[AIGC实战] 基于Stable Diffusion的潮汕非遗IP自动化生成工作流(附Python批量处理脚本)

  1. 项目背景

作为一名专注于AI国潮设计的开发者,我致力于探索AIGC技术在传统文化商业化中的应用。今天分享一个实战案例:如何利用AI将潮汕"红桃粿"与"英歌舞"元素融合,生成具备商业落地价值的3D盲盒风格IP素材。

本方案旨在解决传统设计成本高、周期长的问题,通过AI辅助设计 + Python自动化脚本,实现高质量商业素材的批量产出。

  1. 核心工作流与技术栈

基础模型: Stable Diffusion WebUI (RevAnimated / DreamShaper)

控制插件: ControlNet (OpenPose + Canny) ------ 用于精准控制猫咪和英歌舞小人的姿态

后期处理: Python (Pillow/OpenCV) ------ 用于批量水印与格式转换

  1. AI 提示词工程 (Prompt Engineering)

为了还原红桃粿的晶莹剔透感和英歌舞的服饰细节,我构建了以下Prompt结构:

Prompt 结构拆解

positive_prompt = """

(masterpiece, best quality), 3d render, c4d style, blender,

cute chibi cat wearing sunglasses and hat, standing on a giant translucent pink peach-shaped jelly (Red Peach Cake),

miniature Yingge dance figure in front,

starry night background, ocean waves, palm trees,

volumetric lighting, subsurface scattering (SSS) for jelly texture,

--ar 3:4 --v 6.0

"""

negative_prompt = """

low quality, blurry, flat lighting, human face distortion, extra limbs

"""

import os

from PIL import Image, ImageDraw, ImageFont

def process_ai_images(input_folder, output_folder):

"""

批量处理AI生成的IP素材

:param input_folder: SD生成的原图文件夹

:param output_folder: 处理后输出文件夹

"""

if not os.path.exists(output_folder):

os.makedirs(output_folder)

for filename in os.listdir(input_folder):

if filename.endswith(".png") or filename.endswith(".jpg"):

img_path = os.path.join(input_folder, filename)

img = Image.open(img_path)

1. 调整尺寸以适应电商/社交媒体标准

img = img.resize((1024, 1365))

2. 添加版权水印 (保护IP)

draw = ImageDraw.Draw(img)

注意:实际运行需指定字体路径

font = ImageFont.truetype("arial.ttf", 40)

draw.text((50, 50), "AI IP Design by XiaoJiang | Copyrighted", fill=(255, 255, 255))

save_path = os.path.join(output_folder, f"processed_{filename}")

img.save(save_path)

print(f"Processed: {filename}")

执行处理

process_ai_images('./raw_ai_output', './final_deliverables')

相关推荐
冬奇Lab7 分钟前
开源项目第241期:YuE2 —— 用符号乐谱当“白盒“接口的开源音乐生成模型,SongBench 超越 Suno v5/v6
人工智能
鶴哥只手遮天1 小时前
Spring AI 2.0.1 深度解析-第 14 章 MCP 服务端(上):注解式实现与工具来源
java·人工智能·开源
鶴哥只手遮天1 小时前
Spring AI 2.0.1 深度解析-第 15 章 MCP 服务端(下):三种协议形态、Streamable 传输与状态管理
java·人工智能·开源
鶴哥只手遮天1 小时前
Spring AI 2.0.1 深度解析-第 16 章 向量存储(上):`VectorStore` 接口体系、`BatchingStrategy`
java·人工智能·开源
鶴哥只手遮天1 小时前
Spring AI 2.0.1 深度解析-第 12 章 工具循环的流式形态、Usage 累加与扩展体系
java·人工智能·开源
鶴哥只手遮天1 小时前
Spring AI 2.0.1 深度解析-第 23 章 模型供应商实现:从 `OpenAiSetup` 到 Bedrock
java·人工智能·开源
鶴哥只手遮天1 小时前
Spring AI 2.0.1 深度解析-第 06 章 内置 Advisor 全景:13 个实现逐个剖到源码级
java·人工智能·开源
鶴哥只手遮天2 小时前
Spring AI 2.0.1 深度解析-第 03 章 消息体系与 Prompt:不可变模型、`ChatOptions` 与模板渲染
java·人工智能·开源
鶴哥只手遮天2 小时前
Spring AI 2.0.1 深度解析-第 24 章 生产实践与 2.x 迁移:陷阱清单、AOT 与调优
java·人工智能·开源
鶴哥只手遮天2 小时前
Spring AI 2.0.1 深度解析-第 10 章 工具调用(中):执行链路、结果转换与工具限制
java·人工智能·开源