生成された画像の効果は以下の通り：

初心者にとって、最初に非常に複雑なPromptを記述する必要はありません。必要な内容を明確に伝え、生成結果に基づいて段階的に詳細を追加すればよいです。

参照画像があれば、ブランドとマーケティング要素を追加する

テキストから画像生成はマーケティングクリエイティブや背景の提案を素早く生成するのに適していますが、明らかな問題があります。モデルに特定の商品を直接生成要求した場合、商品パッケージ、ロゴ、テキストが実際の商品と異なる可能性があります。公式の商品マーケティングシーンでは、実際の商品画像を組み合わせてさらに処理する必要があります。

テキストから画像生成は主にテキストの説明に依存しますが、画像から画像生成（Image-to-Image）は参照画像とテキストの説明を同時に入力します。モデルは入力画像中の商品主体、パッケージ、構成を参考にし、Promptに基づいて背景、光と影、マーケティング要素を調整できます。

本節ではSenseNova-U1.5-8B-MoTを画像編集モデルとして選択します。このモデルはテキストから画像生成や画像編集などのタスクをサポートし、入力画像とテキストの指示を同時に理解し、Promptに基づいて入力画像中の指定された内容を調整できます。テキストに基づいて画像を生成するだけでなく、入力画像中の視覚情報を利用し、既存の主体と全体構造を保持したまま、商品パッケージ、背景、色、装飾要素などを修正できるため、商品マーケティング画像の生成と編集に適しています。

実験部分では前節で生成した夏日リキュール画像を入力として、画像から画像生成モデルで編集を行います。リキュールボトルの主体と全体構造をできるだけ保持した上で、ボトルに「FRESH DAY」ブランドロゴを追加し、氷、水しぶき、レモンなどの夏日要素を追加し、より完全な商品マーケティング広告画像を生成します。デフォルトのSenseNova-U1.5-8B-MoTのロード方法ではメモリ不足となり、本コードでは低メモリロード方式を採用し、メモリ消費を低減します。

コードは以下の通り：

from diffsynth.pipelines.sensenova_u1_image import (
    SenseNovaU1ImagePipeline,
    ModelConfig
)
from PIL import Image
import torch
import os

MODEL_ID = "SenseNova/SenseNova-U1.5-8B-MoT"
INPUT_IMAGE = "/mnt/workspace/summer_drink_poster.png"
OUTPUT_IMAGE = "/mnt/workspace/drink_fresh_day_ad.png"

vram_config = {
    "offload_dtype": "disk",
    "offload_device": "disk",
    "onload_dtype": "disk",
    "onload_device": "disk",

    # 真正に計算が必要になる時点でBF16でGPUにロード
    "preparing_dtype": torch.bfloat16,
    "preparing_device": "cuda",

    "computation_dtype": torch.bfloat16,
    "computation_device": "cuda",
}

print("SenseNova-U1.5-8B-MoTをロード中...")

pipe = SenseNovaU1ImagePipeline.from_pretrained(
    torch_dtype=torch.bfloat16,
    device="cuda",

    model_configs=[
        ModelConfig(
            model_id=MODEL_ID,
            origin_file_pattern="model*.safetensors",
            **vram_config
        ),
    ],

    tokenizer_config=ModelConfig(
        model_id=MODEL_ID,
        origin_file_pattern="./"
    ),
    vram_limit=(
        torch.cuda.mem_get_info("cuda")[1] / (1024 ** 3)
        - 0.5
    ),
)

print("モデルロード完了。")

if not os.path.exists(INPUT_IMAGE):
    raise FileNotFoundError(
        f"入力画像が見つかりません: {INPUT_IMAGE}"
    )

edit_image = Image.open(INPUT_IMAGE).convert("RGB")

print(
    f"入力画像サイズ："
    f"{edit_image.width} × {edit_image.height}"
)

prompt = """
这是一项饮料商品图像编辑任务。

请基于输入的饮料瓶商品图，生成一张专业、清爽的夏日饮料营销广告图。

请重点保留原图中的饮料瓶主体。
尽量保持饮料瓶原有的瓶身形状、瓶盖、包装结构、瓶身比例、
材质质感和整体商品外观，不要重新生成或替换成另一款饮料瓶。
饮料瓶应保持清晰完整，并作为画面的视觉中心。

在饮料瓶正面的标签区域，为这款饮料增加一个新的品牌标识：
“FRESH DAY”。

“FRESH DAY”はこのリキュールのブランド名です。
ブランドロゴを商品パッケージに印刷された真のブランド識別マークのように、画面上で浮かぶ普通のテキストではなく、自然にデザインしてください。ブランドロゴは簡潔で、現代的で、清涼な視覚デザインスタイルを用います。
使用明確で目立つ英語フォント、そして簡素な小さな葉のグラフィックを組み合わせて、自然、健康、清涼、若々しさを表現するブランドの感覚を伝えましょう。

“FRESH DAY”文字はできるだけ完全で、明確で、識別しやすいように。
他のブランド名を生成しないでください。関連しないテキストを追加しないでください。
ボトル外にも「FRESH DAY」を複数回表示しないでください。

リキュールボトルの主体を保持したまま、周囲のマーケティングシーンを最適化してください。

リキュールボトルの周囲に少し透明な氷、清涼で自然な水しぶき、ボトル表面の冷凝水滴、そして少量の新鮮なレモン片を追加し、リキュールが冷やし、清涼で新鮮な感じを強調してください。

明るく自然な商業製品写真の光を用いて、ボトルの透明感、冷凝水滴、製品の質感を強調してください。
背景はシンプルで、清潔で、複雑な要素を多く含めないでください。

全体の画面は清涼で、明るく、高級な夏日商業広告スタイルを用います。
主体が目立つ、構成がシンプルで、真の商業製品写真の質感を持つように。
最終的な効果は、リアルなリキュールブランドの発表用のプロフェッショナルな夏日マーケティング広告のようであって、イラスト、キャラクター、または再デザインされたリキュール製品ではない。

"""

print("夏日リキュールマーケティング画像の生成を開始します...")

image = pipe(
    prompt=prompt,

    # 原始商品画像
    edit_image=edit_image,

    # 固定ランダムシード、実験の再現性を確保
    seed=42,

    # 3:4 縦版マーケティング画像
    height=1536,
    width=1152,

    num_inference_steps=50,
    cfg_scale=4.0,
    shift=3.0,
)

image.save(OUTPUT_IMAGE)

print(
    f"生成完了、画像は保存先：{OUTPUT_IMAGE}"
)

実行結果は以下の通り