Picture Book - Gerador de Livros Infantis com IA
weivea/picture-book
Do conceito ao livro infantil impresso em minutos com IA
Ver no GitHubPipeline completo para criar livros infantis ilustrados automaticamente. Transforma uma ideia simples em roteiro estruturado, personagens, estilos visuais e gera todas as ilustrações via Azure gpt-image-2, exportando para EPUB/PDF. Inclui recursos avançados como audiobooks com sincronização de texto e histórias ilustradas multi-voice.
Instalação
npx convez-ai weivea/picture-book1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.
Métricas
Casos de uso
- Criar livros infantis ilustrados sem conhecimento de design gráfico
- Gerar audiobooks com sincronização de texto e múltiplas vozes
- Produzir histórias ilustradas profissionais para publicação
- Prototipar narrativas visuais e contos para crianças rapidamente
Veredito

Ferramenta madura e bem arquitetada para criadores de conteúdo infantil. A pipeline orquestrada por Claude Code é robusta (7 skills especializadas), mas requer configuração Azure e conhecimento técnico. Resultado editorial excepcional com suporte a EPUB3 reflowable, Media Overlays e múltiplas vozes — destaque para a geração paralela eficiente de ilustrações.
README
A tradução para o português deste README ainda está na fila.
Picture Book
AI 驱动的儿童绘本创作工具。基于 Claude Code skills,把一句模糊的故事想法逐步转化为分页脚本、角色/风格设定、图像 prompt,再调用 Azure gpt-image-2 自动生成所有插图,最终打包成 EPUB / PDF。
特性
- 全流程引导:从需求收集 → 分页脚本 → 角色与风格设定 → 图像 prompt → 并行生图 → 电子书打包,全部由 skill 串起来
- 图像生成:Azure 部署的
gpt-image-2,1024×1024 PNG,文字直接渲染在画面中 - 并行高效:每页一张图,最多 4 并发派发
- 可出版输出:正方形 210×210mm 国际主流绘本开本,导出 EPUB 与 PDF
项目结构
.
├── .claude/skills/
│ ├── picture-book-creator/ # 绘本全流程 skill(脚本 + 角色 + 风格 + EPUB 打包脚本)
│ └── image-generation/ # 单张图生成 skill(封装 Azure gpt-image-2)
├── output/ # 生成的绘本(图片 / EPUB / PDF),已 gitignore
├── package.json
├── tsconfig.json
└── azure-image-2-api.md # Azure gpt-image-2 接口参考
环境要求
- Bun ≥ 1.0
- Claude Code CLI
- Azure OpenAI 资源,已部署
gpt-image-2模型
快速开始
1. 安装依赖
bun install
2. 配置环境变量
cp .env.example .env
# 编辑 .env,填入真实的 Azure key 与 endpoint
需要的变量:
| 变量 | 说明 |
|---|---|
AZURE_API_KEY | Azure gpt-image-2 部署的 API key |
AZURE_IMAGE_ENDPOINT | 形如 https://<resource>.cognitiveservices.azure.com/openai/deployments/gpt-image-2/images/generations?api-version=2024-02-01 |
3. 在 Claude Code 中创作绘本
在仓库目录启动 Claude Code,然后用自然语言描述你想做的绘本,例如:
帮我给 4 岁的孩子做一本讲分享的绘本,主角是一只小兔子。
picture-book-creator skill 会自动触发,按阶段引导你确认主题、角色、风格,并最终调度 image-generation skill 并行渲染所有页面,输出到 output/<book-slug>/。
4. 手动调用脚本(可选)
# 单张图生成(参数见 image-generation skill)
bun run image -- --prompt "..." --out path/to/file.png
# 把一个目录下的页面图打包成 EPUB
bun run epub -- --dir output/<book-slug>
输出示例
output/zhouwu-yuehao/ 下是一本完整生成的样书《周五的胡萝卜蛋糕》,包含:
0.png~11.png:封面 + 11 页正文script.md、characters.md、style.md:分页脚本、角色设定、风格设定周五的胡萝卜蛋糕.epub/.pdf:成品电子书周五的胡萝卜蛋糕-audio.epub:有声版(晰晰童声朗读 + 句级高亮 + 自动翻页,需 Apple Books / Thorium)
相关文档
azure-image-2-api.md— Azure gpt-image-2 接口与鉴权说明.claude/skills/picture-book-creator/SKILL.md— 绘本生成完整流程与阶段说明.claude/skills/image-generation/SKILL.md— 单张图生成 skill 的契约
有声绘本(实验功能)
把已生成的静态绘本升级为带朗读、文字高亮、自动翻页的 EPUB3 电子书。
一次性 setup
python3 -m venv .venv
.venv/bin/pip install -r requirements.txt
# 可选:装 epubcheck 做结构校验
brew install epubcheck
朗读由 Azure Speech(
azure-cognitiveservices-speech)合成,需在.env配置AZURE_SPEECH_KEY与AZURE_SPEECH_ENDPOINT(参考.env.example)。
使用
在 Claude Code 中直接说:"给 zhouwu-yuehao 做有声版",audio-picture-book-creator skill 会自动触发。
阅读器建议
- ✅ Apple Books(iOS / macOS):完整支持朗读 + 高亮 + 翻页
- ✅ Thorium Reader(跨平台):完整支持
- ⚠️ Kindle / 微信读书:不支持 Media Overlays,仅作为静态 EPUB 显示
有声图文小说(Illustrated Audio Novel)
从一个 seed 概念产出 Reflowable EPUB3(句级高亮) + 多 voice MP3 + 网漫范式插图的端到端流水线。
用户对话 → /illustrated-audio-novel-creator
→ seed + tier(short|medium|long)
→ Stage 1..7(4 个人工 GATE)
→ novel-output/<date>-<slug>/dist/*.epub + *.md + audio/*.mp3
设计与实现:
- Spec:
docs/superpowers/specs/2026-05-13-illustrated-audio-novel-design.md - Plan:
docs/superpowers/plans/2026-05-13-illustrated-audio-novel-plan.md
参与的 skill:
| Skill | 责任 |
|---|---|
illustrated-audio-novel-creator | 主编排器(用户入口) |
novel-foundation-builder | world / characters / outline / voice / style 5 层文档 |
novel-chapter-workshop | 单章 draft / evaluate / revise |
scene-illustrator | 角色立绘 + 场景插图(image-to-image 锚定) |
audio-novel-packager | 多 voice TTS + Reflowable EPUB3 + Media Overlays |
image-generation(已扩展 --ref) | 通用出图,Azure gpt-image-2 /generations + /edits |
text-to-speech | 通用 TTS,Azure Speech |
一次性 setup
除了绘本流程已要求的 Bun + Azure key,本流水线还需要 Azure Speech(Python)做朗读:
python3 -m venv .venv
.venv/bin/pip install -r requirements.txt
# 可选:装 epubcheck 做结构校验
brew install epubcheck
.env 中除了 AZURE_API_KEY / AZURE_IMAGE_ENDPOINT,建议再补 AZURE_IMAGE_EDIT_ENDPOINT(image-to-image 锚定用 /edits 端点)。
使用
在仓库目录启动 Claude Code,用一句自然语言描述你想写的小说,例如:
写一本中文有声图文小说:北郊废墟里,失明少女靠灵气感知世界,遇到隐居灵气医师,从拒绝到接受。tier 选 short。
illustrated-audio-novel-creator skill 会自动触发,按 7 个 stage 依次推进,并在 4 个 GATE 暂停等你确认:
| Gate | 时机 | 你要看什么 |
|---|---|---|
| GATE-1 | Stage 1 后 | 故事方向(10 行内 elevator pitch + outline 概览) |
| GATE-2 | Stage 2 后 | outline.md + characters.md 全文 |
| GATE-3 | Stage 4 portraits 完成后 | portraits/ 所有立绘 |
| GATE-4 | Stage 5 修订完成后 | 抽查 1–2 章正文 + 1–2 张插图 |
回 "OK" / "继续" 即进入下一 stage;要修改时直接说出来("林晚改成 16 岁" / "第 3 章节奏太慢"),主编排器会调对应子 skill 重跑。
tier 选择
| tier | 章节 × 字数 | 总字数 | 节拍 | 估时(朗读) |
|---|---|---|---|---|
| short | 5 × 2000 | 10,000 | 5-act | ~40 min |
| medium | 12 × 2500 | 30,000 | 9-beat | ~2 h |
| long | 24 × 3000 | 72,000 | save-the-cat-15 | ~5 h(额外触发 Opus review 循环) |
单 stage / 单章重跑(高级)
每个子 skill 都可以独立调,适合"只重做某一章"或"只重画某一张图":
# 只重画 ch_03 全部场景
bun run .claude/skills/scene-illustrator/scripts/illustrate-chapter.ts \
--output-dir novel-output/2026-05-13-my-novel --chapter 3
# 只重打 EPUB(不重跑 TTS)
bun run .claude/skills/audio-novel-packager/scripts/package-novel.ts \
--output-dir novel-output/2026-05-13-my-novel --stage epub
完整 stage 名见 .claude/skills/illustrated-audio-novel-creator/references/stage-flow.md。
输出
novel-output/<YYYY-MM-DD>-<slug>/
├── world.md / characters.md / outline.md / voice.md / style.md
├── chapters/ch_NN.md (+ .eval.json + .timing.json + .split.json)
├── portraits/<name>.png
├── illustrations/ch_NN/scene_KK.png
├── audio/ch_NN.mp3
├── dist/<basename>.epub # Reflowable EPUB3 + 句级 Media Overlays
├── dist/<basename>.md # 归档 Markdown(含全部插图)
└── state.json # phase / debt / 每章状态
阅读器建议
同有声绘本:Apple Books 与 Thorium Reader 完整支持句级朗读高亮;Kindle / 微信读书仅作静态 EPUB 阅读。
第一次跑之前建议执行 bun test .claude/skills/ 验证 114 项测试全绿。