Siapkan rancangan studio. Instruksi tahap ganda adalah referensi; ini tidak berjalan atau biaya untuk generasi.
适用于科普讲解、知识故事、生活哲理、趣味叙事等火柴人手绘极简风格短视频(1-5分钟)的全流程自动化制作。采用「设局-困境-顿悟-收束」四幕叙事结构,依次完成策划、视觉元素生成、逐镜头视频生成、配音/B
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.
按以下顺序依次调用工具,严格保持节点间依赖关系,每个节点完成后暂停并向用户确认,再进入下一节点。
通过 text_editor 创建 Final_Video_Spec.md,锁定以下参数:
若用户未明确上述参数,先通过提问或 cards 确认,再进入策划节点。
按四幕叙事结构(设局 20% / 困境 35% / 顿悟 30% / 收束 15%)设计完整分镜与音频层。完成后暂停,等用户确认后进入下一节点。
逐镜头生成视频片段,每次必须引用该 shot 绑定的角色图+场景图。单分镜失败可独立重试。全部完成后暂停确认。
按 Storyboard 中 audio_layer 生成旁白(narration VO)和 BGM(music)。
所有资产就绪后,完成转场拼接、音画同步、音量混合,输出最终成片。
Step 2 → Step 0;Step 3 → Step 2;Step 4 → Step 3;Step 5 → Step 2;Step 6 → Step 3、4、5。
若用户上传了角色草稿、风格参考图或场景素材:
科普/叙事类火柴人视频围绕「知识缺口」展开,必须严格按四幕结构规划分镜比例:
幕功能时长占比约束设局 Setup介绍主角日常,暗示问题20%背景极简(一条地平线),传达「普通感」困境 Struggle问题爆发,反复失败35%至少 2 个 shot 展示失败;每 45-60 秒设置一次视觉幽默节拍顿悟 Insight核心知识点揭示30%顿悟 shot 前须标记 pause_after: true;背景从杂乱线条突变为整洁几何图形收束 Resolve应用新知,问题解决15%末尾 shot 定格 2-3 秒 + 金句文字
每幕仅设置 1 个 key_message;信息密度:每 30 秒只传达 1 个核心观点。
element_character(角色)
element_scene(场景)
每个 shot 必须包含:
构图禁忌:角色贴边(至少留 1/6 边距)、画面元素超过 5 个、倾斜构图(仅限失衡情绪且不超过 2 秒)。
旁白(类型:narration)
BGM(类型:music)
根据 Final_Video_Spec.md 中锁定的风格预设,在图像/视频生成时自动套用对应配色与风格锁定词。四种预设如下:
风格预设背景色强调色线条色风格锁定词(英文,追加到 Prompt 末尾)经典科普#FFFFFF 纯白#FFD700 金黄纯黑 2-3pxclean educational style, friendly and approachable, golden yellow accent, pure white background温暖叙事#FFF8F0 暖白#FF8C69 暖橘深棕 2-3pxwarm storytelling style, cozy and inviting, warm orange accent, soft cream background冷静分析#F5F7FA 冷白#4A90D9 冷蓝深灰蓝 2-3pxanalytical style, cool and precise, steel blue accent, light gray-blue background紧张悬疑#1A1A2E 深蓝黑#FF4444 警示红白色 2-3pxtense suspenseful style, dramatic contrast, warning red accent, dark navy background, white lines on dark
使用规则:
角色 key_element 参考图 → TextToImage,模型:Nano Banana Pro (Gemini 3 Pro Image),分辨率 2K
场景 element_scene 背景图 → TextToImage,模型:Nano Banana Pro (Gemini 3 Pro Image),分辨率 2K
使用 MultiModalToVideo,默认模型:Seedance 2.5,分辨率 480p,时长 5-8秒(单次调用不超过 15s)。
每次调用的参考输入:
旁白 narration VO → text to narration,模型:MiniMax Speech 2.8 HD(支持中英文多语言)
BGM → text_to_instrumental,模型:Mureka 8
语言:用户使用中文交互时,Prompt 正文用中文撰写;Prompt 中的风格锁定词(英文关键词组)保留英文。
全局手绘极简锁定词(图像和视频生成均必须包含):
no realistic lighting, no shadows, no shading, flat illustration, hand-drawn minimalist style
风格预设锁定词:根据 Final_Video_Spec.md 中锁定的风格预设,从媒体生成节「风格预设与配色方案」表格中取对应行的「风格锁定词」整段,追加到全局锁定词之后。配色(背景色、强调色、线条色)也须同步写入 Prompt 中对应的颜色描述位置。
以导演+美术指导简报风格撰写,结构:角色描述 → 辨识特征 → 构图 → 风格锁定。
示例结构:火柴人角色,圆头+呆毛,纯黑轮廓线 2px,无填充,正面全身站姿,左侧头肩特写右侧全身并排,纯白背景,手绘极简线条风格,关节处标记小圆点,表情简洁有辨识度,stick figure, minimalist line art, 2-3px stroke, pure white background, no fill, no realistic lighting, no shadows, no shading, flat illustration
禁止词:realistic, 3D, shading, gradient, texture, render, ray tracing
结构:场景核心元素(≤5个)→ 构图留白要求 → 风格色彩 → 风格锁定。
示例结构:极简办公室背景,一张桌子轮廓+一把椅子+窗框,画面中下部大面积留白供角色站立,背景 #FFFFFF 纯白,强调色 #FFD700,minimalist background, simple geometric shapes, plenty of white space, center-bottom clear, hand-drawn minimalist style, no realistic lighting, no shadows, no shading, flat illustration
禁止词:detailed, photorealistic, complex, crowded, realistic lighting
结构:镜头动作(参考图绑定)→ 情绪状态 → 角色动作三阶段 → 运镜 → 风格锁定 → 否定词
动作Prompt 描述行走bouncy walk cycle, exaggerated arm swing跑步leaning forward 30 degrees, speed lines trailing跳跃crouch-jump-squash with rebound惊讶sudden startle, limbs extend, exclamation mark above head思考slow pacing, side-to-side sway, question mark floating
拼接顺序:严格按 Storyboard shot 顺序拼接,不得调整。
转场执行(依据各 shot 的 transition 字段):
transition 值执行方式时长cut硬切,无过渡0帧pop_in中心放大+弹跳缓动0.3秒fade淡出→淡入0.5秒wipe从左向右擦除0.4秒
禁止:3D翻转等复杂特效;连续 3 个以上非硬切;叠化用于动作场景。
呼吸停顿:凡 shot 标注 pause_after: true,在该 shot 结束后插入 2 秒静止定格帧。
音频混合:
节奏检查:顿悟幕末尾 shot 及收束幕末尾 shot 须有明显停顿感(通过 pause_after 或手动延长末帧实现);全片旁白与画面时长差异不超过 0.5 秒/幕。