Branda 開源 AI 廣告產生器：貼網址讀品牌色，一次生成 4 到 6 張廣告

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

貼一個公開網址，等它生出四到六張那個品牌的廣告，這是 Branda 想做完的事。生成一張好看的圖，Canva 和 Midjourney 已經做得很成熟，Branda 著力的地方不在這。它解的是另一個更費工的問題：讓這批廣告跟網站本身對得起來，主色用網站那個藍、logo 和字體不能跑、產品資訊不能寫錯，這些顧不好，再漂亮的素材擺上去也站不住。

它看起來是個尋常的開源設計工具，但真正的身分是網頁爬蟲服務 Context.dev 放出來的開源展示專案。做法是先讀你貼的網站，把 logo、品牌色、字體、產品資訊撈回來，再交給 AI 模型生廣告。這個出身決定了它能做什麼，也決定了「開源」這兩個字背後其實綁著一套付費 API，不是裝起來就能免費用到底。

這個專案 2026 年七月才公開，目前三十出頭顆星、規模還不大，但更新頻率很高，文件和測試都寫得完整。命名這裡先說清楚，免得找資料時搞混：它的套件名稱叫 branda，GitHub 倉庫目錄叫 ad-maker，官方展示網域是 creative.context.dev，三個名字指的是同一個東西。

一個網址進去，四到六張廣告出來

先把成果講清楚。你在 Branda 的網頁上貼一個網域，例如 notion.so，它會在畫面上慢慢浮出四到六張 1:1 的廣告圖：前面三張是這家公司整體的廣告，後面一到三張是針對它從網站上抓到的個別產品。每張廣告用的是不同的影像模型，所以風格不會撞在一起，做完可以一張一張下載，也能一次打包，或直接分享到 X。

Pin

這個過程免登入、免填簡報、免選尺寸，網域是唯一的輸入。官方託管的 creative.context.dev 直接打開就能試，門檻很低。但這個「隨貼隨生」的背後，是一條分工很明確的處理線，拆開來看才看得出它的價值和它的限制各在哪裡。

它怎麼讀懂一個品牌

Branda 是用 Next.js 15 寫的應用，但它自己幾乎不做「讀網站」這件事，這件難活全交給 Context.dev 的四個 API。你貼了網域之後，它會同時丟出四個請求：抓品牌基本資料（公司名、產業、logo）、把首頁轉成 Markdown 文字、抽取網站的視覺風格指南（主色、背景色、文字色、可用的 Google 字體），以及用一次結構化呼叫拉出一到三個產品。產品抽取還帶事實查核，不是模型自己想像的，所以廣告上的產品文案對應的是網站上真實拉出來的服務，不是模型憑空編出來的功能；抓到的產品越多、這一步計費越重。

這四份資料湊起來，就是模型生成廣告時的依據。品牌色不會亂抓，是網站真正在用的色票；字體如果有對應的 Google 字體也會帶進去；廣告文案不是憑空寫，是根據首頁轉出來的真實文字。這也是 Branda 跟一般 AI 繪圖工具最根本的差別。它先把這個品牌的視覺規範整理成模型看得懂的資料，一般 AI 繪圖那種丟空白畫布給你下提示詞的做法，它不走這套。

規劃廣告方向的工作交給一個文字模型，Branda 用的是 gpt-5.4-mini，一次呼叫決定每張廣告要走哪種創意方向、寫什麼樣的標題。它還準備了十二種固定的創意方向，例如產品英雄鏡頭、等角透視的軟體示意圖、瑞士設計風的大字排版、雜誌跨頁、藍圖線稿、復古街機感等等，每張廣告配一種，確保四到六張擺在一起不會長得一樣。這些方向各有擅長的場景，像產品英雄鏡頭適合實體商品、等角透視示意圖適合軟體服務、資料視覺化風格適合分析型產品，方向會跟著抓到的產品類型走。

真正產出圖片的是六個影像模型同時上陣。前三張公司廣告固定用 OpenAI 的 gpt-image-1、gpt-image-2 和 xAI 的 Grok Imagine，它們能吃 logo 圖檔當參考；後面的產品廣告則從 Google Imagen 4、字節跳動的 Seedream 4.5、Recraft V4.1 裡挑。六個模型來自五家不同的廠商，誰先跑完誰就先顯示，這也是它敢說一次給你多種風格的原因。如果某個模型的廣告生成失敗，那個位置只會跳出重試按鈕，不會拖垮整批結果，而失敗的請求不會被快取，重來一次會重新生成。

Branda 在這裡做了一個關鍵處理：不把色碼直接丟給影像模型。原因是模型看到 #543cfc 這種原始色碼，會把它當成字串照樣印到圖上，畫面就出現一串亂碼。所以它先把色票換成「鮮豔的紫色」這類描述詞，再寫進提示詞。

還有些設計跟成本和速度直接相關。logo 的去留是其中之一：前三個模型可以吃你品牌的 logo 圖檔當參考，但後面三個產品模型不支援圖檔輸入，所以產品廣告上不會出現 logo，萬一 logo 被供應商判定不合格，還會自動退回純文字生成。快取是另一個：同一個網域的生成結果會掛上共享快取標頭，廣告規劃快取一小時、完成的廣告圖快取到七天，所以重複貼同一個網址，第二次多半直接命中快取，不必再燒一次 API。而 Context.dev 的品牌資料本身就是每季刷新一次的快取，超過三個月才重新實抓，這代表你拿到的品牌色偶爾會跟網站現在用的差一點，並不是每次都即時讀回來的。

開源的是前端，付費的是後端

Branda 用 MIT 授權、放在 GitHub 上，程式碼可以自由看、自由改。但這不代表裝起來就能離線跑。它的品牌資料、網頁抽取、影像生成全部依賴外部 API，自己架一套，就得準備兩把鑰匙：一把是 Context.dev 的 API key，一把是 Vercel AI Gateway 的 key。沒有這兩把鑰匙，這套程式碼跑不起來。

Pin

成本怎麼算，得看 Context.dev 的計價方式。它的計費單位叫 credit，一般抓一頁網頁算 1 點，但品牌資料、風格指南、結構化抽取這類進階呼叫算 10 點。跑一次 Branda 的廣告生成，光 Context.dev 這頭大約要燒掉三十到五十多點 credit（品牌資料 10 點、首頁抓取 1 點、風格指南 10 點、每個產品抽取 10 點），還要加上一次文字模型呼叫和最多六次影像模型呼叫的錢，這部分走 Vercel AI Gateway 另計。

對應到方案，Context.dev 的免費方案每個月給 500 點 credit、不必綁卡，差不多夠跑十來次生成，拿來試水溫剛好。Developer 方案一個月 25 美元給一萬點，Pro 方案 149 美元給二十萬點。Branda 的「免費」只存在於官方託管那個 demo 網頁，因為那是 Context.dev 自己吸收成本給你看效果。一旦你想自己架、接進自己的系統，每一張廣告都是真金白銀在燒 API 額度。

計費上有個還算厚道的設計：Context.dev 只對成功的回應扣 credit，請求失敗或被目標網站擋掉都不算錢。不過第一次查某個網域會比較慢，因為它得實際去爬一次網站、建立快取，之後重複查才會快。上面算的只是 Context.dev 這頭的錢。影像模型走的是 Vercel AI Gateway 另一個帳：gpt-image、Imagen、Seedream 這類模型按張計費，一次生成最多動用六個模型、各出一張，對應最多六份帳單疊在上面。所以真要估算自架成本，Context.dev 的 credit 只是一半，AI Gateway 的影像費用往往才是大頭。

自己架之前，先搞清楚資安帳單風險

這是 Branda 官方文件裡寫得明白、但很容易被忽略的一段：它的兩個 API 路徑 /api/brief 和 /api/ad 是設計成可以從瀏覽器直接呼叫的，而它們背後會去打付費服務。意思是，如果你把 Branda 原封不動部署到公開網路、沒加上任何防護，任何人只要知道你的網址，就能不斷觸發生成、把你的 Context.dev 和 AI Gateway 帳單打到爆。

README 的「Deploy safely」章節和 SECURITY.md 都特別提醒這件事：自己部署前，務必加上登入驗證或頻率限制，設好各供應商的消費上限警示，並且搞清楚每一次未快取的生成最多會花到四次 Context.dev 呼叫、一次文字模型、六次影像模型的錢。官方路由還給了頗寬的等待時間：廣告規劃最多 120 秒、單張影像渲染最多 300 秒。換到別的主機上架，得確認對方支援這麼長的請求逾時。這些都是「能用」和「能安全公開用」之間的差距。

隱私設定上，官方版本載入了 Plausible 這種不寫 cookie 的流量統計，預設還會請求 Google 代管的字體和 favicon 服務。如果你很在意對外連線，fork 之後可以自己換掉或拿掉這些請求。API 鑰匙只給伺服器端讀，文件也警告絕對不能加上 NEXT_PUBLIC_ 前綴、不能 commit 進版本庫。

它跟 Canva、Midjourney 站在哪個位置

講到這裡，Branda 的定位就清楚了。Canva 是設計工具，強在模板多、改圖方便，但每一張廣告的版面、配色、文字還是得人工調，品牌一致性靠你自己把關。Midjourney 是通用 AI 繪圖，強在畫面有創意，但它不認識你的品牌，你得自己餵提示詞、自己確認顏色字體對不對，模型也不保證還原你的產品資訊。Branda 補的，正是這兩者都沒做好的「讀品牌再生成」這一塊。

還有個實際的產出限制要先講清楚：Branda 目前只生成 1:1 的正方形廣告。它不會給你 Facebook 貼文要的直式圖、Google Ads 要的橫式 banner，或各種尺寸的版型，要上不同平台還是得自己裁切或重新製作。對實際投放的人來說，它的產出比較適合當視覺起點或概念稿，離「直接上架的多版型素材包」還有段距離。

但別把它想成 Canva 的免費替代品。它的模板編輯、團隊協作、完整的工作流程，都遠不如 Canva 這類成熟的商業設計平台成熟。Branda 比較像一條能接進你自己系統的自動化管線，離開箱即用的設計後台還有段距離。對行銷人員來說，Canva 通常還是比較省事；對想把品牌資料解析和 AI 素材生成串起來的開發團隊來說，Branda 才有看頭。

有一條界線得特別留意：Branda 生出來的是別人家的品牌廣告。你貼 notion.so，它就生 Notion 的廣告；貼 stripe.com，就生 Stripe 的廣告。專案文件寫得很清楚，這些公司名稱、logo、商標都屬於原公司，MIT 授權蓋的是 Branda 自己的程式碼，不包含這些第三方標誌的使用權。所以拿 Branda 生成的廣告去做真正的商業投放，商標和版權的授權問題得你自己跟品牌方搞定，工具本身不會幫你解決這件事。如果你關心的是把自己的素材做商業處理，CreatorCut 那類平台抽成資料庫是另一個方向的工具。

誰該認真看，誰看看就好

Branda 適合的人其實很明確：那種會自己讀 API 文件、想把「抓品牌資料」這一步接進既有系統的工程團隊。如果你手上顧的是一個會持續更新的產品官網，每發一個新功能就得連帶生一批投放素材，或是一個人同時包辦產品和行銷、想讓品牌色擷取這步自動化，Branda 把網站解析、品牌資料整理、AI 素材生成串成一條產線的設計才用得上。品牌研究的邏輯在專案裡獨立自成一個模組，想接進既有系統的人可以直接取這段，不必連展示用的圖庫一起搬。每個核心環節都附了測試，Brand、Brief、Product、Creative Direction 這些概念也定義得很嚴格，這在開源展示專案裡並不常見。

如果你只是偶爾要做幾張社群圖，或根本沒有寫程式的需求，那直接用官方託管的 demo 網頁貼網址玩一玩就夠了，或者繼續用 Adobe Creative Cloud Express、Canva 這類成熟的線上設計工具，不必為了生廣告特地去部署一套開發環境。想要自己配品牌色的人，PaletteMaker 或 Coolors 這類配色工具會比 Branda 更直接。

把 Branda 放在更大的 AI 圖像工具光譜裡看，它走的是「結構化、有品牌約束」那一端，跟你拿提示詞去跟模型搏鬥的玩法不同。如果你好奇影像模型怎麼被穩定地餵提示詞，awesome-gpt-image-2 那套結構化提示詞模板是同一個方向的參考；而如果你手上的需求是把照片的主體清乾淨、做去背處理，PhotoRoom 或去背工具清單會對得上。

費用、部署與商標：三個最常被問的問題

Branda 是免費的嗎

它的程式碼用 MIT 授權開源，可以自由查看和修改。但實際跑起來依賴 Context.dev 和影像生成模型這些第三方服務，會產生 API 呼叫成本。官方託管的 demo 網頁可以免費體驗，自己部署就得承擔這些費用，具體金額視你用的方案和生成次數而定。

它只能生成正方形廣告嗎

目前是。Branda 現在只產出 1:1 的正方形廣告，不會自動給你直式、橫式或各種投放版型，要上 Facebook、Google Ads 這類不同尺寸的平台，得自己再裁切或重新製作。

它生成的廣告能直接拿去投放嗎

技術上能下載，但商標和版權要自己把關。Branda 生成的是你輸入那個網域所屬品牌的廣告，這些品牌標誌和名稱的商標權屬於原公司，MIT 授權不涵蓋這些權利。要用於正式的商業投放，建議先確認你擁有對應品牌的使用授權。

想自己試或看原始碼，入口在這裡

想在官方網頁直接試，打開 creative.context.dev，貼一個公開網域就能看它怎麼抓品牌資訊、怎麼用多個模型生圖，頁面上還備了 stripe、notion、linear 這些範例網址可以馬上體驗。想看原始碼、MIT 授權聲明、Next.js 部署需求和 API 接入文件，到 GitHub 上的 context-dot-dev/ad-maker，文件裡也把自架需要的兩把鑰匙和資安注意事項寫得清楚。要記得的是，這個專案由 Context.dev 團隊維護，本質上是他們爬蟲與品牌資料 API 的一個開源展示：前端看得見、改得到，後端那套能力是要花錢的。