Celestial palace guided tour

工作流阶段与依赖关系

严格按以下顺序执行，每阶段完成后暂停确认，不得一次性贯通全流程。

阶段 0：锁定全局规格

通过 text_editor 建立 Final_Video_Spec.md，记录：

• 画幅比例：16:9
• 总镜头数：5 镜
• 生图模型：GPT Image 2（界面名 Image2）
• 视觉风格：暗宫明境、神话尺度、微量古代宇宙文明科幻感
• 语言：中文（提示词使用英文，对用户说明使用中文）
• 其他用户确认的全局参数

阶段 1：Variation Card + 去重检查（→ storyboard_designer）

调用 storyboard_designer 生成本次 Variation Card，确定五张图各自的：

• 路线家族（从8个家族中选1个，排除上次已用）
• 构图语法（5种不同，不重复）
• 空间类型、前景框架、唯一主奇观
• 微量科幻线索（不完全重复，≤2张使用醒目圆环）
• 雅事与必须预置于首帧的活动道具
• 机位/风向/明暗结构/人物排列

执行 Storyboard 去重检查：若两张图在"空间类型＋前景框架＋主奇观"中有两项相同，重选一张。确认后暂停，展示 Variation Card 请用户审核。

阶段 2：逐张生成5张首帧（→ media_generator）

• 调用 media_generator，使用 TextToImage + GPT Image 2
• 每条提示词从零独立生成，不得互相衍生
• 生图请求不附加任何图片输入
• 若 GPT Image 2 不可用或无法确认模型，立即停止并告知用户，不得自动切换模型

阶段 3：首帧质量闸门（逐张）

每张生成后立即执行质量闸门检查（见 storyboard_designer 质检清单）。

• 任一项失败 → 只修改文字重新生图，不进入视频阶段
• 五张全部通过 → 展示结果，暂停请用户确认

阶段 4：逐镜图生视频（→ media_generator）

五张首帧全部通过质检后，依次处理每一镜：

• 只输入本镜头通过质检的首帧作为唯一图片
• 视频提示词只描述运动，不重新发明建筑/人物/道具
• 每镜完成后可展示结果，继续下一镜

阶段 5：顺序剪辑与导出（→ video_assembler）

五镜视频全部生成后，调用 video_assembler 按 Storyboard 镜头顺序组装，最后一秒稳定停留，引导用户导出。

依赖关系： 阶段1依赖阶段0 → 阶段2依赖阶段1确认 → 阶段3随阶段2逐张进行 → 阶段4依赖阶段3全部通过 → 阶段5依赖阶段4全部完成。

核心风格定义

将本 Skill 的成片定义为：

观众置身于幽暗、奢华、超尺度的中式仙宫内部或临崖露台，通过巨柱、屋檐、月门或回廊观看一个明亮而不可思议的仙境奇观。人物安静地生活其中，建筑、自然与天象共同制造神圣尺度；一丝无法被古代解释的宇宙文明痕迹，让画面在宁静之外留下想象空间。

目标气质：宏大、规整、灿烂、空灵、神圣、安详、宁静、含蓄的未来想象。

---

Variation Card 设计规则

第一步：选择路线家族

从以下8个路线家族中选择1个；若能看到上次对话结果，排除上次使用的家族：

1. 巨松观云神殿 2. 月门星台宫 3. 云瀑悬崖宫 4. 玉池镜天宫
2. 无限柱廊天宫 6. 云海花庭仙宫 7. 悬岛桥廊宫 8. 孤峰观星宫

第二步：为五张图分配构图语法（禁止重复）

从以下10种中选5种不同的：
深色矩形大殿向外框景、巨型圆形月门框景、斜向悬崖回廊、临崖开放露台、镜面玉池前后景、无限一点透视柱廊、古松横向切分画面、室内向外的低地平线揭示、高低台阶形成的垂直纵深、宫墙与云瀑形成的横向巨幕

第三步：分配主奇观（五张不重复，每张只选一个）

• 横跨大殿的千年古松
• 填满巨型月门的月亮或行星
• 从宫墙或悬崖倾泻的整面云瀑
• 云海中的孤峰与悬空宫阙
• 通向天际的白石天路或无限回廊
• 云海花庭、玉池倒影或层叠悬崖宫廊

第四步：分配科幻线索（不完全重复，≤2张使用醒目圆环）

优先使用：巨月外极淡同心轨道环、悬浮玉石与青铜浑天仪圆环、云层中一段无法解释的完美弧光、白玉地面若隐若现的星图纹路、玉池倒映出肉眼不可见的星轨、远峰上静止的古老天文环结构。每张最多一个，与本张唯一主奇观合并为同一视觉中心。

第五步：分配雅事（五镜至少四种不同，骑马≤1张）

雅事池：品茶、下棋、奏乐、出游、骑马（仅室外云路）、听雨、观海、读书、练字。

• 每镜唯一一种雅事；所需人物姿态与全部活动道具必须预写入首帧生图提示词
• 骑马仅用于室外云路或开放山道，不得奔腾
• 奏乐只使用一种主乐器（古琴、箫或琵琶之一）

第六步：去重检查表（生图前确认）

首帧	空间类型	前景框架	主奇观	微量科幻线索	雅事与已有道具	机位/构图	人物排列	风向	明暗结构
Shot 1
Shot 2
Shot 3
Shot 4
Shot 5

若两张在"空间类型＋前景框架＋主奇观"中有两项相同，重选其中一张。

---

三层空间公式

大多数 shot 采用三层结构：

层次	建议占比	作用
深色宫殿前景框架	25%–40%	屋檐、盘龙巨柱、斗拱、月门或栏杆形成厚重门槛
中景静观空间	20%–30%	镜面黑石、玉池、露台、矮桌、香炉与2–5名仙人
明亮仙境远景	35%–50%	只放一个主奇观：巨月、古松、云瀑、山峰或悬空宫阙

• 五张中至少三张使用室内、廊下或门槛向外观看的构图
• 至少一张使用临崖露台或开放观景台
• 最多一张使用外部远景或轻微高机位；禁止连续航拍
• 画面暗部约30%–45%，集中在屋檐、柱子和室内；远景保持银蓝、云白或淡金发光

---

固定视觉 DNA

建筑

• 使用超尺度中式极简风格：大面留白、光洁素石墙面、简练立柱、轻起翘的单层或双层屋檐；大幅减少斗拱密度与龙柱雕刻，以干净轮廓和比例感建立神圣尺度，避免满铺繁复浮雕与密集鎏金装饰
• 建筑与古松、山体、云海、瀑布直接融合；自然是空间结构的一部分，不是背景贴图
• 使用一根素柱、一道简门或一整片平缓深色屋檐建立近景重量；构件克制、留白充分
• 允许超现实尺度与悬空地形，但梁柱、屋檐、栏杆在单镜内必须结构稳定

灵动元素（可选，每镜最多一种）

为画面注入生命感，从以下元素中选择与本镜头空间相容的一种：

• 锦鲤：仅用于玉池或水面镜头；三至五尾，在浅水中缓游；锦红、银白配色，不跃出水面
• 飞鹤：适用于开阔远景或临崖露台；一至三只，翔姿舒展缓慢，白羽点缀云间；不聚集成群
• 鲲鹏：仅用于超尺度远景，作为极远处隐约轮廓，暗示神话体量，不喧宾夺主

规则：

• 灵动元素尺寸与人物同量级或更小，不遮挡本镜头唯一主奇观
• 首帧必须已能看出该元素；视频阶段只允许极轻微游动或翔飞，不做跳跃、俯冲或急速掠过
• 五镜中最多三镜出现灵动元素，保留至少两镜纯净

---

光线与颜色

• "暗宫明境"：深棕黑、暗朱红、青铜与旧金前景，对比银蓝、云白、淡金远景
• 侧后方晨光或暮光穿过雾气，勾亮屋檐、素柱、人物长袍和水汽边缘
• 色值参考：天青 #A9C7D6、云白 #E9E1D0、暖雾 #E8D3AE、暗朱红 #71382E、松墨 #202927、旧金 #9A744A
• 禁止均匀高亮、正午硬光、暴风云、血红天空、霓虹与末日气氛

材质与反射

• 深色漆木、做旧青铜、鎏金雕刻、深灰镜面石地、白玉栏杆、玉色池水、真实古松树皮、半透明水汽
• 镜面石地或玉池占画面下方约1/4–1/3，反射柱列、人物与天空；反射受控，不复制建筑，不生成第二组人物

微量科幻感

• 科幻感控制在画面信息量的约5%–15%，定义为"古代东方宇宙文明留下的不可解释痕迹"
• 科幻线索沿用白玉、旧金、青铜、银蓝、淡香槟金材质；不出现现代工业造型
• 禁止飞船、机器人、机甲、全息屏、HUD、数据流、蓝色LED灯带等现代科幻元素

人物

• 每张使用1–5名人物，高度约为画面高度的2%–6%；小而可读
• 使用背影、侧影、静坐、静立、远望或缓慢行走
• 服装：云白、浅青、灰蓝、淡紫或赭黄古装长袍，长下摆、宽袖、轻薄外层纱衣或细长披帛，轮廓修长
• 首帧必须已能看出云上长风：袍角、宽袖边缘与披帛被一股轻柔、稳定、同方向的高空风微微托起
• 同一镜头内人物衣料、薄雾、松针和香烟遵循一致风向
• 禁止正脸特写、英雄站姿、武器、法术、打斗、奔跑、暴风翻卷的夸张披风

---

首帧质量闸门清单

任一项失败，只修改文字重新纯文生图：

• [ ] 生图请求没有任何图片输入
• [ ] 生图模型明确为 GPT Image 2，无混用/降级/替换
• [ ] 第一感受是"置身仙宫观看仙境"，不是"航拍一座古城"
• [ ] 能清晰读出三层结构：前景宫殿框架、中景静观空间、远景唯一奇观
• [ ] 主奇观只有一个，并占据足够视觉注意力
• [ ] 科幻感约5%–15%，仅一个古代宇宙线索并与主奇观合并
• [ ] 人物高度约2%–6%，安静姿态，衣料有轻风托起感，风向一致
• [ ] 本镜雅事与场景相容，人物姿态与全部活动道具已出现在首帧
• [ ] 镜面/玉池反射受控，建筑结构稳定
• [ ] 16:9单幅，无拼贴、文字、Logo、水印

五图去重闸门

• [ ] 五张使用五种不同构图语法和五个不同主奇观
• [ ] 科幻线索不完全重复，醒目大圆环≤2张
• [ ] 严格正中对称≤2张；完整宫城外景≤1张；长桥中轴≤1张
• [ ] 至少四种不同雅事，骑马≤1张，无连续两镜重复同一活动

生图阶段：TextToImage

• 使用 TextToImage，模型锁定为 GPT Image 2（界面显示名 Image2）
• 五张首帧必须全部由 GPT Image 2 纯文本生成；生图请求不附加任何参考图、风格图、资产图或视频截图
• 若 GPT Image 2 不可用、模型无法确认或平台发生自动降级，立即停止生图并告知用户；不得以任何其他模型代替后继续执行
• 分辨率：16:9（1792×1024 或等比最近可用值）
• 五张分别独立生成，不得用第一张衍生其余四张

图生视频阶段：FirstFrameToVideo

• 使用 FirstFrameToVideo，将通过质检的首帧作为第一帧输入
• 每镜只输入该镜头通过质检的首帧，不混入其他镜头图片
• 运动强度设为低；优先高结构保持与首帧忠实度
• 时长建议：4–6秒/镜（根据模型支持范围选择最接近值）

执行规则

• 五张首帧全部通过质量闸门后，才能进入图生视频阶段
• 保存每镜的模型名、提示词、种子与生成参数，便于复现和排除重复组合
• 在输出执行说明中明确标注：Image model: GPT Image 2

生图提示词（TextToImage / GPT Image 2）

Style Lock（逐字固定，每条提示词中完整复制）

An immense mythically scaled Chinese minimalist celestial-palace sanctuary above a silent sea of clouds, structurally coherent but deliberately beyond real-world scale, clean spare unadorned architecture with gently curving eaves, slender plain columns, smooth pale stone and dark lacquered timber surfaces, wide open voids and deliberate emptiness as design language, minimal carving and restrained ornament, deep charcoal mirror-stone floors or pale-jade water, shaded palace foreground opening toward a luminous silver-blue and champagne-gold immortal landscape, strong dark-to-light threshold composition, soft volumetric mist, realistic controlled reflections, a very subtle ancient-cosmic science-fiction undertone expressed through only one unexplained astronomical trace made from jade, aged bronze or faint silver-gold light, as if an archaic Chinese celestial civilization understood impossible physics, never modern technology and never cyberpunk, tiny quiet immortals in long ancient Chinese robes with wide sleeves, layered gauze and narrow trailing sashes gently lifted toward the same side by a steady high-altitude breeze, bodies calm and still while only the fabric reveals the wind, occasionally one living creature adds quiet vitality: a small school of koi drifting in jade water, or one or two white cranes gliding in the distance, or the faint far silhouette of a mythic Kunpeng tracing the horizon — never more than one type per shot and never obscuring the main wonder, photoreal cinematic CG, deep atmospheric perspective, sacred tranquil stillness, quiet wonder and imaginative ambiguity, no narrative action.

提示词结构（按顺序完整编写）

1. 本镜头的三层空间：前景框架、中景静观区、远景唯一奇观
2. 完整 Style Lock（逐字复制，不省略）
3. Variation Card 中本镜头独有的构图、机位与人物排列
4. 与唯一主奇观合并的单一微量科幻线索（占画面信息量5%–15%）
5. 镜头焦段、暗部比例、反射区域和远景亮度
6. 结构稳定与单一主奇观约束
7. 本镜头唯一雅事、人物姿态与必须在首帧出现的活动道具
8. 人物、统一风向与被风轻托的衣袂形态（放在最后描述）
9. 16:9单幅、无拼贴、无文字
10. 负面提示词

焦段默认24–32mm，人眼高度或略低机位；优先水平稳定、深景深、清晰竖线；只有一张允许轻微高机位。

生图负面提示词（每条完整附加）

no image reference, no style reference, no dense dougong brackets, no dragon-wrapped columns, no excessive carved ornament, no heavy gold decoration, no ordinary historical palace, no generic Tang dynasty tourist site, no generic palace-city aerial view, no roof-city clutter, no miniature diorama, no uniformly bright high-key lighting, no flat daylight, no empty architecture without a vista, no multiple competing wonders, no foreground hero, no character close-up, no weapons, no magic attack, no battle, no quest, no crowds, no banquet, no stage performance, no dancing, no competition, no chase, no galloping horse, no oversized activity props, no western gothic architecture, no cyberpunk, no sci-fi city, no spaceship, no robot, no mech, no gun, no engine, no space station, no holographic screen, no HUD, no data stream, no chip, no cable, no industrial hatch, no blue LED strips, no excessive glowing rings, no neon, no plastic surfaces, no crooked columns, no warped roofs, no melting eaves, no broken railings, no impossible anatomy, no malformed horse, no duplicated people, no uncontrolled reflections, no stiff skin-tight robes, no motionless cardboard fabric, no violent wind, no storm gusts, no wildly flapping capes, no flying people, no inconsistent cloth direction, no fisheye, no collage, no storyboard grid, no readable text, no legible calligraphy, no subtitles, no logo, no watermark, no UI

---

视频提示词（FirstFrameToVideo）

图生视频提示词只描述运动与稳定性，不重新发明建筑、人物、光线、主奇观、雅事或活动道具。

提示词模板

Use the supplied generated keyframe as the exact visual source. Preserve the complete architecture, portal geometry, column spacing, ornament, mirror floor or pool, dominant vista, subtle ancient astronomical trace, sunlight direction, atmosphere, costumes, visible human count, existing activity and every activity prop exactly as shown. [One very slow camera move over the exact duration, creating gentle parallax only in the foreground architecture or pine branches.] Preserve and animate the existing scene activity only: [one restrained activity micro-action selected from the activity table, involving only the people and props already visible in the keyframe]. A soft steady high-altitude breeze moves in one consistent direction through the scene: robe hems, wide sleeves, thin gauze layers and narrow trailing sashes rise slightly and undulate in slow low-amplitude waves; mist, pine needles and incense smoke follow the same wind direction. Keep all other bodies, feet and positions almost perfectly still. If present, animate the single ancient-cosmic trace with only [one nearly imperceptible slow rotation, faint pulse or orbiting glint]. Animate only [one or two additional subtle environmental motions]. Keep all palace structures perfectly rigid and the distant wonder stable. No new objects, no new people, no new props, no switching activities, no exaggerated character performance, no energy burst, no interface animation, no morphing, no cuts, no lighting change. Stop the camera before the final second and hold the composition still.

运镜选项（每镜选一种）

极慢横移、极慢前推、极慢后拉、小幅升起、固定镜头。
避免：航拍俯冲、大幅环绕、快速穿越。

微动态选项（每镜1–3个）

云层缓移、薄雾穿柱、瀑布稳定下落、松针轻摆、池面微波、香烟缓升。
若画面有人物，必须加入衣袂动态（同方向低频率缓慢起伏）。

雅事微动作表

雅事	允许的微动作	必须保持稳定
品茶	一人缓慢抬杯少许、茶烟轻升	茶具数量、人物座位与桌案
下棋	一只手缓慢落下一枚棋子	棋盘、既有棋子与两人座位
奏乐	指尖极轻拨弦或持箫者微调呼吸	乐器形状、人物身体与人数
出游	人物缓慢前行一至两小步	路径、队形、人物间距
骑马	马匹安静慢走一至两步，鬃尾轻动	骑手、马匹数量与鞍具
听雨	远处细雨与檐滴连续，人物静听	雨势、人物姿势与天气连续性
观海	极轻转头或重心变化，衣袂持续起伏	人物位置与栏杆关系
读书	指尖扶卷、书页边缘轻动一次	书卷形态、人物姿势
练字	毛笔缓慢完成一小笔	桌案与文房位置；纸面无可读文字

若首帧缺少对应人物姿态或道具，禁止在视频提示词中使用该雅事；返回首帧生图阶段重做。

视频负面提示词

no architecture morphing, no melting eaves, no bending columns, no changing portal shape, no changing roof count, no moving stairs, no new buildings, no disappearing structures, no new people, no duplicate people, no new activity, no new prop, no changing tableware, no changing chessboard, no changing instrument, no changing book, no changing horse count, no horse gallop, no malformed horse, no readable writing, no character close-up, no hero action, no exaggerated performance, no magic effects, no energy beam, no energy explosion, no holographic interface, no rapidly spinning rings, no body swaying, no foot sliding, no costume change, no cloth-body fusion, no violent wind, no storm gusts, no rapid cloth flapping, no hair whipping, no flying people, no conflicting wind directions, no rapid motion, no sudden zoom, no handheld shake, no camera roll, no orbit, no aerial dive, no timelapse, no scene cuts, no lighting change, no weather change, no excessive particles, no text, no logo, no watermark

剪辑规则

• 按 Storyboard 镜头顺序（Shot 1 → Shot 5）依次排列，不重排
• 每镜最后1秒已保持稳定停留，便于衔接；转场使用极短淡入淡出（0.3–0.5秒）或直切，不使用花哨特效转场
• 整体节奏维持缓慢、空灵、礼制感；不加快速剪辑或节拍卡点
• 背景音乐（如有）音量适中，不遮盖画面宁静气质；若无音轨，保持无声或极低环境音
• 导出前确认：16:9画幅、无黑边、无文字叠加、无水印