auto-save 2026-05-19 10:24 (~2)
This commit is contained in:
@@ -440,3 +440,228 @@ L0 意向图 ──→ L1 白底锚图 ──┬──→ 专利主图 ──→
|
||||
6. Seedance 视频参考用的是宣发白底图
|
||||
|
||||
实测时拿一张复杂玩具图（带帽子、背包、标牌）跑全链路，所有图角色一致、配件清晰、视频与电商图一致。
|
||||
|
||||
---
|
||||
|
||||
## 8. 上传图入口的三种模式（二创 / 复刻 / 复刻+补全）
|
||||
|
||||
### 8.1 场景
|
||||
|
||||
用户的实际使用场景不止"从一句话开始"，还有：
|
||||
|
||||
- **已经有玩具/IP 图**（手稿、成品照、参考海报、其他设计师的稿）
|
||||
- **只缺某些视角**（手上有正面图，要补侧/背/俯视）
|
||||
- **想做风格化变体**（已有原型，但要换成赛博朋克版/绒线编织版/迪士尼风）
|
||||
|
||||
当前 `PromptPanel` 是 prompt-first，上传图只是被丢进 prompt 末尾当文本提示（见 Gap 1），**完全没真正参与生成**。需要重新设计上传图的语义。
|
||||
|
||||
### 8.2 三种入口模式
|
||||
|
||||
#### Mode A · 二创（Remix）
|
||||
|
||||
```
|
||||
用户：[上传图 1-4 张] + [选风格 + 描述变化方向]
|
||||
系统：保留核心识别（轮廓/五官/品牌符号），按用户要求做风格/材质/配色变化
|
||||
输出：4-12 张候选变体
|
||||
后续：选中 → Lock → 正常 Pack 流程
|
||||
```
|
||||
|
||||
技术实现：
|
||||
- 走 `/images/edits` multipart，传第 1 张为主参考图
|
||||
- prompt 拼接：`{风格 promptBlock} + {用户变化描述} + 强制 negative：不改变身体比例、五官相对位置、品牌符号、配件轮廓`
|
||||
- `n=4/8/12` 生成多张候选
|
||||
|
||||
#### Mode B · 复刻（Replicate）
|
||||
|
||||
```
|
||||
用户：[上传图 1 张]，标记为"主体图"
|
||||
系统：跳过批量生图，直接以这张图作为 L0 锚图
|
||||
→ 立刻做 L1 净化（白底、保真）
|
||||
→ 调 Vision 识别配件、推断 CharacterSpec
|
||||
→ 用户确认后进入 Pack
|
||||
输出：完整专利/配件/生产/宣发包
|
||||
```
|
||||
|
||||
适用场景：手上已有终稿原画，只需要把它"扩展"成完整素材包。
|
||||
|
||||
技术实现：
|
||||
- 上传图后跳过 `/api/generate`，直接构造一个 `GenImage` 写入 session，status='selected'
|
||||
- 自动触发 `/api/character/cleanup` 生成 L1
|
||||
- 自动触发 `/api/character/lock`（CharacterSpec 让 Vision 推断，用户可编辑）
|
||||
- 用户点"进入 Pack"才开始 pack 生成
|
||||
|
||||
#### Mode C · 复刻 + 补全（Extend）
|
||||
|
||||
```
|
||||
用户：[上传图 1-4 张]，每张标记为"主体 / 同角色另一视角 / 配件孤立图"
|
||||
系统：先把"主体"作为 L0
|
||||
已有视角直接占用对应 slot（如上传了"正面图" → 占用 patent_front）
|
||||
缺失的 slot 才调 API 生成
|
||||
输出：节省 80% 算力，前后一致性最强
|
||||
```
|
||||
|
||||
适用场景：用户已经手工画了正面+背面，要补侧视图+俯视图+配件六视图。
|
||||
|
||||
技术实现：
|
||||
- 上传时弹出 tagging UI，让用户选每张图的"槽位"
|
||||
- 后端在 `generateAssetPack` 前先合并预占的 slot
|
||||
- 已占 slot 跳过 API 调用，直接复用上传图
|
||||
|
||||
### 8.3 UI 入口设计
|
||||
|
||||
`PromptPanel` 改成 3 个 tab：
|
||||
|
||||
```
|
||||
┌─────────────────────────────────────────┐
|
||||
│ [💡 想法] [🎨 二创] [📐 复刻] │
|
||||
├─────────────────────────────────────────┤
|
||||
│ Mode A 二创 tab 内容： │
|
||||
│ - 上传图（1-4 张，第 1 张为主参考） │
|
||||
│ - 风格选择（图卡，引用 §3 风格库） │
|
||||
│ - 变化方向描述（textarea） │
|
||||
│ - 数量 4/8/12 │
|
||||
│ - [生成变体] │
|
||||
└─────────────────────────────────────────┘
|
||||
```
|
||||
|
||||
Mode B 和 Mode C 共享一个 tab，差异在上传后的处理：
|
||||
- 只传 1 张且不标记 → Mode B
|
||||
- 传多张并标注槽位 → Mode C
|
||||
|
||||
### 8.4 上传图的元数据（共用）
|
||||
|
||||
每张上传图都要附带：
|
||||
|
||||
```typescript
|
||||
export type UploadedImage = {
|
||||
id: string;
|
||||
url: string; // /api/img/uploads/xxx.png
|
||||
filename: string;
|
||||
uploadedAt: number;
|
||||
role: 'reference' // 二创模式的灵感图
|
||||
| 'subject' // 复刻模式的主体
|
||||
| 'view-front' // 已有的视角，占用对应 slot
|
||||
| 'view-back'
|
||||
| 'view-left'
|
||||
| 'view-right'
|
||||
| 'view-top'
|
||||
| 'view-bottom'
|
||||
| 'accessory-isolated' // 配件孤立图
|
||||
| 'accessory-named'; // 已命名的配件图
|
||||
accessoryName?: string; // 仅 accessory-* 时有效
|
||||
needsCleanup: boolean; // 是否需要先净化才能用
|
||||
};
|
||||
```
|
||||
|
||||
存储路径：`data/uploads/`。
|
||||
|
||||
### 8.5 新增 API
|
||||
|
||||
```
|
||||
POST /api/uploads
|
||||
Body: multipart, image file + role + accessoryName?
|
||||
Resp: UploadedImage
|
||||
|
||||
POST /api/projects/from-upload
|
||||
Body: { uploadedImages: UploadedImage[], mode: 'remix' | 'replicate' | 'extend',
|
||||
remixPrompt?: string, styleId?: string, count?: number }
|
||||
Resp:
|
||||
- mode=remix: { sessionId, images } (4-12 变体)
|
||||
- mode=replicate: { sessionId, characterSpec, l1AnchorUrl }
|
||||
- mode=extend: { sessionId, characterSpec, l1AnchorUrl, preFilledSlots }
|
||||
|
||||
POST /api/character/lock-from-upload
|
||||
Body: { sessionId, subjectImageId }
|
||||
Resp: 调 Vision 推断 CharacterSpec
|
||||
```
|
||||
|
||||
### 8.6 Vision 推断 CharacterSpec
|
||||
|
||||
Mode B 和 C 没有原始 prompt，需要 GPT Vision 看图推断。
|
||||
|
||||
`src/lib/providers.ts` 新增：
|
||||
|
||||
```typescript
|
||||
export async function inferCharacterSpecFromImage(opts: {
|
||||
imageUrl: string;
|
||||
userHint?: string; // 用户可选输入"这是我的 IP, 名字叫小桔"
|
||||
}): Promise<CharacterSpec>
|
||||
```
|
||||
|
||||
实现：
|
||||
- 走 `/responses` + vision input
|
||||
- prompt = "你是玩具产品经理，根据图片推断 CharacterSpec。严格 JSON，包含 name/oneLiner/speciesShape/bodyRatio/faceFeatures/colorPalette/materials/accessories/signatureElements/patentFocus/negativePrompt 字段"
|
||||
- 如果 userHint 有值，name 用它，否则让 GPT 生成
|
||||
|
||||
### 8.7 复刻模式的 L1 净化注意事项
|
||||
|
||||
复刻模式比"从 prompt 开始"对净化要求更高：**不能改任何角色细节**。
|
||||
|
||||
`/api/character/cleanup` 在复刻模式下要使用更强的约束 prompt：
|
||||
|
||||
```
|
||||
保持原图完全一致，仅做以下修改：
|
||||
1. 把背景换成纯白色
|
||||
2. 去除任何水印、文字、价格标签、网页 UI 元素
|
||||
3. 居中并适当裁剪到正方形构图
|
||||
|
||||
绝对不要修改：
|
||||
- 角色五官、表情、姿态
|
||||
- 主体配色、材质、纹理
|
||||
- 配件位置、轮廓、细节
|
||||
- 任何品牌符号（如胸前 logo）
|
||||
|
||||
输出风格：商业产品图，柔和均匀打光，无阴影。
|
||||
```
|
||||
|
||||
可以在 `cleanup` API 里加 `preserveLevel: 'strict' | 'normal'` 参数。
|
||||
|
||||
### 8.8 已有视角槽位的智能匹配（Mode C）
|
||||
|
||||
用户上传时标的 `role: view-front` 等，直接 1:1 占用专利包/配件包的对应模板：
|
||||
|
||||
| 上传 role | 占用模板 ID |
|
||||
|---|---|
|
||||
| `view-front` | `patent_front` + `acc_front`（如是配件） |
|
||||
| `view-back` | `patent_back` |
|
||||
| `view-left` | `patent_left` |
|
||||
| `view-right` | `patent_right` |
|
||||
| `view-top` | `patent_top` |
|
||||
| `view-bottom` | `patent_bottom` |
|
||||
| `accessory-isolated` | 该配件的 `isolated_anchor` |
|
||||
|
||||
`generateAssetPack` 在生成前先检查 session.preFilledSlots，已占用的 template 直接复用上传图，不调 API。
|
||||
|
||||
### 8.9 合规和版权提示
|
||||
|
||||
UI 上传图区域要醒目提示：
|
||||
|
||||
> ⚠️ 上传图必须为你拥有或有合法授权使用的素材。请勿上传迪士尼、三丽鸥、泡泡玛特等已注册 IP 的图像；生成结果用于专利申请时，需自行确认不与他人在先权利冲突。
|
||||
|
||||
后端可选做基础检测：
|
||||
- 调 GPT Vision 看图，若识别为已知品牌 IP（"Hello Kitty"、"Mickey Mouse"、"Labubu"）→ 阻止上传并给出明确警告
|
||||
- 这一步初版可不做，但要在 UI 留位
|
||||
|
||||
### 8.10 实施 Checklist 增量
|
||||
|
||||
在 §4 Checklist 之外，额外加：
|
||||
|
||||
- [ ] 8.A 上传 API + 存储 `data/uploads/`
|
||||
- [ ] 8.B `PromptPanel` 改 3-tab：想法 / 二创 / 复刻
|
||||
- [ ] 8.C Mode A（二创）：multipart + `/images/edits` 批量变体
|
||||
- [ ] 8.D Mode B（复刻）：跳过批量生图，直接 lock + cleanup
|
||||
- [ ] 8.E `inferCharacterSpecFromImage` Vision 推断
|
||||
- [ ] 8.F Mode C：上传图 role 标注 UI + `preFilledSlots` 合并
|
||||
- [ ] 8.G cleanup 加 `preserveLevel` 参数，复刻模式用 strict
|
||||
- [ ] 8.H 版权合规提示 UI
|
||||
|
||||
### 8.11 优先级建议
|
||||
|
||||
最实用顺序：
|
||||
|
||||
1. **Mode B 复刻**（最常用：用户已有玩具图想做素材包）
|
||||
2. **Mode A 二创**（次常用：用户有概念图想做风格变体）
|
||||
3. **Mode C 复刻+补全**（高级：用户有部分视图想补齐）
|
||||
|
||||
如果只做一个，先做 Mode B —— 它对"前后一致"的帮助最直接，相当于直接拿用户图当 L0 锚图，跳过最容易漂移的"prompt → 意向图"阶段。
|
||||
|
||||
|
||||
Reference in New Issue
Block a user