Siapkan rancangan studio. Instruksi tahap ganda adalah referensi; ini tidak berjalan atau biaya untuk generasi.
适用于制作子弹时间(Bullet Time)风格的叙事短片。图像生成固定使用 GPT Image 2,视频生成固定使用 Seedance 2.5,全程禁用其他模型。画幅 16:9,分辨率 480p。
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.
全程模型限制:图像生成固定使用 GPT Image 2,视频生成固定使用 Seedance 2.5,任何阶段严禁调用其他模型。
编剧/导演引导阶段(用户仅有灵感时触发)
若用户只提供了关键词或灵感、尚无完整剧本和分镜脚本,在进入制作流水线之前须主动引导:
完整视频制作流水线阶段逻辑与依赖关系:
依赖关系: 2→1;3→2;4→3;5→4;6→5;7→6;8→7;9→3;10→8,9;11→10。
暂停节点: 不一次性跑完全流程。每完成主要里程碑(Spec 锁定 / 故事板完成 / 元素图完成 / 镜头视频完成 / 音频完成 / 超分确认)后,必须通过 cards 或 reply_to_user 邀请用户审阅确认,再继续。
处理用户上传的参考素材:
脚本优先原则(用户上传剧本或分镜脚本时强制执行)
设计 key_elements(核心元素)
设计镜头(shots)
音频归属原则(设计阶段必须明确区分)
设计跨镜头音频(audio_layers)
剪辑节奏与拼装原则
全程模型约束:图像生成固定 GPT Image 2,视频生成固定 Seedance 2.5,严禁调用其他模型。
元素图像生成
角色音色档案(key_element_audio)
若用户提供了音色文件,直接注册并绑定到对应角色 key_element 的 key_element_audio,跳过以下生成流程。
若用户未提供音色文件,在开始制作前须通过交互式卡片让用户选择以下两条路径之一,并在卡片中说明各自的优缺点:
路径 A — 旁白模型生成音色(积分消耗较低)
路径 B — Seedance 2.5 视频提取音频(积分消耗较多,须向用户提示)
全片同一角色的台词生成必须调用同一 key_element_audio,不得在不同镜头中使用不同音色。
最终镜头视频生成
统一使用 MultiModalToVideo,模型固定为 Seedance 2.5,画幅 16:9,分辨率 480p。
每条视频生成前必须执行六项核查:
每镜头的参考输入:
若镜头用户已提供现成视频素材,先绑定到对应 shot,不重新生成。
生成失败与重制策略(全类型资产通用)
BGM 生成
超分辨率处理(用户确认后执行)
音频生成归属(台词 vs 旁白严格隔离)
最高优先级(全局): 若用户以中文交互或使用中文界面,提示词主体用中文撰写;片中台词/旁白语言遵循 Final_Video_Spec 的输出语言设定。
图像提示词(TextToImage / ImageToImage,GPT Image 2)
视频提示词(MultiModalToVideo,Seedance 2.5)