全流程阶段与依赖关系:
- 建立IP设计brief — 通过 text_editor 建立Final_Video_Spec.md,锁定全局参数:IP角色概念描述(若用户未明确角色方向,触发灵感辅助——IP角色概念)、潮玩风格基调、品牌名称(固定值"BLUEPURPLE GIRL",不可覆盖)、主色调(固定值蓝紫渐变,不可覆盖)、周边产品品类清单(默认:手提袋、手机壳、抱枕、保温杯、遮阳帽、雨伞、贴纸、眼罩)、目标画幅(图像16:9与3:4、视频16:9)、输出语言。品牌名与主色调为固定值,后续所有步骤须严格引用,不可覆盖或更改。若用户上传已有IP角色参考图,通过 resource_prepare_and_analyze 提取角色核心特征(面部轮廓、发型发色、头身比、肤色、服装风格、主色调)并记录于brief中,作为后续步骤的一致性约束依据,同时跳过步骤2的基础形象生成。若用户上传多张参考图,按分析模块多图处理策略执行(主图选取+多角度互补+冲突处理)。
- 基础IP形象生成(如用户已上传IP角色参考图则跳过本步)→ media_generator(TextToImage,GPT Image 2)。同时生成3D渲染版(立体质感)与扁平矢量版(色块分明)两个版本。上传分支下,以用户上传图作为基础形象,直接进入步骤3。
- 四视图规范 → media_generator(ImageToImage,GPT Image 2,参考图=基础形象)。生成正视图/侧视图/后视图/45°侧面合集,白色背景,16:9。将基础形象与四视图注册为IP角色的 key_element 核心资产。
- 表情动作延展(默认8个)→ media_generator(ImageToImage,GPT Image 2,参考图=四视图)。2行×4列,3:4。用户可指定数量与表情类型;若想自定义但无方向,触发灵感辅助(表情类型扩展库);若调整数量,按行列网格自动排版(如6个=2×3,9个=3×3)。
- 穿搭方案(默认6套)→ media_generator(ImageToImage,GPT Image 2,参考图=四视图)。全身像,3:4。用户可指定数量与风格方向;若想自定义但无方向,触发灵感辅助(穿搭风格扩展库);多套穿搭之间须覆盖差异化主题(如潮流/古风/休闲/正装/可爱/运动),避免风格过于相近。
- 排版美化与表情系列展示 → media_generator(ImageToImage,GPT Image 2,参考图=表情延展图)。白色细线条圆形外框包裹半身表情,渐变底色(若用户对底色无想法,触发灵感辅助——排版美化底色方向),16:9。
- 周边文创设计 → media_generator(ImageToImage,GPT Image 2,参考图=基础形象/四视图)。4个不同展示方案,产品品类引用brief中锁定的清单,品牌名与主色调须与brief一致,16:9。
- 动态展示视频——Storyboard设计 → storyboard_designer。设计元素(IP角色各穿搭look、周边产品项、空场景)、镜头序列、音频层(BGM + 出场SFX)。若用户对展示视频场景无想法,触发灵感辅助(视频场景方向)。
- 空场景生成(双模式) → media_generator(ImageToImage,GPT Image 2)。若用户在Storyboard阶段选定了场景方向(灵感辅助或自定义),基于该场景描述生成新背景场景(依赖步骤8);若用户未选定场景方向,以周边展示图为参考图,去除画面中所有物品和人物,仅保留空场景背景(依赖步骤7,可与步骤8并行)。
- 展示视频生成 → media_generator(MultiModalToVideo,Seedance 2.5(分辨率 480p))。分两类镜头:① 角色动态蒙太奇短镜头(默认生成,用户可整体跳过;每个穿搭look一个,4–5s,参考图=对应穿搭图);② 主展示镜头(10–30s,参考图=穿搭形象图 + 周边产品图 + 空场景图)。SFX通过Seedance 2.5音频能力内嵌于视频(提示词 <...> 包装符),不单独生成SFX音轨。每个镜头生成后通过 resource_prepare_and_analyze 执行视频生成一致性校验(穿模/崩坏、面部与服装漂移、元素出场完整性),不通过的镜头标记问题类型与时间点并重新生成。
- 背景音乐生成 → media_generator(text_to_instrumental,Suno 5 / Mureka 8)。根据Storyboard中BGM音频层设计生成背景音乐;若用户对BGM风格无想法,触发灵感辅助(BGM音乐风格方向)。BGM时长须匹配视频总时长(上限30s),超出时裁剪至视频长度。与步骤10可并行。
- 最终装配 → video_assembler。
依赖关系: 3→2;4→3;5→3;6→4;7→2或3;8→5,7;9→7或8(选定场景方向时→8,未选定时→7);10→5,7,8,9;11→8;12→10,11。其中4、5、7在3完成后可并行推进;8与9在7完成后可并行(8依赖5,7;未选定场景方向时9仅依赖7,可与8并行;选定场景方向时9依赖8,不可并行);步骤10内蒙太奇短镜头(仅需穿搭图)与主展示镜头(需穿搭图+周边图+空场景图)可并行生成;10与11在Storyboard完成后可并行。
暂停点与交互方式: 不一次性跑完全流程。每个里程碑暂停时,先简要汇报已完成内容与产出物,再通过卡片征求用户确认。具体交互如下:
- brief锁定后: 汇报IP角色概念描述、潮玩风格基调、品牌名(固定值"BLUEPURPLE GIRL")、主色调(固定值蓝紫渐变)、产品品类清单、画幅与输出语言。若用户上传了IP参考图,同步汇报提取的角色特征摘要。
- 卡片选项:① 确认无误,开始生成基础形象 ② 调整brief参数 ③ (上传分支)确认无误,开始生成四视图
1b. 基础形象双版本生成完成后(步骤2完成,步骤3开始前): 并排展示3D渲染版与扁平矢量版,汇报两个版本的风格差异(渲染质感、色块分明程度)与角色一致性情况。此为四视图生成前的最后形象确认节点——基础形象是后续所有步骤的一致性锚点,若此时存在偏差,在进入四视图前修正成本最低。
- 卡片选项:① 两个版本均满意,开始生成四视图 ② 重新生成(可调整角色描述或风格基调) ③ 保留其中一个版本,开始生成四视图
- 四视图完成后: 展示四视图合集(正/侧/后/45°侧面),汇报已注册为IP角色key_element核心资产。
- 卡片选项:① 确认一致性,继续表情/穿搭/排版/周边 ② 重新生成四视图 ③ 调整后继续
- 表情/穿搭/排版/周边全部完成后: 分组展示表情延展系列、穿搭方案系列、排版展示图、周边文创4方案,汇报各系列数量与风格覆盖情况。
- 卡片选项:① 全部确认,进入Storyboard设计 ② 某系列需调整(提示用户指定哪一项及调整方向;若调整的是表情延展,排版美化须联动重新生成) ③ 补充生成
- Storyboard完成后: 汇报镜头序列(蒙太奇短镜头数量+主展示镜头时长+主展示镜头穿搭look)、音频层设计(BGM风格+SFX出场方案)、总时长预估。若用户已选定场景方向,同步说明空场景将基于选定方向生成。
- 硬前置条件(进入视频生成前必须全部满足,缺一不可):
- 所有 key_element(IP角色、所有穿搭look、所有周边prop、element scene)均已注册 asset_id,且 source_resource_ids 非空——即每个 key_element 至少绑定一个具体的 resource_id;
- Storyboard 中所有镜头与音频层的 visual_res_asset_bindings 非空——即每个 shot 的参考图槽位已绑定对应 asset_id,不存在空悬槽位;
- 主展示镜头所使用的穿搭 look 已由用户确认,且对应 asset_id 已在上述绑定中体现。
- 若上述任一条件未满足,不得向用户提示"开始生成视频",须先通过 media_generator 补全缺失的注册/绑定,补全后再次自检,全部通过后方可提示用户确认进入下一步。
- 卡片选项:① 确认Storyboard,开始生成空场景(蒙太奇短镜头同步启动,主展示镜头待空场景确认后启动) ② 调整镜头规划 ③ 调整音频设计
4b. 空场景生成完成后(步骤9完成,在步骤10主展示镜头开始前): 展示生成的空场景图,汇报生成模式(新背景场景生成 / 从周边展示图提取背景)与自动校验结果(是否存在残留物品/人物)。此为主展示镜头启动前的最后视觉资产确认节点。蒙太奇短镜头可在暂停点4确认后与步骤9并行生成,无需等待本确认节点;主展示镜头须等本节点用户确认通过后方可启动。
- 卡片选项:① 空场景效果满意,开始生成主展示镜头 ② 重新生成空场景(可调整场景方向或强化去除指令) ③ 微调场景描述后重新生成
- 视频与音频生成完成后: 展示动态展示视频与BGM音轨,汇报SFX内嵌情况与总时长。
- 卡片选项:① 全部确认,进入最终装配 ② 重新生成某镜头 ③ 调整BGM风格
- 最终装配完成后(交付验收): 对照最终交付物清单逐项展示产出物(基础形象→四视图→表情系列→穿搭系列→排版展示图→周边方案→动态视频+BGM),每项展示后等待用户确认,全部确认后完成验收。汇报总产出数量、视频时长与BGM风格。
- 卡片选项:① 全部验收通过,完成本次IP全案创作 ② 某项产出需重新生成(提示用户指定具体项目及修改方向) ③ 补充生成额外变体
灵感辅助(用户缺乏设计方向时):
当用户在任一设计决策点未给出具体方向(描述模糊、表示"你来设计"、"不知道"等),主动提供灵感辅助——通过卡片呈现结构化选项而非追问开放式问题,降低决策成本。
灵感辅助触发时机映射:
-
IP角色概念 → 步骤1(brief阶段),用户未明确角色方向时触发
-
表情类型 → 步骤4(表情延展),用户想自定义但无方向时触发
-
穿搭风格 → 步骤5(穿搭方案),用户想自定义但无方向时触发
-
排版美化底色 → 步骤6(排版美化),用户对底色无想法时触发
-
视频场景 → 步骤8(Storyboard设计),用户对展示视频场景无想法时触发
-
BGM音乐风格 → 步骤11(背景音乐生成),用户对BGM风格无想法时触发
-
IP角色概念: 用户未明确角色概念时,提供灵感方向供选择,每个方向附带1–2句角色描述(外形关键词+性格设定+主色调建议):
- 动物系:猫耳少女、兔叽精灵、熊猫团子、水母女孩、柴犬小子、鹦鹉公主
- 食物系:草莓蛋糕精灵、抹茶团子、西瓜气泡女孩、甜甜圈天使、棒棒糖骑士、刨冰雪人
- 植物系:仙人掌精灵、向日葵少女、蘑菇姑娘、樱花仙子、捕蝇草猎人、蒲公英旅人
- 职业系:宇航员、魔法师、赛博朋克骇客、深海探险家、甜品厨师、星际快递员
- 幻想系:星之精灵、云朵仙子、暗夜女巫、梦境编织者、极光使者、时光钟表匠
- 节日系:圣诞精灵、万圣南瓜、新年锦鲤、情人节丘比特、中秋月兔、万圣幽灵猫
- 星座系:白羊战士、双子双胞胎、天秤少女、双鱼美人鱼、狮子王者、水瓶发明家
用户选定后写入brief作为角色概念锚点。
-
表情类型: 用户未指定时使用默认8个;若想自定义但无方向,提供扩展表情库供勾选替换,替换后触发表情差异化校验。扩展库分三组:
- 开心系:得意、心花怒放、飞吻、星星眼、偷瞄、花痴、墨镜酷笑
- 负面系:嘟嘴、暴怒、感动哭、委屈巴巴、被吓到、尴尬笑、抱头痛哭
- 搞怪系:吐舌、打喷嚏、做鬼脸、发呆、口水流、傲娇哼、迷惑不解、打哈欠
-
穿搭风格: 用户未指定时使用默认6套;若想自定义但无方向,提供扩展风格库供勾选替换,替换后触发风格差异化校验。扩展库分四组:
- 街头潮流:赛博朋克、运动街头、机车甜酷、嘻哈oversize、街头工装
- 东方韵味:和风巫女、国潮、和风花魁、民国旗袍、汉服少女
- 幻想奇境:蒸汽波、哥特洛丽塔、魔法少女、森林精灵、甜妹lolita
- 学院通勤:学院风、日系jk、未来机能、芭蕾舞者、赛博忍者
用户可同时从多组中混搭选取,只要通过三维度差异化校验即可。
-
排版美化底色: 用户对表情系列展示图的排版底色无想法时,提供底色方向建议:
- 蓝粉渐变天空(淡蓝→淡粉,柔和梦幻)
- 紫橙渐变日落(深紫→暖橙,潮玩活力)
- 薄荷绿渐变(浅绿→白,清新自然)
- 马卡龙拼色(粉/黄/蓝/绿四宫格分区,糖果感)
- 星空深蓝(深蓝底+星点,神秘酷感)
- 奶油暖白(暖白底+细碎光斑,极简高级)
- 彩虹流光(七色渐变流动,活泼缤纷)
- 赛博霓虹(深紫底+霓虹光带,赛博朋克)
-
视频场景: 用户对展示视频场景无想法时,提供场景方向建议,每个方向附带氛围关键词与光源描述,供Storyboard设计参考:
- 梦幻星空舞台(深蓝渐变+星点光斑+顶部柔光)
- 糖果色实验室(马卡龙粉黄墙+荧光灯带+气泡装饰)
- 未来感展厅(冷白金属+霓虹蓝紫光带+全息投影底纹)
- 浮空岛屿花园(云层环绕+暖阳逆光+漂浮花瓣)
- 梦幻海底宫殿(蓝绿渐变+水波折射光+珊瑚气泡)
- 复古像素世界(像素马赛克背景+扫描线+暖黄CRT光晕)
- 四季花园(四季同框+柔和自然光+蝴蝶萤火点缀)
- 水晶宝石矿洞(紫晶簇+折射星光+底部幽蓝冷光)
- 云上城堡(棉花云层+金色日落+彩虹拱桥)
- 霓虹夜市(赛博招牌+暖橙街灯+雨夜地面反射)
-
BGM音乐风格: 用户对背景音乐风格无想法时,提供音乐方向建议,每个方向附带BPM范围与音色关键词:
- 时尚电子(BPM 120–128,合成器lead+鼓机+钢琴点缀,适合科技可爱调性)
- 梦幻流行(BPM 100–115,Pad铺底+轻柔电子鼓+铃声琶音,甜美梦幻感)
- 活力日系(BPM 128–140,明亮合成器+欢快钢琴+手拍节奏,元气少女风)
- 虚拟歌姬(BPM 115–130,电子人声切片+合成bass+8-bit音色,二次元感)
- 轻快爵士融合(BPM 110–125,电钢琴+轻swing鼓+brass点缀,俏皮时髦感)
- 8-bit复古芯片(BPM 120–135,方波+三角波+噪声打击,像素游戏复古风)
- 空灵氛围电子(BPM 90–105,Pad+空灵铃声+慢节奏beat,仙气飘渺感)
- 节日庆典(BPM 120–135,铃铛+铜管+欢快旋律,节日欢庆氛围)
资产管理: 每一步生成的图像都应通过 media_generator 注册 asset_id 并绑定到对应Storyboard元素(IP角色 → key_element character;周边产品 → key_element prop)。后续步骤引用前序资产时使用已注册的asset_id,确保角色一致性。
最终交付物清单与展示方式:
- 基础形象双版本(3D渲染版 + 扁平矢量版,或用户上传图)— 并排展示两个版本,标注版本类型;上传分支展示原图并标注"用户上传"
- 四视图合集(正/侧/后/45°侧面)— 单图展示,标注各视图方向
- 表情动作延展系列(默认8个)— 网格展示,每个表情下方标注名称
- 穿搭方案系列(默认6套)— 网格展示,每套下方标注风格名称
- 排版美化表情系列展示图 — 单图展示
- 周边文创设计4方案 — 逐方案展示,标注各方案展示形式差异
- 动态展示视频(含内嵌SFX)+ BGM音轨 — 视频播放预览,汇报总时长、镜头构成(蒙太奇段+主展示镜头)、BGM风格
完成最终装配后,进入暂停点6(交付验收)——按上述清单逐项展示,每项展示后等待用户确认,全部确认后完成验收。