OpenMontage 图像生成实战指南：FLUX 分辨率规范、视觉一致性与三段落提示词工程

OpenMontage 图像生成实战指南：FLUX 分辨率规范、视觉一致性与三段落提示词工程

【免费下载链接】OpenMontageWorld's first open-source, agentic video production system. 12 production pipelines, 100+ tools, 700+ agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage

本文是 OpenMontage 项目中面向 Agent 与人工创作者的图像生成使用指南，聚焦于视频流水线（Pipeline）中静态素材的生产：如何在 FLUX.2 系列模型上按 16 的倍数规划分辨率、如何在 8～12 张画面之间维持角色与风格的视觉一致性，以及如何把 playbook 的风格约束蒸馏为逐场景可变的提示词。读完本文，你将掌握一套可直接落地的"英雄图（hero）+ 参考图迭代（I2I）+ 分阶段批量生成"工作流，并能在资产阶段用image_selector工具把它接进 OpenMontage 的实际流水线。

快速参考卡

以下要点来自skills/creative/image-gen-usage.md，是全文的浓缩：

FLUX RESOLUTION: 1920x1088 (16:9) | 1088x1920 (9:16) — must be multiples of 16 MAX TOTAL: 4 megapixels (width x height) CONSISTENCY: Use hero image as input_image for subsequent frames STYLE SYSTEM: Derive from subject + audience + tone, then adapt per scene BATCH STRATEGY: Hero at max quality → iterate with klein → final pass with pro

一句话概括整套方法论：先定分辨率与风格系统，再产出最高质量的英雄图作为锚点，最后用参考图 + 短提示词批量迭代出每一帧。

视频帧分辨率：16 的倍数与 4MP 上限

FLUX 系列对图像尺寸有硬性约束：所有宽高都必须是 16 的倍数，且宽 x 高总和不得超过 4 百万像素（4MP）。违反任一约束都会导致生成失败或非预期裁切。OpenMontage 建议的目标分辨率对照如下：

注意1920x1088而不是1920x1080：1080 不是 16 的倍数，1088 才是。同样地，1088x1920是竖屏的对应值。OpenMontage 的 FLUX 接入层（tools/graphics/flux_image.py）在向 fal.ai 发起请求时直接透传width/height，因此尺寸约束需要调用方（Agent）自行保证——这也是把该表作为硬性参考的原因。

维护视觉一致性：让多张图属于同一支视频

最大的挑战在于让 8～12 张生成的图片看起来像同一支视频里的画面。OpenMontage 给出三层递进策略。

策略一：共享视觉系统（始终使用）

先为整个项目定义一个共享视觉系统，再逐场景适配。需要捕获项目的：

• 主导情绪与质感（dominant mood and texture）；
• 调色方向（palette direction）；
• 光照偏向（lighting bias）；
• 渲染媒介（rendering medium）；
• 角色 / 环境一致性锚点（consistency anchors）。

关键在于：playbook 中的image_prompt_prefix只是素材来源（source material），绝不能逐字粘贴进每个提示词，而要把它蒸馏成更短的、适合场景的锚点（anchor）。

策略二：英雄参考图（推荐）

1. 以最高质量生成一张"英雄图"（FLUX.2 [max]，$0.07/张）；
2. 把它作为input_image用于后续所有帧：

Frame 1: T2I with detailed prompt → hero.png Frame 2: I2I with hero.png + "Same style, camera pans right to show..." Frame 3: I2I with hero.png + "Same style, zoomed in on..."

FLUX.2 支持最多 4 张参考图（klein 档）或 8 张参考图（pro/max/flex 档），可以按编号引用："The character from image 1 in the environment from image 2."。这一机制在 OpenMontage 的提示词构建器中被显式支持——lib/shot_prompt_builder.py的build_shot_prompt会把hero_moment标记带入批量结果，供下游决定哪一帧需要最高规格。

策略三：种子锁定（seed locking）

在提示词相近的多次生成中使用同一个seed参数，可得到相近的构图。但它对提示词改动很敏感，应作为补充手段而非主策略。OpenMontage 的 FLUX 工具实现了Determinism.SEEDED，并把seed纳入幂等键（idempotency_key_fields = ["prompt", "width", "height", "seed", "model"]，见 tools/graphics/flux_image.py），说明同一 seed + 同一提示词会稳定复现。

提示词构建：三段落上下文法

不要把 playbook 的image_prompt_prefix原样复制进每个提示词——这正是所有场景看起来千篇一律的原因。应改为从三个上下文层次逐帧构建提示词。

第一层：场景专属风格方向（来自 shot_language + texture_keywords）

用场景的shot_language字段设置镜头与光照：

[SHOT SIZE from shot_language.shot_size, e.g., "medium close-up"]. [LIGHTING from shot_language.lighting_key, e.g., "golden hour warm light"]. [DEPTH from shot_language.depth_of_field, e.g., "shallow depth of field with bokeh"]. [TEXTURE from scene.texture_keywords, e.g., "film grain, warm tones"].

若场景没有 shot_language，则回退到下方的兜底模板。

第二层：Playbook 一致性锚点（适配而非照抄）

提取 playbook 视觉语言的精髓。例如：

• playbook 写 "Clean, minimal illustration with soft shadows, muted color palette" → 适配为 "muted color palette, soft shadows"；
• playbook 写 "Bold flat motion graphics, vibrant gradients" → 适配为 "vibrant flat style"。

锚点让场景视觉上连贯，却不至于完全相同。

第三层：场景描述

写清场景实际内容，用具体细节替换泛化词汇：

BAD:"A person using a computer in a modern office"GOOD:"Software developer in a dimly lit home office, blue monitor glow reflecting off glasses, desk cluttered with energy drinks and sticky notes"

完整提示词示例（含 shot_language）

Medium close-up, golden hour warm lighting, shallow depth of field. Muted earth tones, soft shadows. Beekeeper in white protective gear lifting a frame dripping with honey, late afternoon sun catching golden droplets, lavender field blurred in the background. Film grain, warm amber tones. 16:9 aspect ratio.

兜底模板（无 shot_language 时）

[ADAPTED STYLE ANCHOR from playbook — 5-10 words, not the full prefix]. [SCENE DESCRIPTION: specific subject, action, environment]. [LIGHTING: golden hour / overcast / studio softbox / dramatic side-light]. [COMPOSITION: wide shot / medium shot / close-up / overhead / isometric]. [CAMERA: Shot on [camera] with [lens] at [aperture]] (for photorealistic only). 16:9 aspect ratio.

风格专属提示词模式

用 lib/shot_prompt_builder.py 编程化构建

OpenMontage 把三段落法自动化进了 lib/shot_prompt_builder.py。其核心build_shot_prompt(scene, style_context)将结构化 shot_language 翻译为面向图像/视频生成提供方优化的自然语言提示词：

from lib.shot_prompt_builder import build_shot_prompt prompt = build_shot_prompt(scene, style_context=playbook_data)

从源码结构看，它基于专业的电影摄影提示词研究采用 5 层框架：

1. Camera（镜头与景深）：lens_mm与depth_of_field映射为 "85mm lens, shallow depth of field with bokeh"；
2. Movement（景别与运镜）：shot_size与camera_movement枚举映射为自然语言（如medium_close→ "medium close-up from chest up"，dolly_in→ "slow dolly in toward subject"）；
3. Subject（主体描述 + 纹理关键词）：场景description与texture_keywords；
4. Lighting（布光与色温）：lighting_key（golden_hour / neon / rim_lit 等 11 种）与color_temperature（cool / neutral / warm / mixed）；
5. Style（风格层）：从style_context.visual_language.aesthetic或mood提取，明确标注"NOT verbatim prefix"。

配套的build_batch_prompts(scenes, style_context)会遍历场景计划中的所有视觉场景，自动跳过transition类型，并返回带scene_id、prompt、hero_moment标记的结果列表——这正是"按场景计划逐帧出图"的程序化入口。

批量生成策略：英雄图 → klein 迭代 → pro 定稿

速率限制：最多 24 个并发请求，需据此编排流水线。

8 图 explainer 的预算示例：$0.07（英雄图）+ $0.12（8 张 klein 迭代）+ $0.24（8 张 pro 定稿）≈$0.43。

这一分阶段策略与 OpenMontage 的成本治理机制呼应：image_selector提供estimate_cost()，image_gen也按 provider 给出单张估算（如 FLUX 约 $0.03），Agent 可以在生成前做预算检查。

常见坑与规避

1. 图中的文字—— AI 图像生成器处理文字不可靠，永远不要在提示词里要求文字；文字应在合成阶段（compose）作为覆盖层添加；
2. 手与手指—— 模型仍易出错，避免要求精细手部姿态的提示词；
3. 角色不一致—— 没有参考图时，同一角色每次都会长得不一样，务必使用英雄参考图策略；
4. 过度提示（over-prompting）—— 冗长复杂的提示词结果不可预测，控制在 2～3 句话；
5. 过度统一提示—— 把完全相同的风格短语塞进每个提示词会让场景千篇一律。保持视觉系统一致，但让每个场景表达自己的主体、镜头与情绪节拍。

在 OpenMontage 中落地：资产阶段的 image_selector

OpenMontage 的 tools/graphics/image_selector.py 是能力级的图像选择器，负责在生成与图库提供商之间路由。它自动从注册表发现所有capability="image_generation"的工具（如flux_image、openai_image、recraft_image、local_diffusion、pexels_image、pixabay_image等），新增提供商只需在tools/graphics/下新建工具文件，无需改动选择器本身。其输入 schema 覆盖了本文讨论的关键参数：prompt、negative_prompt、width/height、seed、generation_mode（generate/edit）、参考图（image_url(s)/image_path(s)/image_list/element_list）以及preferred_provider/allowed_providers路由控制。

在资产阶段使用image_selector时的八步检查清单：

1. 先设计视觉系统：从提案或自定义 playbook 中提炼情绪、调色、纹理、动势；
2. 先生成英雄图：以最高质量产出，作为其余所有图的参考；
3. 视频帧使用1920x1088（满足 FLUX 16 倍数要求）；
4. 绝不在图中要文字：文字放到 compose 阶段叠加；
5. 预算检查：生成前估算总图像成本，超预算则切换到本地 diffusers（对应local_diffusion提供商）；
6. 规划期用 klein 迭代，定稿用 pro；
7. 提示词保持 2～3 句：场景专属镜头/光照 + 适配后的视觉锚点 + 具体主体；
8. 对齐场景计划：每张图对应脚本中的具体场景。

Playbook 中的源头：asset_generation 配置

上述方法论的数据源头在 playbook schema 的asset_generation块（schemas/styles/playbook.schema.json），其中image_prompt_prefix与consistency_anchors为必填项，另有image_negative_prompt、diagram_style、scene_type、multi_image_per_scene、images_per_scene、image_variation_guidance等进阶字段。真实示例见 styles/flat-motion-graphics.yaml：

asset_generation: image_prompt_prefix: "flat vector illustration, bold colors, dark background, geometric shapes, " image_negative_prompt: "photorealistic, watercolor, vintage, muted colors, white background" diagram_style: "neon outlines on dark background, rounded rectangles, glowing connections" consistency_anchors: - "Purple (#7C3AED) as primary accent throughout" - "Dark slate (#0F172A) backgrounds in all scenes" - "Bold, geometric illustration style" - "Neon/bright accent pops for emphasis"

image_prompt_prefix是"风格系统的原材料"，而consistency_anchors才是应该被蒸馏进每个提示词第二层的短锚点。Playbook 生成器（lib/playbook_generator.py）在自动生成 playbook 时也会产出类似结构（image_prompt_prefix: f"{mood} {tone} style"与对应的consistency_anchors），与本文的"适配而非照抄"原则保持一致。下游的 scene-director 技能（skills/pipelines/explainer/scene-director.md）同样强调：asset_generation.image_prompt_prefix应蒸馏为短视觉锚点，不要逐字粘贴进所有提示词。

总结

OpenMontage 的图像生成方法论可以浓缩为三条主线：分辨率纪律（16 的倍数、4MP 上限、1920x1088横屏与1088x1920竖屏）、一致性工程（共享视觉系统 + 英雄参考图 + 种子锁定补充）、提示词分层（场景镜头/光照 → 适配后锚点 → 具体场景描述）。配合lib/shot_prompt_builder.py的自动化构建与image_selector的提供商路由，Agent 可以在 2～3 句话的提示词约束下，以约 $0.43 的预算产出一支 8 图 explainer 的全部视觉素材，并保证每张图都"属于同一支视频"。

【免费下载链接】OpenMontageWorld's first open-source, agentic video production system. 12 production pipelines, 100+ tools, 700+ agent skill and production-knowledge files. Turn your AI coding assistant into a full video production studio.项目地址: https://gitcode.com/GitHub_Trending/op/OpenMontage