--- name: character-sheet-pipeline description: 把一张角色图（任意姿势、任意风格）转成一套完整、可直接投产的 3D 参考包 —— 严格正面 A-pose（A 姿势）设定图（2K，Nano Banana Pro）、补充性多视图角色设定图（GPT-Image-2.5，含 3 个正交投影视角 + 配饰平铺）、按匹配的严格正面姿势逐个提取的部件、每个部件可选的侧面+背面多视图、头发提取（默认开启），外加每个资产一段 360° 旋转视频。V3 在每次严格正面输出后新增一道视觉分类器核验，拒绝 3/4 漂移并自动重试至多 2 次后再上报用户。当用户上传单个角色、想要一套干净、可组装的参考包用于下游 3D 生成（Tripo、Hunyuan、Rodin、Pixal3D）时使用。各阶段设有闸门 —— 在生成多视图和 360 视频前，agent 会先请求批准。由 Stefan Vaskevich（Stefan 3D AI）编写，方法论基于发表于 top3d.ai/learn/how-to-create-best-3d-character-references 的内容。 --- # 角色设定图流水线 一个"单角色图进 → 完整参考包出"的工作流，面向 3D 建模师、角色设计师和独立游戏开发者。这个 skill 解决图生 3D 流水线里最难的单个问题：**把分开建模的部件真正拼回一起**。 ## 铁律 —— 严格正面，绝不 3/4 每个身体部件、每件成对物品、每件配饰，都必须以**正对镜头角度生成，与严格正面 A-pose 的朝向保持一致**。绝不写 "3/4 outer view"（3/4 外侧视角），绝不写 "hero angle"（英雄式角度），绝不写 "presentable hero shot"（好看的展示镜头）。 原因：以 3/4 生成的部件无法与严格正面的部件重新组装。接缝对不上。衣服不合身。帽子戴不稳。如果模型执意给 3/4，**用更强的反 3/4 措辞重试。绝不交付 3/4 部件。** 侧面和背面视图是存在的 —— 但它们属于专门的**多视图阶段**（阶段 5），按部件作为单独的、有意为之的正交投影生成。它们从来不是默认角度。 **V3 强制执行机制：** 每个严格正面输出在被接受之前都要经过视觉分类器核验（见阶段 4.5）。如果分类器标记出 3/4 漂移、躯干扭转或被旋转的英雄式展示镜头，流水线会用逐级加强的反 3/4 措辞自动重试至多 2 次，然后上报用户。任何 3/4 部件都不会被悄悄交付。 ## 用户拿到的输出 本 skill 包含的是 agent 指令和提示词模板。它并不自带 独立的生成运行器或分类器服务。核验阶段请使用 agent 可用的 图像查看能力或已配置的视觉 API，并记录用的是哪一种。复用当前 任务中已经给出的复用范围和生成批准；检查点负责敲定新的选择， 而不是把同一个问题再问一遍。 ``` character_pack/ 00_sheet/ 01a_apose_front.png # strict front, white bg, flat light, 2K (Nano Banana Pro) 01b_character_sheet.png # 16:9, 3 projections (front/side/back) + accessories laid out (GPT-Image-2.5) parts_inventory.md # numbered list of every detected part 01_parts/ body_torso_front.png # strict front, in-pose, white bg, 2K body_legs_front.png # strict front, in-pose body_arms_front.png # strict front, in-pose head_front.png # neutral front, no expression hair_front.png # isolated, front-facing hands_pair_front.png # close-crop, palms-to-camera, dead front boots_pair_front.png # close-crop, dead front [accessory_name]_front.png # one per accessory (hat, weapon, prop) — strict front 02_multiview/ # only for parts the user approved at Gate 2 body_torso_side.png body_torso_back.png head_side.png head_back.png ... 03_360/ # only for parts the user approved at Gate 3 full_character_360.mp4 # 4-6s, locked camera orbit [part_name]_360.mp4 # one per asset manifest.json # parts list, pose data, model used, seed, cost ``` ## 流水线 —— 8 个阶段、3 道闸门（V3 新增阶段 4.5 核验器） ### 阶段 1 —— 接收录入 - 接收：一张角色图（任意姿势、任意风格） - 如提供了用户简报则读取（风格目标、必带配饰、必须保留的特征） - 检测：剪影类型、美术风格、色板、可见的性别/年龄、配饰数量 - 向用户输出：对检测到内容的 2 行摘要。**请用户确认。** ### 阶段 2A —— 严格正面 A-pose 设定图（主力阶段） - 生成一张干净的角色设定图：全身、A-pose、**正对镜头角度（不是 3/4）**、白色背景、中性平光、无夸张透视。 - **分辨率：2K**（2048×2048，或最接近的 1:1）。为下游提取提供基准级清晰度。 - **模型优先级：** Nano Banana Pro（首选）→ Nano Banana 2（备选）。这一步绝不用 GPT-Image-2/2.5 —— 在 2K 正面基准图上，Nano Banana Pro 的角色连续性最强。绝不用视频模型。 - 逐字复用用户的角色描述 —— 相同配色、相同比例、相同配饰。保留脸部身份（如果本次 Higgsfield 会话可用 Soul ID，则使用）。 - 精确的提示词模板见 `prompts/01a_apose_front.md`。 - **下游每个部件提取阶段都会以这张图为参照。** ### 阶段 2B —— 补充性多视图角色设定图（辅助视觉参考） - 生成一张 16:9 角色设定图，展示角色的三个正交投影（正面、侧面、背面），并把配饰单独平铺在旁边（尤其是大件：帽子、武器、披风、背包）。 - **模型：GPT-Image-2.5**（自 2026 年 9 月起为默认；fal id `openai/gpt-image-2.5/flare/*`；GPT-Image-2 作备选）。GPT-Image 系列在单张图中组合多个带框视角、并保持角色身份一致方面强于 Nano Banana。 - 白色背景。中性平光。每个投影标注清晰。 - 这张设定图供用户视觉参考，并用于多视图提取阶段的姿势对齐。它**不是**部件提取的直接输入（直接输入是阶段 2A 的图）。 - 精确的提示词模板见 `prompts/01b_character_sheet.md`。 ### 阶段 3 —— 闸门 1：确认部件清单 - 读取渲染出的设定图，提出一份部件清单。把每项归类为： - **`body-essential`（身体必需件）** —— 必须处于严格正面 A-pose，保证组装接缝对齐（躯干、腿、臂、头） - **`paired`（成对件）** —— 以左右一套出现，按近景成对生成，保持严格正面 A-pose 朝向（手/手套、靴/脚） - **`accessory`（配饰）** —— 非承重物件（帽、武器、背包、首饰、披风、围巾）。默认正面；如用户需要，侧面/背面走多视图阶段。 - **`hair`（头发）** —— 单独提取。**默认：提取。** 特殊处理（正面向、与头部姿势匹配、柔和 alpha 边缘）。 - 把拟议清单展示给用户。**询问："确认要提取、跳过或新增哪些部件。"** 等待明确批准后再继续。 ### 阶段 4 —— 部件提取（严格正面，成败攸关的阶段） 每个批准的部件生成一张图。每个部件都以**正对镜头角度**生成，与阶段 2A 的严格正面 A-pose 对齐。以下规则不可妥协 —— 它们决定这些部件日后能否组装成一个连贯的 3D 模型。 **通用规则：** - **分辨率：2K**（与阶段 2A 一致） - **相机角度：严格正面。** 不要 3/4。不要 "presentable hero shot"（好看的展示镜头）。不要 "outer-view"（外侧视角）。部件的呈现方式必须与它在严格正面 A-pose 设定图上的样子一致。 - 白色背景 - 中性平光 - **模型：Nano Banana Pro**（与阶段 2A 相同 —— 一致性优先于各取最强） - 把阶段 2A 的设定图作为视觉上下文引用 —— 每个部件请求都包含一句发给模型的 "match the character on this sheet, same strict-front orientation"（中文说明：与这张设定图上的角色保持一致，同样的严格正面朝向） **按类别规则：** | 类别 | 姿势要求 | 取景 | 备注 | |----------|-----------------|---------|-------| | `body-essential` | **严格正面 A-pose**，与阶段 2A 设定图完全相同的角度 | 紧密裁切到该身体区域，部件完整可见 | 躯干干净地显示颈部/肩部/胯部切口。手臂正对展示。腿部正对展示。头部直视镜头。 | | `paired` | **严格正面**，与阶段 2A 设定图上完全一致 | 成对件一起近景裁切，手部掌心向镜头，靴部脚尖向镜头 | 绝不 "3/4 outer view"（3/4 外侧视角）。两件处于完全相同的严格正面角度。 | | `accessory` | **严格正面**，与其在角色身上的佩戴状态一致 | 正面居中、白底隔离 | 帽子按其佩戴状态正对展示。武器刃面朝前展示。绝不 "3/4 hero angle"（3/4 英雄式角度）。 | | `hair` | **严格正面**，与头部角度匹配 | 隔离，正面视图 | 头发与空气相接处用柔和 alpha 边缘 | 精确模板见 `prompts/02_parts_body.md`、`prompts/03_parts_paired.md`、`prompts/04_parts_accessory.md`、`prompts/05_parts_hair.md`。 ### 阶段 4.5 —— 视觉分类器核验（V3，反 3/4 重试循环） 阶段 2A 之后以及阶段 4 每次部件生成之后，生成的图像在被接受前都先由**视觉分类器**检查。分类器是一次 OpenAI 视觉调用（GPT-4 Vision / GPT-5 vision），对每张图回答一个结构化问题（发给模型的原文问题）：*"Is this output STRICT FRONT, with no 3/4 drift, no rotation, no hero angle?"*（中文说明：这个输出是否严格正面，没有 3/4 漂移、没有旋转、没有英雄式角度？） **核验结论 —— 三种结果：** | 结论 | 含义 | 动作 | |---------|---------|--------| | `pass`（通过） | 确认严格正面（左右两侧等宽 / 角度一致 / 无旋转 / 无倾斜） | 接受该图，流水线继续 | | `soft_fail`（轻微不合格） | 有轻微漂移但仍可用作参考 | 接受，但在 manifest 记录一条警告，继续 | | `hard_fail`（严重不合格） | 明显 3/4、英雄式角度、躯干扭转或姿势错误 | 拒绝，重试计数加 1，用**升级后的**反 3/4 提示词重跑上游阶段 | **重试策略 —— 有界循环：** - 每个部件最多 **2 次自动重试**。总预算：3 次尝试（首次 + 2 次重试）。 - **重试 1：** 用*升级后的*提示词重跑同一模型 —— 在提示词开头加上分类器返回的明确失败原因（发给模型的原文，例如 "the previous attempt was rotated ~25° to camera-right; this attempt MUST be dead-front"，中文说明：上一次尝试朝相机右侧旋转了约 25°；这一次必须正对镜头），加强反 3/4 negative 项，把 STRICT FRONT 的强调提升为全大写的开场句。 - **重试 2：** 改用备选模型（图像阶段用 Nano Banana 2），沿用同一份升级后的提示词。理由：主模型可能在这张构图上局部卡死。 - **重试 2 之后仍然 `hard_fail`：** 停止循环，把三次尝试全部摆给用户，询问："3 次尝试都未通过严格正面核验。你是硬选一张、按自定义指令重试，还是跳过这个部件？" **分类器按类别检查的内容：** - `body-essential` —— 两肩等宽、两脚角度一致、头部正对、躯干无旋转、无对立式平衡（contrapposto）、无透视前缩 - `paired` —— 两件处于相同角度、都正面朝前展示、没有 3/4 外侧视角、无不对称取景 - `accessory` —— 物件正面正对相机，没有被旋转的英雄式展示角度，无修饰性的 glamour 展示镜头 - `hair` —— 相对头部所在位置正面朝前、边缘柔和 alpha、无侧面或背面漂移 **它在流水线中的位置：** - 阶段 2A 之后（设定图本身 —— 设定图一漂，下游全部被污染） - **每个**阶段 4 部件输出之后 - **每个**阶段 5 多视图输出之后，但使用不同的评分标准 —— 阶段 5 的期望角度是侧面或背面，所以分类器核验的是*预期的*正交角度是否被干净地命中（正与侧之间不得出现 3/4，不得出现半背面）。 **记录：** 每次分类器结论（`pass` / `soft_fail` / `hard_fail` + 原因 + 重试次数）都写入 `manifest.json`，用户可以审计哪些部件需要过重试、原因是什么。 精确的分类器提示词和升级重试提示词模板见 `prompts/08_3q_classifier.md`。 ### 阶段 5 —— 闸门 2 + 按部件多视图（新阶段） 所有严格正面部件渲染完毕后，提出多视图方案： - **默认提案：** `body-essential` 部件（躯干、腿、臂、头）+ `hair` → 每件各生成**侧视图 + 背视图**。 - **询问用户：** "哪些部件需要我生成侧面 + 背面视图？默认 = 身体部件 + 头部。告诉我要增删。" - 等待明确批准。用户可以：接受默认、扩展到配饰、或完全跳过多视图。 对每个批准的部件，按同样的严格正交标准生成侧视图 + 背视图。同一模型（Nano Banana Pro）、同样 2K、同样的白底平光、同样引用阶段 2A 设定图。 见 `prompts/06_multiview.md`。 ### 阶段 6 —— 闸门 3 + 360 旋转视频 - 360 视频是最贵的一步。计算积分开销：1 段全身角色 360 + N 段按部件 360。 - 把积分开销展示给用户。**请求批准。** 提供 3 个选项： - "全部资产"（完整包） - "仅全身角色"（最便宜） - "自定义"（用户挑选哪些部件做 360） - 使用 **Seedance 2.0** 的机位锁定环绕（orbit）模式。 - 时长：每个资产 4-6 秒 - 相机：锁定。让主体旋转完整 360°。不推拉、不变焦、场景不动。 - 光照：沿用静帧里的中性平光。 - 每个资产渲染一次。全身角色先行（用作参照，检查各部件 360 里有没有姿势漂移）。 - 见 `prompts/07_360_video.md`。 ### 阶段 7 —— 打包 + manifest - 组装上文所示的输出目录结构 - 写入 `manifest.json`，包含：源图哈希、部件清单、每个资产使用的模型 + 种子、积分开销、生成时间戳 - 交付到指定的本地工作区。仅在用户指定了该目的地时，才通过外部连接器发送或发布。 ## 模型路由规则（回顾） | 步骤 | 首选 | 备选 | 备注 | |------|---------|----------|-------| | 阶段 2A · 严格正面 A-pose @ 2K | **Nano Banana Pro** | Nano Banana 2 | 这一步绝不用 GPT-Image-2/2.5 —— 正面正交下的角色连续性由 Nano Banana Pro 胜出 | | 阶段 2B · 补充性多视图设定图 16:9 | **GPT-Image-2.5**（GPT-Image-2 备选） | Seedream V5 Lite | GPT-Image 系列更擅长在单张图中组合多个带框投影 | | 阶段 4 · 部件提取 @ 2K | **Nano Banana Pro** | Nano Banana 2 | 与 2A 同模型 —— 一致性优先 | | 阶段 4.5 · 视觉核验（V3） | 宿主可用的图像查看能力或已配置的视觉 API | 无 | 记录 `pass` / `soft_fail` / `hard_fail` 及原因。不包含独立的分类器运行器。 | | 阶段 5 · 按部件多视图 | **Nano Banana Pro** | Nano Banana 2 | 同阶段 4 | | 阶段 6 · 360 视频 | **Seedance 2.0**（环绕模式） | Veo | 用户指定时用 Kling | **理由：** 流水线中途换模型会引入风格漂移，破坏下游 3D 重建。阶段 2B 之所以用 GPT-Image-2.5，只是因为 GPT-Image 系列在多投影版面组合上更强，而且 2B 只是辅助视觉参考 —— 不是提取的输入。 ## 反模式（禁止这样做） - ❌ **绝不在 3/4 角度生成任何部件。** 只允许严格正面。如果模型默认给 3/4（它会的），用更强的反 3/4 措辞重试。绝不交付 3/4 部件 —— 它会毁掉整条流水线。 - ❌ **绝不对配饰拍"英雄式展示镜头"。** 即便是帽子和武器，也先严格正面。多视图之后按需再补侧面/背面。 - ❌ 不要用随机姿势生成部件（武器提取时"角色手持剑"）。武器必须隔离展示、严格正面。 - ❌ 不要添加设定图上没有的背景、环境或道具。 - ❌ 不要用电影感光照 —— 虽然更好看，但它会把阴影烘焙进参考图，毁掉 3D 法线提取。 - ❌ 对应闸门批准之前，不要生成阶段 5（多视图）或阶段 6（360）。 - ❌ 除非用户明确放弃，不要跳过头发提取。默认 = 提取。 - ❌ 不要把成对件合并成一张"hands"图 —— 左右可能不对称。作为带标签的一对一起展示，但处于完全相同的严格正面角度。 - ❌ 部件提取不要用 GPT-Image-2/2.5 —— Nano Banana Pro 是 2K 参考图工作的主力。 ## 这个 skill 为何存在 单图转 3D 模型（Tripo、Hunyuan、Rodin、Pixal3D）在喂给它干净的严格正面 A-pose 设定图 + 隔离部件参考图时，产出效果远好于喂一张英雄姿势单图。多数 3D AI 用户的瓶颈，是为稳定产出这套参考包所需的那 30-60 分钟手工提示词。本 skill 把它压缩成一次单发调用，外加三道人工闸门做质量控制。 方法论来源：（Stefan Vaskevich，2026）。 ## 调用示例 用户上传 `kitsune_wizard.png` 并写道： > 对这张图跑角色设定图流水线。风格化、偏动漫。帽子和武士刀作为独立配饰保留。戒指跳过。 该 skill 将： 1. 检测：kitsune（狐妖）特征、风格化动漫、巫师帽、武士刀、长袍、戒指（用户跳过）。确认。 2. 生成阶段 2A —— 经 Nano Banana Pro 输出 2K 严格正面 A-pose 设定图 3. 生成阶段 2B —— 经 GPT-Image-2.5 输出补充性 3 投影 + 配饰设定图 4. 请用户确认部件清单（拟议：躯干、腿、臂、头、头发、双手成对、双靴成对、帽子、武士刀 —— 全部严格正面） 5. 逐个生成部件，严格正面向，与阶段 2A 的姿势匹配 6. 询问用户哪些部件做多视图（默认：躯干、腿、臂、头、头发 → 侧面 + 背面） 7. 为批准的部件渲染多视图 8. 报价 360 视频的积分开销，询问渲染哪些部件 9. 渲染 360 10. 把完整包放入工作区；若已连接 Drive 则一并推送 ## 状态 **V3（2026-05-19）。** 新增视觉分类器核验步骤（阶段 4.5）与有界自动重试。补上 V2 的缺口：即便加强了提示词 negative，配饰仍会向 3/4 漂移。 相对 V2 的变更： - 新增阶段 4.5 —— 视觉分类器在每个严格正面输出被接受前进行核验（GPT-4 Vision / GPT-5 vision）。 - 有界重试循环：最多 2 次自动重试，反 3/4 措辞逐级加强；重试 2 时改用备选模型；再不行则上报用户。 - 每次尝试的结论 + 原因写入 `manifest.json` 供审计。 - 新增 `prompts/08_3q_classifier.md`，包含分类器提示词 + 升级重试提示词模板。 未决事项： - 在宣布稳定之前，需在多种角色原型上验证：风格化动漫、半写实、硬表面机甲、生物/非人形。 - 分类器 `soft_fail` 阈值可能需要在拿到真实运行的遥测数据后按类别调参。 - 阶段 5（多视图）使用不同的评分标准 —— 在依赖同样的自动重试预算之前，先确认侧/背核验的措辞表现良好。 ### 历史 - **V1**（2026-05-03）—— 初稿，7 个阶段、3 道闸门。 - **V2**（2026-05-18）—— 在所有部件提取提示词中加强反 3/4 negative；把配饰漂移标记为未解决。 - **V3**（2026-05-19）—— 通过视觉分类器加入反 3/4 重试循环（本次修订）。