项目概览
本收藏聚焦于 GPT IMAGE2（gpt-image-1.5）在角色设计卡（Character Sheet）场景下的 Prompt 工程方法论。核心能力是从单张角色图片自动生成包含三视图、表情变化、装备分解、色板和世界观设定的专业级角色设定图。传统制作需资深设计师 1-3 个工作日，而该方法可在约 10 秒内完成，成本约 $0.05-0.10/张。其原理基于 VQ Token 与 Text Token 的统一空间，使模型能同时理解图像与文字指令，保持多视图一致性并自动推理世界观。标准 Prompt 包含锚定指令、质量锚词、结构要求和风格约束。实际使用通常需要 1-3 轮迭代优化，中/日/英三种语言 Prompt 均有效。该方法适用于游戏角色概念设计、漫画设定集、VTuber 形象、TRPG 角色卡及 IP 授权资料等场景，但存在细节可能出错、文字渲染有限、风格依赖原图等局限。
解决什么问题
传统角色设计卡制作流程耗时且成本高，一个标准角色设计卡需要资深设计师 1-3 个工作日。在 GPT IMAGE2 出现之前，AI 辅助角色设计存在多视图一致性差、布局不可控、缺少结构化理解、色彩提取不精准、世界观生成缺失等结构性问题。GPT IMAGE2 通过统一 Token 空间同时理解图片内容和文字指令，精确理解原图角色的设计语言，保持多视图一致性，按结构化 Prompt 精确布局，并自动推理角色的世界观和性格特征。
工作方式
核心原理是 VQ Token + Text Token 统一空间：原图通过 VQ Tokenizer 编码为 Token 序列，Prompt 文字编码为 Text Token 序列，两者在同一个 Transformer 空间中交互，输出图像再通过 VQ Tokenizer 解码为像素。生成机制分为图像理解、结构规划、多视图生成、细节填充、世界观推理五个阶段。标准 Prompt 包含四个层级：锚定指令（基于此角色和背景）、质量锚词（类似官方设定资料）、结构要求（三视图、表情、装备、色板、世界观）、风格约束（白色背景、插画风格、有组织的布局）。API 调用使用标准 gpt-image-1.5 模型，推荐参数为 size 1024x1536 或 1536x1024、quality high、style natural。
核心能力
- 单图输入 + 结构化 Prompt 即可生成完整角色设计卡
- 多视图一致性高，基于 VQ Token 空间保证
- 自动推理角色世界观和性格特征
- 支持中/日/英三种语言 Prompt
- 生成速度快，约 10 秒内完成
- 成本低，单次约 $0.05-0.10
- 无需专业技能，非美术人员也能使用
- 支持多种风格（写实、插画、二次元等）
使用前需要了解
- AI 整理 · 本地测试，未经人工复核；依据历史报告节选，不代表当前产品状态。
- 该方法存在以下局限：装备细节、服装纹样可能不准确；世界观文字可能出现乱码或不准确；输出质量高度依赖输入图片的质量和风格；无法精确控制排版，可能需要多次生成；复杂纹身、特殊标记等细节可能被简化。不建议用于需要印刷级别精度的商业角色授权资料、需要精确到毫米的工业设计规范、严格遵循已有 IP 规范（如迪士尼、任天堂）的场景，以及需要大量文字说明的设计卡。AI 生成的三视图是概念级别参考图，不是工程级别蓝图，不能直接用于 3D 建模。输入图片质量直接影响输出上限，最佳输入为清晰度高、角色全身或至少半身可见、背景简洁、风格统一。通常需要 1-3 轮迭代优化，第一轮确立整体方向，后续轮次微调细节。
