curl -L https://tiaozhuxiansheng.com/skills/aigc-video-cover-gpt.zip -o aigc-video-cover-gpt.zip && unzip -o aigc-video-cover-gpt.zip -d ~/.claude/skills/

AIGC Video Cover (GPT Image 2)

适用场景

把「一张人物参考图 + 一份视频脚本」直接变成若干张可发布的 16:9 横版视频封面，由 GPT Image 2 一步出含中文大标题的整张图。面向商单视频、知识科普、揭秘解说这类需要「缩略图秒懂 + 有点击欲」的封面。

典型触发语：

• “给这个视频做封面 / 出 3 张封面”
• “根据脚本出封面，人物用这张参考图”
• “用 GPT Image 2 把人物参考图做成封面”
• “这条片子要发 B 站，封面帮我搞一下”

与相邻 skill 的区别：

• aigc-poster-layout 是保护已定稿原图做手工排版海报，不重绘主体；本 skill 是从零生成封面、接受 GPT Image 2 重画人物。
• aigc-prompt-optimizer 是通用 prompt 优化；本 skill 专做「脚本 → 封面」这一条龙，内置商单封面公式与锁脸打法。

核心约定（本 skill 的硬设定）

1. 一步出整图：GPT Image 2 直接生成含中文大标题的完整封面，不做「底图 + 后期排版」两段式。
2. 接受 ~92% AI 近似：人物用参考图重画，靠「禁美化 + 点名锚点」把身份拽回到工具上限，不做抠图换脸。详见 GPTImage2锁脸的脸占比上限_v1。
3. 只出 16:9 横版：用自然语言 Wide 16:9 horizontal video thumbnail，GPT Image 2 不吃 --ar。
4. 若干张 = 多个标题钩子：默认从脚本发散 3 个不同钩子，各出 1 张，而非同一张改比例。
5. 构图不固定：人物不锁死在右侧。从「构图库」（见第三步）随机选位——左置 / 居中 / 前景大头 / 底部探出 / 左右对峙 / 斜角 / 分屏 等都可；一批 3 张默认构图各不相同，让封面有变化、不千篇一律。唯一不变的是「文字与主体不互相糊住、主标题缩略图可读」。
6. 暗版 / 亮版双影调随机：每张封面随机走「暗版」或「亮版」影调（见第三步）；一批 3 张默认两种影调都出现（如 2 暗 1 亮 / 1 暗 2 亮，随机），让用户在明暗两种风格里挑。
7. prompt 是中间产物：先把 prompt 写清楚给用户过目（尤其文字内容、锚点、构图、影调），再调用出图。

第一步：拆参考图 + 拆脚本

1A. 从参考图抽「身份锚点」

找出参考图最强的单一特征（眼睛颜色/形状、脸型、发型、肤色、标志性配饰其一），作为锁脸成败的判据。

锁脸先看锚点有没有还原，不必逐项比对五官。锚点丢 = 锁脸失败（GPTImage2锁脸的脸占比上限_v1）。

记录：性别、年龄段、锚点特征、是否戴眼镜、气质（温婉/硬朗/书卷/喜剧）。

1B. 从脚本抽「封面要素」

读完脚本，提炼：

• 核心冲突 / 卖点：这条片子最戏剧的一句话是什么。
• 题材情绪：科技商单 / 揭秘暗黑 / 活泼梗 / 教学正经 —— 决定配色模板（见第三步）。
• 可上封面的钩子词：能做成 2–4 字大标题的核心动词或名词（如「折解」「揭秘」「魔改」「过于先进」）。
• 品牌/栏目信息：记下来但不上封面——IP 名、栏目名、英文 slogan 一律写进视频标题 / 简介，不进画面（见第三步要点 3）。

第二步：发散标题钩子矩阵（默认 3 个）

不要只想一个标题。从脚本发散 3 个不同角度的钩子，每个包含：

三个钩子尽量打不同情绪（如：① 悬念式 ② 利益式 ③ 冲突式），让用户有得挑。

第三步：商单封面公式（从高质量模板提炼，核心资产）

这是这套「高质量封面」的统一骨架，每张图都按它搭：

版式骨架（16:9 横版）= 一套元素 + 一种构图

封面恒定由这套元素搭成，但它们在画面里怎么摆是变量（见下「构图库」）：

• 超大主标题（2–4 字，必加厚描边/外发光）
• 关键词高亮字（对比色单独跳出）
• 英文幽灵层（半透明大字压在标题后当肌理）
• 主体（人物 / 产品 / IP；没素材时用纯黑剪影 + 高饱和底）
• 副钩子短句（带 ！/ ？）
• 顶角留空 + 按「影调」走暗版或亮版背景

下面是最常见的一种摆法（主标左、主体右），但只是构图库里的一个，不是唯一解：

┌─────────────────────────────────────────────┐
│   (顶角留空，不挂品牌条 / 栏目名 / 英文 slogan)    │
│  超大主标题(左)            主体(人物/产品/IP)    │
│  ▓▓▓▓ 高亮字 ▓▓▓▓          3/4 侧身 / 指向标题   │
│  英文幽灵层(半透明压在标题后)                     │
│  ── 副钩子短句 ！ ──                            │
└─────────────────────────────────────────────┘
        ↑ 这只是「主标左·主体右」一种，换构图见下表

这套元素 + 任一构图 暗版亮版通用，差别只在「背景影调 + 主体光照 + 文字撑读方式 + 氛围元素」。

要点：

1. 构图从「构图库」随机选，不锁右侧：主体可左 / 中 / 右 / 前景大头 / 底部探出 / 对峙 / 分屏（见下表）；核心只有一条——主标题与主体不互相遮糊，缩略图一眼读到标题。
2. 主体要够大：人物至少占到半身（前景大头构图更是脸占大头）。脸越小越跑（工具硬上限），封面天然适合给脸足够像素。
3. 顶角默认留空——不上品牌条 / 栏目名 / 英文 slogan（如「GenJi冷知识」「DAILY FACT CHECK」这类顶部标签一律不要）。封面只承载「主标题 + 高亮字 + 一句副钩子」，文字越少越秒懂。运营信息（IP 名、栏目名、期号）写进视频简介 / 标题，不上封面。用户明确反馈（2026-06-24）。

构图库：主体不锁右侧（v1.2 核心，随机选位）

同一套元素可以摆成很多构图。每张封面从下表随机抽一种，一批 3 张默认构图各不相同。下列是常用项，不是穷举——也可自由组合 / 新创，只要守住「文字不被主体糊住、缩略图读得到标题」：

选位规则：

• 默认随机，一批 3 张构图尽量都不同（如：左置 / 前景大头 / 左右对峙）。
• 题材给暗示就顺着选：对决/挑战 → 左右对峙；情绪脸/单人揭秘 → 前景大头；前后对比/流程 → 分屏；运动/爆点 → 斜角；常规人物解说 → 左置 / 居中 / 底部探出皆可。
• 用户指定构图（“我要分屏""都用大头”）则不随机，全按指定走。
• 不论哪种构图，主标题与主体不互相遮糊是铁律；前景大头时标题尤其要贴边、别压五官最好看的部分。

影调：暗版 / 亮版双范式（v1.1 核心，随机产出）

同一套版式骨架有两种影调，每张封面随机选一种；一批 3 张默认两种都出现。两者不是好坏之分，是不同情绪气口：

亮版的成败关键：背景亮了之后，文字最容易糊。所以亮版主标题必须厚白描边（常 2–3 层）+ 深色投影 + 高饱和填充色，别用低饱和浅字压在亮底上（会糊成一团）。

影调选择规则：

• 默认随机，但保证一批里明暗都有。可显式掷骰（如脚本随机 / 三张按「暗·亮·随机」分配）。
• 题材有强暗黑属性（诈骗、揭秘、危机）可偏暗版；积极向（赚钱、对决、教学、活力）可偏亮版——但不强制，随机更出多样性。
• 用户若指定「都要亮版 / 都要暗版」，则不随机，全按指定走。

字体与文字系统（封面成败关键）

• 主标题：粗黑体或书法体，必加厚描边/外发光保证缩略图可读。常见三种配色：
  • 黄字 + 黑描边（揭秘/暗黑：投毒术、魔改）
  • 白字 + 局部红字（冲突/严肃：折解、缅北诈骗）
  • 白→蓝/紫渐变 + 白描边（科技：影视级视频模型）
• 关键词高亮：标题里最戏剧的 1–2 字换对比色单独跳出（「战争」红、「诈骗」血红书法），其余字保持主色。
• 英文幽灵层：全大写英文，低透明度、大字号，压在主标题后面当背景肌理。
• 副钩子：小一号，带感叹号/问号，可加小色块底。
• 中英文对照：主标题旁配同义英文小字（中文「马斯克」+ 英文 MUSK），增加设计感。

配色情绪模板（按题材选，再叠加影调）

先按题材定基调，再叠加第三步选定的暗版 / 亮版影调：

第四步：写 GPT Image 2 提示词（中间产物）

把第二、三步的决定翻译成一条结构化 prompt。先给用户看 prompt 再出图，重点核对「文字内容」和「身份锚点」两块。

提示词分块（英文为主、中文字符串照抄）：

[1·画幅] Wide 16:9 horizontal video thumbnail, bold YouTube/Bilibili cover style.

[2·锁脸] A [年龄/性别] with the EXACT facial identity from the attached
reference photo — keep the same [点名锚点：如 round face, large blue-grey eyes],
same face shape, eyes, nose, lips, skin tone. Do NOT beautify or alter features.
[主体景别与姿态，按本张构图填：half-body / big close-up face / two figures facing off
/ emerging from bottom edge ... , 3/4 turned / looking at camera / pointing].

[3·构图·按本张构图库选项填] Composition: [构图英文，二选一示例：
  · 左置  Subject on the LEFT facing right; HUGE bold Chinese title fills the RIGHT ~50%.
  · 居中  Subject CENTERED looking at camera; title split across top and bottom bands.
  · 前景大头  Extreme close-up face filling 50–70%; title hugs one edge, never covering the face.
  · 底部探出  Subject emerges from the BOTTOM edge; title occupies the upper half.
  · 左右对峙  Two figures on LEFT vs RIGHT facing off; big title / "VS" down the center seam.
  · 斜角  Subject along a diagonal, dynamic tilt; title runs along the opposite diagonal corner.
  · 分屏  Frame split into 2 panels (before/after); title sits on the divider or spans panels.
]. Keep title and subject from overlapping; title stays readable at thumbnail size.

[4·文字内容·逐条列清] Render ONLY this exact text — no other text anywhere:
  - Main title: "折解" in [color], thick [outline color] outline.
  - Highlight: the character "V4" in bright yellow.
  - Subtitle: "DeepSeek" white bold below.
  - Ghost English behind title: "DISASSEMBLE" large, low-opacity.
  - NO top brand bar, NO channel name, NO English slogan in the top corners.
  - Keep the top-left and top-right corners clean / empty.

[5·配色氛围 — 二选一，按本张影调]
  · 暗版: deep blue-black (or red-black) tech background, vignette darkening the
    four corners, moody rim light on the subject, [危险元素: sparks / warning
    triangle / circuit lines]. Title in light color reads against the dark base.
  · 亮版: BRIGHT high-key background (bright blue / white, airy, overexposed) —
    [亮场景: bright arena / bright office / data center / bright sky], frontal even
    lighting on the subject, glowing holographic HUD panels / data streams / rising
    arrows / glowing AI chip. Title MUST have a thick white multi-layer outline +
    drop shadow + high-saturation fill so it stays readable on the bright base.

[6·质感] Cinematic lighting, high contrast, crisp poster typography, ultra-detailed, 4k.

[7·负面] No garbled text, no misspelled Chinese characters, no extra random text,
no top brand bar / channel name / English slogan in the corners,
no watermark, no blurry low-quality.

写 prompt 的硬规则：

1. 锁脸块永远在最前面且显式禁美化——GPT Image 2 默认会顺手美化导致跑脸。
2. 中文文字必须逐条列出确切字符串 + 颜色 + 位置，别让模型自己编字。
3. 主标题字数压到 2–4 字：中文越短越长的句子越容易糊/错字。复杂生僻字尽量避开或换近义短词。
4. 负面词必带 no garbled text, no misspelled Chinese characters。
5. 每条 prompt 标注本张构图（左置 / 居中 / 前景大头 / 底部探出 / 左右对峙 / 斜角 / 分屏），[3·构图] 块按构图填；一批 3 张构图尽量各不相同。
6. 每条 prompt 标注本张影调（暗版 / 亮版），[5·配色氛围] 块按影调二选一填；一批 3 张里明暗都要有。
7. 一个钩子一条 prompt；3 个钩子 = 3 条 prompt。

第五步：调用 GPT Image 2 出图

出图机制比 prompt 更决定质量（出图机制优先律_智能体原生出图vs盲调API_v1，实测同套 prompt 两个档次）：

• 首选「会看图自纠的智能体原生出图工具」：在 Codex / ChatGPT 客户端里直接调原生 image_generation，参考图作身份参照（不是编辑底图），模型出图后能审视结果当场纠错字 / 跑脸，原生输出真 16:9，中文与锁脸最稳。这就是高质量参考封面的来源。
• 只有 API key 时，用 Responses API + image_generation 工具复刻：responses.create(model=会看图的模型如 gpt-5.5, input=[文字指令 + input_image 参考图], tools=[{"type":"image_generation"}], stream=True)。
• 不要走盲调一次成的 images.edit（gpt-image-1）：参考图被当编辑底图绑死、3:2 还要裁切啃字、模型看不到自己的成图无法自纠 → 大标题爱错字 / 画面截断 / 脸漂。
• 把参考图 + 对应 prompt 一起喂，每个钩子出 1 张。中文渲染有概率出错字 —— 预期 1–2 次重试属正常；重试只复述「确切文字 + 禁错字」，别整条重写；复杂生僻字（如「剪」）反复出错时优先换等义常用字，比死磕重出划算。

第六步：自检 + 锁脸补救阶梯

出图后逐张自检：

• 缩到缩略图大小，一眼能读到主标题吗？描边够不够厚？
• 身份锚点（第一步那个最强特征）还在吗？锚点丢就是锁脸失败，进补救。
• 中文有没有错字 / 多余乱码字？
• 顶角是否干净——有没有混进品牌条 / 栏目名 / 英文 slogan 这类不该上封面的小标签？有就重出或裁掉。
• 主体够不够大、够不够抢眼？文字有没有糊住脸最好看的部分？
• 构图对不对：主标题与主体有没有互相遮糊？前景大头是否压住了脸最好看的部分？一批 3 张构图是否各不相同、没全挤成「主体右置」一种？
• 影调对不对：亮版背景是否真的高调通透、主体正面打亮、标题厚白描边没糊？暗版是否压暗到位、浅字反衬清楚？一批里明暗是否都出现了？
• 题材情绪对不对（暗黑题别出成小清新）？

锁脸三级补救阶梯（按性价比，来自 GPTImage2锁脸的脸占比上限_v1）：

1. 对话式微调（首选）：The face is not matching the reference. Regenerate with her EXACT face from the photo: [点名锚点]. Keep pose, scene, text the same. —— 只动脸不动景。
2. 拉近景别：全身→半身/七分身，脸占比一上去锁脸立刻稳。封面本就该给脸足够像素。
3. 两步合成（终极）：先出脸部特写确认锁脸，再融合氛围图。要求最高时用。

收尾铁律：锚点对 + 气质对 + 文字无错 = 可定稿。别为修小瑕疵重抽——重抽有脸再次跑偏的风险，见好就收。

交付格式

交付时给：

• 3 张封面图路径（按钩子命名，如 封面_悬念式_折解.png）。
• 每张一句话：用了哪个钩子、哪套配色、保留了什么锚点。
• 用过的 prompt（中间产物，便于用户微调复用）。

不长篇讲设计理论。用户要的是能直接发的封面。

禁止行为

• ❌ 锁脸块不写在最前、不写禁美化（必跑脸）。
• ❌ 中文文字让模型自由发挥，不逐条列字符串（必出错字/乱码）。
• ❌ 主标题塞一长句、堆生僻字（缩略图糊成一团）。
• ❌ 只出一张就交付（要求是”若干张”，默认发散 3 个钩子）。
• ❌ 主体做得太小、脸占比太低（违背工具锁脸规律，越缩越跑）。
• ❌ 出图错字直接整条 prompt 重写（应只复述确切文字 + 禁错字重试）。
• ❌ 把暗黑/揭秘题做成小清新配色（题材情绪错位）。
• ❌ 在顶角加品牌条 / 栏目名 / 英文 slogan 等小标签（用户明确不要；运营信息走标题简介）。
• ❌ 一批 3 张全暗版或全亮版、不给明暗对比（除非用户显式指定单一影调）；亮版标题不加厚白描边直接压亮底（必糊）。
• ❌ 一批 3 张构图千篇一律全把主体塞右侧（除非用户显式指定单一构图）；让主标题被主体遮糊、缩略图读不到标题。

关联文档

• 出图机制优先律_智能体原生出图vs盲调API_v1 —— 本 skill 第五步「机制比 prompt 更决定质量」的实测依据（B站封面量产复盘）。
• GPTImage2锁脸的脸占比上限_v1 —— 本 skill 锁脸打法的实测来源（~92% 上限、禁美化、三级补救）。
• 严格人脸一致性二创的范式阶梯_假说_v1 —— 若用户要”复制级”真人一致，升级到后期换脸 / InstantID / Nano / LoRA。
• aigc-poster-layout —— 保护已定稿原图做手工排版海报（不重绘）的姊妹流程。
• aigc-prompt-optimizer —— 通用 AIGC prompt 优化，本 skill 的 prompt 写法与其同源。
• 角色一致性金字塔_v1 —— 角色跨图一致性的总框架。