像
  2. 02编写结构化 JSON 描述
  3. 03控制文字和版面位置
  4. 04指定精确配色
  5. 05可选使用 Ideogram 4.5

适用场景

  1. 01制作带清晰标题的标题卡
  2. 02设计带文字的缩略图
  3. 03制作引言卡和数据卡
  4. 04为演示场景添加标牌或标志

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/digitalsamba/claude-code-video-toolkit --skill ideogram4

安装后在 Claude Code 中输入/ideogram4确认已加载。

附带文件examples.mdprompting.md

详细介绍

Ideogram 4 技能

使用 Ideogram 4（9.3B，开放权重，于 2026 年 6 月发布）进行文生图。它的超强之处在于图中文字渲染能力首屈一指——在渲染清晰易读的标牌、徽标、说明文字和多行文本方面，表现胜过大得多的模型（FLUX.2 dev 32B、Qwen-Image 20B、Hunyuan 80B）——此外还支持精确控制调色板和边界框。

这项优势只有通过结构化 JSON 描述格式才能发挥出来。使用纯文本提示词只能得到 FLUX 级别的结果，也就完全失去了使用此模型的意义。本技能会教 Claude 充当“魔法提示词”扩展器，将用户随口提出的需求转换为 Ideogram 4 训练所用的 JSON 描述。

后端：该工具包使用 Ideogram 的托管版 v4 API（而非自托管权重）。API 接受结构化的 json_prompt，因此本技能中的所有内容都可直接应用——Claude 构建描述，工具将其作为 json_prompt 发送。付费 API 计划包含商业许可证，而可自托管权重不允许商业用途，这就是我们使用 API 的原因。费用约为每张图像 $0.03（turbo）至 $0.10（quality）。

何时使用此技能

当图像需要以下内容时，优先选择 Ideogram 4（而非 FLUX.2）：

  • 图像上清晰易读的文字——标题卡、缩略图、字幕条背景、标牌、徽标、引文卡，以及内嵌标题的 CTA
  • 精确的品牌色彩——基于十六进制颜色的调色板条件控制，可按元素设置
  • 可控的布局——通过边界框将文字／对象放置在特定区域
  • 图像中的多语言文本

以下情况则使用 FLUX.2：图像没有关键文字、需要获得商业许可的输出，或者只想快速生成氛围背景。FLUX 接受纯自然语言提示词；Ideogram 则需要 JSON。参见 tools/flux2.py。

最重要的一点

**始终输出结构化 JSON 描述，而不是普通句子。**该模型仅使用明确命名每个元素的 JSON 描述进行训练。Claude 比 Ideogram 的免费托管版魔法提示词更擅长扩展提示（其自有文档指出，随附的版本“与生产环境使用的并不相同”），因此请使用本技能自行构建描述，而不是直接传入原始文本。

最简有效描述：

{"high_level_description":"A sailboat at sunset on calm water.","style_description":{"aesthetics":"serene, warm, golden hour","lighting":"golden hour backlighting","photo":"wide angle, f/8","medium":"photograph","color_palette":["#FF6B35","#F7C59F","#004E89"]},"compositional_deconstruction":{"background":"Calm ocean at low horizon with orange-pink sky.","elements":[{"type":"obj","desc":"White triangular sail silhouetted against the setting sun."}]}}

完整架构、严格的键顺序规则和边界框坐标系，请参见 prompting.md。标题卡／缩略图／引文卡的示例，请参见 examples.md。

快速参考 — tools/ideogram4.py

Ideogram 托管版 v4 API 的轻量封装。需要在 .env 中设置 IDEOGRAM_API_KEY （密钥来自 developer.ideogram.ai）。--json 会将描述作为 API 的 json_prompt 字段发送（不使用服务端魔法提示词——扩展工作由 Claude 完成）；--prompt 会发送 text_prompt。

# Hand-authored JSON caption (the recommended path for text/layout) — Claude writes caption.json
uv run tools/ideogram4.py --json caption.json --output title.png

# Caption from stdin (Claude can pipe it directly)
cat caption.json | uv run tools/ideogram4.py --json - --output title.png

# Plain prompt — Ideogram's server-side magic prompt expands it (weaker; prefer --json)
uv run tools/ideogram4.py --prompt "Title card: 'AI ENGINEERING REVIEW' bold white on dark" --output title.png

# Inject brand hex colors into the caption's palette (JSON mode)
uv run tools/ideogram4.py --json caption.json --brand digital-samba --output cta.png

# Quality tier + resolution
uv run tools/ideogram4.py --json caption.json --speed QUALITY --resolution 2048x2048 --output slide.png

Ideogram 4.5（可选启用）

--model 4.5 会在 v2 API 上将相同的标志传给 Ideogram 4.5 （POST /v2/image/generate/ideogram-4-5，使用与 v1 调用类似的 multipart 格式）。已进行过实时测试： JSON 说明文字几乎总能准确呈现；纯提示词会生成乱码填充文字，因此使用 4.5 时务必发送 JSON 说明文字。Ideogram 4 仍是默认版本，因为 4.5 的尺寸必须是 32 的倍数，因此无法精确生成 YouTube 的 1280x720（/thumbnail 会使用 4.0）。

uv run tools/ideogram4.py --model 4.5 --json caption.json --speed QUALITY --resolution 1440x2560 --output card.png

  • **提示词：**两种模式都会使用 4.5 的单个 prompt 字段。--json 会将说明文字以紧凑 JSON 格式发送。4.5 能读取 Ideogram 4 的说明文字格式；有效的说明文字会跳过服务端的 magic prompt。--prompt 文本会由 magic prompt 扩展，与 v1 相同。

  • --speed 会映射到 quality：TURBO、DEFAULT 和 QUALITY 的价格与 Ideogram 4 相同；FLASH 在 Ideogram 4 中没有对应价格，会映射为 low（Ideogram 标价，核查日期为 2026-10-12；1K 和 2K 尺寸价格相同）：

    --speed4.5 quality每张图片
    FLASH、TURBOlow$0.03
    DEFAULT（默认值）medium$0.06
    QUALITYhigh$0.10

    4.5 的 very_low 档需要源图，因此工具不会发送该值。使用 --model 4 时，FLASH 仍会原样发送，但 Ideogram 文档称目前会返回 HTTP 400。

  • **--resolution 会作为 size 发送：**可使用 auto，或使用宽高均为 32 的倍数、且至少为 256px、总像素数不超过 2048x2048、宽高比不超过 6:1 的 WIDTHxHEIGHT。省略该选项时，Ideogram 会根据提示词选择尺寸。工具会在调用 API 前检查这些规则；尺寸不符合时会以状态码 2 退出。1440x2560（9:16 卡片尺寸）和 2048x2048 符合要求。Ideogram 4 的六种预设不符合要求，错误信息会建议替代尺寸： 720x1280 (1440x2560)、1280x720 (2560x1440)、720x1440 (1440x2880)、1440x720 (2880x1440)、 1296x3168 (1280x3072)、3168x1296 (3072x1280)。不提供源图时，Ideogram 还要求使用其支持的 1K/2K 预设之一，但它并未公开预设列表，因此即使尺寸通过检查，仍可能收到 HTTP 400。

关键文件

  • prompting.md — 完整的 JSON 架构、严格的键排序、bbox 坐标系和调色板规则
  • examples.md — 标题卡、缩略图、引言卡和品牌 CTA 的说明文字示例

视频制作适用场景

Ideogram 4 在工具集中的专长是带有内嵌文字的幻灯片和缩略图，而 FLUX 和 LTX-2 在这方面表现不佳（两者都会生成乱码文字）。适合搭配的场景：

使用场景Ideogram 4 的优势
带标题文字的标题卡 / CTA 背景一次生成即可获得清晰可读的文字和准确的品牌十六进制颜色
带醒目短语的 YouTube / 社交媒体缩略图大号易读文字是其最擅长的领域
引言卡 / 数据卡多行文字 + 通过 bbox 控制布局
产品演示场景中的标牌 / 徽标其他模型无法呈现的图内文字

然后将静帧导入 Remotion（<OffthreadVideo>/Img），或使用 tools/ltx2.py --input 为其制作动画。

评论

支持 Markdown