Siapkan rancangan studio. Instruksi tahap ganda adalah referensi; ini tidak berjalan atau biaya untuk generasi.
适用于制作平成时代AKB48风格青春偶像MV,融合日系胶片质感、纪录片手持摄影、校园青春叙事与女子团体群像感。
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.
全流程阶段与依赖关系:
依赖关系: 2→1;3→2;4→2;5→4;6→2;7→4,5,6。
阶段暂停节点: 不得一次性连续执行全部阶段。每个里程碑完成后,必须停下来向用户展示 review 清单并获取明确确认,再继续。各节点展示内容与提问方式如下:
⏸ 暂停节点 A — Final_Video_Spec 锁定后
展示以下清单供用户核对:
⏸ 暂停节点 B — Storyboard 分镜完成后
展示以下清单供用户核对:
⏸ 暂停节点 C — key_element 形象图生成完成后
展示以下清单供用户核对:
⏸ 暂停节点 D — Shot 视频生成完成后
展示以下清单供用户核对:
⏸ 暂停节点 E — 音频生成完成后
展示以下清单供用户核对:
用户上传素材处理: 若用户提供角色参照图、场景图、音频等,优先绑定为对应 key_element 的资产,不重复生成已有内容。
触发条件:用户指定竖版输出,或 Final_Video_Spec.md 中画面比例设定为 9:16。以下规则在标准全流程基础上叠加执行,不替换原有阶段逻辑。
在标准暂停节点 A 的基础上,额外展示以下竖版参数清单供用户核对:
在标准暂停节点 B 的基础上,额外展示以下竖版构图检查清单:
竖版短时长版本通用调度规则:
剪辑气质基准: "青春碎片感"——像平成时代偶像MV的蒙太奇,而非商业广告精剪。
节奏与时长:
转场偏好:
音频层混合:
画面处理偏好:
适用于 30s / 30s Reels 版本。以下规则在标准剪辑节奏基础上叠加执行。
BGM BPM1 拍时长2 拍(最短切换单位)4 拍(标准切换单位)8 拍(情绪停留单位)1100.55s1.1s2.2s4.4s1200.50s1.0s2.0s4.0s1280.47s0.9s1.9s3.7s1380.43s0.9s1.7s3.5s
触发条件:Final_Video_Spec.md 中画面比例为 9:16,或用户明确指定竖版输出。
时间线构建:
安全区叠加与字幕处理:
节奏与转场(竖版适配):
音频层混合(竖版无差异):
分析视角:将所有输入内容解读为"AKB48黄金年代青春偶像MV素材"。
角色分析:
场景分析:
摄影/影像风格分析:
音频分析(如有):
输出重点: 将分析结果转化为可直接注入 Storyboard 的语言——角色element描述、场景element描述、shot情绪标注、audio_layer风格指引。
用户上传真实照片的处理流程
当用户提供真实人物照片作为角色参考时,执行以下分析步骤:
第一步:面部特征提取(identity anchor)
第二步:气质与角色类型定位
第三步:服装与造型信息提取
第四步:多张照片的综合处理(如用户提供多图)
用户上传音频(BGM / 人声)的处理流程
当用户提供 BGM 音频或人声音频作为音频参考时,执行以下分析步骤:
第一步:音频类型判定
第二步:BGM 风格特征提取(仅 BGM 类型)
第三步:人声参考音频特征提取(仅 key_element_audio 类型)
第四步:环境音特征提取(仅环境音/音效类型)
用户上传真实场景/背景照片的处理流程
当用户提供真实拍摄场景照片作为场景参考时,执行以下分析步骤:
第一步:场景类型归类
第二步:光线特征提取(lighting anchor)
第三步:空间与细节特征提取(spatial anchor)
第四步:胶片色调匹配评估
第五步:多张场景照片的综合处理
核心气质基准: 所有设计必须对齐"平成时代AKB48黄金年代青春偶像MV"——不是完美偶像,而是正在发光的普通成员。
设计 key_element(核心元素)
角色 element character:
每位成员须包含:气质标签、妆容、发型、服装、标志性动作或表情、禁止事项。若用户提供参照图,角色描述必须与图中所见保持一致,以下模板仅作格式参照,不覆盖用户上传的真实面部特征。
禁止(所有角色通用):高级时装感、欧美超模脸、AI网红妆、强烈性感化。
允许(所有角色通用):稍乱的发丝、不均匀的动作、自然反应、业余魅力。
外貌锚点:
服装设计:
标志性动作与表情:
prompt 气质词: center girl energy, natural charisma, idol smile with eye contact, youthful leading presence, spontaneous laughter, effortless group anchor
外貌锚点:
服装设计:
标志性动作与表情:
prompt 气质词: genki energy, bright spontaneous smile, moon-eye laugh, bouncy movement, athletic casualness, enthusiastic group participant, accidental adorable
外貌锚点:
服装设计:
标志性动作与表情:
prompt 气质词: shy member softness, half-hidden smile, downward glance, quiet presence in group, accidental eye contact, timid but genuine warmth, introverted idol charm
外貌锚点:
服装设计:
标志性动作与表情:
prompt 气质词: cool beauty composure, quiet elegance, suppressed smile, clean profile in sunlight, restrained idol presence, graceful stillness, subtle warmth beneath cool exterior
外貌锚点:
服装设计:
标志性动作与表情:
prompt 气质词: emotional supporter warmth, teary-eyed smile, expressive face, wholehearted laughter, encouraging presence, heartfelt group affection, crying-while-smiling idol moment
场景 element scene:
以下为优先场景池中核心场景的光线、空间细节与胶片色调标准设定。实际创作可在此基础上微调,不必逐字照搬;用户提供真实场景照片时,以照片特征为准覆盖对应字段。
光线锚点:
空间细节锚点:
胶片色调基准: Fuji Pro 400H 冷柔调(室内荧光灯场景)/ 窗边人物切至 Kodak Gold 200 暖调(阳光直射区域)。
环境音暗示: 远处操场声、电风扇低鸣、翻书声、偶发走廊脚步声。
光线锚点:
空间细节锚点:
胶片色调基准: 黄金时刻 → Kodak Gold 200 暖调(橙黄高光溢出,soft grain);阴天/午间 → 混合基调(冷白天空 + 中性地面)。
环境音暗示: 风声(持续低鸣)、远处蝉鸣、城市低频底噪、偶发飞机声。
光线锚点:
空间细节锚点:
胶片色调基准: Kodak Gold 200 暖调(夏日午后标准配置),可追加轻微色温偏移至橙红(黄金时刻)。
环境音暗示: 蝉鸣(主导)、运动鞋踩跑道声、哨声、远处学生嬉闹声、风吹树叶声。
光线锚点:
空间细节锚点:
胶片色调基准: 黄昏 → 混合基调(Kodak Gold 200 橙红暖调 + 软颗粒 + 漏光允许);傍晚收尾 → 逐渐降饱和,向蓝灰暮色过渡。
环境音暗示: 流水声(低频连续)、远处电车过桥声、风声、偶发鸟鸣(非蝉)。
光线锚点:
空间细节锚点:
胶片色调基准: 混合基调(祭典暖光橙红调 + 夜间蓝黑底色),整体饱和度比白天场景略高,允许轻微色调溢出(灯红酒绿感需控制,不可过于现代夜店化)。
环境音暗示: 太鼓音乐(远处传来)、人群嬉闹声、摊贩叫卖声、烟火爆竹声、浴衣裙摆摩擦声。
光线锚点:
空间细节锚点:
胶片色调基准: Fuji Pro 400H 冷柔调(站内荧光环境)/ 站台端部自然光区域切至 Kodak Gold 200(如黄金时刻射入)。
环境音暗示: 电车进站金属声与风压声、广播报站声(日语)、检票机声、鞋底踩站台声、远处电车轮轨声。
光线锚点:
空间细节锚点:
胶片色调基准: Fuji Pro 400H 冷柔调为主(荧光灯白光主导),靠窗自然光区域可混入轻微暖调,避免全程偏冷。
环境音暗示: 小音响播放BGM(略有失真/音量偏小)、运动鞋踩地板的橡胶声、成员默念节拍或口号声、换气喘息声。
光线锚点:
空间细节锚点:
胶片色调基准: 混合基调(荧光灯侧 Fuji Pro 400H 冷柔调,阳光侧 Kodak Gold 200 暖调),整体偏中性,不强推单一色调。
环境音暗示: 鞋底踩地板声(橡胶底运动鞋清脆,皮鞋偏沉)、走廊回声、远处教室上课声、放学铃后逐渐升温的人声喧嚣。
道具 element prop:
常用标志性道具须在 key_element 中单独建立 element prop,供 shot 描述直接引用,避免每次在 shot 内重新描述外观。每个道具 element 须包含:外观描述(形状/颜色/材质)、使用方式(持握/佩戴/放置)、出现段落建议、禁止搭配写法。
以下为优先道具池的标准化模板,实际创作可在此基础上微调;用户指定道具外观时以用户描述为准覆盖对应字段。
外观描述:
使用方式: 佩戴于发顶或侧边,不对称别法更有青春随意感;可与马尾或半扎发组合。
出现段落建议: 日常片段、友情互动、夏祭(浴衣配套款)、舞台表演(团体统一款)。
气质词: simple fabric ribbon, handmade feel, school-girl hair accessory, slightly crooked placement, pastel cotton bow
外观描述:
使用方式: 双手抓背带垂于身后;单肩懒散斜挎;奔跑时上下晃动是重要的青春感视觉节奏。
出现段落建议: 放学后(奔跑)、日常片段(收拾书包特写)、走廊跟拍。
气质词: worn canvas school bag, badge-studded flap, bouncing with footsteps, navy or khaki, everyday student feel
外观描述:
使用方式: 单手高举或双手交叉摇摆,与BGM节拍同步;也可握在手中作为日常道具。
出现段落建议: 舞台表演段落、欢笑高潮(手举应援棒奔跑)。
气质词: glowstick cheering, idol fan culture prop, synchronized wave motion, pastel fluorescent color, concert energy
外观描述:
使用方式: 双手轻捧线香花火,低头注视火花缓落;或手持烟火棒侧身、发丝被火光照亮。夜间夏祭或河堤场景专用道具。
出现段落建议: 欢笑高潮段落(集体手持烟火)、黄昏收尾(线香花火特写)、夏祭场景。
气质词: hanabi sparkler, soft golden sparks, summer night ritual, fleeting fire, quiet wonder expression, illuminated by warm light
外观描述:
使用方式: 推行(步行旁边推着走);骑行并排而行;停靠在走廊柱子或树旁作为背景道具。
出现段落建议: 日常片段(放学后骑车特写)、友情段落(并排骑行远景)。
气质词: vintage city bicycle, wire front basket, leisurely after-school ride, pastel frame, sun-dappled street
外观描述:
使用方式: 双手捧读;放在桌面翻页;练习时对照歌词轻声唱。
出现段落建议: 练习段落(对照歌词特写)、日常片段(课桌上的笔记本)。
气质词: hand-written lyrics notebook, sticker-covered cover, practice reference card, casual study prop, personal idol journal feel
外观描述:
使用方式: 单手持棒舔食;与其他成员互相分享;放在书桌角/天台栏杆上融化。
出现段落建议: 友情互动段落、日常切片(夏日零食特写)、天台场景。
气质词: melting summer popsicle, shared snack moment, casual sweet, dripping ice in sunlight, summer afternoon treat
当项目明确设定在以下三种季节场景时,对优先场景池的色调基准、空间细节和环境音做对应替换,其余角色规则与 MV 结构规则不变。
触发条件: 用户指定春季樱花背景,或分镜中出现「樱花街道」「樱花盛开的校园」等场景描述。
色调基准替换:
场景细节替换:
情绪倾向调整:
prompt 附加词汇: cherry blossom petals falling, sakura-lined school path, spring pastel haze, cold-soft spring daylight, pale pink overcast sky, petals on uniform shoulder, new semester freshness
环境音替换建议: 樱花花瓣落地声(极轻)、微风声、远处自行车铃声、学生新学期嬉闹声(比夏日更轻柔)。
触发条件: 用户指定夏末海边场景,或分镜中出现「海边」「沙滩」「夏天快结束了」等叙事信号。
色调基准替换:
场景细节替换:
情绪倾向调整:
prompt 附加词汇: late summer seaside, fading summer warmth, coastal concrete seawall, ocean light reflection, sea breeze catching hair, end-of-summer melancholy, Kodak overexposed beach haze, distant waves as backdrop
环境音替换建议: 海浪声(持续主导,替代蝉鸣)、海风声(与天台风声类似但更强)、远处船鸣声、沙粒踩踏声、偶发海鸥鸣叫。
触发条件: 用户指定文化祭(文化祭・学園祭)场景,或分镜中出现「教室展示」「舞台表演」「文化祭准备」等叙事信号。
色调基准替换:
场景细节替换:
情绪倾向调整:
prompt 附加词汇: school culture festival atmosphere, handmade classroom decorations, warm indoor festival light, autumn school corridor, makeshift stage performance, student-made poster backdrop, after-festival bittersweet quiet, cool autumn outdoor light
环境音替换建议: 校园广场人声嬉闹(比夏日更混杂、更有节日感)、远处舞台音乐声(传过来的、不清晰的)、教室内布置时的欢声笑语、文化祭广播通知声(日语)、秋风吹动海报声。
当项目目标时长为 30秒 / 60秒 / 3分钟 时,按以下规则裁剪段落数量、调整 shot 数量和节奏密度。八段式完整结构仅用于3分钟以上版本;短版本通过优先级剪枝而非等比压缩来保持叙事完整性。
保留段落(必选,共3段):
删除段落: 日常片段、放学后、友情时刻、练习场景、青春高潮全部删除。
节奏规则:
shot 总数建议: 4—6 个 shot。
保留段落(必选,共5段):
删除段落(优先级顺序): 练习场景(段落4)> 放学后(段落2)> 青春高潮(段落7)。若时长仍超出,进一步压缩日常片段至仅 1 个空镜 shot(约 3s)。
节奏规则:
shot 总数建议: 10—14 个 shot。
使用完整八段式结构,各段落 shot 数量参考标准分镜模板。以下为节奏压缩建议(若需控制在3分钟内):
段落时长分配参考:
| 段落 | 建议时长 | shot 数量 |
|---|---|---|
| 日常片段 | 20—25s | 10—14 shot |
| 放学后 | 15—20s | 8—10 shot |
| 友情时刻 | 20—25s | 10—12 shot |
| 练习场景 | 20—25s | 8—10 shot |
| 欢笑高潮 | 15—20s | 8—12 shot |
| 舞台表演 | 25—35s | 10—14 shot |
| 青春高潮 | 20—25s | 6—8 shot |
| 黄昏收尾 | 25—35s | 6—8 shot |
节奏压缩优先级(若总时长超出):
shot 总数建议: 30—40 个 shot。
适用于 30s / 30s Reels 版本。分镜设计阶段须在每个 shot 旁注明其对应的 BGM 时间戳区间与节拍标记,供剪辑阶段精确对位,避免生成完成后才发现 BGM 与画面节拍错位。
30s Reels BGM 结构标注要求:
30s Reels BGM 结构标注要求:
触发条件:用户指定竖版输出,或 Final_Video_Spec.md 中画面比例设定为 9:16。以下规则在标准分镜规则基础上叠加,不替换。
竖版 MV 在 Reels / TikTok 平台上线时,界面元素会覆盖画面边缘区域,分镜设计阶段即须预留:
30s Reels 版本(目标:13—17s)
30s Reels 版本(目标:28—33s)
八段式 MV 标准 Shot 模板
以下为每段落的景别节奏、运镜变化建议与示例 shot 描述。实际创作按人数与场景调整,不必逐字照搬。
每个 shot 必须包含:
禁止:黑暗概念风、强剧情反转、赛博未来感。
节奏基调: 快切蒙太奇,单 shot 上屏时间2—4s,营造"偶然被记录"的日常感。
景别搭配建议:
运镜节奏: 以固定偷拍镜头为主(不推进不拉远),偶尔插入一个轻微手持晃动的中景增加纪录片质感;禁止使用跟拍或推进。
示例 shot:
场景:[Element_Classroom] 教室窗边,午后斜阳透过百叶窗切割成光条。固定机位平视,[Element_CharA] 趴在课桌上侧脸朝向窗外,眼神放空,嘴角微微上扬像在想什么好笑的事。手持轻颤但不推进。镜头在她肩部停留,发丝在风扇微风中微动。时长:4s。
节奏基调: 从静到动,能量逐渐上升;前半段慢节奏(4—6s/shot),奔跑后快切(2—3s/shot)。
景别搭配建议:
运镜节奏: 书包近景→固定;走廊跟拍→低角手持跟随;天台推门→固定(利用光线变化做天然转场);集合互动→轻微游移平视手持。
示例 shot:
场景:[Element_Corridor] 放学走廊,手持低角度侧跟拍,[Element_CharA] 和 [Element_CharB] 并肩快跑,书包随步频上下颠,鞋底踩地声清晰。镜头略微落后二人半步,能看见她们的侧脸和奔跑时的笑意。跑至走廊末端推开天台铁门,画面瞬间过曝。时长:6s。
节奏基调: 最轻松的段落,景别频繁在近景与中景之间切换;单 shot 3—5s,依笑声节奏剪切。
景别搭配建议:
运镜节奏: 正反打使用固定或极轻微手持;群体打闹中景用跟拍或游移增加混乱活力;笑容特写做软变焦缓推,停在笑容高点。
示例 shot:
场景:[Element_Rooftop] 天台,平视中景,[Element_CharA] [Element_CharB] [Element_CharC] 三人坐在围栏边吃零食,[Element_CharB] 说了什么让另外两人同时喷笑——[Element_CharA] 捂嘴,[Element_CharC] 往后仰。手持游移略微前进,最后停在三人中景笑容定格。时长:5s。
节奏基调: 活力但带有"努力感",不整齐是重点;中等节奏,4—7s/shot,跟随编舞节拍切换。
景别搭配建议:
运镜节奏: 全景以固定机位或极慢软推为主;中景插入轻手持增加现场感;脚步特写固定低角;不要使用流畅的摇臂或稳定器运动。
示例 shot:
场景:[Element_DanceRoom] 社团教室,镜子前。固定全景,[Element_CharA] [Element_CharB] [Element_CharC] 三人对着镜子练习副歌手势——动作参差,[Element_CharC] 跟不上节拍停下来重来,另两人继续。荧光灯白光,地板反光。镜子里映出三人背影。时长:6s。
节奏基调: 全片能量顶点,快速切换;2—4s/shot,视觉冲击感最强的段落。
景别搭配建议:
运镜节奏: 奔跑用低角固定迎拍(让人物向镜头冲近);旋转中景用软变焦追随;特写可以做轻微rack focus;整段禁止稳定器,允许晃动。
示例 shot:
场景:[Element_Playground] 操场,黄金时刻斜阳。低角固定机位,[Element_CharA] [Element_CharB] [Element_CharC] 全员朝镜头奔跑,逆光剪影 + 高光溢出,发丝被风掀起,面孔在接近时才逐渐清晰。时长:3s。
节奏基调: 正式感但不失青春温度,跟随BGM节拍剪切;动作高点对应切换点;4—8s/shot。
景别搭配建议:
运镜节奏: 全景固定正面;中景平摇速度跟随BGM节拍;近景特写固定或极慢软推进;低角固定;禁止使用炫技运镜(弧形移动、无人机感)。
示例 shot:
场景:[Element_Stage] 学校礼堂舞台,荧光灯暖光。正面中景固定机位,[Element_CharA] [Element_CharB] [Element_CharC] 三人完成副歌最后一组手势后同时转向正面,举起右手,动作略有参差但充满活力。镜头缓慢软推进至中近景停定。时长:6s。
节奏基调: 情绪最饱满的段落,不是快切而是「停留」;5—10s/shot,让情绪有时间沉淀。
景别搭配建议:
运镜节奏: 全景缓慢推进(非快速变焦,而是物理上的慢慢靠近或软变焦);中景固定;近景固定,停留时间比平时长。
示例 shot:
场景:[Element_Rooftop] 天台,夕阳将至,光线由暖黄转橙红。手持极慢前进中景,全员面朝镜头站成一排,彼此肩膀贴肩膀,没有人说话。镜头缓缓推进,面孔逐渐清晰,最终定格在 [Element_CharA] 正面中近景,眼神直视,嘴角微微上扬。时长:10s。
节奏基调: 全片最慢,留白最多;8—30s/shot,让情绪自然流淌;允许沉默。
景别搭配建议:
运镜节奏: 剪影远景固定;侧脸中景固定或极轻微手持漂移;定格笑容做软变焦缓推至停,最终帧可做 freeze frame;空镜固定,soft fade to warm white 或 film burn out。
示例 shot:
场景:[Element_Riverside] 河堤,夕阳最后一刻,天边橙红渐深。固定远景,全员并排站在河堤栏杆旁逆光剪影,轮廓被夕阳勾边。风将几人的头发吹向同一方向。镜头不动,只等光线变化。Kodak Gold 200暖调,soft grain,高光溢出。时长:12s,末尾 soft fade to warm white。
设计 audio_layer(音频层)
用户上传真实参考照片的绑定流程
当用户提供真实人物照片作为角色参考时,执行以下步骤(在任何生成任务开始之前完成):
用户上传真实场景/背景照片的绑定流程
当用户提供真实拍摄的场景照片作为背景参考时,执行以下步骤(在任何生成任务开始之前完成):
用户上传音频(BGM / 人声)的绑定流程
当用户提供 BGM 音频或人声音频作为参考时,执行以下步骤(在任何生成任务开始之前完成):
角色/场景形象图生成(key_element 图像)
shot 视频生成
跨 shot 角色面部一致性保障
一致性检查节点:
每完成一批 shot(建议每 3—5 个 shot 或每段落结束时),在继续生成前执行以下检查,不通过则先重生成再继续:
检查项通过标准不通过判定面部识别锚点脸型、眼型、发色与 key_element 参考图对应,肉眼可辨为同一人五官结构明显漂移、发型/肤色突变妆容与发型刘海形状、发量感与 element 描述一致刘海类型改变(如软刘海变中分)、发色阶跃服装连贯性同一段落内同一角色服装与 element 描述一致段落内服装款式或配色无剧情原因发生变化气质基调面部表情与气质标签(元气/害羞/清冷等)保持对齐角色气质与设定明显偏离(如元气型变冷漠型)
重生成判断标准:
多成员同框 shot 的参考图绑定策略:
多位成员出现在同一 shot 时,参考图绑定按以下优先级处理:
非会员备用方案:Kling 3.0 Omni
当用户无 Seedance 2.5(分辨率 480p) 会员权限时,shot 视频生成切换至 MultiModalToVideo + Kling 3.0 Omni,规则如下:
BGM 生成
触发条件:Final_Video_Spec.md 中画面比例为 9:16,或用户明确指定竖版输出。以下规则在标准 shot 生成规则基础上叠加执行,不替换原有路径逻辑。
竖版 shot 优先使用以下两条原生支持 aspect_ratio: "9:16" 的路径,避免后期裁切损失画面信息:
参数规范值模型Wan2.6aspect_ratio"9:16"resolution"720p" 或 "1080p"(1080p 需会员)duration5s、10s 或 30s
参数规范值模型Kling 3.0 Audioaspect_ratio"9:16"resolution"720p" 或 "1080p"(1080p 需会员)duration3s—30s 整数值
当用户已有 Seedance 2.5(分辨率 480p) 会员权限、且坚持使用 Seedance 2.5 生成竖版 shot 时,Seedance 2.5 不支持原生 aspect_ratio: "9:16",须按以下流程在后期执行裁切,用户须在 Final_Video_Spec 锁定阶段明确知情并确认接受此方案后,方可启用此路径。
subject centered horizontally, all key action within central 56% of frame width, avoid placing important elements near left or right edges, vertical-friendly framing
在时间线装配阶段,对所有 Seedance 2.5 生成的横版素材执行 9:16 裁切:
操作规范裁切比例从 16:9 裁切至 9:16,保留画面中心宽度约 56%默认锚点水平居中裁切(center crop)——适用于主体居中的 shot手动锚点若生成的 shot 中主体明显偏侧(如角色站在画面左 1/3 处),在 video_assembler 指令中标注裁切锚点偏移量(如"向左偏移 10% 裁切"),确保主体留在竖版帧内安全区校验裁切后须确认主体面部/关键动作落在核心安全区(水平 70%×垂直 65%),否则重新调整裁切锚点或标记为需重新生成信箱填充禁止严禁使用黑边/模糊填充方式将 16:9 素材填入 9:16 帧——必须执行实际裁切
在裁切后逐 shot 执行以下评估,不通过的 shot 须返回重新生成(调整构图 prompt 后再次以 Seedance 2.5 横版路径生成):
评估项通过标准不通过→处理方式主体完整性角色面部、关键手势均在裁切后画面内调整裁切锚点;若无法覆盖则重生成多人同框完整性所有预期出现的成员均在裁切后画面内重生成,强化 prompt 中纵向站位约束关键视觉元素道具、场景标志性细节不被裁切出画重生成,prompt 中将元素位置限定在画面中央运动方向横向运动未导致主体出画重生成,修改运动描述为纵深轴方向
当用户无会员权限时,竖版生成路径调整如下:
超分辨率(可选后处理)
最高优先级(全局): 用户使用中文交互时,prompt 正文以中文撰写;若有日语对白/歌词台词,按原语言保留在对应位置。
以"导演+摄影师联合描述"方式撰写——自然语言描述主体+动作+环境,短语描述风格/色彩/光线/构图。禁止写不可见的心理活动,只写镜头能看到的内容。
胶片视觉基准(融入主体描述段落,不单独列标题):
角色描述锚点:
场景/光线描述锚点:
Nano Banana Pro (Gemini 3 Pro Image) 是本技能角色参考图和多角色联合图的首选模型,其 prompt 需额外遵循以下规范:
双格构图是角色主图的标准格式,必须在 prompt 开头用结构化指令显式声明布局,再描述内容:
【双格横向对比图,白色分割线居中】
左格:[角色名] 半身头肩特写,正面平视,面部清晰可辨——[面部特征描述]。[发型描述]。[妆容描述]。[表情描述]。
右格:同一人物全身造型,站姿自然,上下完整入框——[服装完整描述,含配件]。[鞋履描述]。[姿态/手部]。
整体风格:[胶片基调],[色调词],[光线描述],soft grain,analog warmth。
面部特征锁定格式(identity anchor block):
从 multimodal_analyze_tool 的分析结果中提取,写成一个连贯的描述块嵌入左格描述段落——格式如下:
「脸型轮廓(如:小圆脸/瓜子脸)+ 眼型(如:温柔单眼皮,眼距适中)+ 鼻梁(如:低鼻梁,鼻尖圆润)+ 嘴唇(如:薄唇,嘴角微翘)+ 肤色(如:自然偏暖白肌)+ 发型关键词(如:黑色软刘海,中长发,发量感蓬松)」
锁定字段必须与用户上传参照图分析结果逐字对应;若无用户参照图,则参照 key_element 描述中的角色设定填写。
多角色联合参考图(团体群像图):
当需要在一张图内呈现多位成员时,在双格指令基础上扩展为多列:
【四格/六格横向排列,各格等宽,白色分割线,2K分辨率】
第1格:[成员A] 全身造型——[描述]。
第2格:[成员B] 全身造型——[描述]。
……
整体风格:统一平成青春胶片色调,成员间服装色系协调,避免各格色温差异过大。
Seedance 2.5(分辨率 480p) 支持在 prompt 内嵌入结构化标记控制音效、对白、音乐和画面字幕,使用时须严格遵守格式:
标记用途格式(...)背景音乐描述(upbeat J-Pop, bright acoustic guitar)<...>音效/环境音<cicadas chirping, sneaker footsteps on corridor>{...}角色对白(逐字台词,非日语前加语言标注){日语:「行くよ!」} 或 {中文:「我们跑吧!」}【...】画面叠加字幕/标题【青春、ここにある】
完整示例——放学后天台奔跑片段(含对白+环境音):
<<<image_1>>>(成员A全身造型参考)<<<image_2>>>(成员B全身造型参考)
手持摄影机低角度跟拍,两位成员从教室走廊冲出推开天台铁门,阳光猛地涌入画面——软过曝高光,镜头轻微眩光。成员A(参照<<<image_1>>>面部与校服)率先奔出,回头大声呼喊;成员B(参照<<<image_2>>>面部与发型)紧随其后,书包随奔跑上下晃动,发丝被风掀起。二人在天台边缘停下,喘气,对视,同时笑出声。摄影机缓慢软推进至二人中近景,定格在笑容上。
<铁门推开声,走廊回声,风声,两人笑声>
{日语:「もう授業終わったよ!」}
{日语:「やっと自由だ!」}
Kodak Gold 200暖调,soft grain,golden hour glow,pastel tone,analog warmth。
no music, no subtitles, no K-pop precision choreography, no commercial stabilizer movement, no HDR sharpness
完整示例——舞台表演片段(含BGM描述+群像对白):
<<<image_1>>><<<image_2>>><<<image_3>>>(三位成员全身舞台服参考)
固定机位正面中景,三位少女在学校礼堂舞台上完成最后一段副歌队形,动作稍不整齐但充满活力——举手、旋转、互相对视。镜头缓慢zoom in至全景→中景,最后定格在center girl特写,眼神直视镜头,嘴角微微上扬。舞台荧光灯暖光打在三人脸上,背景是略显简陋的学校布景板。
(upbeat J-Pop idol chorus, bright acoustic guitar, nostalgic synth pad)
<观众掌声,礼堂回声,舞台地板踩踏声>
【夏の約束】
Fuji Pro 400H冷柔调,soft grain,fluorescent school light,pastel contrast,amateur charm。
no subtitles, no K-pop刀群舞, no luxury stage lighting, no HDR sharpness
Wrapper 使用注意事项:
当项目触发樱花季 / 海边 / 文化祭变体时,在标准胶片基准词之后追加对应的季节关键词组,同时替换或删除与当前季节不符的词汇。
变体追加词汇替换/删除🌸 樱花季cherry blossom petals, sakura pink haze, cold-soft spring daylight, Fuji Pro 400H dominant, new semester freshness删除 summer sunlight / cicadas / humid summer air🌊 海边late summer seaside, coastal seawall, ocean light reflection, fading summer warmth, Kodak overexposed beach haze将 cicadas 替换为 ocean waves;删除 classroom dust particles🎡 文化祭school culture festival, handmade classroom decoration, warm indoor festival light, autumn outdoor cool light, after-festival bittersweet删除 summer sunlight;将 cicadas 替换为 autumn wind / festival crowd ambience
季节变体的视频 prompt 附加规则:
触发条件:Final_Video_Spec.md 中画面比例为 9:16,或用户明确指定竖版输出。以下规则叠加于标准视频/图像 prompt 规范之上。
模型与参数选择:
图像 prompt 构图引导词(竖版专用):
在标准角色/场景 prompt 的构图描述位置加入以下引导:
vertical 9:16 composition, subject centered vertically, face positioned at upper third, full headroom visible, no horizontal crop
视频 prompt 构图引导词(竖版专用):
在运动层叠描述之前,加入以下构图锚点段落:
Vertical 9:16 framing. Subject centered on vertical axis, eyes at upper-third position. Keep all key action within the central 70% horizontal safe zone—no important elements near left or right edges. Avoid horizontal panning; prefer slow tilt or static framing with vertical depth.
负向提示附加(竖版专用,追加至标准固定负向提示之后):
no horizontal pan beyond safe zone, no wide landscape framing, no side-by-side group lineup cutting out of frame
固定负向提示(每条视频 prompt 末尾附加):
本节规范适用于 Suno 5 和 Mureka 8,两者写法基本一致,差异见末尾注释。
[情绪定位] + [BPM / 节拍感] + [主要乐器层] + [情绪弧线 / 段落结构]
目标感描述词组活泼快切蒙太奇upbeat, energetic, around 130–140 BPM, driving beat青春中速副歌moderately upbeat, around 110–120 BPM, bouncy rhythm感伤抒情段落mid-tempo, around 80–90 BPM, gentle flow黄昏收尾slow, around 65–75 BPM, unhurried, nostalgic pulse
段落类型推荐乐器组合日常/友情蒙太奇bright acoustic guitar, glockenspiel, light drum kit, cheerful piano, subtle synth pad副歌爆发electric guitar power chords, full drum kit with snare accent, layered idol chorus vocals (wordless), synth brass stab感伤/天台fingerpicked acoustic guitar, solo piano, soft strings, light shaker, ambient reverb tail黄昏收尾solo piano, warm cello, distant acoustic guitar, fading synth wash, no percussion or very soft brush drums
禁止出现的乐器/风格词:EDM drop, trap hi-hat, 808 bass, dubstep wobble, dark orchestral, heavy metal guitar
示例 A — 全片主 BGM(活泼副歌型,适合日常+练习+欢笑段落)
Upbeat, cheerful Japanese idol pop anthem full of youthful energy and nostalgic warmth.
Around 120–130 BPM, bouncy rhythmic drive.
Bright acoustic guitar as the lead melody, light electric piano fills, glockenspiel accents on beat,
full drum kit with punchy snare, layered wordless idol chorus in the background, subtle analog synth pad for warmth.
Structure: gentle intro with acoustic guitar → verse builds with drums entering → chorus bursts with full instrumentation and choir swell
→ brief emotional bridge with piano solo → final chorus with added energy → soft outro fading on acoustic guitar.
Nostalgic pastel tone, summer sunlight feeling, analog warmth, no EDM, no trap, no dark mood.
示例 B — 情绪段落 BGM(感伤抒情型,适合黄昏收尾+青春高潮回望)
Bittersweet, nostalgic Japanese idol ballad with a gentle sense of fleeting youth and warm melancholy.
Mid-tempo, around 80–85 BPM, unhurried and flowing.
Fingerpicked acoustic guitar carrying the main melody, soft solo piano responding in phrases,
warm string ensemble (cello + violin) as sustained background layer, very light brush drums entering only in the chorus,
faint analog synth wash as ambient texture.
Structure: solo acoustic guitar intro → verse with piano joining → emotional chorus with strings swelling softly
→ quiet bridge, only guitar and cello → final chorus with full strings → fade out on solo piano.
Summer evening atmosphere, Kodak film warmth, soft sorrow, no percussion in intro/outro, no electric guitar distortion.
示例 C — 短片段环境音乐(低调氛围型,适合教室/走廊/电车切片段落作底层铺垫)
Soft, ambient Japanese school-life background music with a nostalgic, understated feel.
Slow tempo, around 70 BPM, minimal and airy.
Solo piano playing simple, sparse melody, light acoustic guitar strumming in the background,
faint glockenspiel notes scattered occasionally, very soft synth pad, no drums.
Loop-friendly structure with gentle variations, no dramatic climax, maintains a quiet everyday atmosphere throughout.
Suitable as ambient underscore beneath dialogue or environmental sound.
Pastel tone, soft focus, analog warmth, no percussion, no chorus vocals.
项目Suno 5Mureka 8知名艺人/乐队名称禁止写入,高概率触发失败——用风格描述替代相对宽松,但仍建议用风格词而非专有名乐器描述精度接受自然语言描述,细节越具体效果越好同左,可适当加入流派标签(如 "J-Pop idol, Shibuya-kei influenced")情绪弧线段落明确写 intro/verse/chorus/outro 结构,响应良好同左,也可用 "dynamic progression from quiet to full" 等整体描述时长控制不直接指定时长,通过段落数量间接影响同左