Animated poster awakening
スタジオの下書きを準備します。複数段階の手順は参考情報です。自動生成や課金は行いません。
将用户上传的静态海报图片生成为动态海报视频;使用 MiniMax H3,适用于需要把平面海报快速转化为动态视频宣传物料的场景。
制作フロー本文は原文の中国語です。記載モデルと当サイトの対応モデルは異なる場合があります。実際のモデルと必要クレジットはスタジオで確認してください。
制作フロー全文
1. 制作計画
前置校验(强制):
- 用户必须上传至少一张海报图片才能启动本 Skill。若用户未上传海报,直接通过
reply_to_user 提示"请先上传一张海报图片",不要继续后续步骤。
工作流程:
- 分析海报 → 调用
resource_prepare_and_analyze:提取海报的宽高比、视觉主体、构图、风格色调、文字版式、动效潜力等信息;同时判定海报类型(人物 / 产品 / 食品 / 建筑 / 纯文字 / 抽象图形 / 无明确主体)。比例分析采用「直接数值估算 + 数学映射」方式(详见 multimodal_analyze_tool 中「宽高比映射」),分析结果须同时包含方向判断和宽高比数值估算。接受任意比例海报,不拒绝、不需要用户确认比例。
- 方向交叉验证(自动,在分析结果返回后立即执行): 检查分析输出的方向判断与数值估算是否一致——数值 >1 应对应横版,<1 应对应竖版,≈1 应对应正方形。若两者矛盾(如数值 ≈0.80 但方向判为横版,或数值 ≈1.78 但方向判为竖版),说明至少一个判断有误,Planner 须立即重新调用
resource_prepare_and_analyze 做一次聚焦重分析——提示词聚焦于"请直接对比这张图片的宽度和高度,哪个更大?宽是高的大约多少倍?给出一个宽÷高的数值估算",以第二次结果为准。重分析仅执行一次,不无限循环;第二次结果无论是否仍存在矛盾均采纳,下游通过扩展背景填充兜底。
- 提供两个方向供用户二选一 → 通过
reply_to_user 向用户呈现两个动态方向,使用 cards 让用户选择:
- 方向一「视觉元素渐进激活成版」: 从简洁初始画面开始,原海报元素按视觉层级和重要程度逐步从无到有显现并回到原位,围绕视觉锚点展开纵深运动,最终形成与原海报一致的完整版式。
- 方向二「纸卷展开成版」: 完全卷紧的实体纸质卷轴从画面上方坠落进入,落定后短暂蓄力,以果断的弹开动作猛然舒展,纸面快速展开后减速铺平,形成"坠落→紧绷→爆发→收束"的开场冲击力;展开过程中纸面空白无内容,卷轴出现时背景简洁纯净,纸张铺平后铺满全画幅。纸张铺平后,海报元素通过前后层次、运动视差、材质变化、局部动作、镜头推进和光影变化形成视觉高潮,最终恢复原海报完整构图与文字版式。
- 两个方向均支持人物、产品、食品、建筑、纯文字、抽象图形和无明确主体海报;海报无人物时,由主标题、产品、Logo、图形、纹理、光线或颜色层次承担核心运动。
- 暂停等待用户选择,不要在用户选择前继续。
- 建立全局规格 → 通过
text_editor 写入 Final_Video_Spec.md:锁定 aspect_ratio(=步骤 1 映射到的最近支持比例)、模型 MiniMax H3、分辨率 2k、时长(根据动态方案节奏灵活设定,8–15s 均可,不默认拉满 15s——8s 为下限以确保元素有足够时间完成动作化入场,以元素出场 + 海报还原 + 收束过渡 + 持续微动态为准——还原后不要留过长时间的大幅运动(避免模型继续放大主体),但须保留持续轻微动态到视频结束)、镜头模式(一镜到底,单条连续镜头不拆分内部剪辑)、动态方向(=用户在步骤 2 选择的方向)。
- 设计动态方案 → 调用
storyboard_designer:仅为用户选中的方向设计单镜头动态方案(镜头运动、元素动效、氛围变化),按海报类型适配动效主体。
- 生成视频 → 调用
media_generator:使用 MultiModalToVideo + MiniMax H3 全能参考模式(image_infos + video_infos + audio_infos 均可作为引用同时传入),将海报图片作为 image_infos 主引用,按 Storyboard 方案以一镜到底方式在单次生成调用中完成动态海报视频(不拆分为多次生成)。注册输出 asset 并绑定到对应 shot。
- 交付 → 调用
video_assembler:将生成的单条视频按 Storyboard 时长与节奏做最终组装,引导用户导出。
依赖关系: 步骤 2 依赖步骤 1。步骤 3 依赖步骤 2(需要用户选择的方向)。步骤 4 依赖步骤 3。步骤 5 依赖步骤 3 和 4。步骤 6 依赖步骤 5。
交互节奏: 步骤 1 执行后直接进入步骤 2(方向选择)——必须暂停等待用户选择。用户选择方向后连续执行步骤 3–5;在步骤 5 生成完成后暂停,向用户展示结果并确认是否需要调整或导出。
语言一致性: 按照用户对话使用的语言执行全部规则——若用户用中文交互,则 Agent 回复、方向选择卡片文案、Final_Video_Spec.md 内容等所有面向用户的输出均使用中文;若用户用英文交互则全部使用英文。生成提示词的语言同样跟随用户对话语言(与 write_the_prompt 中的语言规则一致)。
2. マルチモーダル分析
海报分析要点:
- 宽高比映射(直接数值估算 + 数学映射 + 方向交叉验证): 接受任意比例的海报图片,不拒绝、不需要用户确认比例。分析须同时输出以下三项,供 Planner 做交叉验证:
- 方向判断: 海报属于横版(宽>高)、竖版(高>宽)还是正方形(宽≈高)。
- 宽高比数值估算: 直接估算海报的宽÷高数值(>1 为横版,<1 为竖版,≈1 为正方形),输出一个小数(如 1.78、0.80、1.00)。不要走"先判大类再在候选中细分"的多步推理链——直接给出数值估算,一步到位,减少中间环节累积错误。视觉模型估一个"大约 1.8 还是 0.8"的数值,比让它精确区分"高度是宽度的 1.3 倍还是 1.8 倍"可靠得多。
- 数学映射: 将估算数值与 MiniMax H3 支持的 6 种比例的十进制值逐一比对,选绝对差最小的一个作为输出视频比例:
- 21:9 = 2.3333
- 16:9 = 1.7778
- 4:3 = 1.3333
- 1:1 = 1.0000
- 3:4 = 0.7500
- 9:16 = 0.5625
示例:估算 1.78 → 最接近 16:9(1.7778);估算 0.80 → 最接近 3:4(0.7500);估算 2.30 → 最接近 21:9(2.3333);估算 0.56 → 最接近 9:16(0.5625)。
- 输出结论格式:"方向:[横版/竖版/正方形],宽高比估算值:≈[X.XX],映射到支持比例 [最终比例]"。
- 标注偏差程度: 若海报真实比例与映射比例存在明显偏差(如 4:5 海报映射到 3:4),标注"存在比例偏差,需通过扩展背景填充适配"——供下游在生成和提示词中执行背景延伸。无明显偏差时标注"比例基本一致"。
- 同时标注海报内容的实际填满范围——海报内容是否已铺满整张图片画幅(即是否存在白边/留白),供下游确保动态视频内容铺满全画幅、不产生黑边。
- 海报类型判定: 将海报归类为以下类型之一——人物 / 产品 / 食品 / 建筑 / 纯文字 / 抽象图形 / 无明确主体。该判定决定后续两个方向中哪些元素承担核心运动。
- 视觉主体识别: 识别人物、产品、建筑、自然景观等核心视觉元素的位置、占比和朝向,为动态化设计提供动效依据。海报无人物时,额外标注主标题、产品、Logo、图形、纹理、光线或颜色层次中最适合承担核心运动的元素。
- 构图与空间分析: 描述画面的主体位置(居中 / 三分法 / 偏置)、前景-中景-背景层次、留白区域,以便动态化时合理规划元素聚合或纸卷展开的运动方向。
- 风格与色调: 提取海报的整体风格(如极简、复古、赛博朋克、手绘等)和主色调,确保动态视频保持视觉一致性。
- 文字版式: 标注海报中的标题、标语等文字区域的位置、层级与排版结构,动态化时避免文字区域产生扭曲或不可读的形变。
- 视觉层级拆分: 将海报画面拆分为五层——背景与基础色块、核心识别元素、主标题与Logo、辅助信息、装饰图形与氛围效果。标注各层的可分离性与动效潜力,供两个方向设计逐层激活顺序。
- 视觉锚点识别: 根据海报类型确定最具识别度的视觉锚点——人物海报为人物、产品海报为产品、食品海报为主食品、纯文字海报为主标题或核心字体、抽象或无明确主体海报为最具辨识度的图形/纹理/色块/光线/颜色关系。供两个方向围绕锚点设计核心纵深运动与尺度变化。
- 动效潜力评估: 针对两个方向分别评估可动元素:方向一「视觉元素渐进激活成版」需要哪些元素可逐步显现及其适宜的显现方式,按类别评估——空间类(从远处由小变大靠近、从平面进入空间)、遮挡类(从遮挡后显露、从雾气/阴影中走出)、生长类(从背景生长、沿轮廓展开、碎片聚合)、光影类(被追光瞬间照亮后立即动起来)、动作类(人物跑/走/转身/迈步、产品旋转/上升/组装、文字逐字书写/滑入)、材质类(从线稿上色成形、哑光到光泽变化);方向二「纸卷展开成版」需要哪些内容可按顺序逐层显现、哪些元素适合空间激活及动作化入场。输出结论供 Storyboard 设计直接引用。
- 逐元素出场顺序与轨迹建议(两个方向通用): 为每个可动元素给出建议出场顺序(基于视觉层级与重要程度排序)、入场轨迹方向建议(基于该元素在原海报中的最终位置——如位于画面左下则建议从左下方进入)和入场动作建议(基于元素类型和海报中的最终姿态——如人物呈奔跑姿态则建议从远处跑来入场、产品则建议旋转或上升入场、文字则建议逐字书写或沿排版方向滑入)。确保轨迹方向与最终落位一致、入场动作与最终姿态存在因果联系,不出现方向矛盾。
- 按海报类型推荐出场方式组合: 根据海报类型给出推荐的显现方式组合建议——人物海报以动作类+空间类为主、产品海报以动作类+材质类为主、食品海报以光影类+生长类为主、建筑海报以生长类+空间类为主、纯文字海报以动作类为主、抽象/无主体海报由 Agent 灵活组合光影类+遮挡类+生长类。供 Storyboard 设计时参考。
- 前后景深层次分析: 分析各视觉元素在海报中的前后景深关系(前景/中景/背景),标注核心视觉锚点应有的景深推进路径(远景→中景→近景),以及辅助元素适宜切入的景深层级。供 Storyboard 设计 z 轴空间纵深上的层次递进。
- 海报外形轮廓检测(方向二专用): 检测海报的实际外轮廓是否为标准矩形——若海报边缘存在缺口、异形裁切、圆角或其他非矩形轮廓特征,须逐一标注其位置、形状与尺寸,供方向二设计纸卷外形时如实还原。标准矩形海报则标注为"规则矩形"。
- 纸卷轴线与展开方向建议(方向二专用): 根据海报比例、主体朝向和排版结构,建议纸卷轴线方向(横版海报优先横向展开、竖版海报优先纵向展开)和展开方向,确保展开方向与海报主视觉流向一致。同时标注最适合进行空间激活的核心元素(依据海报类型——人物/产品/食品/主标题/核心图形等),供方向二设计引用。
3. 絵コンテ設計
4. 素材生成
模型与工具选择:
- 使用 MultiModalToVideo,模型固定为 MiniMax H3(用户明确指定)。
- 分辨率: MiniMax H3 固定输出 2k。
- 时长: 不设固定默认值,根据动态方案节奏在 8–15s 整数范围内灵活设定——8s 为下限,因为更短的时间会压缩元素入场时序、导致主体来不及完成动作化入场就草草就位,甚至出现主体直接飞出而无姿态变化的问题;避免无必要地拉满 15s,以海报还原完成 + 收束过渡 + 持续微动态即可。整支视频须在单次生成调用中完成,不拆分为多次生成再拼接。
- 比例: 使用
multimodal_analyze_tool 视觉估算后映射到的最近支持比例作为 aspect_ratio。MiniMax H3 支持的比例为:"21:9"、"16:9"、"9:16"、"3:4"、"4:3"、"1:1"。接受任意比例的海报图片,映射到最接近的支持比例后直接继续生成,不拒绝、不需要用户确认比例。比例偏差时通过扩展背景填充适配——延伸海报背景色调与纹理填满多出区域,核心内容不动,不裁切、不加黑边、不拉伸变形。须在提示词中显式要求画面内容填满整个画幅、不得产生黑边或留白(详见 write_the_prompt 基准声明)。
引用策略(全能参考模式):
- MiniMax H3 支持在单次生成中同时传入
image_infos(≤9)、video_infos(≤3,每段 2–15s,总时长 ≤15s)、audio_infos(≤3,每段 2–15s,总时长 ≤15s;纯音频引用不支持,至少需配一条 image 或 video 引用)。
- 将用户上传的海报图片注册为 asset,作为
image_infos 主引用传入 MultiModalToVideo,确保动态视频在视觉上忠实于原海报。
- 若用户额外上传辅助参考图、参考视频或参考音频,按全能参考模式一并传入对应 infos 槽位,充分利用 MiniMax H3 的多模态条件能力;未上传则不额外添加。
Asset Binding Contract:
- 遵循当前
manage_item_assets 契约,使用 Storyboard 中的实际目标 ID;不在 Skill 中定义独立的 ID 模板。
- 用户上传的海报图片:先注册 asset_id,再绑定到对应 shot 的 image_infos 引用;绑定前调用
query_assets_info 确认,绑定后重新查询验证。
- 生成的动态海报视频输出:注册 asset_id 并绑定到对应 shot 的 final_shot 角色。
5. プロンプト作成
6. 動画編集
单镜头动态海报组装:
- 动态海报为单条视频,组装以直接放置该视频为主,不做复杂多轨剪辑。
- 保留视频完整时长,不裁剪——单镜头一镜到底的每一秒都有时序安排,裁剪会破坏完整的出场序列。
- MiniMax H3 生成的视频自带同步音频,保留原生音频即可。