mcpField
S
scenario-product-shots

scenario-product-shots

github.com/scenario-labs创意与媒体1.2k411 次安装1 天前更新
代码仓库

关于 scenario-product-shots

面向电商与营销素材制作的 Scenario 技能,指导从真实产品照片生成主图和场景图,并通过清单核验标签与产品细节。

主要功能

  1. 01基于真实产品照片制作图像
  2. 02提供抠图、背景、阴影与补光流程
  3. 03指导参考图生成生活场景
  4. 04用资产分析核对标签与外观
  5. 05支持挑选成片并放大下载

适用场景

  1. 01制作带品牌背景和阴影的产品主图
  2. 02将产品照片放入多种生活场景
  3. 03检查生成图中的标签文字是否准确

MCP 相关

该技能通过 Scenario 工作流调用 MCP 工具,包括上传资产、推荐模型、运行任务和分析输出。

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/scenario-labs/skills --skill scenario-product-shots

安装后在 Claude Code 中输入/scenario-product-shots确认已加载。

详细介绍

情境产品图

概述

产品本身永远不会由 AI 生成。用文本提示生成的瓶子会带着错误标签出现在落地页上;每张可信的产品图都始于上传的真实产品照片,而保真度是必须通过的检查项,不是寄望于运气。大多数工作分为两类:确定性产品图工具(抠图、背景、阴影、重新打光)和使用指令编辑模型进行生成式场景布置。连接方式和核心流程:参见 scenario 技能。编辑模型约定:scenario-image。确定性工具:scenario-image-editing。读取资产:scenario-asset-analysis。将获批的静态图制作成广告动画:scenario-video-ads。如果你可用的技能中缺少此处提到的同系列技能,请让用户安装(npx skills add scenario-labs/skills --skill <name>);若需无人值守地继续,请依据工具架构处理并标记这一缺口。

快速参考

需求方案
原始素材对现有最佳照片使用 upload_asset:清晰、光线均匀,且产品完整入镜(使用 search 搜索 "uncrop",可查找能补全被裁切边缘的工具)
保真度检查清单对上传内容使用一次 asset_analyze,并要求检查标签文字、几何形状、材质和颜色;之后的每次检查都复用该清单
产品图使用用户自己的措辞调用 recommend,说明产品图需求(创作时测试效果最好的工具可抠图并合成场景,支持纯色、透明或自定义背景、边距和阴影),或者先移除背景,再自行合成
生活方式场景使用 capability="img2img" 调用 recommend,以产品照片作为参考,采用优先保真的提示词,每次运行生成一个场景
重新打光使用 search 搜索 "relighting"(创作时测试效果最好的工具可调整光线、曝光和氛围,同时锁定品牌色)
放大保留图像使用用户自己的措辞调用 recommend;创作时已有针对产品优化的放大工具
检查关卡使用 asset_analyze,根据检查清单核验输出:images 中最多放 10 个 ID,text_inputs 中放已保存的检查清单,instruction 中放逐字逐句的说明

优先保真的提示词

场景提示词应让环境服务于产品:“参考图中的同一只罐子,比例和颜色保持不变,标签写着‘SUMMIT COLD BREW’,不出现其他文字,放在湿润的石板台面上,清晨的侧光,浅景深。”明确说明摆放位置、表面和光线。未明确的内容容易发生偏移:“标签保持不变”本身并未限定模型如何还原参考图中的字体,因此保真说明应引用检查清单中的标签文案(仅限产品现有包装上的文字),并由检查关卡逐字核对,而不是相信生成结果。

阴影和反射能带来真实感:没有它们,抠出的产品贴上去就会显得悬浮。优先选择能重建阴影的合成场景工具,或者在编辑提示词中明确指定(“向右投射的柔和接触阴影”)。

操作示例:一罐产品、一个白底图加三个场景图

  1. 使用 upload_asset 上传棚拍照片,然后调用 upload_asset_complete:得到 asset_can。
  2. 使用 asset_analyze 构建一次检查清单(写入通道,合约见 scenario-asset-analysis);清单会作为文本资源生成,因此使用 asset_download 下载并保留 文本。
  3. 白底图:用用户自己的措辞描述白底图需求,调用 recommend;对选中的模型调用 model_schema_get,然后将 asset_can 填入图像字段、将背景设为品牌十六进制色值,并按照 电商平台当前规范设置边距后运行(向用户确认规范;无人值守时,按任务说明执行;否则保留 工具默认值)。
  4. 场景图:使用 capability="img2img" 调用 recommend;若 next_step.type="ask_user",向用户展示选项(无人值守时,若任务说明指定了选项,则按说明执行; 否则 proceed:优先选择 specialty.model_id,但跳过 caveats 或 when_general_better 中提到 当前任务的专用模型,然后选择排名最高的 ranked 条目,绝不选择标记为 requires_plan_upgrade 的模型)。对选中的模型调用 model_schema_get,然后运行三次;每次都使用 保留原图优先的提示词,并仅加入一个场景描述短语,按照模型架构的要求传入 asset_can (只有在 array: true 时才传入数组)。
  5. 调用 jobs_wait,然后在一次 asset_analyze 调用中检查全部四个输出,将保存的检查清单通过 text_inputs 传入,并指示其逐字母读取标签。如果标签发生偏移,则该图不合格:从 asset_can 重新运行,并强化保留原图的描述(逐字母拼写引述的文案,并保留“无其他文字”的要求); 绝不要从偏移后的输出重新生成。若输出分辨率下无法核实文字,则视为未经核实,而非通过:放大后 再次检查,或在交付说明中标出。
  6. 放大合格图像,使用 asset_download 并设置 format="png",然后将整组文件归档到一个集合中。

常见错误

  • 因为觉得照片容易描述,就根据文字描述生成产品:这是唯一无法补救的错误,因为没有任何编辑能还原一开始就不存在的标签。
  • 根据截图裁剪图进行合成:保真度受原图限制;应索要原始文件,如果无人能提供,就使用手头最好的素材继续,并在交付说明中标明限制。
  • 因为“看起来没问题”而跳过检查:标签偏移在缩略图尺寸下难以察觉;检查清单会逐字母比对。
  • 在图像中提示价格、声明或促销文案:使用 scenario-text-overlay 添加覆盖文字;法规和地区要求的变化速度比版面更快。
  • 移除背景时连真实阴影也一并丢失:使用构建阴影的工具重新布景,或提示生成新的阴影。
  • 为了“同一场景的四个角度”而一次运行并设置批量数量:每个角度的描述短语都需要单独运行(scenario-image)。

评论

支持 Markdown