4.1 图片生成与素材库

4.1 图片生成与素材库

本节摘要：本节建素材段。先定位：素材层坐在分镜与生成之间，供给三类东西——首帧图（图生视频的画面锚）、参考图（风格与主体的样板）、补充素材（剪辑段用的空镜与贴图）；来路也有三条——文生图生成、免费素材源采集、存量素材复用。然后重点讲文生图：它是首帧的主要来源，经济学是「图便宜视频贵」——在挑图阶段反复挑选，视频段只花一次钱；风格统一靠固定风格前缀，提示词直接复用分镜的 visual 字段加设定卡（第 3.2 节），不另起炉灶。免费素材源的部分强调合规：授权逐源核实、许可证随文件落盘。最后是素材库的管理：每张图带 sidecar 元数据（来源、提示词、种子、许可证、用途），内容哈希做精确去重，感知哈希抓近重。批量采集公开素材还有一条浏览器自动化路线，与《浏览器智能体实战》一书互为参照。

学习目标

• 画出素材层在流水线里的位置，列出它的三类产出与三条来路。
• 用「visual 加风格前缀加设定卡」的公式为首帧组写提示词，并解释挑图经济学。
• 说出免费素材使用的三条合规动作。
• 为素材库实现 sidecar 元数据、内容哈希去重与感知哈希近重检测。

一、素材层的位置与三条来路

 分镜 JSON ──▶ ┌──────────────────────────────┐ ──▶ 生成任务清单（首帧就位）
               │ 素材段                          │
               │  来路：文生图 │ 免费素材源 │ 存量  │ ──▶ 剪辑段的补充画面
               │  产出：首帧图 │ 参考图 │ 空镜贴图 │
               └──────────────────────────────┘
                         │
                         ▼
                build/03_assets/（文件 + sidecar 元数据成对落盘）
​

三条来路的分工：文生图管「画面锚」（首帧、定妆参考图），免费素材源管「真实感空镜」（天空、街景、质感贴图），存量素材管「品牌资产」（logo、包装、旧项目可复用镜头）。判断一条素材走哪条来路，看两个问题：需要与主角严格一致吗（需要就走生成加设定卡）、需要真实世界质感吗（需要就采集，生成的「真实感」仍有塑料味）。

二、文生图：首帧的主要来路

首帧组的提示词公式承接第 3.2 节，不发明新写法：visual 字段 + 风格前缀 + 设定卡。风格前缀是全片统一的一句话（从 project.json 的 style 来），设定卡是主角或场景的固定描述块：

# first_frame_prompt.py —— 首帧提示词的组装（复用分镜字段，不另起炉灶）
def build_image_prompt(shot, style, character_sheet):
    parts = [style, character_sheet, shot["visual"]]
    return "，".join(p for p in parts if p)

# 示例（风格前缀与设定卡全片共用）：
STYLE = "温暖手作感，暖色调，胶片颗粒"
SHEET = "老修表匠，七十岁，灰白短发，深棕色围裙，戴单边放大镜"
# build_image_prompt(镜头101, STYLE, SHEET)
# → 温暖手作感，暖色调，胶片颗粒，老修表匠，七十岁，灰白短发，深棕色围裙，
#    戴单边放大镜，钟表铺内景，台灯暖光下，老人双手捧着怀表端详
​

挑图经济学：一张 1080p 图的生成成本约为一段视频的几十分之一（示意口径），所以策略是图海挑图、视频一次——每个镜头出四到八张候选，人花十秒挑一张，挑中的才作为 i2v 任务的首帧；不满意就改提示词重出图，浪费的是零头。首帧定稿后，镜头的构图、主体、色调全部落定，视频生成的确定性直接继承第 3.2 节的首帧锚。

三、免费素材源：合规使用三动作

免费不等于随便用。三类常见源与注意点（授权条款随时会改，以各站点当期条款为准）：

三条合规动作：下载时落许可证——把授权页截图或条款文本存进 sidecar，两周后你将无法回忆当时条款长什么样；记录来源与日期——同一素材在不同时期的授权可能变化，你唯一能主张的是「下载当日它是这个授权」；不碰明令禁止的用途——不少免署名授权明确排除敏感话题用途，用在视频里前扫一眼排除条款。批量采集公开素材可以上浏览器自动化：用《浏览器智能体实战》一书的方法写采集智能体，video-use（browser-use 生态的视频方向项目，约 29k stars，社区口径）是同生态的参照——但自动化的合规边界不变：遵守目标站点服务条款、控制速率、只采授权允许的内容。

四、素材库：元数据与去重

素材一多，两个问题必然出现：「这张图哪来的」与「这俩是不是同一张」。方案是 sidecar 元数据加双哈希去重。sidecar 是与图片同名不同扩展名的 JSON，许可证随文件走：

# asset_meta.py —— sidecar 元数据结构（shot_101.first.json 的内容）
meta = {
    "file": "shot_101.first.png",
    "source": "text2image",
    "prompt": "温暖手作感，暖色调，胶片颗粒，钟表铺内景……",
    "seed": 101,
    "license": "generated",
    "license_evidence": "生成记录见 build 日志",
    "created": "2026-10-16",
    "usage": ["first_frame"],
}
​

# asset_dedup.py —— 内容哈希精确去重加感知哈希近重检测（标准库加 Pillow）
import hashlib
from pathlib import Path

from PIL import Image

def content_hash(path):
    return hashlib.sha256(Path(path).read_bytes()).hexdigest()[:16]

def simple_phash(path, size=8):
    img = Image.open(path).convert("L").resize((size, size))
    pixels = list(img.getdata())
    avg = sum(pixels) / len(pixels)
    bits = "".join("1" if p > avg else "0" for p in pixels)
    return int(bits, 2)

def hamming(a, b):
    return bin(a ^ b).count("1")

def scan(asset_dir):
    entries = []
    for path in sorted(Path(asset_dir).glob("*.png")):
        entries.append({"name": path.name, "chash": content_hash(path), "phash": simple_phash(path)})
    exact, near = [], []
    for i, a in enumerate(entries):
        for b in entries[i + 1:]:
            if a["chash"] == b["chash"]:
                exact.append((a["name"], b["name"]))
            elif hamming(a["phash"], b["phash"]) <= 8:
                near.append((a["name"], b["name"]))
    return exact, near
​

两个哈希分工：内容哈希抓「完全同一文件」（多次下载、多个项目重复入库），感知哈希抓「几乎同一画面」（同图不同压缩、微调色）——后者才是素材库的真实病灶，人眼扫库永远扫不出来。近重不自动删，报告出来人定夺：同一空镜用了两个镜头，观众是能看出来的。

本节要点回顾

• 素材层供首帧、参考图、补充素材，来路是生成、采集、复用三分。
• 首帧提示词公式：visual 加风格前缀加设定卡；图海挑图、视频一次的经济学。
• 免费素材三动作：下载落许可证、记录来源日期、不碰排除用途。
• sidecar 让许可证随文件走；内容哈希抓精确重复，感知哈希抓近重。

库建起来了，边界也要画清楚——下一节把素材、音乐、字体的授权类型与发布前合规清单一次说透。