AI图像自动生成标题与水印

工作流名称

AI图像自动生成标题与水印

主要功能和亮点

该工作流利用Google Gemini多模态视觉语言模型，对输入的图像自动生成语义丰富且结构化的标题与描述文本，并将生成的文字智能叠加在图像底部，形成带有说明性水印的最终图像输出。流程中整合了图像下载、尺寸调整、AI生成文本、文本格式化解析、位置计算及图像编辑等多步骤，全部在n8n平台内自动完成，无需人工干预。

解决的核心问题

传统图像标题生成多依赖单一文字输入，难以实现视觉内容理解与语义描述的结合。同时，生成标题后手动添加说明文字、水印操作繁琐。此工作流打通了视觉AI模型与图像编辑的闭环，实现图像内容智能理解与自动化注释叠加，极大提升内容生产效率和视觉作品保护能力。

应用场景

• 媒体出版：自动为图片生成描述性标题和注释，加速内容编排和校对流程
• 社交媒体运营：快速生成带有创意文案的图片，提升发布效率和用户互动率
• 版权保护：在图片上自动添加版权说明或水印，防止盗用
• 视觉数据管理：为大量图片自动生成结构化说明，方便检索和分类

主要流程步骤

1. 导入图像：通过HTTP请求节点抓取网络图片，支持替换为其他触发方式导入任意图片
2. 图像预处理：调整图片尺寸至512×512，适配AI模型输入需求
3. AI生成标题与描述：调用Google Gemini多模态聊天模型，基于图像内容生成符合“谁、何时、何地、情境、补充信息”模板的结构化标题和描述
4. 解析输出：结构化解析生成的文本，便于后续处理
5. 计算文字叠加位置：通过代码节点根据图像大小和文本长度动态计算文字显示区域及字体大小
6. 文字叠加：利用图像编辑节点在图片底部叠加黑色半透明背景框和白色文字，实现清晰可读的标题与说明显示
7. 输出最终图像：生成带有AI自动生成标题的注释图片，方便发布或存档

涉及的系统或服务

• Google Gemini（PaLM）多模态AI模型：实现视觉内容理解与文本生成
• n8n内置节点：HTTP请求（导入图片）、代码节点（动态计算）、编辑图片节点（尺寸调整及文字叠加）
• LangChain集成：链式调用语言模型和解析器，实现结构化文本输出

适用人群或使用价值

• 内容创作者、媒体编辑、数字营销人员希望快速生成图片说明文案
• 设计师和品牌保护团队需要自动添加版权水印与说明
• 开发者和自动化爱好者欲构建基于视觉AI的智能图像处理流程
• 企业和机构需要提高图片内容管理与发布效率，减少人工操作

此工作流演示了如何利用先进的多模态AI模型结合自动化图像处理技术，打造智能、便捷且高效的视觉内容生成与编辑解决方案。