Architectural assembly animation Gunakan Skill ini Siapkan rancangan studio. Instruksi tahap ganda adalah referensi; ini tidak berjalan atau biaya untuk generasi.
基于用户上传的建筑参考图,生成建筑建模组装全过程的动态展示视频,组装过程可见内部结构,建筑模型自旋转,伴随光影变化、组装音效与欢快 BGM。使用 Seedance 2.5 720p 生成。
Teks alur kerja dipertahankan dalam bahasa Mandarin aslinya. Model yang disebutkan mungkin berbeda dari model yang tersedia di sini. Periksa model yang didukung dan biaya kredit aktual di studio.
Aliran kerja lengkap Salin alur kerja lengkap 1. Perencanaan Salin bagian
Skill 激活时的引导流程
激活后以友好简洁的语气向用户介绍本 Skill 用途:上传一张或多张建筑参考图,即可生成该建筑的建模组装动效视频——部件从天上掉落/从四周聚集/3D打印/剖面图/爆炸图/折叠展开/粒子汇聚/点云重建成型/线框骨架搭建组装,组装过程可见内部结构,模型自旋转,伴随光影变化、组装音效与欢快 BGM。
引导用户上传一张或多张建筑参考图(必须至少上传一张),并告知用户可以选择成片比例与时长。
所有需要用户确认或选择的位置(输入提示、方案确认、阶段暂停点),优先使用卡片形式交互。
阶段流程与依赖
需求采集 :用户提供建筑参考图后,无需对其输入信息做二次确认,直接进入选择环节。通过卡片让用户选择成片比例(21:9 / 16:9 / 9:16 / 4:3 / 3:4 / 1:1)与时长(整数秒,单 shot 上限 30s,超过 30s 自动拆分多 shot)。组装方式为固定提示词的一部分("从天上掉落/从四周聚集/3D打印/剖面图/爆炸图/折叠展开/粒子汇聚/点云重建成型/线框骨架搭建"),无需用户选择。
建立全局规格 :根据采集结果,通过 text_editor 写入 Final_Video_Spec.md(标题、类型、比例、时长、视觉风格、输出语言等全局参数)。
镜头设计 :调用 storyboard_designer ,设计组装动效镜头序列(组装方式、自旋转节奏、内部结构展示、光影、自由运镜、音效标注)。
视频生成 :调用 media_generator ,使用 MultiModalToVideo + Seedance 2.5 720p,以全部建筑参考图作为 reference_image 生成组装动效视频;按"单个分镜跑满 30s、最后一个分镜为剩余时长"拆分 shot;组装音效在视频提示词中描述,由视频原生音频承载。
BGM 处理 :若为单 shot(时长 ≤30s),BGM 由视频原生音频直接承载,跳过本步;若为多 shot(时长 >30s),调用 media_generator 使用 text_to_instrumental 单独生成欢快 BGM 音轨。
最终合成 :调用 video_assembler ,将视频组装为成片——单 shot 时 BGM 已含于视频原生音频,多 shot 时将独立 BGM 轨与拼接视频合成。
引导导出 :向用户展示成片并引导导出。
依赖关系 :步骤 2 依赖步骤 1;步骤 3 依赖步骤 2;步骤 4 依赖步骤 3;步骤 5 仅在多 shot(时长 >30s)时执行,依赖步骤 2(可与步骤 4 并行);步骤 6 依赖步骤 4,多 shot 时另依赖步骤 5;步骤 7 依赖步骤 6。
暂停点 :在"视频生成完成 → 最终合成前"暂停一次。暂停时必须使用卡片提供明确选项供用户选择确认,禁止以纯文本提问方式让用户自由输入确认。暂停卡片只允许提供"继续下一阶段"类的确认选项,严禁在暂停卡片或任何环节让用户选择主体风格、建筑类型、立面风格或任何内容侧重 ——直接以用户上传的全部参考图作为输入,按上传顺序依次使用,不做筛选或重新分组。其余阶段连续执行。
全程以用户交互语言输出。
2. Desain papan cerita Salin bagian
镜头设计
按"单个分镜跑满 30s,最后一个分镜为剩余时长"规则拆分:时长 ≤30s 时为单个 shot;超过 30s 时,每个 shot 取满 30s,最后一个 shot 取剩余时长(如 70s → 30s + 30s + 10s)。
每个 shot 的 description 必须包含:
组装方式 :固定为"从天上掉落/从四周聚集/3D打印/剖面图/爆炸图/折叠展开/粒子汇聚/点云重建成型/线框骨架搭建"(写入提示词模板的固定文本,不由用户选择)。
组装顺序 :按结构层次自下而上(或由内而外)逐步组装,组装过程中内部结构(梁柱、框架、楼板等)清晰可见。
自旋转 :建筑模型在组装过程中持续自旋转,旋转速度平稳,确保各角度结构均可展示。
光影 :随组装进度与旋转角度,光影在建筑表面与内部结构上产生明暗变化。
运镜 :自由运镜——可环绕、推拉、升降,配合自旋转展示组装全貌与细节。
音效标注 :标注组装音效(部件落位声、机械拼接声等),由视频原生音频承载。
音频层
BGM(多 shot 时) :时长 >30s 时设计一条全局背景音乐音轨,风格为欢快、轻快节奏,贯穿全片;时长 ≤30s(单 shot)时 BGM 由视频原生音频承载,不单独建轨。
SFX :组装音效随镜头内动作发生,在 shot description 中标注,不单独建轨。
3. Generasi media Salin bagian
视频生成
使用 MultiModalToVideo ,模型固定为 Seedance 2.5 ,分辨率 720p 。
时长与比例由用户选择(比例 21:9 / 16:9 / 9:16 / 4:3 / 3:4 / 1:1;每个 shot 时长 4–30s,总时长超过 30s 时按"单个分镜跑满 30s、最后分镜为剩余时长"拆分,最后一个 shot 不少于 4s)。
参考图绑定 :将用户上传的全部建筑参考图逐一注册 asset_id 并分别绑定为本 shot 的 reference_image;在提示词中以 <<<image_1>>> <<<image_2>>> … <<<image_n>>> 依次引用(n = 用户上传图片数),确保生成视频忠实还原参考图中的建筑形态与结构。
BGM 生成
单 shot(时长 ≤30s) :BGM 由视频原生音频直接承载,视频提示词中以 music(...) 标记写入欢快 BGM 描述,无需单独生成 BGM 音轨。
多 shot(时长 >30s) :使用 text_to_instrumental 单独生成欢快 BGM 音轨,风格关键词:欢快、轻快、节奏明快、电子 / 管弦混合。BGM 提示词可自由发挥,不使用固定模板。
SFX
组装音效(部件落位、机械拼接等)通过视频提示词描述,由 Seedance 2.5 原生音频生成,无需单独音轨。
Asset Binding Contract
按 manage_item_assets 合约操作;将每张建筑参考图逐一注册 asset_id 后绑定到对应 shot 的 reference_image 槽位。
绑定前先 query_assets_info,绑定后重新查询验证;保留完整绑定数组。
绑定类型由参考图的实际用途与计划镜头位置决定,不凭媒体标签推断。
4. Teks instruksi menulis Salin bagian
视频提示词规则(MultiModalToVideo + Seedance 2.5)
语言 :提示词正文必须使用用户交互语言撰写——用户交互语言为中文时,提示词正文即为中文。<<<image_n>>> 引用语法与 <...> 音效标记不属于用户交互语言,不影响语言一致性判断。
以 <<<image_1>>> <<<image_2>>> … <<<image_n>>> 绑定用户上传的全部建筑参考图(n = 用户上传图片数),作为建筑外观与结构的参考依据;除这些参考图外,提示词中不引用任何其他用户输入图片。
严格使用以下固定中文参考模板 (一个变量:末尾音乐指令——见下方规则;模板其余文字固定不变,包括"从天上掉落/从四周聚集/3D打印/剖面图/爆炸图/折叠展开/粒子汇聚/点云重建成型/线框骨架搭建"原样保留,不做选择或替换):
<<<image_1>>> <<<image_2>>> … <<<image_n>>> 还原上述建筑参考图中建筑的建模组装全过程:部件从天上掉落/从四周聚集/3D打印/剖面图/爆炸图/折叠展开/粒子汇聚/点云重建成型/线框骨架搭建组装,组装过程能看到内部结构,组装过程建筑模型自旋转,光影。自由运镜。音效:<部件组装音效>。[末尾音乐指令]
末尾音乐指令规则 :
单 shot(时长 ≤30s) :填入 music(...),括号内为自行设计的欢快 BGM 描述(风格、节奏、配器等自由发挥,不使用固定文本),BGM 由视频原生音频直接承载,无需单独生成 BGM 音轨。
多 shot(时长 >30s) :填入 no music,BGM 由 text_to_instrumental 单独生成后在合成阶段加入。
音效标记 :组装音效以 <...> 标记写入模板,由视频原生音频承载。
字符总量(含 <<<>>> 标记)控制在 2300 字以内。
BGM 提示词(text_to_instrumental)
BGM 提示词不属于上述固定模板,可自由发挥;风格方向为欢快、轻快节奏。
5. Perakitan video Salin bagian
合成规则
将生成的组装动效视频作为主视频轨,保留其原生组装音效。
单 shot(时长 ≤30s) :BGM 已由视频原生音频承载,无需额外 BGM 轨,直接输出成片。
多 shot(时长 >30s) :将 text_to_instrumental 生成的欢快 BGM 作为独立音频轨,贯穿全片,音量适中不压过组装音效;shot 之间使用简洁硬切或快速交叉溶解,保持组装连贯感。
节奏与 BGM 节拍对齐,组装关键节点尽量踩在音乐重拍上。