nexus/wiki/concepts/Visual-Coherence-Engine.md

title, type, tags, sources, last_updated

title	type	tags	sources	last_updated
Visual Coherence Engine	concept	image-generation visual-design gemini brand-consistency carousel	marketing-carousel-growth-engine	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