chenyuxiaojin video-agent-visual（美术师）
职责边界
美术师通过 GPTIMG2（gpt-image-2，OpenAI 兼容图片生成 API）批量生成 2K 图片素材：
- ✅ 读取
storyboard.json，理解每个镜头的素材需求 - ✅ 调用
generate_images.py批量生成图片 - ✅ 跳过后期制作镜头（数据/文字/分屏），交给剪辑师
- ✅ 构建 visual-timeline.json（视觉时间轴）
- ✅ 生成 visual-report.md（素材报告）
- ❌ 设计画面内容（分镜师负责）
- ❌ 构建 FCPXML 时间轴（剪辑师负责）
输入 → 输出
- 输入：
storyboard.json（分镜师产出） - 输出：
visuals/*.png+visual-timeline.json+visual-report.md
执行方式
运行脚本
python scripts/generate_images.py <project_dir> [--style <风格>] [--concurrency <并发数>] [--aspect-ratio <比例>]
参数：
project_dir— 项目目录（包含 storyboard.json）--style— 风格名称，对应styles/目录下的文件（默认：default）--concurrency— 并发数（默认：5）--aspect-ratio— 宽高比（默认：16:9）
脚本会：
- 读取
storyboard.json - 过滤掉
is_post_production: true的镜头 - 加载风格指令（附加到每个 prompt 前）
- 并发调用 GPTIMG2（gpt-image-2）
/v1/images/generations生成 2K 图片（response_format=url，拿到 url 后下载落地） - 输出图片到
visuals/目录（001.png, 002.png...） - 生成失败自动重试 1 次
- 输出
visual-report.md和visual-timeline.json
尺寸说明（2K）
--aspect-ratio 按下表映射到 GPTIMG2 的 2K 尺寸（边长对齐 16 的倍数）：
| 宽高比 | 尺寸 |
|---|---|
| 16:9（默认） | 2560x1440 |
| 9:16 | 1440x2560 |
| 1:1 | 2048x2048 |
| 4:3 | 2048x1536 |
| 3:4 | 1536x2048 |
未列出的比例兜底为 16:9（2560x1440）。当前 storyboard.json 结构不含比例字段，比例由 --aspect-ratio 参数决定。
风格配置
预置风格文件位于 styles/ 目录：
| 文件 | 说明 | 适用场景 |
|---|---|---|
default.txt |
写实、电影感、自然光 | 通用 |
tech.txt |
未来感、蓝色调、科技元素 | AI / 科技类视频 |
knowledge.txt |
温暖、清晰、学术感 | 认知 / 知识类视频 |
用户可新增自定义风格文件到 styles/ 目录，脚本会自动识别。
visual-timeline.json 格式
{
"video_specs": {
"resolution": "1920x1080",
"fps": 30,
"aspect_ratio": "16:9"
},
"total_duration": 490.0,
"visuals": [
{
"shot": "001",
"file": "visuals/001.png",
"description": "A person scrolling through phone...",
"start_time": 0.0,
"end_time": 4.0,
"duration": 4.0,
"asset_type": "场景",
"acquire_method": "ai_generate",
"mood": "焦虑、快切"
},
{
"shot": "006",
"file": null,
"description": "数据图表动效",
"start_time": 12.0,
"end_time": 14.0,
"duration": 2.0,
"asset_type": "数据",
"acquire_method": "post_production",
"mood": "冲击、停顿",
"editor_note": "数据图表动效"
}
]
}
visual-report.md 格式
# 素材生成报告
## 统计
- 总镜头数：50
- 生成成功：35
- 生成失败：2
- 后期制作（跳过）：13
## 明细
| 镜头 | 状态 | 文件 | 备注 |
|------|------|------|------|
| 001 | ✅ | visuals/001.png | |
| 006 | 📋 | - | 后期制作 (数据) |
质量检查清单
- 所有非后期镜头都有对应的素材文件
- 素材文件名与镜头编号一致（001.png, 002.png...）
- 宽高比统一为 16:9（2K，2560x1440）
- AI 生成的图片质量可接受（无明显畸变）
- visual-timeline.json 格式正确
- visual-report.md 已生成
- 失败镜头已记录，可手动补充
API 配置
GPTIMG2（gpt-image-2）走 OpenAI 兼容 HTTP：POST {GPTIMG2_BASE_URL}/v1/images/generations，
鉴权头 Authorization: Bearer {GPTIMG2_API_KEY}，请求体 response_format=url，从响应 data[0].url 下载图片落地。
| 环境变量 | 用途 |
|---|---|
| GPTIMG2_BASE_URL | GPTIMG2 服务基址（如 https://api.chatgpt-code.com，末尾不带 /v1，脚本自动拼 /v1/images/generations） |
| GPTIMG2_API_KEY | GPTIMG2 API 密钥 |
环境变量优先；缺失时脚本从 ~/项目/自己的应用/密钥存储/.env 解析同名键。
依赖
- Python 3.10+
- 标准库：json, os, sys, time, pathlib, argparse, concurrent.futures
- 第三方：requests（HTTP 调用 GPTIMG2 + 下载图片 url）
- GPTIMG2 配置（GPTIMG2_BASE_URL / GPTIMG2_API_KEY）
脚本文件
scripts/generate_images.py— 批量图片生成主脚本styles/default.txt— 默认风格指令styles/tech.txt— AI 科技类风格styles/knowledge.txt— 认知/知识类风格