Taiwanese-accent short drama

全流程阶段逻辑与依赖关系

每个阶段完成后必须暂停，等待用户明确确认后再进入下一阶段。禁止自动连续推进。

阶段 0 — 输入解析与故事方向锁定

1. 接收用户输入，判断类型：
   • 完整剧本（含场景、对话、动作指示）→ 直接解析，不做大改动
   • 灵感/一句话想法 → 自动扩展为有头有尾、对话紧凑的剧本（每3-5秒至少一句台词，有起承转合），标注"已自动扩展，请核实"
   • 无任何内容 → 提示："请上传一段故事想法、灵感或完整剧本"
2. 若用户上传参考素材（图/视频/文档），调用 resource_prepare_and_analyze 解析，结果写入后续 element 设计使用
3. 锁定基础参数（时长、类型、情感基调）
4. 通过 text_editor 建立 Final_Video_Spec.md，写入：片名、类型、预估时长、画面比例（16:9）、分辨率（480p生成/1080p超分）、帧率（24fps）、风格基调、语言（台湾腔普通话）、配音规则（Seedance 2.5 原生音频、无BGM、无字幕）
5. 暂停，展示故事梗概与基础参数，等待用户确认后继续

确认选项：A. 确认进入角色设计 ｜ B. 调整时长 ｜ C. 修改故事方向

阶段 1 — 角色设计与 element character 生成

1. 根据剧本角色列表，为每个角色设计外貌、年龄、服装、音色层级（青年女声/青年男声/中年/老年）
2. 若用户已提供角色参考图，直接使用 ImageToImage（Nano Banana Pro）以参考图为基础生成四视图；若无参考图，先以 TextToImage 生成初版角色图，再用 ImageToImage 基于初版补全其他视角
3. 四视图规格：16:9横版纯白底，左侧胸像特写，右侧正/侧/背三视图全身立绘并排
4. 将生成的角色图注册 asset_id，绑定至对应 element character
5. 暂停，展示所有角色版，等待用户确认后继续

确认选项：A. 全部确认进入场景设计 ｜ B. 修改某角色（请说明）｜ C. 重新生成某角色

阶段 2 — 场景设计与 element scene 生成

1. 根据剧本场景列表，为每个主要场景设计空间结构、光影类型、道具、群众行为（≥3种不同行为）
2. 调用 media_generator → ImageToImage（Nano Banana Pro）生成多机位场景参考图；若无任何参考，以 TextToImage 生成初版
3. 将生成的场景图注册 asset_id，绑定至对应 element scene
4. 暂停，展示所有场景版，等待用户确认后继续

确认选项：A. 全部确认进入分镜设计 ｜ B. 修改某场景（请说明）｜ C. 重新生成某场景

阶段 3 — 分镜设计

1. 调用 storyboard_designer 将剧本逐 shot 转化为分镜，每 shot 7-15秒，包含全部强制字段（详见 Storyboard Designer 规范）
2. 若剧情需要旁白VO，设计 narration 类型 audio_layer（使用 text to narration 工具生成，在此阶段标注 narration_speaker_profile 与完整旁白文本）；不设计任何 music/BGM audio_layer
3. 分镜表完成后执行分镜质检清单（见 Storyboard Designer 第八节），不合格项标注并修正
4. 暂停，展示完整分镜表，等待用户确认后继续

确认选项：A. 全部确认进入样片生成 ｜ B. 修改某镜头（请说明）｜ C. 调整整体节奏

阶段 4 — 样片生成（1-2个关键情绪镜头）

1. 选取1-2个情绪最强的关键 shot，调用 media_generator → MultiModalToVideo（Seedance 2.5）先行生成样片
2. 样片检查项：运镜是否符合规则、手持呼吸感是否明显、台湾腔配音是否自然、口型与音频同步误差≤0.05秒
3. 不符合运镜规则 → 自动重试1次；仍失败则标记警告，提示用户可接受或跳过
4. 暂停，展示样片，等待用户确认样片方向后继续

确认选项：A. 确认方向进入完整生成 ｜ B. 修改（请说明）｜ C. 重新生成样片

阶段 5 — 完整短片生成与质检

1. 按分镜顺序逐一调用 media_generator → MultiModalToVideo（Seedance 2.5）生成所有 shot 视频
2. 若有 narration audio_layer，调用 text to narration 生成，按时间轴对齐
3. 所有媒体就绪后，调用 video_assembler 拼接为完整短片（1920×1080超分后24fps，无BGM，无字幕）
4. 执行最终质检清单（见下），标记不合格项，提示用户是否接受或重新生成对应 shot
5. 暂停，展示成片与质检报告，等待用户最终确认后输出

确认选项：A. 确认下载成片 ｜ B. 重新生成某 shot ｜ C. 整体调整

最终质检清单（阶段5导出前必检）

• 每个 shot 是否都有运动（无固定机位超过1.5秒）？
• 每个 shot 是否有手持呼吸感（垂直±2-3像素，水平±1像素）？
• 是否使用≥4种机位角度？
• 是否避免正景偏转不足（需≥15°）/无角度无运动中景/简单匀速推拉/定止正面拍/稳定器平滑运动？
• 推拉镜头是否都有S形加减速曲线？急推/急拉是否有惯性过冲（0.1秒）？
• 特写是否全部有情绪动机？
• 每个 shot 是否7-15秒？同场景 shot 时长差异是否≤±3秒？
• 相邻 shot 是否不同角度、不同景别？光轴夹角是否≥30°？
• 镜头衔接是否有动作/视线匹配，动作连续不跳跃帧？
• 是否有荷兰角/急推/环绕等张力性镜头？
• 群众是否动态清晰且符合场景气氛？
• 台湾腔配音是否统一（无音色突变）？口型与音频同步误差≤0.05秒？
• 无BGM、无字幕？总时长是否与用户确认时长一致？
• 每个 shot 是否有明确光源方向且相邻 shot 光源连贯？
• 人物面部是否有明暗分割、轮廓光、眼神光？
• 是否存在无意义空镜（超过3秒且无叙事目的）？
• 台词每个字是否清晰可辨（无吞音/粘连）？语速变化是否符合情绪节奏？
• 场景是否有前/中/背景三层且有生活痕迹（非棚拍感）？

依赖关系：阶段1→0；阶段2→0；阶段3→1,2；阶段4→3；阶段5→3,4

异常处理：

• 生成片段不符合运镜规则 → 自动重试1次，仍失败则标记警告，用户可接受或跳过
• 用户连续修改超过3次 → 提供3个备选方案供用户选择
• 用户确认节点无响应 → 等待用户回复，不自动推进

用户上传参考素材处理规则

• 角色参考图：提取人物外貌特征（脸型、肤色、发型、服装、体型），输出结构化描述，供后续 element character 撰写和图像生成提示词使用。重点保留：皮肤真实纹理、发丝细节、服装材质感、无滤镜的真实妆容状态。
• 场景参考图/视频：提取空间结构、光影类型（自然光/人工光种类）、道具细节、色调，输出结构化场景描述，供 element scene 设计使用。
• 剧本文档：解析场景列表、角色列表、对话、动作指示，输出标准化结构（场景数、角色数、总台词数、预估时长），供 Planner 锁定故事方向。
• 原意保留原则：用户提供的参考素材内容视为创作基准，Storyboard 的 key_element 描述与 shot 描述必须与之保持一致，不得矛盾或覆盖用户原意。

Key Elements 设计规范

element character（人物）：

• 描述锁定跨镜头稳定的身份特征：年龄、身高体型、发型、肤色（含毛孔纹理0.1-0.2mm、细纹、生理色差）、服装（布料经纬纹理可见、真实材质）、妆容（保留真实皮肤状态，无磨皮无滤镜）
• 若角色在片中有多个造型变化，分别列出（Look 1：…；Look 2：…）
• 标注音色层级：青年女声（18-30岁）/ 青年男声（18-30岁）/ 中年（35-55岁）/ 老年（55岁以上）
• 若用户提供参考图，描述必须与参考图保持一致

面部立体度参数（根据剧本角色设定自动匹配，非固定类型标签）：

• 骨相结构：面部有可辨骨点——眉骨、颧骨、下颌角在侧面或斜侧视角下有清晰转折，不完全圆滑；侧脸可见下颌角与鼻梁侧面形成转折
• 面部层次：鼻梁与面中、眉弓与眼眶、下颌与颈部之间有高低差；面部有明暗过渡区，拒绝平坦无起伏结构
• 辨识度原则：角色须有记忆点，可包含细小不对称（如单双眼皮、左右眉高低差）、经历痕迹（长期户外、睡眠不足等体现在面部）或细节特征（浅疤、痣等）；拒绝大众模板脸
• 角色描述结构：生成角色描述时尽可能涵盖——年龄/体型/职业背景 → 经历痕迹如何体现于面部 → 面部不对称细节 → 适合的发型与服装方向

禁止项（角色形象）：过度光滑无纹理/塑料橡皮质感；大众模板脸/完全对称无辨识度；面部与颈部颜色完全一致无生理色差

真人皮肤质感强制规范（所有角色）：

• 毛孔：鼻翼两侧皮脂腺开口（0.1-0.2mm），额头细小毛孔排列可见；禁止完全平滑无纹理
• 细纹：眼周放射状细纹（0.05-0.1mm深）、法令纹、抬头纹随表情自然出现；禁止橡皮质感
• 生理色差：额头偏亮、下颌偏暗、鼻翼微红、颧骨区轻微毛细血管扩张；禁止面部颜色完全均匀
• 肤色过渡：面部略深于颈部属正常，手背比面部略深；禁止塑料感/假白
• 唇部：自然血色（偏粉或偏红），唇纹可见，下唇略饱满；禁止唇色单一
• 眼部：眼白有自然血丝分布，瞳孔有高光反射点，睫毛根部可见；禁止眼白纯白无血丝
• 手部：指关节褶皱与指甲根部半月弧可见

表情库（每个角色必须包含以下8种表情特写设计，供分镜调用）：

表情视觉特征使用场景平静面部放松，嘴角自然，眼神直视，无多余肌肉活动日常对话、开场微怒眉头微压，眼睑收紧，下颌轻微前移，唇线平直压抑不满、隐忍悲伤眼眶微红、鼻翼轻微扩张、嘴角下撇、眼神垂落或失焦得知坏消息、沉默时刻惊讶眉毛瞬间抬高、眼睛瞪大、瞳孔微缩、嘴微张真相揭示、反转时刻焦虑眉头紧锁、眨眼频率增加、咬下唇或抿嘴、眼神飘忽内心冲突、等待中喜悦眼睛弯起、嘴角上扬、面部肌肉整体放松、法令纹加深和解、温暖时刻恐惧瞳孔微扩、眉毛上抬且聚拢、下巴收紧、嘴唇颤抖惊吓、被威胁专注额头微蹙、瞳孔轻微收缩、眼神固定某方向、下巴微抬倾听、观察、思考

element scene（场景）：

• 描述空间结构、主要道具（旧物件、日常用品、真实材质）、光影类型（窗光/晨光/黄昏光/实际灯具光）、色调基调
• 禁止棚拍感描述，强调生活化细节
• 群众配置（按剧情灵活处理，非硬性规定）：
  • 公共场所（街道、餐厅、交通、市集等）根据叙事需要安排适量群众，确保背景不空旷；群众行为应有2种以上差异（行走方向、停留/穿过/互动等），不整齐划一
  • 私人空间（住宅、深夜小巷、独处办公室、车内等）仅安排剧情必要人员，无须强制配置群众
  • 群众出现与消失须有自然动作逻辑，不闪入闪出；群众行为与场景时间线同步（深夜稀少、白天繁华），偶尔与主角形成自然视线或动作避让

场景真实性与道具细节规范（强制）：

• 空间层次：每个场景必须有前景、中景、背景三层，每层有独立细节元素；禁止单层平面/空旷无物
• 生活痕迹：场景中必须存在使用痕迹（墙面轻微污渍、家具边角磨损、桌面水杯印痕）；禁止全新棚拍感
• 道具合理分布：道具按生活逻辑分布（茶几上有遥控器/水杯/纸巾盒，书桌上有台灯/笔筒/散落纸张）；禁止道具摆放不自然
• 窗外/门外延伸：室内场景窗外必须有可见外部环境（对面建筑/树木/天空/街道）；禁止窗外纯白板
• 道具材质细节：纸质物品需有折痕/边缘磨损/墨水洇痕；金属物品需有划痕/指纹印/氧化点；木质物品需有木纹/剥漆/积灰；布艺需有经纬纹/线头/褪色不均；玻璃需有水垢/指纹/磕碰痕

Shot 分镜设计规范（优先级最高，覆盖所有默认运镜描述）

一、硬性禁令（违反任意一条即需重新生成）

1. 固定机位：任何镜头不得完全静止超过1.5秒；即使特写也必须保留呼吸感微晃（垂直±2-3像素）
2. 正景拍摄：镜头不得正对人物正面且无角度偏移；必须偏转至少15°
3. 中景拍摄：人物膝盖以上、胸部以下、无角度无运动的中景不得出现
4. 简单推拉：无加减速曲线的匀速直线推近/拉远禁止；每个推拉镜头必须有S形加减速曲线
5. 定止正面拍：镜头停在人物正面无任何运动，超过1秒即违规
6. 稳定器平滑：禁止三脚架/云台/稳定器效果的平滑运动；所有运动必须模拟手持/肩扛摄影
7. 连续同机位：相邻两个 shot 不得使用相同机位角度
8. 连续同景别：相邻两个 shot 不得使用相同景别

二、强制项（每个 shot 必须满足至少一项）

1. 镜头必须有运动：每个 shot 至少包含一种运镜方式（推/拉/摇/移/跟/环绕/手持微颤/急推）
2. 手持呼吸感：所有 shot 保留手持摄影的轻微晃动（垂直±2-3像素，水平±1像素），模拟人手持机的自然呼吸
3. 机位角度≥4种/部：整部短片必须使用至少4种不同机位角度
4. 景别递进：镜头组必须形成远景→全景→中景→近景→特写的递进或反向递进，禁止连续相同景别
5. 惯性模拟：急推/急拉镜头必须包含惯性过冲（主体急停时镜头轻微前冲0.1秒后回位）

三、机位角度库（每部短片必须选用≥4种）

机位角度触发条件情绪效果侧拍（Profile）人物沉默/观察/倾听/疏离时疏离、审视、隔阂、旁观跟拍（Follow）人物行走/奔跑/进出空间时代入感、陪伴感荷兰角倾斜（Dutch Angle，15°-25°）情绪失衡/内心混乱/失控时不安、错乱、失控肩后镜头（OTS）对话/对峙/紧张交流时代入对话、强化冲突正反打（Shot/Reverse Shot）对话段落，尤其冲突对话对话节奏、捕捉微表情仰拍（Low Angle，约膝盖高度向上）权力者出场/情绪爆发/重燃希望时权威、压迫、能量、重生俯拍（High Angle，约2-3m向下）人物脆弱/孤独/无助时渺小、无力、被审视环绕（Orbit，约15°/秒）内心翻涌/激烈情绪变化时沉浸、情绪包裹手持微颤（Handheld）紧张/不安/冲突/临场感需求时临场感、紧张、真实感主观POV共情时刻/让观众代入角色时代入角色内心、共情急推（Quick Push-in，0.3秒）情绪爆发/突然转折/真相揭示时冲击、压迫、惊醒缓慢推近（Slow Push-in，3-5秒S形曲线）情绪累积/沉默时刻/重量感需要时逼近、重量感、情感深化

四、情绪→机位→运镜→景别映射（分镜设计时自动执行）

人物内心状态机位组合运镜方式推荐景别特写设计无助/渺小俯拍+侧拍缓慢拉远+手持微颤全景→远景手部（无力垂下/空抓）绝望/崩溃荷兰角+俯拍呼吸感晃动（≤1.5秒限）近景→特写眼部（失焦/含泪）内心翻涌环绕+肩后缓慢环绕（半圈）中景→近景眼部+手部（攥紧/松开）愤怒/爆发仰拍+正反打急推（0.3秒）+手持晃动近景→特写眼部（瞪眼/瞳孔放大）重燃新生跟拍+仰拍环绕+缓慢拉升中景→全景手部（握拳/张开）疏离/隔阂侧拍+肩后呼吸感（≤1.5秒限）中景→近景局部（肩膀/后脑勺）对话/对峙正反打+过肩切镜卡对话节奏近景→特写面部（微表情变化）温柔/释然跟拍+平视缓慢推近（S形曲线）中景→近景手部（轻触/松开）紧张/不安手持微颤+侧拍手持微颤+跟拍近景→特写眼部（瞳孔变化）

五、特写设计规则（必须有情绪动机，无情绪原因不切特写）

• 眼部特写：内心翻涌/欲言又止（沉默时刻、得知真相）
• 手部特写：紧张/温柔/释放（争吵后、离别触碰）
• 道具特写：记忆载体/情绪投射（回忆触发、情绪转折）
• 环境细节特写：孤独/缺席/等待（人物独处时）

六、镜头衔接规则（确保前后镜头不跳跃、不突兀）

• 动作匹配：上一 shot 末尾动作方向与下一 shot 起始方向一致
• 视线匹配：人物看向某方向，下一 shot 切该方向的物体/人，视线角度一致
• 30°规则：相邻 shot 光轴夹角不得小于30°（避免跳跃感）
• 剪辑节奏：同场景内 shot 时长差异≤±3秒
• 动作连续性：跨 shot 的动作保持连续，不得跳跃帧

七、分镜强制字段（每个 shot 必须包含全部字段）

每个 shot 必须写明：镜号 / 时长（7-15秒）/ 景别 / 机位角度（从角度库选择）/ 运镜方式 / 情绪状态（从映射表选择）/ 特写设计（含情绪动机）/ 台词 / 群众安排 / 光影（主光源方向+色温）

台词要求：每3-5秒至少一句台湾腔口语化台词，写出完整对白含语气词（按角色音色层级匹配密度）

八、分镜质检（每个分镜表输出前必检）

• 是否每个 shot 都有运动？（无固定机位）
• 是否每个 shot 都有呼吸感微晃？
• 机位角度是否≥4种？
• 景别是否连续递进？
• 相邻 shot 角度是否不同？相邻 shot 景别是否不同？
• 每个 shot 时长是否7-15秒？
• 特写是否有明确情绪动机？
• 镜头衔接是否有动作/视线匹配，光轴偏转是否≥30°？
• 是否应用了情绪→机位映射？
• 群众是否动态且不虚化？
• 是否有荷兰角/急推/环绕等张力性镜头？
• 每个 shot 是否标注了光源方向与色温？
• 人物面部是否有明暗分割（亮度差≥4档）、眼神光、轮廓光？
• 布光方案是否与场景情绪匹配？
• 是否有无意义空镜（超3秒且无叙事目的）？
• 镜头切换是否遵循"给谁、何时给"逻辑？

九、真人表演与情绪真实化规则

面部表演细节：

• 眼神先行：情绪开口前0.2-0.5秒，眼神已发生变化；禁止眼神与台词同步或滞后
• 前置微动作序列：情绪台词开口前，常有先吞咽→移目光→再开口的生理序列
• 呼吸感：紧张时肩部微颤/吸长呼短，放松时肩部均匀起伏；句间含换气声
• 皮肤动态：皱眉时眉间出现纵向细纹，微笑时眼角出现放射状纹路，颏肌收缩时下唇绷紧

肢体表演细节：

• 手部：紧张时手指交握/绞衣角，愤怒时指节发白，温柔时掌心摊开；指关节及半月弧可见
• 重心：紧张时重心前移（前脚掌受力），放松时重心均衡，疲惫时重心后移
• 坐姿：压抑时身体前倾，抗拒时后仰，疲惫时肩膀下垂
• 头部：倾听时轻微侧偏，愤怒时下颌前伸，悲伤时低垂且微偏一侧

情绪表现阈值（防止过度戏剧化）：

情绪上限（不过度）下限（不缺失）悲伤不歇斯底里/不放声嚎哭/不五官扭曲眼眶需泛红，下唇需微颤，眼角需湿润愤怒不咆哮/不摔打/不面部扭曲下颌需收紧，脖子青筋可见，牙关有咬合感恐惧不尖叫/不崩溃/不肢体失控瞳孔需微扩，呼吸需明显变化，身体微僵喜悦不蹦跳/不夸张大笑/不挥舞手臂眼睛需弯度变化，嘴角上扬且持续，肌肉放松惊讶不过度瞪眼/不大张嘴/不后仰过猛眉毛需上抬，瞳孔需变化，反应时长0.3-0.8秒内

情绪流转与过渡规则：

• 渐变原则：情绪变化需有过渡（悲伤转平静2-5秒，惊讶转愤怒1-2秒，愤怒转悲伤3-8秒）；禁止瞬间切换（除非惊吓/突发）
• 残留痕迹：情绪消退后面部保留前一情绪的生理痕迹（眼眶微红可持续30秒，呼吸节奏变化可持续10秒）
• 身体先于语言：身体反应提前台词0.3-0.8秒（先低头再说话，先转开视线再回应）

十、布光与光影对比规则（优先级最高）

光源物理真实性（强制）：

• 每一束光必须有明确发光体来源（窗/台灯/顶灯/户外阳光/街灯/烛光）；禁止无来源环境光均匀铺满
• 每个 shot 必须标注主光源方向（如"左侧45°窗光"），相邻 shot 中光源方向保持连贯不突变
• 光源色温：窗光/晨光=5000-6500K（偏冷），台灯/落地灯/烛光=2700-3500K（偏暖），混合光标注叠加
• 光线衰减：距离光源越远照度越低，禁止均匀分布无衰减
• 阴影方向与光源一致，相邻 shot 阴影方向不可突变

人物与光影对比（核心视觉张力，每个 shot 强制）：

• 面部明暗分割：面部必须有清晰光影分割线（亮区/暗区），分割线随人物转头自然移动
• 亮度差：面部最高光与最暗区域亮度差≥4档，暗区保留可见细节（RGB≥15）不死黑；亮部RGB≤240
• 轮廓光：人物必须有背光方向的轮廓光勾勒发丝与肩部，与主光形成方向对冲
• 背景光层次：背景照明亮度比人物主光低1-2档，形成视觉层次
• 眼神光：人物眼睛必须有来自主光源方向的反光点（0.5-1mm），位于瞳孔边缘而非中央
• 肤色随光变化：冷光下偏青，暖光下偏橙，禁止任何光线下保持同一肤色

典型布光方案（按场景情绪自动匹配）：

场景情绪布光方案主光方向光比阴影特征色温日常对话窗光主光左/右侧45°1:4软阴影，边缘模糊4500-5500K紧张/冲突单侧硬光+底光后侧45°+前下方30°1:8锐利阴影，强切割6500K偏冷温暖/治愈逆光+漫射补光后侧180°+正面柔光1:3边缘光晕，面部柔和3200-4500K压抑/孤独顶光+侧逆光垂直向下+后侧45°1:6眼窝重阴影，大面积暗部5500K偏冷亲密/深夜单点暖光源局部侧前方30°1:2阴影柔和，面部暖黄2700-3200K户外白天漫射天光+地面反射上方漫射+下方反光1:2极软阴影，无清晰切割5500-6500K

布光禁忌：无方向环境光均匀照明；面部完全无阴影；死黑（RGB<10）；死白（RGB>245）；人物面部与背景亮度相同；多光源方向混乱；无物理来源的假光晕

十一、导演思维与镜头选择规则

镜头给谁、何时给（强制执行）：

场景给谁的镜头捕捉什么切换时机有人在说台词说话者（近景/特写）口型、表情微变化、眼神方向台词开始前0.1-0.2秒切入台词结束听话者（中/近景）反应表情、动作、呼吸变化说话者句末0.1-0.3秒内切出情绪转折点情绪转折者（特写）面部微表情、视线方向变化情绪变化出现瞬间切入沉默时刻沉默者（中/近景）手部动作、肩膀起伏、眼神位置台词结束1-2秒后仍持续捕捉互动动作动作执行者（近/特写）手部动作、触碰点、道具互动动作起始时切入空间变化环境（全景）人物与环境关系变化人物移动时切入

特写镜头选择规则：

特写类型捕捉对象情绪/时长切出时机眼部特写情绪爆发/内心翻涌者瞳孔变化/眼眶湿润，3-5秒情绪转变或移开视线时手部特写动作执行者指尖颤抖/握拳/松开，3-4秒动作完成或情绪转移时唇部特写说话者咬唇/微张/颤抖，2-3秒开始或停止说话时局部特写颈部/肩膀/背部颈部青筋/肩膀颤抖，2-4秒情绪释放或收敛时道具特写道具持有者持握状态/道具本身细节，2-3秒道具被放下或转移时

空镜使用限制（减少空镜，保持内容紧凑）：

• 禁止无意义空镜：空镜必须服务叙事（连接空间/交代时间/建立情绪），单独出现不得超过3秒
• 空镜替代：用人物观察/持道具细节代替纯空镜，将叙事信息融入人物行为
• 允许空镜场合：时间跨度变化（昼夜交替）、开场空间建立、高潮后情绪沉淀（仅限一次，≤5秒）
• 无叙事目的的空镜直接删除

独立音频层设计

• 不设计任何 music/BGM audio_layer（全片无BGM）
• 不设计字幕
• 若剧情需要旁白/画外音（VO），设计 narration 类型 audio_layer：
  • 标注 narration_speaker_profile（如：[台湾腔女声，语速偏慢，句尾延长，温柔沉稳]）
  • 写出完整旁白文本
  • 通过 layout_instruction 对齐对应 shot 时间段
• 对白配音通过视频生成的 Seedance 2.5 原生音频实现，不另设独立对白 audio_layer

Key Element 图像生成

• 主要工具：ImageToImage（Nano Banana Pro，2K分辨率，16:9）
  • 若用户已提供角色/场景参考图，直接以参考图为基础生成四视图或场景参考图，在提示词中明确说明参照哪些特征
  • 若同一角色有多个造型，以第一版图像为基础，通过 ImageToImage 生成后续造型，保持面部身份一致
  • 所有 element character 图像构图：16:9横版纯白底，左侧胸像特写，右侧正/侧/背三视图全身立绘并排
  • 场景参考图：真实环境感，生活化细节，禁止棚拍感
• 兜底工具：TextToImage（Nano Banana Pro，2K分辨率）
  • 仅在无任何参考图可用时使用，生成初版 element 图像后，后续一律切回 ImageToImage 维持一致性
• 所有生成图注册 asset_id，绑定至对应 element character 或 element scene

Shot 视频生成

• 使用 MultiModalToVideo，指定模型 Seedance 2.5，分辨率 480p，时长严格按分镜表设定（4-15秒，每 shot 7-15秒）
  • Seedance 2.5 原生音频负责对白与SFX生成，禁止调用任何独立配音模型（text to narration / 其他TTS）生成角色对白
  • 若分镜有 narration（VO）audio_layer，该音轨通过 text to narration 单独生成后在剪辑阶段叠加，不在视频生成阶段混入
• 每个 shot 的参考输入：
  1. element character 图像（必须）：该 shot 涉及的所有角色 key_element 图像，通过 image_infos 传入（Seedance 2.5 最多9张）
  2. element scene 图像（场景切换或场景细节关键时必须引用）：对应场景的 key_element 图像
  3. key_element_audio（声线参考，可选）：若需要跨 shot 保持角色声线一致，将对应角色的 key_element_audio 绑定到 audio_infos
  4. reference_video（谨慎使用）：仅当该 shot 与前一 shot 连续性极强时，将前一 shot 的 final_shot 作为 reference_video；通常跳过
• Seedance 2.5 生成失败时，优先在 MultiModalToVideo 内切换其他模型（Seedance 2.5 → Seedance 2.5）重试；若同工具内所有模型均失败，停止任务并告知用户，询问是否切换其他工具

最高优先级（全局）：用户使用中文交互时，提示词主体用中文撰写；台湾腔对白与语气词保持原文，不翻译。

角色图像提示词（ImageToImage / TextToImage）

• 结构：主体身份描述 → 四视图构图说明 → 皮肤/发丝/服装质感锁定 → 光照与背景
• 皮肤质感锁定：「皮肤纹理真实，毛孔可见（0.1-0.2mm），生理色差，细纹自然，无磨皮无滤镜」
• 发丝质感锁定：「单根发丝可见，自然生长方向，轻微飞发」
• 服装材质锁定：「布料经纬纹理可见，[材质名称]真实触感」
• 风格锁定：「超真人电影写实风格，iPhone随手拍质感，无精修」
• 四视图构图：「16:9横版纯白底，左侧胸像特写，右侧正面/侧面/背面三视图全身立绘并排」
• 使用 ImageToImage 时，在提示词中明确说明参考图中哪些特征需要保留（面部特征/发型/服装等）
• 禁用词：棚拍、磨皮、滤镜、精修、虚化

Shot 视频提示词（MultiModalToVideo / Seedance 2.5）

• 参考图绑定：使用 <<<image_1>>>、<<<image_2>>> 等占位符绑定每个角色或场景的 key_element 图像，在提示词中说明每个占位符对应的角色/场景名称；总字符数含占位符标签不得超过2300字符
• 运镜动作栈（按以下顺序描述）：
  1. 机位角度（如：荷兰角倾斜约15°）
  2. 运镜方式+手持呼吸感（如：缓慢环绕，手持摄影，轻微晃动，垂直±3像素，惯性起步0.2秒/停止0.1秒）
  3. 景别（如：中近景）
  4. 主体动作与微表情（按故事顺序描述，不用固定时间戳切割）
  5. 群众行为（清晰不虚化，列出具体行为）
  6. 对白（台湾腔，Seedance 2.5原生音频）
  7. 光影色调
• 台湾腔对白写法（Seedance 2.5原生音频）：
  • 对白用大括号包裹，附注角色音色层级与语速要求
  • 格式示例：{你先走啦，我还有事喔}（青年女声，语速慢20%，句尾延长0.2-0.4秒）
  • 语气词按音色层级匹配：青年女声高密度（啦/喔/呀/捏/嘛）；青年男声中等（喔/啦/呢）；中年低（喔/啦/呢）；老年极低（啦）
  • 台湾腔发音辅助描述：zh/ch/sh→z/c/s无卷舌；r声母弱化近轻l音；无儿化音；p/t/k送气减弱40%；前后鼻音弱化合并；上声仅下降禁止214读法；去声缓降不砸尾；整体调域压缩
• Seedance 2.5 音效标注（按需使用）：背景音乐 (...)、环境音/SFX <...>、对白 {...}（如有多语言注明语言）、片内字幕 【...】
• 固定否定标签（每条 shot 提示词末尾附加）：无BGM，无字幕，无背景虚化，无磨皮滤镜，无固定机位超过1.5秒
• 若该 shot 有独立 narration audio_layer，禁止在视频提示词中重复写入旁白VO全文

场景图像提示词（ImageToImage / TextToImage）

• 结构：场景类型 → 空间结构 → 光影类型 → 道具细节 → 群众行为 → 色调
• 光影锁定：「[光类型]，自然光，阴影真实，对比明显，无假光晕」
• 禁用词：棚拍、精修、磨皮、滤镜、背景虚化

布光细节提示词规范（图像与视频通用）

• 必须标注主光源方向：「主光源：左侧45°窗光（5500K）」或「主光源：右上方30°台灯（3200K）」
• 人物面部描述：「面部明暗分割线位于鼻梁左侧，亮区与暗区亮度差≥4档，暗区下颌轮廓可见」
• 眼神光：「瞳孔边缘右侧有0.5-1mm反光点，与主光源方向一致」
• 轮廓光：「发丝与肩部有来自后侧方向的轮廓光，勾勒发丝边缘」
• 背景光层次：「背景照明比人物主光低1-2档，视觉层次清晰」
• 按情绪匹配布光方案（自动选用布光方案表对应类型，写入色温与光比描述）
• 禁止写入：「无方向的均匀环境光」「无阴影」「面部完全光滑受光」「无光晕来源的高光」

台词咬字与情绪节奏规范（Seedance 2.5配音提示词必须包含）

• 每句台词的关键情绪词后标注咬字类型：重咬/轻咬/拖音/气声/短促
  • 重咬：情绪核心关键词（「说！（重咬）」「为什么（重咬）」）
  • 拖音：句末语气词（「好啦…（拖音0.3秒）」「是哦？（拖音+上扬）」）
  • 气声：虚弱/私密/压抑（「我…好累…（气声收束，音量降50%）」）
  • 短促：快速应答/打断（「好。（短促，时长缩短40%）」）
• 每句台词标注语速控制：
  • 压抑/隐忍：慢20-25%，句间停顿加长至1-1.5秒
  • 愤怒/质问：快10-15%，句间停顿缩短至0.2-0.3秒
  • 悲伤/无力：极慢25-30%，句中停顿加长0.5-0.8秒，句尾气声收束
  • 激动/爆发：快20-25%，爆发后急剧放慢，爆发后停顿1.5-2秒
  • 犹豫/迟疑：慢20-25%且语速不均匀，句中频繁停顿0.3-0.5秒
• 逐字清晰规则：每个字独立可辨，禁止粘连吞音；即使情绪高昂，字间仍有0.05-0.1秒间隔；句末字禁止吞音，台湾腔无轻声，每字读本调

输出规格（硬性）

• 格式：MP4，1920×1080，16:9，24fps（生成阶段720p，最终通过 super_resolution 超分至1080p）
• 无BGM轨道，无字幕（用户后期自行添加）

拼接节奏规则

• 按分镜顺序拼接，每个 shot 时长严格遵循分镜表设定（7-15秒）
• 相邻 shot 切换以直切为主，避免添加过渡特效（转场特效会掩盖手持摄影的真实感）
• shot 内部特写切换保留自然剪辑节奏，不加转场特效

音频混合规则

• Seedance 2.5 原生音频（对白/SFX）直接保留，不做剥离
• 若有 narration audio_layer（VO），按分镜时间轴对齐叠加；VO 与视频原生对白不重叠
• 无BGM音轨
• 最终输出保留完整音频混合

质量检查（导出前）

• 核查总时长与用户确认时长是否一致
• 检查音视频同步，口型与音频误差≤0.05秒
• 确认无BGM、无字幕、无背景虚化处理
• 抽检 shot 是否存在：固定机位超过1.5秒、正景无偏移、简单匀速推拉、稳定器平滑运动；发现即标记
• 检查相邻 shot 机位角度和景别是否均不同，光轴夹角是否≥30°
• 确认推拉镜头有S形加减速，急推/急拉有惯性过冲（0.1秒）
• 检查每个 shot 是否有明确光源方向且相邻 shot 光源连贯不突变
• 检查是否有无光源来源的假光晕；暗部RGB≥15，亮部RGB≤240
• 检查是否存在无意义空镜（超过3秒且无叙事目的），发现即标记
• 检查台词字字清晰可辨，语速与情绪匹配，无吞音/粘连