用途:该技能用于 Ideogram 4(9.3B 开放权重)文生图,核心优势是图像内文字渲染,以及通过结构化 JSON caption 实现精确调色板与边界框布局控制。适合标题卡、缩略图、引言卡、带标题的 CTA 背景、招牌与 logo 等需要清晰文字的场景;无关键文字或只需氛围背景时可改用 FLUX.2。
主要能力:模型基于 JSON caption 训练,纯文本提示只能得到 FLUX 级效果。技能让 Claude 充当提示扩写器,把用户随口描述转成 JSON caption,显式命名每个元素,并支持 hex 品牌色注入与 bbox 区域布局。
使用方式:工具为托管 v4 API 的薄封装,需在 .env 配置 IDEOGRAM_API_KEY(来自 developer.ideogram.ai)。--json 将 caption 作为 json_prompt 提交(推荐,无服务端 magic prompt);--prompt 提交 text_prompt。示例:uv run tools/ideogram4.py --json caption.json --output title.png;cat caption.json | uv run tools/ideogram4.py --json - --output title.png;uv run tools/ideogram4.py --json caption.json --brand digital-samba --output cta.png;uv run tools/ideogram4.py --json caption.json --speed QUALITY --resolution 2048x2048 --output slide.png。
可选 4.5:--model 4.5 走 v2 API,同样建议发 JSON caption。--speed 映射质量档:FLASH/TURBO 为 low($0.03)、DEFAULT 为 medium($0.06)、QUALITY 为 high($0.10)。--resolution 需为 auto 或 WIDTHxHEIGHT,边长 32 的倍数、至少 256px、总像素不超过 2048x2048、宽高比不超过 6:1;工具会在调用前校验,不合规退出码 2。
限制:4.5 尺寸须为 32 的倍数,故缩略图仍用 4.0 的 1280x720;4.0 下 FLASH 会返回 HTTP 400;部分预设尺寸不被支持,且未提供源图时还需匹配未公开的 1K/2K 预设,可能仍返回 HTTP 400。完整 schema、键序规则与 bbox 坐标见 prompting.md,示例见 examples.md。