多语言文本预渲染技能

AI图像模型在直接绘制韩文、汉字、日文等非拉丁文字时，会出现文字破损或错别字的问题。
本技能提供与Web应用完全相同的处理流程：

1. 1. detect（检测） — 检测提示词中是否包含非拉丁文字
2. analyze（分析） — 通过Gemini LLM从提示词中提取文本和样式
3. render（渲染） — 使用Canvas和精确字体将文本预渲染为PNG图片
4. generate（生成） — 将预渲染的PNG作为输入提供给Gemini图像生成，生成最终图像

初始设置（仅需一次）

bash
cd {baseDir} && node setup.mjs

• - 安装 canvas + @google/generative-ai npm包
• 将Noto Sans字体文件准备到 {baseDir}/fonts/ 目录

环境变量

使用流程（分步说明）

一键执行：pipeline

通过一条命令执行整个流程：

bash
node {baseDir}/render.mjs pipeline 帮我制作一个名为욎홎 뙤앾뼡的地区节日海报 \
--output /tmp/final-image.png --no-base64

结果：
json
{
detect: { needsRendering: true, primaryScript: hangul, ... },
analyze: { texts: [...], style: {...}, reasoning: ... },
render: { success: true, outputPath: /tmp/text-render-xxx.png, ... },
generate: { success: true, outputPath: /tmp/final-image.png, ... }
}

分步执行

步骤1：检测非拉丁文字（detect）

bash
node {baseDir}/render.mjs detect 用户完整提示词

• - needsRendering: false → 无需预渲染，直接进行普通图像生成
• needsRendering: true → 进入步骤2

步骤2：Gemini LLM提示词分析（analyze）

bash
node {baseDir}/render.mjs analyze 帮我制作一个名为욎홎 뙤앾뼡的地区节日海报

Gemini Flash分析提示词后：

• - 提取需要放入图像的文本（基于引号、标签、上下文）
• 根据设计上下文确定合适的样式（字体、大小、颜色）
• 指定每个文本的角色（标题/副标题/正文/说明文字）
• 自动检测每个文本的文字系统·语言

如果没有GEMINIAPIKEY，将使用基于规则的备用方案。

步骤3：Canvas预渲染（render）

将analyze结果直接传递给render：

bash
node {baseDir}/render.mjs render \
--json {texts:[...],style:{...}} \
--output /tmp/rendered-text.png

或使用JSON文件：
bash
node {baseDir}/render.mjs render --input /tmp/analysis.json --output /tmp/rendered-text.png

步骤4：Gemini图像生成（generate）

将预渲染的文本PNG作为输入图像提供给Gemini，生成最终图像。

bash
node {baseDir}/render.mjs generate \
--prompt 帮我制作一个名为욎홎 뙤앾뼡的地区节日海报 \
--rendered /tmp/rendered-text.png \
--analysis {texts:[...],style:{...}} \
--output /tmp/final-image.png \
--no-base64

此命令内部执行：

1. 1. 将预渲染的PNG作为第一张参考图像传递给Gemini
2. 通过buildTextRenderFinalPrompt构建提示词（文本列表 + 样式 + 不要重新绘制文本，直接使用原样指令）
3. Gemini生成将文本自然整合的最终图像

如有额外参考图像，可通过--ref传递：
bash
node {baseDir}/render.mjs generate \
--prompt 帮我制作海报 \
--rendered /tmp/rendered-text.png \
--ref /tmp/user-reference.jpg \
--output /tmp/final-image.png

支持的字体

文本角色对应的字号

字体大小映射

触发关键词

当用户提示词包含以下关键词时，本技能将自动激活：

文本、文字、字样、标志、水印、品牌、字体、标题、头条、
text、logo、title、headline、
或提示词中包含韩文/汉字/日文/泰文/阿拉伯文等非拉丁文字时。

规则（应做事项）

• - 检测到非拉丁文字时，必须执行完整流程（detect→analyze→render→generate）
• 通过analyze让LLM提取文本和样式
• 通过render生成Canvas预渲染PNG
• 通过generate将预渲染PNG作为输入提供给Gemini，生成最终图像

禁止事项（不应做事项）

• - 不要要求AI模型直接绘制非拉丁文字
• 不要未经预渲染就将韩文/汉字/日文文本包含在图像提示词中
• 不要跳过render步骤直接进行generate
• 不要随意修改analyze结果中的文本