convez.ai
SkillEscrita & ConteúdoAvançado
weivea

Picture Book - Gerador de Livros Infantis com IA

weivea/picture-book

Do conceito ao livro infantil impresso em minutos com IA

Ver no GitHub
InicialPluginScore · de 0 a 100

Pipeline 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-book

1 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

Estrelas
2
Forks
0
Acompanhando
0
Saúde
28%
Último commit
há 5 meses
Versão
—
Issues abertas
0
Contribuidores
1

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_KEYAzure 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-builderworld / 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-1Stage 1 后故事方向(10 行内 elevator pitch + outline 概览)
GATE-2Stage 2 后outline.md + characters.md 全文
GATE-3Stage 4 portraits 完成后portraits/ 所有立绘
GATE-4Stage 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)
short5 × 200010,0005-act~40 min
medium12 × 250030,0009-beat~2 h
long24 × 300072,000save-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。

Ver o original no GitHub

Bom para

Relacionados