Ecommerce Product Info Generator

产品卖点基础信息生成器（国际化电商视频管线 Skill1）。接收产品图片和商品信息，自动识别产品类别、凝练结构化卖点、推断适用人群和场景，生成产品白底图（product_layer.png）和结构化卖点数据（selling_points.json）。当用户上传产品图片、要求"分析这个产品""提取卖点""生成产品信息"时触发。

国际化电商视频生成 — Skill1：产品卖点基础信息生成

整体管线定位

text

                         AI爆款电商视频生成管线
   ═══════════════════════════════════════════════════════════

   整体输入:
     product_catalog  →  产品图册（白底图/主图/详情图/产品信息）
     target_country   →  目标国家（默认: 中国）
     target_platform  →  目标平台（非必填, 默认按市场推荐）
     video_type       →  视频类型（8选1）
     hook_points      →  吸睛点（非必填, 如"限时折扣3折/效果立竿见影"）
     duration         →  视频时长（秒）

                         │
                         ▼
   ┌─────────────────────────────────────────────────────────┐
   │  Skill 1: 基图生成器 (base-image-generator)              │
   │  输入: 整体输入参数                                       │
   │  输出:                                                   │
   │   · 凝练后的结构化卖点（多语言） —————→ 传给 Skill 2        │
    │   · 基图设计方案（两层图片+背景文本） ———→ 传给 Skill 2 + 3  │
   │   · 市场文化配置信息          —————→ 传给 Skill 2 + 3    │
   └─────────────────────┬───────────────────────────────────┘
                         │
                         ▼
   ┌─────────────────────────────────────────────────────────┐
   │  Skill 2: 分镜脚本生成器 (video-script-generator)         │
   │  输入: Skill1 输出 + 整体输入参数中的 duration/platform    │
   │  输出: 完整分镜脚本（含三元素引用标记） —→ 传给 Skill 3    │
   └─────────────────────┬───────────────────────────────────┘
                         │
                         ▼
   ┌─────────────────────────────────────────────────────────┐
   │  Skill 3: AI视频生成器 (ai-video-generator)              │
    │  输入: Skill1 的基图（两层图片+背景文本）+ Skill2 的分镜脚本│
   │  输出: 最终爆款AI视频（含质量检测报告）                    │
   └─────────────────────┬───────────────────────────────────┘
                         │
                         ▼
                   最终爆款AI视频 🎬

这是管线的 Skill 1 — 入口层。接收用户的原始产品和营销诉求，输出管线下游需要的结构化卖点和基图素材。

---

核心概念：两层基图 + 背景文本描述

基图包含 两大独立元素层（产品 + 人物）+ 背景的 文本描述。背景不生成图片， 由下游 Skill3 在视频生成时根据文本描述自动生成，并自动维护全片场景一致性：

text

输出文件：
───────────────────────────────────────────
① product_layer.png       ← 产品白底/多角度图（保留全部产品细节）
② background_layer        ← 背景环境描述文本（不生成图片）
③ people_layer.png        ← 核心人物图（含alpha通道的PNG，人物手持/展示姿态）

输出逻辑： 产品层和人物层各自独立生成、独立保存为文件。 背景层仅输出结构化文本描述（场景类型/风格/色调/光影/风格预设）， 由 Skill3 的 AI 视频模型根据描述自动渲染背景，并通过 prompt 约束保持全片场景一致。 这样既减少了一次 API 调用，又让视频生成 AI 有更大的创作自由度来自适应不同镜头需求。

使用场景

本 Skill 是 AI爆款电商视频管线 的入口。当用户需要为电商产品制作面向特定国家/市场的爆款视频时触发。 用户提供产品图册和营销诉求，本 Skill 输出凝练后的结构化卖点 + 符合目标市场文化审美的基图设计方案（三层分解）+ 多语言文案 + 多平台版本，供下游 Skill2/3 消费。

输出目录规则

• 默认路径：桌面 AI视频脚本 文件夹（自动创建）
• 自定义路径：通过 --output 参数指定
• 聊天环境：同时输出 Markdown 结果到聊天窗口 + 保存文件到输出目录

图片输入方式

本 Skill 支持三种图片输入方式：

方式一：ArkClaw/OpenClaw 聊天界面上传（推荐）

用户直接在聊天框拖拽或粘贴图片，系统自动处理：

单张图片：

text

用户: [上传产品图.jpg] "帮我分析这个产品，做泰国市场"
→ 系统提供临时路径: {image_path}
→ 执行: python {baseDir}/scripts/generate_base_image.py --product "{image_path}" --country "泰国" --video-type "痛点解决"

多张图片：

text

用户: [上传3张产品图] "分析这些图，做美妆护肤类"
→ 系统提供路径列表
→ 执行: python {baseDir}/scripts/generate_base_image.py --product "{image_path_1}" --detail-images "{image_path_2},{image_path_3}" --country "中国"

方式二：本地文件夹路径

bash

python {baseDir}/scripts/generate_base_image.py --folder "./产品图片" --country "泰国"

方式三：单张图片路径

bash

python {baseDir}/scripts/generate_base_image.py --product "./白底图.png" --name "产品名" --country "泰国"

路径变量说明：

• {image_path} — ArkClaw 自动注入的单张上传图片临时路径
• {image_paths} — 多张上传图片的路径列表（逗号分隔）
• {baseDir} — 本 Skill 所在目录的绝对路径
• 默认输出到桌面 AI视频脚本 文件夹；可通过 --output 自定义路径 指定

---

品类维度（5大品类模板）

除 video_type（8种视频类型）外，产品所属 品类 是影响基图设计的重要维度。不同品类的展示重点和构图逻辑不同：

品类	产品展示重点	背景环境倾向	人物互动方式	三层输出特征
美妆护肤	包装质感+质地+使用效果	浴室/化妆台/梳妆镜	手指涂抹/刷具上妆/脸部展示	层①产品多角度 + 层②浴室/梳妆台 + 层③手持产品/上妆姿态
食品零食	包装+内容物+食用状态	厨房/餐桌/户外野餐	手部取食/咀嚼/满足表情	层①包装+内容物 + 层②厨房/餐桌 + 层③手部取食姿态
家居日用	功能性+使用场景+收纳	客厅/卧室/厨房/卫生间	双手操作/场景化使用	层①产品功能特写 + 层②使用环境 + 层③双手操作姿态
服饰鞋包	上身效果+面料质感+搭配	衣帽间/街头/咖啡厅	全身穿着/转身/手拎展示	层①产品细节特写 + 层②搭配场景 + 层③全身穿着展示
数码3C	外观设计+屏幕显示+接口细节	桌面/科技背景/极简空间	手持操作/手指点击/摆放	层①产品主体70% + 层②极简背景 + 层③手持操作姿态

映射规则: 若用户未填 product_catalog.info.category，AI 根据产品图片自动识别品类。品类决定背景场景倾向和人物互动方式，和 video_type 共同作为基图设计的两个维度。

---

整体管线输入参数（用户第一入口 — 简洁版）

参数	类型	必填	默认值	说明
product_catalog	object	是	—	产品图册 — 包含图片和商品信息
├─ images	object	是	—	产品图片集合
│ ├─ white_bg	string	否	—	白底图URL（最佳输入）
│ ├─ main	string	否	—	主图URL（无白底图时用于抠图）
│ └─ detail	array	否	[]	详情图URL列表（辅助产品识别）
├─ info	object	是	—	产品信息
│ ├─ name	string	是	—	产品名称
│ ├─ category	string	否	自动识别	产品类目
│ ├─ selling_points	string	否	自动提取	商品卖点（原始, 需凝练）
│ ├─ target_audience	string	否	自动推断	目标人群
│ └─ usage_scenario	string	否	自动推断	适用场景
└─ price	string/number	否	—	福利价格, 如"39.9元"（含货币单位）
target_country	string	否	"中国"	目标国家 — 精确国家名, 如"日本""泰国""美国"
target_platform	string	否	按市场推荐	目标平台 — 如"抖音/TikTok/Instagram"等
video_type	string	是	—	视频类型 — 8选1: UGC种草/带货短剧/产品口播/产品演示/开箱种草/痛点解决/反应展示/TVC广告
hook_points	string	否	自动提取	吸睛点 — 用户期望的视频核心吸引力, 如"3折限时折扣""效果立竿见影""明星同款""限量发售"等
duration	number	是	—	视频时长（秒）

该统一输入将在此 Skill 内部展开为详细的执行参数（见下方"输入参数"表）。下游 Skill2/3 将继承此输入结构。

---

输入参数（展开版 — Skill1 内部使用）

映射自统一输入: product_catalog.images → product_layer / product_catalog.info → product_info / target_country → target_market / target_platform → platform / video_type 直接继承 / hook_points → 注入卖点凝练和基图设计 / duration → 传给 Skill2

参数	类型	必填	说明	映射来源
product_layer	object	是	① 产品白底图层 — 产品纯净形态	product_catalog.images
├─ white_bg	string	否	白底图URL（最佳输入）	images.white_bg
├─ main	string	否	主图URL（无白底图时用于抠图）	images.main
└─ detail	array	否	详情图URL列表（辅助产品识别）	images.detail
background_layer	object	是	② 背景环境层 — 场景描述	由AI根据 target_country + video_type 自动生成
├─ scene_type	string	是	场景类型（室内/户外/影棚）	AI推断
├─ style	string	是	风格描述（如原木风/科技感/热带）	AI推断
└─ reference_images	array	否	场景参考图URL列表（可选）	用户追加
people_layer	object	否	③ 人物层 — 人物设定	由AI根据 target_country 主流人种自动生成
├─ presence	string	是	是否含人物（必须/可选/无人）	AI推断
├─ features	string	是	人物特征（人种/年龄/妆容）	AI根据目标国家生成
├─ action	string	是	动作姿态（手持/展示/使用）	根据 video_type 匹配
└─ reference_images	array	否	人物参考图URL列表（可选）	用户追加
product_info	object	是	商品信息	product_catalog.info
├─ name	string	是	产品名称（中文或英文）	info.name
├─ category	string	否	产品类目（未填自动识别）	info.category 或 AI识别
├─ selling_points	string	否	商品卖点（未填自动提取）	info.selling_points 或 AI提取
├─ target_audience	string	否	目标人群	info.target_audience 或 AI推断
└─ usage_scenario	string	否	适用场景	info.usage_scenario 或 AI推断
composition	object	否	三层组合参数（各层独立的构图/角度/尺寸）	AI根据 video_type + hook_points 生成
├─ product_scale	string	否	产品占比（大/中/小）	按视频类型匹配
├─ background_blur	string	否	背景虚化程度（无/轻/重）	按市场审美生成
└─ people_position	string	否	人物位置（左/中/右/产品后）	按构图模板生成
video_type	string	是	视频类型（8选1）	直接继承
hook_points	string	否	吸睛点（注入卖点凝练和基图设计）	直接继承
target_market	string	是	目标市场（由 target_country 自动映射）	target_country 映射
platform	array	是	目标平台（多选）	target_platform 或市场默认
price	string/number	否	福利价格（可选，需标注货币单位）	product_catalog.price

注意: background_layer 和 people_layer 由AI根据 target_country 和 video_type 自动推断生成, 无需用户手动填写。用户可以通过 hook_points 提示系统需要强调的吸引力方向。

目标市场定义与语言规则

市场层级与语言判定

text

IF target_market 精确到国家（如"美国""日本""德国"）:
  → 背景风格 = 该国具体文化元素
  → 语言文字 = 该国官方语言
  → 人物特征 = 该国主流人种特征
  → 审美偏好 = 该国主流审美

ELSE IF target_market 为区域（如"北美""欧洲""东南亚"）:
  → 背景风格 = 该区域通用文化元素
  → 语言文字 = 区域通用语言（见下表）
  → 人物特征 = 区域代表性人种
  → 审美偏好 = 区域主流审美

  区域语言规则：
  - 中国 → 中文汉语
  - 北美/欧洲/东南亚/巴西 → 英语英文
  - 日本 → 日语日文
  - 韩国 → 韩语韩文

七大市场文化适配规范

市场	精确国家示例	语言	人物特征	审美风格	色彩偏好	文化禁忌
中国	中国/中国大陆	中文	东亚面孔	精致/白瘦幼/高级感	红金喜庆、莫兰迪高级	避免政治敏感、宗教
北美	美国/加拿大	英文	多元人种（白/黑/拉丁/亚裔）	真实/多元/自信	高饱和、撞色、大胆	避免种族刻板印象
欧洲	英国/德国/法国/意大利	英文（通用）	白人为主，南欧偏深	极简/质感/艺术感	低饱和、黑白灰、大地色	避免过度营销感
日本	日本	日文	东亚面孔，偏柔和	治愈/萌系/极简/细节控	马卡龙、原木白、低饱和粉	避免夸张表情、直接推销
韩国	韩国	韩文	东亚面孔，偏精致	时尚/水光肌/氛围感	奶油色、淡紫、薄荷绿	避免素颜感、要精致
东南亚	泰国/越南/印尼/菲律宾	英文（通用）	东南亚面孔，偏健康肤色	热情/活力/家庭感	热带色、亮黄、亮绿、橙	避免宗教冲突元素
巴西	巴西	英文（通用）	拉丁裔，偏健康肤色	热情/桑巴/活力/户外	高饱和、绿黄蓝（国旗色）	避免刻板印象（足球/雨林）

---

执行流程（严格按顺序执行）

Step 1: 市场解析与语言判定

1.1 解析 target_market

text

输入格式识别：
- "中国" / "中国大陆" / "CN" → 中国市场，中文
- "美国" / "USA" / "United States" → 美国市场，英文
- "日本" / "Japan" / "JP" → 日本市场，日文
- "北美" / "North America" → 北美区域，英文
- "欧洲" / "Europe" → 欧洲区域，英文
- "东南亚" / "SEA" / "Southeast Asia" → 东南亚区域，英文
- "韩国" / "Korea" / "KR" → 韩国市场，韩文
- "巴西" / "Brazil" / "BR" → 巴西市场，英文

1.2 输出市场配置

text

market_config = {
  "market": "{解析后的市场}",
  "is_country": true/false,
  "language": "{语言代码}",
  "script_type": "{中文/英文/日文/韩文}",
  "people_features": "{人物特征描述}",
  "aesthetic": "{审美风格}",
  "color_preference": "{色彩偏好}",
  "cultural_taboos": ["{禁忌1}", "{禁忌2}"]
}

---

Step 2: 产品识别与卖点凝练（多语言）

2.1 图像分析

• 分析主图：识别产品类别、外观特征、核心功能
• 分析详情图：提取使用场景、效果展示、成分/参数
• 分析白底图：获取产品纯净形态，用于抠图

2.2 OCR文字提取

• 从详情图中提取所有文字信息
• 识别：产品名、卖点词、成分表、功效宣称、价格信息

2.3 卖点结构化（仅中文输出）

注意： 本阶段仅输出中文。多语言翻译（英/日/韩等）在 Skill3 的语音合成和字幕生成步骤完成。

统一输出中文格式：

text

1、商品名称：[中文产品名]
2、核心卖点：
主卖点：[最具差异化的1个核心卖点，不超过15字]
次卖点：
- [支撑主卖点的具体功效/成分/设计，3-5个]
3、适用人群：[精准描述，含年龄/性别/痛点/需求]
4、适用场景：[具体使用时机和场景，2-3个]

凝练原则（各市场通用）：

• 主卖点必须是用户最关心的、与竞品最差异化的点
• 次卖点必须能支撑主卖点，有具体数字/成分/证据
• 适用人群必须精准，拒绝"所有人"
• 适用场景必须具体，拒绝"日常使用"

---

Step 3: 视频类型匹配与风格定位

根据 video_type 调用对应基图风格模板：

视频类型	基图核心识别特征	画面公式	情绪钩子
UGC种草	素颜真人+生活场景+手持产品	[真人半身/大头]+[手持产品怼镜头]+[生活背景]+[手写体"真实测评"]	真诚、朋友推荐感
带货短剧	多人剧情+场景叙事+动作定格	[双人/多人场景]+[动作定格]+[场景纵深]+[剧名式标题]	悬念、好奇、冲突
产品口播	专家半身+专业背景+直视镜头	[人物半身]+[专业背景]+[直视镜头]+[权威头衔大字]	信任、权威、专业
产品演示	产品主体60%+极简背景+侧逆光	[产品主体60%+]+[极简背景]+[侧逆光轮廓]+[大字参数]	高级、科技感、精致
开箱种草	半开包装+手部动作+桌面杂物	[半开快递盒]+[手部动作]+[桌面杂物]+[期待感文字]	期待、好奇、仪式感
痛点解决	Before/After对比+明暗对比	[痛点场景60%]+[产品小图]+[对比文字]+[左暗右亮]	焦虑→希望、对比冲击
反应展示	惊讶表情特写+产品在手边	[人物惊讶表情特写]+[产品在手边]+[感叹文字]+[抓拍感]	惊喜、不可置信、真实
TVC广告	电影场景+品牌融入+大量留白	[电影感场景]+[产品自然融入]+[品牌slogan]+[大量留白]	向往、高级、情感共鸣

3.1 广告场景分类维度（新增）

除 video_type（8种视频类型）外，根据产品属性+目标+hook_points 将广告分为5大场景，每个场景影响基图的整体风格定位：

广告场景	适用 video_type	基图风格	视觉公式
投流素材（效果广告）	UGC种草/产品口播/痛点解决	高对比、大字价格、强CTR导向	[产品70%]+[大字数字]+[对比色背景]+[紧迫感文字]
种草产品	开箱种草/产品演示/反应展示	真实生活感、柔和、朋友推荐感	[真人手持]+[生活场景]+[产品突出]+[真实口碑文字]
品牌片/TVC	TVC广告	电影级光影、留白、品牌符号突出	[电影感构图]+[品牌色为主]+[大量留白]+[Slogan]
互动内容	带货短剧/反应展示	剧情抓拍感、动态构图、评论引导	[动作定格]+[悬念标题]+[竖屏]+[评论区引导文字]
出海带货	全部类型（跨市场）	多面孔、多语言、本地化元素	[本地人种]+[本地场景]+[多语言标题]+[文化符号]

映射规则: hook_points 含"限时/折扣/促销" → 投流素材；含"品牌/质感/故事" → TVC；含"新品/真实/测评" → 种草；含"剧情/搞笑/反转" → 互动；target_country 非母语→出海。

3.2 卖点演绎维度（视觉化方法论）

基图设计不仅要展示产品，更要 演绎卖点。将文字卖点转化为视觉编码：

text

文字卖点 → 视觉演绎方案
─────────────────────────────────
"持久"       → 产品在时间推移中的状态不变（如妆容8小时不脱）
"轻薄"       → 质地滴落/延展/透光效果（如精华液从指缝滑落）
"强效"       → 视觉冲击/力量感（如泡沫爆炸/清洁力视觉化）
"天然"       → 自然元素环绕（植物/水滴/阳光穿透）
"精准"       → 精密细节/刻度/数字显示
"大容量"     → 产品与参照物对比（如与手掌对比展示尺寸）

基图的卖点演绎方向决定：

• 产品摆放角度（正视图展示容量 vs 侧视图展示轻薄）
• 背景互动方式（产品被自然元素环绕 vs 科技感光效）
• 人物互动方式（手部动作展示使用过程 vs 对比展示效果）

3.3 黄金3秒开场策略（注入基图首帧设计）

视频前3秒决定用户是否停留。基图的 首帧画面 需按以下策略强化吸引力：

text

黄金3秒开场策略 ← 从 hook_points（吸睛点） 自动匹配或用户指定：

① 视觉冲击法 — "第一眼就震撼"
   适用: 食品内容物/化妆品质地/产品特写
   基图：产品+汁液飞溅/质地滴落/爆炸图

② 悬念提问法 — "这是什么？"
   适用: 新品/陌生品类/功效型产品
   基图：产品遮罩/局部特写/不打全貌

③ 反差对比法 — "Before/After"
   适用: 功效证明类/清洁/护肤/收纳
   基图：左暗右亮/分屏对比

④ 利益承诺法 — "直接给答案"
   适用: 价格驱动/限时促销/痛点明确
   基图：产品+大字价格/效果数字

⑤ 情感共鸣法 — "你也有这个问题吗？"
   适用: 痛点型/生活方式型产品
   基图：人物+产品+场景情绪氛围

匹配规则:

• hook_points 含"折扣""限时""优惠" → ④利益承诺法
• hook_points 含"效果""对比""变化" → ③反差对比法
• hook_points 含"新品""首发""没见过" → ②悬念提问法
• hook_points 为空 → 根据 video_type 匹配默认策略

---

Step 4: 市场文化适配构图设计 — 两层基图 + 背景文本描述

4.1 两层独立输出布局

基图输出为 ① product_layer.png + ② 背景文本描述 + ③ people_layer.png。背景不生成图片，以结构化文本描述传递给下游 Skill3：

text

输出文件：
───────────────────────────────────────────
① product_layer.png        ← 产品白底/多角度图
  尺寸：产品占画面60-80%，白底/透明底，保留全部细节
  角度：正面图为主，可选多角度（正/侧/俯/45°）

② background_layer（文本） ← 背景环境结构化描述（不生成图片）
  内容：场景类型 + 风格 + 色调 + 光影 + 风格预设
  由下游 Skill3 在视频生成时自动渲染，保证全片场景一致

③ people_layer.png         ← 核心人物图（可选）
  尺寸：人物占画面70-80%，半身或全身，透明背景PNG
  内容：人物手持/展示/使用产品的姿态，含alpha通道

各层各自独立调节的参数：

层级	控制参数	说明
① product_layer.png	product_preservation_level, angle, scale	产品保真度、展示角度、大小
② background_layer（文本）	scene_type, style, color_palette, lighting, style_preset	场景风格、色调、光影、AI生成风格预设
③ people_layer.png	people_feature, action, expression	人物特征、动作、表情

注意： 产品层和人物层是独立图片文件。背景层为文本描述，由 Skill3 自动生成 + 场景一致性约束。

4.2 各市场人物/场景适配

市场	人物特征	场景元素	表情风格	肢体语言
中国	东亚面孔，精致妆容/素颜感	现代都市/温馨家居/国风元素	含蓄微笑/真诚	含蓄，手势小
北美	多元人种，自然妆容/健康肤色	开放式厨房/loft/户外草坪	大笑/自信/夸张	开放，手势大
欧洲	白人为主，极简妆容/自然感	北欧风公寓/咖啡馆/艺术空间	淡然/知性/微笑	克制，优雅
日本	东亚面孔，柔和妆容/治愈感	和室/原木风/狭小精致空间	温柔/惊讶捂嘴/可爱	含蓄，小动作
韩国	东亚面孔，水光肌/精致妆容	ins风房间/咖啡馆/街头	精致微笑/比心/可爱	时尚，流行手势
东南亚	东南亚面孔，健康肤色/活力	热带植物/彩色街道/家庭聚餐	大笑/热情/家庭感	热情，亲密
巴西	拉丁裔，健康肤色/活力	海滩/彩色建筑/户外派对	热情大笑/舞蹈感	极度开放，热情

4.3 各平台安全区（按市场调整）

平台	中国市场	海外市场（北美/欧洲/东南亚/巴西）	日本市场	韩国市场
抖音/TikTok	底部20%	底部20%	底部20%	底部20%
小红书	底部10%	-	-	-
Instagram Reels	-	底部15%	底部15%	底部15%
YouTube Shorts	-	底部15%	底部15%	底部15%
LINE VOOM	-	-	底部15%	-
Kakao TV	-	-	-	底部15%

---

Step 5: 市场配色方案

根据 产品类别 + 视频类型 + 目标市场 三维确定配色：

产品类别	中国市场	北美市场	日本市场	韩国市场	东南亚市场	欧洲市场	巴西市场
美妆护肤	裸粉+玫瑰金+荧光粉	裸色+金棕+亮粉	樱花粉+白+薄荷绿	水光粉+淡紫+白	珊瑚粉+金+亮橙	裸粉+灰+玫瑰金	亮粉+金+绿
食品零食	暖黄+奶油白+荧光橙	橙红+白+牛仔蓝	原木+白+抹茶绿	奶油黄+淡粉+白	亮黄+绿+热带橙	大地色+白+橄榄绿	亮黄+绿+蓝
服装鞋包	高级灰+黑+品牌色	牛仔蓝+白+黑	黑+白+灰极简	奶油色+淡紫+白	亮黄+热带绿+白	黑白灰+驼色	亮绿+黄+蓝
家居家电	纯白+浅灰+薄荷绿	白+海军蓝+木色	白+原木+灰	白+灰+淡蓝	白+亮绿+木色	白+灰+黑极简	白+绿+黄
3C数码	黑+霓虹紫+电光蓝	黑+银+蓝	白+银+深蓝	黑+银+淡紫	黑+亮蓝+银	深空灰+银	黑+绿+蓝
母婴用品	奶白+淡粉+暖黄	pastel彩虹+白	白+薄荷绿+淡黄	奶油白+淡粉+黄	亮黄+粉+绿	白+淡蓝+灰	亮黄+绿+蓝

配色原则（各市场差异）：

• 中国：喜庆红金可用，但高级感需莫兰迪
• 北美：大胆撞色，高饱和，多元包容色
• 日本：低饱和，原木白，治愈感，拒绝荧光
• 韩国：奶油色系，水光感，精致 pastel
• 东南亚：热带高饱和，明亮活力，绿黄橙
• 欧洲：极简黑白灰，大地色，艺术感
• 巴西：国旗色（绿黄蓝），桑巴活力，高饱和

---

Step 6: 文案设计（仅中文）

注意： 本阶段仅输出中文文案。多语言翻译（英/日/韩等）和价格格式转换在 Skill3 完成。

6.1 标题文案公式

视频类型	中文公式
UGC种草	[身份]+[时长]+[真实感受]
带货短剧	[冲突场景]+[悬念]
产品口播	[身份]+[揭秘]+[产品]
产品演示	[产品]+[核心参数]
开箱种草	[动作]+[期待]
痛点解决	[痛点]+[转折]
反应展示	[感叹]+[效果质疑]
TVC广告	[品牌slogan]

6.2 中文价格标签设计（¥格式）

text

原价：~~199~~（灰色删除线）
现价：¥89（红色大字）
标签：限时福利/今日专属

价格文案的货币单位转换和多语言翻译在 Skill3 按目标市场处理。

6.3 CTA文案（中文）

平台风格	CTA文案	说明
紧迫型	点击左下角/戳链接/手慢无	抢购文化
邀请型	下方链接直达/赶紧去看看	温柔引导

---

---

Step 8: 两层基图生成（产品+人物）+ 背景文本描述

根据前7步输出的设计方案，采用 两层基图生成 + 背景文本描述 策略。 产品层调用图生图，人物层调用文生图，背景层仅输出结构化文本描述（不调用 API 生成图片）。 背景由下游 Skill3 在视频生成时根据描述自动渲染，并通过 prompt 约束全片场景一致性。

8.1 生成策略

输出	输入	模式	文件格式	说明
product_layer.png	产品白底图 + 多角度描述	图生图(产品保真high)	PNG (透明底)	去除原背景，保持产品高保真
background_layer（文本）	场景描述参数	文本输出	base_layers.json	场景类型+风格+色调+光影+风格预设，不生成图片
people_layer.png	人物描述文本	文生图	PNG (含alpha通道)	人物半身/全身+手持产品动作，透明背景

8.2 各层独立API配置

层① — 产品白底图层（图生图）：

text

endpoint: POST /jeecg-boot/openapi/call/generation/image/submit
headers: { X-Tenant-Id, appkey, signature, timestamp }
{
  "model": "{model_id}",
  "prompt": "产品白底图处理，{product_name}，{product_category}，
             纯净形态，保留全部产品细节，透明背景，无背景元素",
  "negative_prompt": "背景杂物、光影阴影、文字、水印",
  "image": "{white_bg图base64}",
  "image_resolution": "1080x1920",
  "n": 1,
  "size": "1080x1920",
  "response_format": "b64_json",
  "parameters": {
    "product_preservation_level": "high",
  }
}

层② — 背景环境描述（文本，不调API）：

text

# 背景不调用图片API，输出结构化文本描述给下游
background_layer = {
  "scene_type": "室内/客厅",
  "style": "tropical-vibrant",
  "lighting": "自然暖光",
  "color_palette": "白+亮绿+木色",
  "description": "电商产品展示背景，东南亚市场风格，热情活力审美，
                  白+亮绿+木色色调，客厅场景，自然暖光光影，
                  柔化背景，模糊景深，无产品，无人物，干净底板",
  "style_preset": "tropical-vibrant",
  "market": "southeast-asia",
}

层③ — 人物层（文生图，如需人物）：

text

endpoint: POST /jeecg-boot/openapi/call/generation/image/submit
headers: { X-Tenant-Id, appkey, signature, timestamp }
{
  "model": "{model_id}",
  "prompt": "{people_features}，{action}，{expression}表情，
            {market}风格着妆，自然手势，半身构图，
            手持产品留空位（右手在前），透明背景",
  "negative_prompt": "产品细节、复杂背景、文字、水印",
  "n": 3,
  "size": "1080x1920",
  "response_format": "b64_json"
}

各市场style_preset推荐值（用于下游背景生成）：

• 中国: "chinese-aesthetic"
• 北美: "north-american-real"
• 欧洲: "european-minimal"
• 日本: "japanese-healing"
• 韩国: "korean-glossy"
• 东南亚: "tropical-vibrant"
• 巴西: "brazilian-warm"

8.3 输出文件与描述保存

text

输出文件规格：
─────────────────────────────────────────
① product_layer.png
   格式：PNG（透明底，RGBA）
   内容：产品高保真主体，无背景、无人物
   用途：作为Skill3的 @product_ref 参考图输入

② background_layer（base_layers.json 内嵌）
   格式：结构化JSON字段（非图片文件）
   内容：场景类型 + 风格 + 色调 + 光影 + 文本描述 + 风格预设
   用途：作为Skill3的 @background_ref 文本参考，由AI自动渲染

③ people_layer.png（如有人物层）
   格式：PNG（透明底，RGBA）
   内容：人物半身/全身+手持产品姿态，alpha通道保留
   用途：作为Skill3的 @people_ref 参考图输入

8.4 各市场负面提示词附加项（人物层使用）

市场	market_specific_negative
中国	过度磨皮、网红脸
北美	单一肤色、刻板印象
日本	夸张表情、荧光色
韩国	素颜、粗糙皮肤
东南亚	冷淡、高级感过重
欧洲	花哨、繁杂元素
巴西	冷淡、过暗色调

8.5 基图引用 ID（供 Skill3 多模态引用）

text

@product_ref  → product_layer.png（产品白底图PNG）
@people_ref   → people_layer.png（核心人物图PNG，含alpha通道）
@background_ref → background_layer.description（背景文本描述，无图片）
                  由 Skill3 根据描述自动生成背景 + 场景一致约束

---

输出格式（必须严格按此格式输出 — 供下游 Skill2/3 消费）

管线对接说明: 本输出将直接传递给 Skill2（分镜脚本生成器）作为 base_image_layers 和 refined_selling_points 输入; 同时三层图片文件独立保存（不合成）, 供 Skill3（AI视频生成器）按需引用各层作为 @图片 参考。

text

═══════════════════════════════════════════════════════
        【{product_name}】{market}市场 基图设计方案
        视频类型：{video_type} | 语言：{language}
═══════════════════════════════════════════════════════

【一、市场配置】
目标市场：{market}
精确国家：{country_or_region}
语言：{language}
文字方向：{horizontal/vertical}（日文/韩文可能竖排）
人物特征：{people_features}
审美风格：{aesthetic}
色彩偏好：{color_preference}
文化禁忌：{cultural_taboos}

【二、凝练卖点（{language}）】
1、商品名称：{product_name_translated}
2、核心卖点：
主卖点：{main_selling_point_translated}
次卖点：
- {secondary_1_translated}
- {secondary_2_translated}
- {secondary_3_translated}
3、适用人群：{target_audience_translated}
4、适用场景：{usage_scenario_translated}

【三、类型匹配】
视频类型：{video_type}
基图风格：{style_description}
情绪钩子：{emotion_hook}

【四、构图设计】
布局：{layout_description}
主体位置：{product_position}，占比{percentage}%
标题位置：{title_position}
安全区：已避让{platform}底部{safe_zone}%

【五、配色方案】
主色：{main_color}（{color_meaning}）
辅色：{sub_color}
强调色：{accent_color}（用于{usage}）

【六、文案方案（{language}）】
主标题：{main_title_translated}
副标题：{sub_title_translated}
价格标签：{price_tag_translated}
CTA文案：{cta_translated}

【七、平台适配（{market}）】
{platform_1}版：
- 尺寸：{size}
- 安全区：顶部{top}%，底部{bottom}%
- 文字位置：{text_position}
- 特殊要求：{special}

{platform_2}版：
- 尺寸：{size}
- 安全区：顶部{top}%，底部{bottom}%
- 文字位置：{text_position}
- 特殊要求：{special}

【八、两层基图 + 背景文本描述方案】
**① product_layer.png**
□ 输入源：{product_white_bg_source}（产品白底图）
□ 处理模式：图生图，product_preservation_level=high
□ 多角度：{product_angles}（正/侧/俯/45°等）
□ 输出文件：`product_layer.png`（透明底PNG）
□ 引用ID：`@product_ref`（供Skill3使用）

**② background_layer（文本描述，不生成图片）**
□ 场景类型：{scene_type}
□ 生成模式：文本输出（不调API），{market}市场风格
□ 色调：{color_preference}，光影：{lighting_style}
□ 风格预设：{style_preset}（供下游AI渲染参考）
□ 输出：`base_layers.json` 内嵌描述字段
□ 引用：`@background_ref → description`（由Skill3根据文本自动生成背景）

**③ people_layer.png**
□ 人物特征：{people_features}，动作：{people_action}
□ 表情风格：{expression_style}
□ 生成模式：文生图（人物+透明背景）
□ 输出文件：`people_layer.png`（透明底PNG，含alpha通道）
□ 引用ID：`@people_ref`（供Skill3使用）

【九、文化合规检查】
□ 人物特征符合{market}主流审美
□ 场景元素无{cultural_taboos}
□ 色彩偏好符合{market}文化
□ 文案语气符合{market}沟通习惯
□ 价格货币单位正确
═══════════════════════════════════════════════════════

---

真实感红线（各市场通用+差异）

通用：

1. 拒绝过度修图：保留皮肤毛孔、包装褶皱、桌面杂物
2. 拒绝广告腔：文字用手写体/马克笔风格，非印刷体
3. 拒绝悬浮产品：产品必须有支撑/手持/摆放，非悬空
4. 拒绝均匀顶光：必须有明暗层次，侧逆光打出轮廓
5. 拒绝完美场景：背景有真实生活痕迹，非样板间

各市场差异：

• 中国：可适度精致，但拒绝过度网红脸
• 北美：必须多元包容，拒绝单一审美
• 日本：必须治愈自然，拒绝夸张推销感
• 韩国：必须精致时尚，拒绝素颜邋遢感
• 东南亚：必须热情活力，拒绝冷淡高级
• 欧洲：必须极简质感，拒绝花哨堆砌
• 巴西：必须热情奔放，拒绝冷淡克制

---

ArkClaw 聊天界面输出格式

当通过 ArkClaw/OpenClaw 执行时，建议使用 --output-format markdown 参数， 脚本执行完成后会在终端输出结构化的 Markdown 结果，由聊天界面直接展示：

text

📦 **产品分析完成** — 【{product_name}】{market}市场

**【一、图片分析摘要】**
- 识别产品: {product_name}
- 推测品类: {category}
- 白底图: {已识别/使用原图}

**【二、凝练卖点】**
1. **商品名称**：{product_name}
2. **核心卖点**：
   - **主卖点**：{main_selling_point}
   - {次卖点列表}

**【三、基图设计方案】**
- 视频类型：{video_type}
- 目标市场：{market}
- 背景描述：{background_description}

**【四、输出文件】**
📁 输出目录: `{output_dir}`
   - product_layer.png — 产品透明底图
   - base_layers.json — 基图分层数据
   - selling_points.json — 结构化卖点

✅ **基图已生成**，可继续执行下游管线

---

模型与脚本引用

API 认证

本管线统一使用 aigc.hkttok.com JeecgBoot OpenAPI。认证方式为 MD5 签名：

text

签名算法: MD5(appKey + appSecret + timestamp(13位毫秒)).hexdigest() 小写

请求头：

http

X-Tenant-Id: 1000
appkey: {your_app_key}
signature: {computed_md5_signature}
timestamp: {current_timestamp_ms}
Content-Type: application/json

所有 API 通过 /jeecg-boot/openapi/call/{path} 网关转发。

脚本文件

脚本	路径	用途
jeecg_auth.py	scripts/jeecg_auth.py	共享签名认证工具（三个 Skill 共用）
generate_base_image.py	scripts/generate_base_image.py	调用 aigc 图生图 API 生成基图图片

环境变量

变量	说明	默认值
AIGC_API_BASE	API 基础地址	https://aigc.hkttok.com
AIGC_APP_KEY	应用 Key（必填）	—
AIGC_APP_SECRET	应用 Secret（必填）	—
AIGC_TENANT_ID	租户 ID	1000
AIGC_IMAGE_MODEL	图片生成模型 ID	2049087333668446209（Seedream 5.0 Lite）

输入方式

方式 A: 手动指定产品白底图（推荐当你知道哪张是白底图时）

bash

python scripts/generate_base_image.py \
  --product E:\产品图\白底图.png \
  --name "产品名" --country 泰国 --video-type "痛点解决" --output ./output

方式 B: 传入图片文件夹（自动分析 + 提取产品信息） ← 推荐

bash

python scripts/generate_base_image.py \
  --folder E:\产品图文件夹 \
  --country 泰国 --video-type "痛点解决" --output ./output

自动图片分析能力

传入 --folder 时，脚本会自动执行完整的 OpenCV 视觉分析管线：

功能	方法	依赖
白底图识别	文件名匹配（white*/白底*/product*）+ OpenCV 像素级背景分析（白色/透明/场景/深色分类）	opencv-python
图片分类	OpenCV 评分系统：_score_white_bg_cv2() 计算白底可信度，_score_detail_cv2() 计算详情可信度，综合判定 white_bg/main/detail	opencv-python
背景类型分析	OpenCV 边缘区域采样 + 灰度均值/方差，自动识别 white/transparent/dark/scene 四种背景	opencv-python
边缘密度	Canny 边缘检测，量化图片复杂度（低 → 白底图，高 → 详情图）	opencv-python
轮廓分析	OTSU 二值化 + findContours，统计物体轮廓数量	opencv-python
文字区域检测	MSER 算法检测详情图中文字区域，辅助判定是否为详情图	opencv-python
主色调提取	K-Means 聚类（k=5），提取前 5 种主色调及占比	opencv-python + numpy
产品名称提取	OCR 识别详情图文字 → 取品牌/产品名 → 降级为文件夹名/文件名	需安装 pytesseract
产品类别推断	将 OCR 文本匹配 5 大品类关键词（美妆护肤/食品零食/家居日用/服饰鞋包/数码3C）	需 OCR 检出文字
卖点提取	从详情图文字中提取含 %/倍/效/功效词 的卖点语句	需 OCR 检出文字
分析报告	输出 image_analysis.json，含完整元数据、分类结果和可信度评分	始终执行

依赖安装：

bash

pip install opencv-python numpy

OCR 可选（如需自动提取产品名称/类别/卖点）：

bash

winget install TesseractOCR.Tesseract
pip install pytesseract

未安装 OpenCV 时自动降级为 PIL 回退模式；未安装 pytesseract 时自动降级为文件名/文件夹名推测。识别结果以 image_analysis.json 中 confidence 字段标注可信度。

图片分析输出

每次运行会在输出目录生成 image_analysis.json，包含：

json

{
  "product_name": "自动识别的产品名",
  "category": "美妆护肤/食品零食/...",
  "selling_points": "5%烟酰胺；28天提亮；敏感肌可用",
  "white_bg_image": "白底图路径",
  "detail_images": ["详情图1", "详情图2", "..."],
  "ocr_texts": ["从详情图提取的文字"],
  "confidence": 0.85
}

如果 confidence < 0.6，建议手动补充 --name 和 --selling-points 参数。

使用方式：

bash

# 设置认证凭据（.env 文件或环境变量）
set AIGC_APP_KEY=your_app_key
set AIGC_APP_SECRET=your_app_secret

# ═══════════════════════════════════════════
# 【推荐】统一管线入口 — 从整体输入一键执行
# ═══════════════════════════════════════════
python scripts/generate_base_image.py \
  --folder E:\产品图文件夹 \             # 产品图片文件夹（自动识别白底图）
  --country "目标国家" \                # target_country（默认中国）
  --video-type "视频类型" \             # 视频类型（8选1）
  --hook-points "吸睛点" \             # 吸睛点（非必填）
  --duration 30 \                      # 视频时长（秒）
  --price "福利价格+货币单位" \          # 福利价格（非必填）
  --output ./output

# 或手动指定白底图和名称：
python scripts/generate_base_image.py \
  --product product_white.png \        # 产品白底图
  --name "产品名称" \                   # 产品名称
  --selling-points "原始卖点,分号分隔" \  # 原始卖点
  --country "目标国家" \
  --video-type "视频类型" \
  --hook-points "吸睛点" \
  --duration 30 \
  --price "福利价格+货币单位" \
  --output ./output

# ═══════════════════════════════════════════
# 【进阶】三层独立生成 → 合成基图（精细控制）
# ═══════════════════════════════════════════
python scripts/generate_base_image.py \
  --product product_white.png \       # 层①：产品白底图
  --output ./output \
  --market "目标市场" \
  --aesthetic "审美风格" \             # 层②：背景审美风格
  --color "色调描述" \                 # 层②：背景色调
  --scene "场景描述" \                 # 层②：场景
  --people "人物特征描述" \            # 层③：人物特征
  --emotion "情绪氛围" \               # 层③+层②：情绪氛围

# ═══════════════════════════════════════════
# 完整管线示例（三个 Skill 串联）
# ═══════════════════════════════════════════
:: Skill1: 生成基图 + 卖点
python scripts/generate_base_image.py \
  --product product_white.png --name "产品名称" \
  --country "目标国家" --video-type "视频类型" --duration 30 \
  --hook-points "吸睛点" --price "福利价格+货币单位" --output ./output

:: Skill2: 生成分镜脚本（消费Skill1输出）
python ../video-script-generator/scripts/generate_storyboard.py \
  --config ./output/selling_points.json \
  --base-layers ./output/base_layers.json \
  --duration 30 --platform TikTok --output ./output

:: Skill3: 生成最终视频（消费Skill1+Skill2输出）
:: 背景由 Skill3 根据 base_layers.json 中的描述自动生成
python ../ai-video-generator/scripts/generate_video.py \
  --script ./output/storyboard.json \
  --product ./output/product_layer.png \
  --people ./output/people_layer.png \
  --base-layers ./output/base_layers.json \
  --market "目标市场" --output ./output