---
title: "Visual Coherence Engine"
type: concept
tags: ["image-generation", "visual-design", "gemini", "brand-consistency", "carousel"]
sources: ["marketing-carousel-growth-engine"]
last_updated: 2026-04-26
---

## Definition

通过 AI 图生图（image-to-image）机制实现多图视觉风格一致性的系统。第一张幻灯片定义"视觉 DNA"，后续幻灯片以此为参考生成，保持配色、字体、场景叙事的连贯统一。

## Mechanism

```
Slide 1 → 纯文本 prompt → Gemini 生成 → slide-1.jpg（定义视觉 DNA）
Slide 2 → slide-1.jpg 作为 --input-image → Gemini 图生图 → slide-2.jpg
Slide 3 → slide-1.jpg 作为 --input-image → Gemini 图生图 → slide-3.jpg
Slide 4 → slide-1.jpg 作为 --input-image → Gemini 图生图 → slide-4.jpg
Slide 5 → slide-1.jpg 作为 --input-image → Gemini 图生图 → slide-5.jpg
Slide 6 → slide-1.jpg 作为 --input-image → Gemini 图生图 → slide-6.jpg
```

## 核心要素

1. **Slide 1 纯文本生成**: 无参考图，完全由 prompt 描述视觉方向
2. **Slides 2-6 图生图**: slide-1.jpg 作为 `--input-image` 参考输入
3. **视觉 DNA 保留**: 配色、字体风格、背景场景跨所有幻灯片保持一致
4. **场景叙事演进**: 背景场景随叙事演进，但整体视觉语言不变

## 扩展要素

- **品牌颜色整合**: Playwright 从网站提取 CSS 颜色，织入 Gemini 提示词
- **字体一致性**: 结构化提示词维护字体风格和大小
- **场景连续性**: 背景场景随叙事发展逐步演化

## 质量保证

- 视觉模型验证每张幻灯片：文字可读性/拼写/质量
- 底部 20% 区域检查（TikTok 控件遮挡）
- 不合格幻灯片仅重生成该张，保留 slide-1.jpg 作为参考

## Usage in [[marketing-carousel-growth-engine]]

[[marketing-carousel-growth-engine]] 使用 `gemini-3.1-flash-image-preview` 实现此引擎。

## Aliases
- Visual DNA
- Image Coherence
- Visual Consistency
- 图生图一致性