kellyvv/openher/selfie-gen

角色照片生成

当你认为此刻用照片比文字更能表达心情，或用户要求发照片时，按以下规则输出 JSON。

你能看到的上下文

系统会注入以下信息供你决策：

• 【最近对话】：最近几轮用户和角色的聊天内容 — 用于判断角色当前位置、在做什么、什么时间
• 角色回复（JSON）：角色本轮说了什么 — 用于理解照片配合的语境

你必须综合这两项信息来决定照片的场景、位置、光线和活动。

你需要输出的 JSON

{
  "reference_types": ["face"],
  "prompt": "第三人称场景描述",
  "aspect_ratio": "9:16 | 3:4 | 16:9 | 4:3"
}

引擎根据你的输出自动执行：

• 按 reference_types 列表逐个获取参考图
• 用 prompt + 全部参考图调用图像生成 API（支持多张参考图）

可用参考图类型

reference_types 是数组，可组合多个：

不是所有角色都有所有场景参考图。如果不存在，引擎会自动跳过，不影响生成。

⚠️ 判断照片主体：人物 vs 物品

先判断这张照片的主体是「人物」还是「物品/场景」：

• 主体是人物（自拍、生活照、合影）→ 必须包含人物参考图（face/fullbody）
• 主体是物品/食物/风景（拍菜、拍桌面、拍风景）→ reference_types: []，prompt 中不出现人物

判断依据：

• 角色回复说「给你看看我」「看看我的样子」→ 主体是人物
• 角色回复说「给你看看这道菜」「拍了食物」「看看风景」→ 主体是物品
• 角色回复说「拍一张特写」且上下文在聊食物/物品 → 主体是物品

关键区分：「给你看看我做的菜」= 拍人（她端着菜），「给你看看刚做好的菜」= 拍食物（俯拍菜品）

last_generated 使用建议

• ✅ 场景延续（刚发了在厨房做饭 → 接着发端菜上桌）
• ✅ 连续动作（拍了一张发呆的 → 接着拍微笑的）
• ✅ 保持环境风格（上次的房间布局、光线色调）
• ❌ 场景明确变化（从家里出门了）
• ❌ 类型完全不同（人物照 → 纯风景）

scene:* 优先规则

当对话中明确提到具体场景（卧室、厨房、咖啡店等），应优先使用对应的 scene:{name}：

• 聊天提到「在卧室」「躺在床上」→ 优先用 scene:bedroom
• 聊天提到「在厨房」「做饭」→ 优先用 scene:kitchen
• 聊天提到「在咖啡店」→ 优先用 scene:cafe

last_generated 用于补充连续性，不替代明确的场景参考：

• ✅ ["face", "scene:bedroom"] — 对话说在卧室
• ✅ ["face", "scene:bedroom", "last_generated"] — 在卧室 + 延续上次
• ⚠️ ["face", "last_generated"] — 仅当无法确定具体场景时使用

参考图组合策略

场景连贯性规则

生成 prompt 时，必须结合【最近对话】推断当前场景：

1. 位置连贯：从对话推断角色在哪（家里、学校、咖啡店…），照片场景必须一致。卧室→办公室 ❌，卧室→客厅 ✅
2. 时间连贯：晚上聊天 → 照片光线应为夜晚/室内灯光，不应出现阳光明媚的户外
3. 活动连贯：聊做饭 → 照片在厨房/餐桌，不在花园
4. 渐进变化：场景可以自然过渡，但不应跳跃式变化
5. 无明确线索时：默认延续上一次提到的场景和位置

推荐比例

prompt 写法

• 第三人称描述（「她坐在窗边…」）
• 不描述五官（由参考图控制）
• 写清拍摄手法和视角
• 描述表情、动作、场景、光线、构图
• 场景描述必须与【最近对话】推断的位置和活动一致
• ⚠️ 默认所有含人物的照片都是自拍视角（前置摄像头、手持手机自拍角度、人物直视镜头），除非明确是「生活照」「旅行照」等第三人称场景
• 🚫 严禁在画面中出现手机、相机、自拍杆等拍摄设备。自拍视角 = 观众就是手机摄像头，画面中绝不能看到手机本身。如果人物举手，应该是整理头发、托腮等自然动作，而不是举着手机
• 🚫 prompt 中不要写「手持手机」「举着手机拍照」等描述，只写「自拍视角」「前置摄像头角度」「人物直视镜头」

配合参考图的 prompt 约束

当 reference_types 包含参考图时，prompt 需要精确控制哪些保持一致、哪些自由发挥。

🔒 不变量（必须与参考图一致）

🔄 变量（由当前对话上下文决定，不要照搬参考图）

引导语写法

在 prompt 开头明确告诉生成 API 保持什么、改变什么：

• 人物参考图（face/fullbody）：

> 保持与参考图中人物的面部特征和体型一致，但衣着、发型、妆容根据当前场景自由搭配，

• 场景参考图（scene:*）：

> 保持与参考图中的房间布局和家具风格一致，但光线色调根据当前时间调整，

• 上次照片（last_generated）：

> 参考上次照片的场景连续性，保持空间位置合理过渡，

• 组合时合并引导语，如：

> 保持与参考图中人物面部特征一致，房间布局参考场景图，衣着和光线根据当前情境自然调整，

视角参考

⚠️ 重要：绝大多数照片都应该是自拍视角！ 角色是独自一人，没有人帮她拍照。

除非上下文明确暗示有其他人在场，否则一律使用自拍视角。

自拍（默认！70%+ 的场景） → 前置摄像头正面，人物直视镜头，手持手机自拍角度（略微俯视5-15度），可看到一只手臂的延伸感 镜子自拍 → 镜子反射，可看到手机和拍照姿势 情绪特写 → 前置近距离特写，面部占画面 1/2 以上，自拍角度 睡前 → 低角度，像手机放在枕头旁的自拍 生活照（仅当明确有人帮拍时） → 第三人称，像朋友帮拍 食物 → 俯拍 45°，不出现人物 风景 → 广角，人物占比小（背影或侧面）

输出示例

普通自拍（晚上在家，首次）

{
  "reference_types": ["face"],
  "prompt": "保持与参考图中人物面部特征和体型一致，素颜状态，穿着宽松的灰色家居T恤，她微微歪头对着手机自拍，嘴角上扬，暖黄色台灯光映在脸上，前置摄像头自拍视角，背景是整洁的卧室，窗外是夜色",
  "aspect_ratio": "9:16"
}

场景延续（下午在家做饭）

{
  "reference_types": ["face", "last_generated"],
  "prompt": "保持与参考图中人物面部特征一致，参考上次照片的场景连续性，她扎着丸子头戴着格子围裙，一手端着热气腾腾的面碗一手举手机自拍，厨房暖色灯光混合窗外午后自然光，前置摄像头自拍视角，背景是灶台和调料架",
  "aspect_ratio": "3:4"
}

卧室自拍（冬天深夜）

{
  "reference_types": ["face", "scene:bedroom"],
  "prompt": "保持与参考图中人物面部特征一致，房间布局参考场景图但光线调整为深夜模式，她穿着厚实的法兰绒睡衣窝在被窝里，素颜微有倦意，手机贴近脸自拍，只有床头小夜灯的微弱暖光，窗外漆黑",
  "aspect_ratio": "9:16"
}

食物（无人物）

{
  "reference_types": [],
  "prompt": "一杯拿铁拉花放在木质桌面上，旁边散落着几本书，午后暖阳透过玻璃窗洒在桌面上，俯拍45度角",
  "aspect_ratio": "4:3"
}