One-shot evolution of objects この Skill を使う 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。
适用于以“一镜到底”方式呈现某一主题演化变迁的视频,适合科普类视频;用 Seedance 2.5 生成单段长视频,通过主体与背景的渐进蜕变营造连续时空穿越感。无上传图片时走 TextToVideo,有图片时走 MultiModalToVideo 全能参考。
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 全体をコピー 1. 制作計画 この段落をコピー
Agent 灵活性原则
Agent 在流程的任何阶段,都可以根据当前上下文主动向用户提问 ,让用户参与创意决策。典型场景包括但不限于:
开场方式 :根据主题推断出合适的蓄力形式后,主动向用户提议并询问偏好,而非默默自行决定。
是否有参考图片 :在锁定主题阶段就主动询问用户是否有参考图片可上传,以便尽早确定走路径 A(TextToVideo)还是路径 B(MultiModalToVideo)。
演化链细节 :路径 A 中与用户逐一确认每个物件演变形态时,可以主动给出建议方案让用户选择或调整,而非被动等待用户输入。
所有提问均可通过卡片或自然语言形式呈现;用户也可随时自由补充要求,Agent 根据反馈调整后继续。
流程阶段与依赖关系
锁定全局参数 — 首先主动询问用户是否有参考图片可上传(决定走路径 A(TextToVideo)还是路径 B(MultiModalToVideo));再通过卡片让用户选择画面比例(16:9 横屏 / 9:16 竖屏),确认演化主题(主体变化链、演化跨度);演化方向不限于从古至今,可以是技术迭代、形态变异、环境变迁、幻想演化等任意有逻辑关联的变迁链;同时确认文化范围 :若主题存在明显的地域或文明分支(如武器、服装、建筑等历史类主题),须让用户选择(A)单一文明纵向演化,或(B)跨文明通用演化——仅选取各时代中东西方共有或普遍认知的形态,不在同一链中混用仅属于某一文明的特有器物;将确认后的文化范围写入 Final_Video_Spec.md 的 cultural_scope 字段,后续 beat 设计须严格遵守;视觉风格固定为电影级写实风格,无需让用户选择 ——visual_style 字段直接写入“cinematic photorealistic”,后续所有生成环节严格遵守;主动询问用户偏好的开场蓄力方式 :Agent 根据主题推断出最合适的蓄力形式(优先人物蓄力,退路为主体自身蓄势),以卡片形式向用户提议并让用户确认或调整;根据演化链的辨识度需求、复杂度与目标速度感建议 4–30 秒的整数时长。若用户将高速冲刺感作为核心体验,优先选择可完整承载关键节点的紧凑时长,不为逐一展示节点而拉长时长或均分段落;若确需超过 30 秒,必须在确认时长阶段明确告知用户:超出单次生成上限的部分将通过视频延长(续拍)分段生成后拼接完成 ,并在确认后写入 Final_Video_Spec.md (字段:title、theme、evolution_chain、aspect_ratio、target_duration、visual_style、language)→ text_editor 。
设计 Storyboard — 根据 Final_Video_Spec 设计一镜到底的演化时间轴:开篇为主题匹配的蓄力→释放动作(释放瞬间以短暂慢动作特写呈现,优先人物蓄力,主题无合理人物场景时改用主体自身蓄势——若用户已在步骤 1 中指定了开场方式则按用户选择执行),演化在主体飞行过程中发生,速度随演化推进持续加快,将演化节拍(beat)拆解为若干关键变换节点,写入单个 shot 的描述中,同时规划背景音乐音频层 → storyboard_designer 。演化合理性审查 :在设计每个 beat 前,必须确认该物件的演变方式是否合理——不违背历史发展规律或事物内在逻辑;相邻 beat 之间的主体尺寸变化须自然渐进,不得出现突然变大再突然变小的跳跃;背景变化须渐进过渡,不做大跳变以保持视觉连贯;若有不合理之处,先调整 beat 设计再继续。
素材路径分支 :
路径 A(用户未上传图片) :以对话形式与用户逐一确认每个物件演变成什么形态(Agent 主动给出建议方案供用户选择或调整);确认演化链合理后,将完整演化链按镜头形式详细整理——逐 beat 列出主体形态、过渡形变方式、背景变化、镜头景别与运动方向 ,以卡片形式呈现给用户确认;必须等用户确认后才能进入步骤 4 ,使用 TextToVideo 生成视频——跳过元素参考图生成 。
路径 B(用户上传了图片) :通过 resource_prepare_and_analyze 分析上传素材(运动规范审查等),必要时用 media_generator 制作运动规范参考图,注册 asset_id 并绑定到 Storyboard 对应锚点;生成完毕后暂停,让用户预览确认视觉方向后再继续。
生成视频 — 前置条件 :路径 B 中所有元素图必须已生成完毕、通过用户确认且已成功绑定到 Storyboard 对应的 key_element 锚点(可通过 query_assets_info 验证);路径 A 须已完成步骤 3 中按镜头形式整理的演化链确认。确认就绪后:
路径 A :使用 TextToVideo ,模型 Seedance 2.5 ,分辨率 720p ,以完整提示词描述演化链直接生成视频。
路径 B :使用 MultiModalToVideo (全能参考),模型 Seedance 2.5 ,分辨率 720p ,以已上传/生成的参考图作为 image_infos 输入。
目标时长以 Final_Video_Spec 中 target_duration 为准,以完整呈现演化链为第一优先级 → media_generator 。
若生成结果时长不足目标时长,或演化内容在视频末尾尚未完整收尾,则续拍 (extend_video_resource_id):每次续拍 4–30 秒,续拍提示词从上一段末尾的演化状态继续描述。续拍后的确认流程按下方"暂停与确认节点"执行,循环续拍直至用户满意且总时长达标。
生成背景音乐 — 根据演化主题和情绪弧线生成配乐,时长与成片视频匹配 → media_generator 。
合成输出 — 将视频段(如有续拍则拼接)与背景音乐合层,输出成片 → video_assembler 。
暂停与确认节点(所有确认均通过卡片推进,禁止让用户手动打字确认)
步骤 1 完成后:以卡片展示演化主题摘要、建议时长与推荐的开场蓄力方式,选项包括"确认,继续设计分镜"和"调整主题/时长/开场方式"。
步骤 2 完成后:以卡片展示演化节拍列表,选项包括"确认节拍,继续下一步"和"调整节拍设计"。
步骤 3(路径 A)完成后:以卡片展示按镜头形式整理的完整演化链(逐 beat 的主体形态、过渡形变方式、背景变化、镜头景别与运动方向),选项包括"确认演化链,开始生成视频"和"调整某个 beat 后继续"。
步骤 3(路径 B)完成后:以卡片展示所有元素参考图预览,选项包括"确认视觉方向,开始生成视频"和"重新生成某张元素图"。
步骤 4 初次生成结果产出后:以卡片让用户选择,选项包括"满意,继续生成背景音乐"、"续拍补足演化内容"和"重新生成视频"。
步骤 4 每次续拍完成后:以卡片展示续拍结果与当前累计总时长,告知演化内容是否已完整收尾,选项包括"满意,继续生成背景音乐"、"继续续拍补足"和"重新生成续拍段";循环此确认点直至用户满意且总时长达标,再进入背景音乐生成。
全部媒体就绪后:以卡片告知即将合成,选项包括"确认,开始合成输出"和"调整某段媒体后再合成"。
2. マルチモーダル分析 この段落をコピー
用户上传参考素材的处理原则
若用户上传风格参考图(特定时代画面、艺术风格),提取:色调、光影风格、材质质感、画面构图特征,作为后续视频生成的视觉风格锚点。
若用户上传主体参考图(特定物体、角色造型),提取:外形轮廓、颜色、纹理、辨识度特征,确保生成时主体在变换起点与终点的视觉一致性。
分析结果输出为结构化文本描述,供 storyboard_designer 设计演化节拍和 media_generator 在生成时作为参考依据。
主体参考图的运动规范适配性审查
收到用户上传的主体参考图后,必须逐一检查以下维度,并在分析结果中明确标注每一项是否合格:
主体完整性 :主体是否完整入镜,有无被边框裁切或被其他物体遮挡关键部位。
前端/头部朝向 :主体的前端(头部、尖端、车头、枪口等运动方向端)是否朝右(即适配从左向右的飞行轨迹);若朝左或朝向正面/背面,标记为方向不合格。对于没有明确"前端/头部"的主体(如衣物、布料、有机体) ,跳过此项方向检查,改为审查其展示姿态是否自然、能否合理支撑从左向右的飞行轨迹。
拍摄角度 :是否为严格侧视角(side view);若为正面、背面、斜俯视或透视角度过大,标记为角度不合格。
背景复杂度 :背景是否为纯白或中性背景;若含复杂场景、纹理或其他物体,标记为背景不合格。
同组一致性 :若用户上传多张参考图,检查各图的构图方式、主体比例、拍摄距离是否基本一致;若差异明显,标记为构图不一致。
审查结论与处理建议 :将以上五项的检查结论汇总后输出,并给出明确的后续处理建议:
若所有项均合格:可直接用于 media_generator 的生成参考,无需额外处理。
若存在任何不合格项:建议通过 media_generator 使用 ImageToImage 制作"运动规范参考图"(见 Media Generator 对应规则),并在说明中列出需要修正的具体问题。
若图中存在无法从图像准确推断的品牌细节、角色服装或独特结构 (如特定型号的徽标、角色的背面配件等),在建议中注明,并询问用户是否允许 AI 合理补全,或请用户提供更完整的图片,再继续生成规范图。
3. 絵コンテ設計 この段落をコピー
4. 素材生成 この段落をコピー
关键元素图片生成(仅路径 B:用户已上传图片时)
路径 A(用户未上传图片)跳过此步骤 ,直接使用 TextToVideo 生成视频,不生成元素参考图。
路径 B(用户已上传图片) :为演化链中的核心主体形态(起点、中间关键变换节点、终点,通常 3–5 张)各生成一张独立参考图,使用 TextToImage ,模型:GPT Image 2 ,分辨率:2K 。
所有元素图必须满足运动规范 :纯白背景(pure white background) ,写实摄影风格(photorealistic) ,主体完整入镜、居于画面中央,四周留有安全边距;主体前端(头部/尖端/车头等)朝右,尾部朝左,严格侧视角(side view) ,水平放置,不得使用正面视角或透视角度过大的构图;对于没有明确"前端/头部"的主体(如衣物、布料、有机体) ,以最贴近真实生活的自然展示状态呈现——选择该物体在日常中最合理的视角与朝向,只要能支撑从左向右的飞行轨迹即可,不强求严格的"头部朝右"。
按演化顺序编号(elem_01、elem_02……),注册 asset_id 并绑定到 Storyboard 对应锚点;绑定验证通过后暂停,等待用户确认视觉方向。
跨图色彩一致性 :同一演化链的所有元素图必须保持统一的照明色温、背景白度和整体色调基准 ;若不同节点主体本身颜色相差较大(如铜色→银色→黑色),需在提示词中统一光照参数(色温、光源方向、环境色),避免图与图之间因白平衡或环境光差异导致整体色调跳变——颜色渐变应由主体材质自然决定,而非由拍摄条件差异引入。
用户上传主体图的运动规范处理(ImageToImage)
当 resource_prepare_and_analyze 的审查结论中存在任何不合格项(主体被裁切、方向朝左、非侧视角、背景复杂、多图构图不一致)时,不得直接将原图传入 Seedance 2.5 ,必须先制作"运动规范参考图":
使用 ImageToImage ,以原图为参考,生成满足上方"关键元素图片生成"中全部运动规范要求的规范图(纯白背景、严格侧视角、前端朝右、水平居中、安全边距),并保留原图核心识别特征 :造型、颜色、材质、品牌细节等尽可能与原图一致。
若原图存在无法准确推断的品牌结构、角色服装或独特细节 (如徽标、背面配件等),生成前先询问用户是否允许 AI 合理补全,或请用户补充更完整的图片,获得许可后再继续。
规范图生成后暂停,让用户确认 规范图的主体识别度与方向是否符合预期,确认后再将其用于后续视频生成。
规范图确认后注册 asset_id,绑定到对应演化节点锚点,替代原始上传图作为视频生成的参考输入。
视频生成策略
路径 A(无图片,TextToVideo) :使用 TextToVideo ,模型:Seedance 2.5 ,分辨率:720p ,以完整提示词描述演化链直接生成视频。
路径 B(有图片,MultiModalToVideo) :使用 MultiModalToVideo ,模型:Seedance 2.5 ,分辨率:720p ,以已上传/生成的参考图作为 image_infos 输入。
目标时长:以 Final_Video_Spec 中 target_duration 为准,以完整呈现演化链为第一优先级——时长由演化链复杂度决定,应为 4–30 秒之间的整数 (Seedance 2.5 单次生成上限为 30 秒)。根据演化链实际需要的节奏选择具体数值,而非默认取 30 秒上限;短链可用 15–25 秒,中等链可用 20–30 秒。若演化链较长、单次 30 秒无法完整覆盖,使用续拍补足。
元素图作为有序参考(路径 B) :将已生成的元素参考图按演化顺序传入 image_infos,并在提示词中通过 <<<image_1>>> … <<<image_N>>> 占位符对应每张图,明确说明其代表的演化节点(如"起点形态 <<<image_1>>>,中间变换形态 <<<image_2>>>,终点形态 <<<image_N>>>")。
续拍策略 :若首次生成结果未完整收尾,使用 extend_video_resource_id 续拍(每次 4–30 秒,续拍提示词从上一段末尾演化状态继续描述,分辨率与源视频一致)。触发条件与用户确认流程见 <planner> 步骤 4。
若用户上传了风格参考图或主体参考图,将其与元素图序列一并放入 image_infos,并在提示词中说明各自参考用途;Seedance 2.5 最多支持 30 张图片参考。
色彩与风格一致性(两条路径通用) :无论使用 TextToVideo 还是 MultiModalToVideo,全片须保持统一的色彩基调、光照风格和写实摄影质感——主体颜色的渐变应由材质本身决定(铜色→铁色→钢色),而非由光照或白平衡差异引入色调跳变;在提示词中写入统一的光照参数(色温、光源方向)以锚定全片视觉一致性。
背景音乐生成
使用 text_to_instrumental ,模型:Mureka 8 (备选:Suno 5 ,注意避免使用知名音乐人名称)。
提示词描述情绪弧线与风格:厚重原始开篇 → 紧张递进中段 → 震撼宏大收尾;时长与成片视频匹配。
Asset Binding Contract
遵循当前 manage_item_assets 合约,使用 Storyboard 中的实际目标 ID,不在 Skill 中另设 ID 模板。
绑定位置规则(防止绑错锚点):
演化节点元素图 (TextToImage 或 ImageToImage 生成的主体参考图)必须绑定到 Storyboard 中对应的 key_element 锚点 ,不得绑定到 shot 锚点;
shot 级别的视频资产 才绑定到对应的 shot 锚点;
背景音乐 绑定到对应的 audio_layer 锚点;
绑定前先通过 query_assets_info 确认目标锚点类型,确保类型与绑定目标一致,不以资产媒体类型或文件名推断绑定位置,以 Storyboard 实际结构和计划用途为准。
若用户上传了参考素材,生成开始前先调用 query_assets_info 确认绑定状态;如绑定缺失,调用 manage_item_assets 补全完整绑定数组,再重新查询验证。
一个资产如有多种用途,保留 asset_bindings 数组中的所有适用条目。
5. プロンプト作成 この段落をコピー
最高优先级:提示词语言跟随交互语言
所有面向模型的提示词正文、固定质量语块、镜头与速度约束、音效标注及示例语句,必须完整使用用户当前的交互语言,不得默认混入另一种自然语言。用户以中文交互时,提示词必须全中文;用户改用其他语言时,提示词同步切换为对应语言。
仅保留必要的模型占位符(如 <<<image_1>>>)和系统约定标记。可见文字或台词的内容语言仍遵循 Final_Video_Spec 中的 language 字段。
关键元素图片提示词
用交互语言明确写出纯白背景、写实摄影风格、主体形态、物理材质、光影与清晰对焦;避免插画、卡通、概念艺术等风格词。
需要方向锁定时,用交互语言明确主体为严格侧视、前端向右、从左向右;排除正面、背面、朝左和大透视。对衣物、布料等无明确前端的柔软主体,使用最自然的真实展示姿态,不强加方向。
聚焦主体的静止展示状态,不描述场景或过渡过程;主体水平居中,四周保留安全边距。运动规范图沿用同一原则,并明确保留 <<<image_1>>> 中主体的形状、颜色、纹理与关键识别细节。
各元素图使用同一照明色温和方向的中文描述,避免节点之间因光源差异出现色调跳变;主体自身颜色变化只由材质描述决定。
视频提示词结构(MultiModalToVideo / Seedance 2.5)
一镜到底演化视频的提示词按演化时间轴线性展开,全片运动方向固定为从左向右,并依次包含:
电影级写实质量语块 :开头先用交互语言写明电影级写实摄影、自然体积光、符合物理的明暗关系、柔和景深、轻微镜头像差与胶片颗粒、自然色彩、真实皮肤与物理材质渲染。每个节拍都点明光源方向、强度和主体的具体物理材质,避免笼统的“高级感”或“金属质感”。
固定开场 :优先让符合主题的施力者完整执行准备、蓄力、释放;人物外貌、衣着、动作与朝右的施力方向都要具体。只有主题不存在合理人物场景时,才写主体自身蓄势至临界点后释放。释放临界瞬间可使用极短慢动作特写;主体脱离施力者后必须立刻以高速进入右向飞行,后续持续加速。
镜头总定调 :明确侧向跟拍、主体从左向右、连续单调加速、景别拉近拉远、背景与近景从右向左掠过形成并逐渐强化的横向视差和运动模糊,以及背景随时代渐进演化。
演化节拍序列 :按 Storyboard 顺序写出主体形态、前端朝右、光源和背景变化;如使用元素参考图,用 <<<image_X>>> 关联。节拍只表达先后顺序和视觉重点,不写固定秒数或平均分段。每次形变只保留一至两个最具辨识度的结构动作,并写为全速飞行中的连续爆发:新形态在更高速度中直接承接前一形态。
音效标注 :关键变换节点用 <音效描述> 标记;台词或旁白用 {台词文本} 标记。背景音乐由独立音频层承载,不写入视频提示词。
收尾三拍 :终态先完成一个符合主题的功能动作,同时持续加速并短暂拉宽景别;随后摄影机在主体高速右飞中快速推近最有质感的局部;最后沿同一水平中轴急剧加速,以强运动模糊和光迹飞出右侧画面。不得写撞击或爆炸。
核心写法原则
自然真实优先 :所有提示词都用交互语言明确自然、真实、电影摄影、真实皮肤纹理和物理材质渲染;除非用户要求风格化,不加入卡通、插画、贴纸或扁平化表达。
材质必须物理化 :描述可感知的表面属性,例如微粒磨砂、金属拉丝、玻璃反射,而不是空泛的材质标签。
紧凑时长服务于冲刺感 :当高速是核心体验,优先用能完整表达关键演化链的紧凑时长;不要为了让每个阶段被完整观看而延长成片、均分时长或写入固定时间切片。
正向的运动基线 :开场释放后,直接确立“主体始终全速飞驰、速度持续攀升、形变在冲刺中瞬间爆发、后段速度更快”的总体运动体验。用背景横向掠过、近景视差、连续拖影与光迹逐步升级来使速度可见。
浓缩形变而非装配展示 :相邻形态之间只挑选一至两个可识别的结构或材质转化,写成旧形态在高速运动中自然延展、收束、展开或重构为新形态;用“成型后直接带着更高速度飞出”连接每次演化。
保持清晰的连续因果 :背景在主体形变触发时同步渐变,前一时代的空间与材质痕迹平滑迁移到下一时代;主体尺寸、画面占比和镜头运动连续递进,让速度和演化共同构成单一时空流。
精炼且不遗漏核心 :在 Seedance 2.5 的提示词字符限制内,优先保留最具辨识度的形变机制、速度递进、光源与时代环境;标准约束语也必须随当前交互语言本地化。
标准约束语也必须本地化 :如字幕后期处理、无音乐、单一连续镜头、开场释放瞬间短慢动作及全片正常速度播放等约束,均使用当前交互语言写入,不能以英文固定短语替代。
6. 動画編集 この段落をコピー
合成策略
若视频由主段 + 续拍段组成,按时间顺序拼接,接缝处不加转场效果(续拍本身保证画面连贯);整体播放速度保持原速。
背景音乐音轨与视频全程对齐,末尾淡出(fade-out 最后 2–3 秒)。
如视频内嵌了同步音效(Seedance 2.5 生成时附带),保留原始音效轨,与背景音乐叠加时音效轨音量适当高于背景音乐(音效清晰可辨)。
导出时保持生成分辨率(720p),纵横比与 Final_Video_Spec 一致。