YouTube 封面生成器：Nano Banana

概述

首先分析用户的文本内容，将其转化为一个视觉简洁、情绪明显且在小尺寸下仍可清晰阅读的封面概念。

除非用户明确要求其他语言，否则生成英文图像提示时使用 Nano Banana。确保推理基于 YouTube 封面的点击表现，而非通用海报设计。

当本地脚本执行可用时，使用 scripts/create_thumbnail.py 完成全流程。该脚本先调用 Gemini 文本生成功能，将原始文案转化为封面设计方案，随后可选地调用官方 Gemini Nano Banana 图像生成接口。脚本需要配置 GEMINI_API_KEY 或 GOOGLE_API_KEY。

工作流程

1. 提取核心信息

提取以下要素：

• 核心主题
• 目标受众
• 主要承诺或冲突点
• 情绪导向（如紧迫感、惊讶、权威、恐惧、好奇或兴奋）
• 最佳视觉主体
• 不可妥协的细节（如产品、人物、品牌色或禁止元素）

若用户仅提供原始文案，应从最强主张中推断封面角度，而非逐字复制全部文字。

2. 确定封面策略

优先选择单一核心概念。采用以下任一视觉策略：

• 表情丰富的面部 + 短句文字
• 单一物品或产品的戏剧性特写
• “之前 vs 之后”的对比构图
• 威胁、错误或警告式呈现
• 留白悬念（不完整揭示）
• 权威或证明型框架，突出明确焦点对象

除非用户明确要求拼贴风格，否则拒绝复杂多主题组合。

3. 精简画面文字

叠加文字需满足：

• 尽可能控制在 2 到 6 个词
• 一秒内可读完
• 比原始文案更具冲击力
• 可与视频标题不同，以增强点击吸引力

禁止在图像提示中包含段落、副标题或详细列表。

4. 构建 Nano Banana 提示词

生成的提示需具备以下特征：

• 使用英文
• 16:9 的 YouTube 封面比例
• 一个主导主体
• 明显的视觉焦点
• 高对比度灯光与色彩分离
• 干净背景，仅保留辅助元素
• 为大号标题预留空间
• 仅在用户要求时使用照片级真实感或特定风格

明确描述：

• 主体外观与姿态
• 摄影构图方式
• 情绪状态
• 背景环境
• 色彩搭配
• 光照条件
• 文字放置区域
• 封面风格线索（如电影感、光泽感、创作者经济风、科技、金融、健身、教育等）

参考 [youtube-thumbnail-patterns.md](./references/youtube-thumbnail-patterns.md) 中的模板与示例，以帮助确定结构。

5. 生成图像

在概念清晰后，调用 Nano Banana 生成最终图像。

如需全自动流程，请运行：

python3 scripts/create_thumbnail.py \
  --copy "Man fights tiger" \
  --generate-image \
  --output-json "outputs/thumbnail-plan.json" \
  --image-output "outputs/generated-thumbnail.png"

该脚本功能包括：

• 分析原始文案
• 输出结构化 JSON，包含 angle、overlay_text、prompt 和 generation_notes
• 可选地通过 Nano Banana 渲染图像
• 生成可用于集成的稳定结果包

若本地脚本可用，也可直接运行：

python3 scripts/generate_image.py \
  --prompt "<final english prompt>" \
  --angle "<angle>" \
  --overlay-text "<overlay text>" \
  --output "outputs/generated-thumbnail.png"

该脚本调用 Gemini 官方 gemini-2.5-flash-image 接口，并保存：

• 生成的 PNG 文件
• 附带的 JSON 文件，包含提示词、模型信息、叠加文字及 API 返回的任何文本

若无法使用工具调用或脚本执行，仍返回完整的提示词，并附上简短说明以指导生成。

6. 自我审查一次

在最终输出前，检查常见失败模式：

• 主体过多
• 文字区域过小
• 对比度不足
• 背景过于杂乱
• 情绪表达模糊
• 缺乏明确的点击驱动力
• 提示词无意中描述的是海报而非封面
• 包含微小文字或多行文字，图像模型难以准确渲染

若发现上述问题，修改提示词一次后再返回。

输出格式

按以下顺序返回四个区块：

1. Angle：一句话描述封面构思
2. Overlay Text：封面使用的简短文字
3. Nano Banana Prompt：完整的英文提示词
4. Generation Notes：一句简短的关键指令或备选方案说明

约束条件

• 优化移动端点击率与可读性
• 优先单一主体，而非多个元素
• 优先强烈情绪，而非中性表情
• 优先简单构图，而非详尽描述
• 不得虚构用户未提及的名人形象、商标或品牌资产
• 不承诺图像模型能精确还原文字排版质量
• 若用户提供中文文案，可在分析阶段使用中文，但最终图像提示必须为英文
• 若用户未指定风格方向，默认采用现代 YouTube 封面美学：高对比度、清晰层级
• 若用户提及特定领域并暗示视觉风格，应在提示词中体现。例如：金融类应呈现锐利可信感；游戏类可更夸张；教育类应清晰权威

缺失信息

仅在缺失信息会显著影响输出时，提出简短追问，例如：

• 是否必须出现特定人物？
• 是否需要真实产品图片？
• 封面应为写实、3D、插画还是动漫风格？
• 是否有严格的品牌配色或禁用视觉元素？

否则，基于合理假设继续推进。

资源

scripts/

使用 [create_thumbnail.py](./scripts/create_thumbnail.py) 实现从文案到封面的端到端生成。

使用 [generate_image.py](./scripts/generate_image.py) 直接调用 Nano Banana 并保存输出文件。

references/

使用 [youtube-thumbnail-patterns.md](./references/youtube-thumbnail-patterns.md) 作为提示模板、角度选择规则，以及从原始文案到缩略图提示的示例转换参考。

使用 [publishing-contract.md](./references/publishing-contract.md) 作为调用方的集成契约，确保命令行为稳定、输出为 JSON 格式，并提供明确的退出码。