Joffoo's blog

The ethereal flight, oft rehearsed in the theater of one's dreams...

只有风格,没有指纹:用 Agent 制作拼贴风格公众号封面

你有没有发现,少有公众号直接用 AI 生成的封面。

如果你用 AI 写过(润色过)论文,会模糊感觉到,AI 检测率的跷跷板另一端或许是论文重复率。

想要抹掉 AI 的指纹,最直接的思路,不是用什么去 AI 味的技能,是让 Agent 查到一些早年间的资料,然后(说得好听一些)洗稿。

图像也是同理,何况事关审美。“复古”和“拼贴”皆为风格,合理利用公版资源的话,也不会背上抄袭恶名。

这就是今次要分享的工作流,用 Agent 自动化制作拼贴风格的封面:只有风格,没有指纹。

先看做出来的样子

视觉参考来自插画师 Selman Hoşgör,因为看上去比较适合用 HTML 制作。

拼感很重,没有做把不同图层融合起来的努力。

下面三个案例里,前两个案例完全没有调用 AI 生图模型(测试的时候耗尽了用量,直到第三个案例才恢复),图中的颜料笔触是由代码计算得到的。

只有案例三调用了生图模型,但也仅仅用来生成构图参考与道具参考。模型产物经过拆解,全部转成了纯 SVG 矢量图,最终没有往封面贴入任何一张 AI 位图。

现阶段朱雀也是承认的。

案例一

这组封面对应的文章是《“直到脑中观众笑出声来”:AI 大喜利团队合作》。

画面主体选了 1930 年代米高梅影星 Joan Marsh 叉腰审视的黑白影棚照。人物身后斜插着一把 19 世纪古董卡钳,来自克利夫兰艺术博物馆(CMA)公版馆藏。

画面的底衬是代码基于随机数自动生成的三色飞白。整套画面的所有元素都是互相独立的零件,面对微信公众号首图与小红书竖图时,可以根据画幅主动重新排版。

把做好的成品送去跑腾讯朱雀 AIGC 检测,测出来的 AI 浓度当然很低,只有 0.63%。

案例二

这组封面配合的文章是《去 AI 味之我见:让 Agent 学会“因声求气”》。

主体人物取自 1947 年爵士歌唱家 Cab Calloway 仰头高歌的肖像,搭配大都会艺术博物馆(The MET)馆藏的 1855 年古典黄铜活塞短号。

这幅图也能看出一些问题,因为只是图层叠加,没有体现出“握住”的感觉,如果你想优化,就需要调用一次 AI 生图作为参考了。

案例三

第三组封面对应的是《发张电影票,Agent 自动生成专属纪念票根》。

主体人物选用 1930 年代影星 Conrad Nagel 托腮凝视前方的老照片,道具包含老式放映机与胶卷。

制作时分了三步:

  1. 先将 Conrad Nagel 的照片垫给模型,生成一张包含全套道具的参考效果图。
  2. 接着要求模型去除人物主体,把放映机与胶卷平铺在纯白底色上。
  3. 拿到白底零件后,再用矢量化引擎清除所有位图像素,重新装配成完整的封面。

为什么不用 AI 直接生整张图

用扩散模型直接生成整张图的话,零件全部焊死不说,画面还会带上洗不掉(或者说我不知道怎么洗)的 AI 指纹,特别容易被各类 AIGC 检测器一眼抓出来。

解决办法是,把画面彻底拆成独立零件,之后分类处理。

第一类是摄影元件,也就是人物肖像与写实道具。这部分全部来源于博物馆与公有领域图库,严格禁止使用 AI 生成,以此完整保留原生镜头的景深与胶片颗粒感。

第二类是平面图形元件,包括背景飞白、涂鸦与扁平道具,如果用到了模型生成,必须经过矢量化清洗,转换成纯粹的 SVG 矢量色块。

第三类是文字元件,直接交给浏览器排版引擎渲染,字体采用内联的得意黑,配合双层底色模拟压纹胶带。

自动拼贴的技术路线

整套自动拼贴流水线一共包含以下五个环节:

公版图库检索

选角的首要任务是吸引人。

脚本专门检索 1930 年代好莱坞米高梅影棚照,重点锁定摄影大师 George Hurrell 的肖像作品,挑选挑眉、托腮、叉腰这类富有情绪张力的神态。

脚本通过开放 API 直连克利夫兰艺术博物馆(CMA)、芝加哥艺术学院(AIC)以及维基共享资源,严格筛选 CC0 或公有领域的高清图片。

下载图像后,脚本利用 OpenCV 计算前景灰度标准差,凡是灰度标准差小于 38 的低反差灰暗图片,都会被脚本自动过滤淘汰。

抠图

抠图环节由本地脚本调用 rembg 库完成。

模型选用了二分图像分割模型 birefnet-general-lite,能处理复杂的缝隙和镂空,在普通 CPU 上只需要跑几秒钟。

零件生成与矢量化清洗

装饰图形可以纯算法生成或者使用“两步垫图法”。

第一条路径是纯算法生成。飞白、螺旋以及闪电这些图案,完全可以由脚本实现。全程不消耗任何 Token,计算成本为零。

第二条路径精致一点也复杂一些,采用两步垫图法。

第一步把人像输入给模型,生成一张包含全套道具的完整效果图。

第二步再把这张效果图反向喂回模型,给出提示词要求去除人物主体,仅将放映机、胶卷与票根平铺在纯白底色上,得到白底零件图。

拿到白底零件图后,调用切件算法,只把与画布四条外边框直接连通的白色判定为透明背景,从而完整保留道具内部的高光与白色,最后按外接矩形切成独立的透明 PNG。

零件随后交给矢量化引擎 VTracer 进行清洗,得到 SVG 图。

用算法代替滤镜

同样不调用 AI 模型,由纯数学公式驱动。

第一个是卡纸撕裂,基于分形布朗运动(fBm)噪声生成撕裂线,在边缘模拟出手工纸芯裸露的白色纤维。

第二个是晶体碎裂,提取人像的边缘密度场来生成加权 Voronoi 晶胞,让五官等细节处细密碎裂,衣物平滑处大块碎裂,并产生带有物理感的微小错位。

第三个是莫尔干涉光栅,利用 Marching Squares 算法提取人像不同明度等级的等高线。

第四个是碎纸机条纹错位,致敬艺术家河村康辅的拼贴技法,将人像纵向切割为数十根细条,并叠加上波浪形态的交替错动位移。

手动微调

这一点是受到播客《诗梳风》的启发。

有嘉宾提到,AI 的前端能力很强,但你总会有不满意的地方,这些地方又很难指出如何微调。于是就让 AI 写临时页面,给每个需要调节的地方加上滑块,自己调节试一下,然后精确记录参数。

这个思路很好。

工作流的最后一步,Agent 会提供一个轻量画布网页,用鼠标直接拖拽图层、按键微调旋转角度。

画布预设了公众号 2.35:1 题图、16:9 横图以及小红书 3:4 竖图,能随时切换画幅并调出辅助参考线(保证核心部分不被遮挡)。

位置摆好后,可以直接导出 PNG 格式图片。

在这套工作流里,Agent 负责了几乎全部自动化流程,包括检索图片、精准抠图、生成零件、切件矢量化以及排布最初的草稿,而人类只需坐在屏幕前花上半分钟做微调。

如果你享受创作封面本身,可以自己寻找素材,之后和 Agent 描述你的详细想法。

付出更多,收获更多。

文章目录

  1. 先看做出来的样子
    1. 案例一
    2. 案例二
    3. 案例三
  2. 为什么不用 AI 直接生整张图
  3. 自动拼贴的技术路线
    1. 公版图库检索
    2. 抠图
    3. 零件生成与矢量化清洗
    4. 用算法代替滤镜
    5. 手动微调

Proudly powered by Hexo and Theme by Hacker
© 2026 Fengyukongzhou