ai-ip-series-design

name ai-ip-series-design description 用 AI 做「可控的 IP 系列形象」的完整方法论与实战提示词 —— 把一个吉祥物/IP 角色扩展成一整套 风格统一、角色一致、可延展(换装/动作/入景/周边)的系列，而不是只出一张惊艳的单图。 当任务涉及:设计一套 IP/吉祥物/虚拟人系列、做 IP 家族(多角色同风格)、AI 出图"第一张惊艳但成不了系列/ 一致性崩"、角色三视图/转身/表情包/换装/动作设计/把角色融进场景、黏土风/羊毛毡/盲盒手办质感、 多图参考锁角色一致性、2D 形象转 3D 质感、给 IP 做周边延展、品牌吉祥物落地 —— 时使用本 skill。 出现 IP设计/IP系列/吉祥物/虚拟人/角色一致性/character consistency/IP family/换装设计/动作设计/ 黏土风/羊毛毡/即梦/Lovart/Nano Banana/Seedream/多图参考、找IP设计参考/对标成熟IP/世界级IP范例/moodboard/benchmark 等关键词也应触发，即使用户没说"skill"。 它管的是【二维形象设计层】:产出一套锁死的一致角色 + 转身/姿势/场景图。要把这些图真正做成可绑骨的 3D 角色/AR 资产,接 [[ar-3d-animation-pipeline]] / [[tripo-api]] / [[hunyuan-3d]];多版本横向择优用 [[parallel-concepts-tournament]];给一致性/美感立评审用 [[evaluator-design]]。 ⚠️ 活文档:每做一个新 IP,把新踩的坑/新验证的提示词追加进 §6、§7。 ai-ip-series-design — 用 AI 做「可控的 IP 系列形象」 方法论来源: 拉片小红书 @行野Design《用了AI，就不必追求一键生成（教程附提示词）》 (88s, 2026-06)。 完整逐段拉片报告 + 抽帧素材见 multi-agent-harness/.lapian/6a33e41e/ (本机)。本 skill 是把那条 录屏教程的隐性工作流提炼成可复用 SOP + 参数化提示词 + 我们项目的接法。 §1 核心命题:做的是「系列」,不是「单图」 90% 的人用 AI 做 IP 不是不会出图,而是做不成系列 —— 第一张很惊艳,一延展(换姿势/换装/进场景/出周边)就 露相、跑风格、角色变样 。 所以本 skill 的全部重量在一句话: 先锁一致性,再谈惊艳。 把"做 IP"从"抽一张好图"重构成" 像远古手搓艺术家一样走完整流程 ":定家族 → 拆分 → 材质 → 换装 → 动作 → 入景。AI 只是把每步的"手搓"加速了,流程本身不能省。 谁掌握流程 + 一致性技术,谁有壁垒;单图 prompt 不值钱。 反模式(一眼判废) ❌ 一个角色一个角色单独生,生完发现彼此 不像一家人 (画风/线条/比例/质感各跑各的)。 ❌ 家族 4 个角色 高矮胖瘦雷同 (都差不多大),没有对比 → 没有节奏感 → 没有记忆点。 ❌ 换装/换动作时 重新生成整角色 → 脸崩、配色漂移、像换了个 IP。 ❌ 追求"一键生成全套" → 越想一步到位越不可控。 §2 六步管线(照着走,别跳) 步 名 干什么 产出 一致性靠 0 定调 选插画风参考当垫图 + 列物种清单 1 张风格基准图 + 角色清单 风格图 = 全程"图2" 0.5 参考对标 研究世界级 IP 范例、设质量标尺、过可注册记号闸 moodboard + 选定 2-3 范例 + AVOID清单 草图前强制闸,见 §9 1 草图(定家族) 一次性出 全家 N 角色组合图 ,刻意拉开高矮胖瘦 1 张全家草图(❌雷同/✅差异 对照) 同一次生成 → 天然同风格 2 提取拆分 转扁平矢量插画风、提亮、去服装,逐角色抠成白底卡 N 张单角色干净底图(可独立加工) 从同一张草图切出 3 材质渲染(2D→3D) 备 2~3 张目标质感参考,逐角色做风格迁移立体化 N 张带质感的"伪 3D"角色 图1=角色 / 图2=质感参考 4 换装 把灵感站(花瓣/Pinterest)当衣帽间,逐角色垫图换装 每角色 ×M 套穿搭 "参考身形 重设计 ,不照搬" 5 动作 用"大透视 / JOJO 立"prompt 打破呆板,多机位 每角色 ×K 个动态姿势 "保持角色一致 + 出 2 方案" 6 入景 多图参考把角色融进统一场景,最后来张全家福 场景成片 + 全家福合影 图1角色严格不变 / 图2=场景氛围 顺序的道理: 先把"全家"在一张图里定死(第1步) ,再拆开各自精修。颠倒过来(先精修单个再凑一家)必然不一致。 各步要点 0 定调 —— 找一张你真心喜欢的插画/质感参考(黏土、羊毛毡、盲盒手办、扁平矢量…),它从头到尾当"图2 风格参考"。同时把角色物种/数量定下来(如:鹳·熊·蛙·萌芽·桃,一高一矮一胖一小)。 1 草图(最关键) —— 用 提示词① 一次出全家组合图 。诀窍是在 prompt 里 明令拉开头身比(3~9 头身混搭)、有高有矮有大有小、造型偏几何组合、避免杂碎细节 。先有意生一版"雷同的"当 ❌ 反例,再生"差异化的"当 ✅,这组对照本身就是好内容素材(也是教程钩子)。 2 提取拆分 —— 把草图 转扁平矢量插画风 + 提亮 + 去掉服装 (裸模更好后续换装),再 逐一把每个角色单独抠出来 放白底。理由:后面换装/材质/动作都要 逐角色独立加工 ,不能一锅烩。 3 材质渲染 —— 这步是"2D 平面 → 立体质感"。准备 2~3 张目标材质参考图, 图1 喂角色、图2 喂质感 ,做风格迁移(黏土风/硅胶/羊毛毡都可试)。注意:这产出的是 带 3D 质感的平面图(伪 3D) ,不是真三维模型 —— 要真模型见 §8。 4 换装 —— 把灵感网站当衣帽间 :在花瓣/Pinterest 截一版穿搭灵感板当垫图,逐角色生穿搭。prompt 必须强调" 参考角色身形重新设计服装,而不是照搬模特 ",否则会把真人衣服硬糊上去。 5 动作 —— "呆呆的站姿拯救不了吸引力"。用 提示词② 出大透视 / JOJO 立 / 夸张前缩(伸向镜头的部位特写放大)、多机位(仰拍/俯拍/虫眼/45°侧身)。一次出 2 个方案挑。 6 入景 —— 用 提示词③ 把角色"种"进场景: 严格锁住图1角色的大小/位置/一致性不变,只在留白处加背景 ,场景氛围/配色参考图2,强景深+虚焦前景。收尾出一张 全家福合影 作为系列的"集体照"。 §3 三个实战提示词模板(直接抄,带占位符) 占位符用 {…} 标出,替换即用。这三条是从拉片里逐字还原 + 参数化的, 已在原视频成片验证 。 模板① 草图 · 一次定全家族 根据参考图风格,生成一组完全不同的 IP 角色组合图,共 {N=4} 个角色,物种/职业各异:{鹳/熊/蛙/萌芽…}。 要求:每个角色的头身比都不一样,可以有夸张、不协调的身材比例(3~9 头身混搭);有高有矮、有大有小; 角色造型偏几何图形的组合;避免出现杂碎细节,画面柔和、让角色更干净立体。 风格:{你喜欢的插画风,如"温暖手绘绘本风"}。宽高比 1:1。 要点: "头身比都不一样 + 有高有矮有大有小"是拉开节奏感的命门 ;"几何组合 + 避免杂碎细节"保证可被后续 3D 化。 模板② 动作 · 大透视 / JOJO 立(打破呆板) {附:该角色的定稿图作为图1} 保持角色一致性,保持背景色。让角色做不同的 JOJO 立浮夸动作;如果某个部位伸向镜头,请使用大透视并特写该部位。 拍摄角色的不同角度:侧身、45° 侧身、背对镜头等;用低角度仰拍、高角度俯拍、虫眼视角、大透视等非常规角度; 角色可看向镜头或不看。出 2 个方案。保持角色服装不变,真实的服装细节质感。1:1 画幅,2K。 要点: "保持角色一致性 + 服装不变 + 出 2 方案"是防漂移三件套 ;动态全靠"大透视/JOJO 立/非常规机位"这几个词。 模板③ 入景 · 多图锁一致性合成 {图1 = 角色定稿;图2 = 场景/氛围参考} 严格保持图1角色在画面中的大小和位置不变(完全不能改变角色在画幅中的大小,只能在留白区域添加背景与元素)。 给图1加入场景以及渲染打光。场景元素与氛围参考图2;场景配色根据图1角色来搭配({莫兰迪配色},突出图1角色为主角)。 不要出现明显的地面;场景元素需匹配图1角色的拍摄角度;画面具有强烈的景深效果,可适当加入虚焦的前景。 严格保持图1的角色一致性,保持服装不变,真实的服装细节质感。不出现文字与 logo。{3:4} 画幅,2K。 要点: "严格保持图1大小位置不变 + 只在留白加元素" 是把角色精确"种"进场景、不被场景吞掉的关键约束。 §4 一致性的命门:多图参考锁定法 这套流程能成系列,底层就一招 —— 双图分工 : 图1 = 主体(不许动) :要保持身份的那个角色。prompt 里反复写" 严格保持图1角色一致性 / 大小位置不变 / 服装不变 "。 图2 = 风格/场景参考(只借不抄) :质感、配色、氛围从这儿来。prompt 写" 参考图2的{质感/氛围/配色} "。 配套口令(哪条缺了就会崩): 锁身份: 严格保持图N角色一致性 锁构图: 保持角色在画幅中的大小/位置不变,只在留白区域添加元素 锁服装: 保持服装不变,真实服装细节质感 借风格: {质感/配色/氛围}参考图M / 参考身形重新设计,而不是照搬 控规格:把 画幅(1:1 / 3:4) 和 2K 直接写进 prompt 尾巴 这是 2025–2026 多图参考生图模型(Nano Banana / 即梦 Seedream 一类)的标准玩法: 模型本身能维持一致性,但你必须用文字把"哪张不许变、哪张只借风格"说死。 §5 工具链(带置信度 + 替代 + 怎么自证) ✅事实 ｜ ⚠️推断 ｜ ❓不知道 ⚠️ 生图主力 = AI 设计 Agent 的「暗色网格无限画布 + 对话生图」 。原视频 UI 指纹:黑色细网格画布、生成图以卡片浮在画布、提示词是 聊天气泡 且可挂 自动命名的参考图 chip ( 🐱 image 、 🦢 图1 、 🌸 felt_flower… )、画幅/2K 写进 prompt。 最像 Lovart(设计 Agent,标志性暗色网格画布) ,其次 即梦(Jimeng/Dreamina)的对话画布 / Liblib 星流 。无标题栏露出,锁不死具体产品。 ⚠️ 底层模型 = 强"多图一致性"的对话生图模型 (Nano Banana / Gemini image、即梦 Seedream 一类)。证据:全程"图1不变 + 图2风格参考"。❓ 具体模型不可考。 ✅ 灵感/换装素材源 = 花瓣 / Pinterest (原视频换装步是 Pinterest 风瀑布流灵感板,且画面自标"来源花瓣")。 选型建议(我们落地用) : 要 画布 + 多图参考 + 中文 prompt 友好 → 先试 即梦(对话画布) (国内、免费额度、Seedream 一致性强)或 Lovart (设计 agent、画布体验最接近原视频)。 只要 纯多图一致性出图 → Nano Banana / 即梦 Seedream 任一支持多图参考的对话生图都行,UI 无所谓。 怎么把 ⚠️ 变 ✅ :去 @行野Design 主页翻其他帖/评论区找其工具自述,或看是否有标题栏露出;确认后回来更新本节。 §5.1 实证更新(codex 核验 · 2026-06-20) ⚠️纠错｜工具身份不要再写成“最像 Lovart”单一判断；本轮核验后的可插入排序是：1）即梦/Dreamina 对话画布/无限画布，2）Lovart，3）Liblib 星流/Canvas（未核到本轮硬截图），4）Whisk，5）奇域。理由：即梦官网已坐实“智能画布 多图AI融合”、同画布多元素拼接、局部重绘、扩图、消除、抠图；第三方教程还出现“点击图片，添加到对话，重新生成”和 Agent 产物自动汇集到画板、图片/视频/文本/画板可拖拽排布。Lovart 官网坐实 AI Design Agent、New Chat、Touch Edit、Style Consistency；Tom’s Guide 坐实 text box + infinite canvas，但未核到“添加到对话”这种中文对话画布指纹。源： https://jimeng.jianying.com/ ; https://www.szxn.com/55105.html ; https://www.lovart.ai/ ; https://www.tomsguide.com/ai/with-one-prompt-i-built-an-entire-brand-kit-in-an-hour-using-lovart ❓不知道｜仍未核到 @行野Design 在公开帖子/简介/评论中自述具体工具或模型；原视频无标题栏/浏览器 tab 露出，所以只能写“UI 指纹更像即梦对话画布或 Lovart”，不能写“作者使用了某工具”。源： https://www.xiaohongshu.com/explore/6a33e41e000000001702f475 ✅事实｜静态 IP 系列一致性模型建议更新：不应只写 Nano Banana/Gemini 2.5 Flash Image。Google 当前图像文档列出 Gemini 3 Pro Image/Nano Banana Pro 面向 professional asset production，支持最多 14 张参考图，其中最多 5 张角色参考、3 张风格参考；Gemini 2.5 Flash Image 官方建议“最多 3 张输入图效果最好”。落地：多角色、多风格参考、品牌物料同场时，优先试 Gemini 3 Pro Image。源： https://ai.google.dev/gemini-api/docs/image-generation ✅事实｜Seedream 4.0 的新增定位不是“神秘更稳”，而是“批量输入/输出 + reference consistency + 4K + 快速迭代”：ByteDance 官方页写明 reference consistency、Batch Input & Output、最高 4K；技术报告摘要写明支持 multi-image reference 和 multiple output images。源： https://seed.bytedance.com/seedream4_0 ; https://arxiv.org/abs/2509.20427 ✅事实｜GPT Image 当前官方图像文档以 gpt-image-2 为主；它支持多轮生成、多张 reference image、mask 编辑，且 gpt-image-2 的输入图默认高保真处理。定位建议：它更适合 IP 定稿后的局部修脸、修 logo、补服装细节、mask 修复，不应写成“系列一致性首选生成器”。源： https://platform.openai.com/docs/guides/image-generation §5.2 我们自己的出图引擎:codex 内置 image_gen(✅本机实测 2026-06-20) ✅事实｜ codex 自带 image_gen 工具,免 OPENAI_API_KEY 、免联网配置 ,自然语言"生成/编辑一张图"即自动触发(底层 gpt-image)。本机已实测出图正常(红圆白底 1024×1024 PNG,落 $CODEX_HOME/generated_images/ )。完整用法见 [[codex-imagegen]] 。 含义:本管线的"出图"这一步 不必依赖外部画布工具(即梦/Lovart) ,可以直接用 codex 跑 —— 尤其适合 我们在 harness 里 fan-out 多 codex 并行批量出图 (见 §7)。即梦/Lovart 仍是"人手在画布上精修"的好选择;codex image_gen 是"可编程、可批量、可复现"的工程化选择。 ⚠️ 取舍:codex 内置工具不收 size/quality/真透明参数(那些是 CLI-only,需 key);要 4K/精确画幅/原生透明/大并发,走 [[codex-imagegen]] §5 的 CLI( gpt-image-2 / 1.5 )。多图参考锁一致性(§4)在 codex 里靠给 worker 传 image=[...] + prompt 按编号点名。 §6 关键判断 / 踩坑(活文档,持续追加) 先定全家再拆分 :第 1 步就把 N 个角色生在同一张图里 —— 同一次生成天然同风格,这是一致性最便宜的来源。颠倒(先精修单个)必崩。 拉开体型 = 系列的灵魂 :头身比/高矮胖瘦不拉开,4 个角色像 4 个克隆,没记忆点。prompt 里把"有高有矮有大有小、头身比都不一样"写死。 去服装再换装 :第 2 步先脱成"裸模",换装才干净;不脱直接糊衣服会叠层穿帮。 换装别照搬 :必须写"参考身形 重新设计 ",否则把真人模特的衣服硬贴上去,比例全错。 入景别让场景吃掉角色 :不加"严格保持图1大小位置不变 + 只在留白加元素",角色会被场景重绘/缩放/挪位。 材质渲染只是"伪 3D" :第 3 步产出的是带立体质感的 平面图 ,不是可绑骨的三维模型 —— 别拿它当 3D 资产,要真模型见 §8。 机器字幕会写错别字 (原视频:"手搓→手拖""矢量→史料""垫图→电图"),别被带偏术语。 ✅事实｜多参考图超过 2 张时必须显式分槽，不要只写“图1主体/图2风格”。可直接加口令： Refs A-C are identity refs; preserve face, body ratio, outfit silhouette. Refs D-E are pose refs only; do not copy identity. Refs F-G are style refs only; do not import their characters. 依据是 Gemini 3 图像模型官方把 object / character / style reference 分开计数。源： https://ai.google.dev/gemini-api/docs/image-generation ⚠️推断｜给角色建“身份胶囊”，比只喊“保持一致”更可控。可插入口令： 角色代号=JXX-01；不可变特征：头冠轮廓/脸型/眼距/主色/标志物/材质/比例/鞋帽；可变项：姿势/表情/场景/光线。 依据：Google 建议关键细节要具体描述，Seedream 4.0 技术报告强调 multi-image reference/一致性任务；“身份胶囊”是生产写法，不是官方参数。源： https://ai.google.dev/gemini-api/docs/image-generation ; https://arxiv.org/abs/2509.20427 ✅事实｜做转身/三视图不要只赌一次“三视图大图”。Google 官方建议 360 视图用迭代法：生成新角度时带上前面已批准图，复杂姿势另加 pose reference。可插入口令： same character, orthographic studio turnaround, front / 3-4 / profile / back, identical outfit, identical proportions, white background 。源： https://ai.google.dev/gemini-api/docs/image-generation ⚠️推断｜长系列不要“上一张改下一张”一路滚；建议从“角色母版图 + 身份胶囊 + 当次姿势/场景参考”分叉生成。依据：Banana100 论文显示 Nano Banana Pro 的 100 次迭代编辑会累积噪声并降低指令跟随；这能支持“少走长编辑链”的工作流约束，但不能证明所有模型、所有短链都会崩。源： https://arxiv.org/abs/2604.03400 ✅事实｜Seedream API 的 seed 只应写成“随机性/回归测试控件”，不能写成跨 prompt、跨场景的角色一致性保证。fal 文档写明 seed controls stochasticity， max_images 可多图生成，且输入+输出总数不超过 15；未承诺换动作/换场景后身份必然不漂。源： https://fal.ai/models/fal-ai/bytedance/seedream/v4/edit/api ✅事实｜GPT Image 的 mask 不是像素级选区保证。官方写明 mask 是 prompt-based guidance，模型可能不会完全按 mask 形状精确执行；IP 定稿后局部修补必须留人工复核。源： https://platform.openai.com/docs/guides/image-generation ❓不知道｜未在 Google/OpenAI/Seedream/fal 已核文档中看到通用数值型 reference_weight / character_weight 参数；不要把“参考权重 0.8”写成这些闭源对话生图模型的通用参数。源： https://ai.google.dev/gemini-api/docs/image-generation ; https://platform.openai.com/docs/guides/image-generation ; https://fal.ai/models/fal-ai/bytedance/seedream/v4/edit/api §7 接到我们的 3D / AR 管线(本 skill 的位置) 本 skill 只做 二维形象设计层 :产出一套 锁死一致的角色 + 转身/姿势/场景图 。要把它变成真能动、能扫的资产,往下接: [本 skill] 定一致角色 + 转身/姿势图 │ (拿干净单角色图 + 多视角) ▼ [[tripo-api]] / [[hunyuan-3d]] 图生 3D + 自动绑骨 ← 用第2步抠好的干净底图 + 第5步多机位图喂多视图重建 ▼ [[blender-mcp]] 动作重定向 / IK / 导 glTF ▼ [[ar-3d-animation-pipeline]] 减面→r3f→MindAR→真机 / [[scenic-spot-ar]] 景点 AR 落地 衔接要点: 第 2 步的 白底干净单角色图 正好是图生 3D 的理想输入(背景干净、角色完整)。 第 5 步的 多机位/转身图 可喂 Tripo multiview_to_model 做更准的多视图重建。 选型/择优(多版角色横向比、选 1 可杂交)走 [[parallel-concepts-tournament]];给"像不像一家人/美不美"立评审走 [[evaluator-design]]。 一开始想并行孵化多个 IP 创意方向,发散用 [[exploration-judgment]] 的判断力别过早收敛。 §7.1 把六步「跑起来」:codex 出图引擎 + workflow fan-out 本 skill 不止是"写提示词",它可以被 codex 真正执行 (见 §5.2 / [[codex-imagegen]]):codex 内置 image_gen 能出图,所以在 [[author-workflow]] 的 .star 里: 草图(第1步) = 1 个 codex slot 出全家组合图; 拆分/材质/换装/动作(第2–5步) = parallel([...]) 每角色一个 writable=True codex slot 并行出图; 入景(第6步) = 给 worker 传 image=[角色定稿, 场景参考] 锁一致性。 存盘坑 :codex 写到全局 $CODEX_HOME/generated_images/ (在 worktree 外, worktree 丢弃也不丢图 );让每个 worker 再 cp 到固定绝对输出目录。 这样一条 .star 就能把"定家族→逐角色延展→入景→全家福"批量产出,run 落 dashboard、可复现 —— 即梦/Lovart 画布则留给"最后人手精修"。落地配方见 [[codex-imagegen]] §6。 §7.2 可复用模板: ip-family.star (一条命令开多个角色)★ 不用每次重写 —— 本 skill bundle 了一个参数化模板 ip-family.star (与本文件同目录)。它把第1步「一次定全家族」+ 第2步「逐角色出卡」封成数据驱动的 fan-out: args.characters 有几个角色,就并行开几个 codex slot。 # 从一个 git 仓库 cwd 跑(writable worker 要建 worktree);out_dir 用绝对路径 harness workflow run-script <skill目录>/ip-family.star --start-runtime --progress --args '{ "out_dir": "/abs/输出/我的IP家族", "style_ref": "/abs/风格基准图.png", // 可选,图2风格参考(锁材质/配色) "lock": "统一锁定:配色X+Y+Z;手办哑光;大块几何四肢分离利3D;白底;无文字logo。", "characters": [ {"slug":"hero", "desc":"【主角】高挑,标志记号=..."}, {"slug":"burly", "desc":"【猛将】魁梧壮硕,..."}, {"slug":"chibi", "desc":"【萌点】矮壮童比例(大头短身),..."} ], "family_variants": 3, // 先出几张全家组合图(同一次生成=天然同风格);0=跳过 "per_char": true // 再逐角色出独立白底单卡 }'