docs/SPEC_WEB_UI.md

Web UI — product specification

What to build: this file. How to run / deploy: WEB_DEV_GUIDE.md.

Overview

Image and video generation from prompts and optional reference images.

AI 创作台

A. 图片 — 0–3 张参考图 + 提示词 → 一张图。模型含 Nano Banana（gemini-2.5-flash-image，无长思考）、Nano Banana 2（gemini-3.1-flash-image-preview，可选长思考）、Nano Banana Pro（gemini-3-pro-image-preview，长思考）；默认选项为 Nano Banana 2 快速。宽高比、分辨率见 generation_options.json。

B. 视频 — 0–3 张参考图 + 提示词 → 短视频。Veo 模型可配置；Veo 3 / Veo 3 Fast 与 Veo 3.1 Lite 为 **supports_reference_images: false**（前两者仅纯提示词）。默认模型 Veo 3.1 Fast。有参考图时时长 8s；仅文案时 4/6/8s（以 API 为准）。

C. 首尾过渡 — 起始帧必填 + 提示词；时长 固定 8s。Veo 3 / Veo 3 Fast（supports_end_frame: false）仅起始帧；Veo 3.1 可选独立结尾帧或「与起始相同」。默认模型 Veo 3.1 Fast。

辅助工具

• 超分辨率： 单张原图 → 高清图；默认提示词可改；宽高比按原图自动建议（表单底部可改）；比例不匹配时警告仍可生成。
• 提取视频帧： 本地视频 → 时间轴选帧 → PNG。
• 图像裁剪： 前端 Canvas，不上传服务器；自由或固定比例 → PNG。
• 替换纯色背景： 前端 Canvas；原/目标色、容差、预览与 PNG。

示例

静态演示（预置素材），不调用模型。

仓库脚本

run_gen_image_*.sh、run_gen_video_*.sh 等可能只覆盖简化场景。API 文档：图片、视频。

界面

• 密码登录（WEB_UI_PASSWORD）。
• 侧栏进入各功能；提示词必填；参考图规则按 A/B/C；生成中显示耗时。
• 模型名、分辨率、宽高比等来自 **web/config/generation_options.json**（可用 **GENERATION_OPTIONS_PATH**），避免写死在代码里；改 JSON 通常不必重编前端。

其他

• GEMINI_API_KEY 仅环境变量，勿入库。
• 代码英文为主；界面与提示词可用中文。