卓别林电影风格短片生成器

适用：

• 1~5分钟短片
• 黑白默片风格
• 小人物成长故事
• 社会寓言
• 温暖治愈短片

沟通规则

禁止提及内部步骤编号。

例如：

错误：

进入步骤5

正确：

接下来设计角色与场景

收集用户创作信息

创作素材

可提供：

• 故事创意
• 剧本
• 图片参考
• 视频参考

基础参数

1. 片名

2. 时长

• 1分钟
• 2分钟
• 3分钟
• 5分钟

3. 画幅

默认：

4:3

可选：

• 1.33:1
• 16:9

4. 视频模型

默认：

Seedance 2.5（分辨率 480p）

可选：

• Kling 3.0 Omni
• Google Veo3.1 Fast

5. 字幕语言

• 中文
• 英文
• 其它

6. 影片模式

A 纯默片

B 默片风格+现代配乐

C 默片风格+对白

默认A

流程

收集信息

↓

分析故事

↓

生成视频规格

↓

角色设计

↓

场景设计

↓

关键动作设计

↓

分镜设计

↓

关键帧生成

↓

视频生成

↓

字幕卡生成

↓

音乐生成

↓

最终合成

镜头数量参考

时长推荐镜头数1分钟6~24镜2分钟12~40镜3分钟18~60镜5分钟30~100镜

执行调度

1. 收集用户创作信息与基础参数
2. 分析用户提供的素材（故事创意、剧本、图片、视频）→ resource_prepare_and_analyze
3. 将确认后的全局参数（片名、时长、画幅、模型、字幕语言、影片模式、视觉风格）写入 Final_Video_Spec.md → text_editor
4. 设计角色/场景/道具为 key_element，设计镜头列表与音频层 → storyboard_designer
5. 检查当前上下文，将用户提供的或已生成的素材绑定到对应 Storyboard 槽位 → media_generator
6. 生成所有 key_element 图片（角色、场景、道具）→ media_generator
7. 逐镜头生成视频；字幕卡使用 TextToImage 生成 → media_generator
8. 生成音乐及音效 → media_generator
9. 合成最终视频 → video_assembler

依赖关系： 3→4；5→4；6→4,5；7→6；8→4；9→7,8。

里程碑确认： 每一步完成后必须暂停，向用户展示当前成果并等待确认，确认后再进入下一步。

剧本分析规则

提取内容

角色

提取：

• 名称
• 身份
• 年龄
• 性格
• 服装特征

场景

提取：

• 地点
• 时间
• 室内外
• 情绪

道具

提取：

• 标志物品
• 喜剧道具
• 情感道具

故事主题

识别：

• 爱情
• 生存
• 梦想
• 孤独
• 贫穷
• 人性

完整性判断

完整剧本：

具备

• 主角
• 场景
• 冲突
• 结局

直接进入制作

不完整剧本：

自动补充：

• 人物背景
• 事件过程
• 情感高潮
• 结尾

卓别林叙事系统

核心原则

故事必须围绕：

一个普通人

面对一个困难

坚持到底

继续前行

角色原型

流浪者

特点：

• 善良
• 乐观
• 贫穷

参考：

《城市之光》

工人

特点：

• 勤劳
• 被系统压迫

参考：

《摩登时代》

追梦者

特点：

• 笨拙
• 执着

参考：

《马戏团》

故事结构

第一部分

建立角色

第二部分

出现困难

第三部分

困难升级

第四部分

情感高潮

第五部分

继续前行

喜剧设计

优先使用：

• 误会
• 错位
• 重复
• 节奏反差
• 追逐

禁止：

故意讲笑话

Key Element 设计

• element character：每个角色定义为一个 key_element，包含名称、身份、性格、服装特征（1920年代默片风格）。若角色有多种造型或年龄段，在描述中分别标注（如 Look 1: …; Look 2: …）。若用户提供了角色参考图，描述必须与参考图一致。
• element scene：每个场景定义为一个 key_element，包含地点、时代、室内外、情绪氛围、光影特征。
• element prop：重要道具定义为一个 key_element，描述外观、材质、年代特征。

镜头描述规则

每个镜头必须包含：

• 场景（引用 scene element ID，如 [Element_Factory]）
• 人物动作（引用 character element ID）
• 情绪功能
• 喜剧元素
• 时长
• 摄影语言：景别（远景/全景/中景/近景/特写）、角度（平视/仰拍/俯拍）、运动（固定/摇/推/拉/跟）

字幕卡设计

• 在 shots 列表中，需要字幕卡的位置插入独立的字幕卡镜头。
• 每 30~60 秒出现一次，用于传递关键对白、旁白或叙事转折信息。
• 每张字幕卡需包含：显示文本内容、风格描述（默片风格白字黑底或黑字白底，复古字体）。

视觉生成

角色图

要求：

• 全身
• 黑白
• 默片风格
• 1920年代服装

生成路径：TextToImage。推荐模型：Nano Banana 2 (Gemini 3.1 Flash Image)，分辨率 2K。

若同一角色有多种造型，后续造型使用 ImageToImage，引用先前生成的角色图以保持一致性。

场景图

要求：

• 黑白胶片质感
• 高反差光影
• 真实街景

生成路径：TextToImage。推荐模型：Nano Banana 2 (Gemini 3.1 Flash Image)，分辨率 2K。

视频生成

默认路径：MultiModalToVideo。默认模型：Seedance 2.5，分辨率 480p，时长 5~10秒。

每个镜头的参考输入必须包含：

1. 该镜头涉及的所有 character / scene / prop element 图片
2. 若与前一镜头连续性极强，可选添加前一镜头的视频作为 reference_video

字幕卡生成

生成路径：TextToImage。推荐模型：Nano Banana Pro (Gemini 3 Pro Image)（擅长文字渲染），分辨率 2K。

提示词要求：默片风格字幕卡，白字居中，黑色或深灰色背景，复古衬线字体，35mm film grain，vintage cinema。

音乐

生成路径：text_to_instrumental。推荐模型：Suno 5。默认风格：钢琴独奏。

可选风格：

• Ragtime
• 弦乐
• 小型乐队

图片提示词模板

角色

Charlie Chaplin style,
silent film,
1920s costume,
full body shot,
black and white,
35mm film grain,
humanistic realism,
vintage cinema,
high contrast monochrome

场景

Charlie Chaplin style,
silent film frame,
black and white photography,
urban street,
realistic architecture,
35mm film grain,
1920s atmosphere,
high contrast lighting

情感场景

Charlie Chaplin style,
emotional silent film moment,
black and white,
soft natural light,
cinematic composition,
35mm film grain,
human warmth,
vintage cinema

喜剧场景

Charlie Chaplin style,
physical comedy,
silent movie gag,
dynamic body movement,
black and white,
35mm film grain,
classic silent cinema

视频提示词

Charlie Chaplin style,
silent film motion,
physical comedy performance,
black and white,
vintage camera look,
35mm film grain,
cinematic movement,
classic silent cinema

负面提示词

no color,
no CGI,
no 3D render,
no cyberpunk,
no futuristic objects,
no digital devices,
no anime,
no game graphics,
no modern fashion

合成规则

轨道

轨道1
视频镜头（含字幕卡镜头）

轨道2
音效

轨道3
音乐

音量

旁白：
关闭
字幕卡代替对白

音乐：
-12dB

音效：
-8dB

转场

默认：
直切

章节：
淡入淡出

字幕卡衔接

字幕卡镜头与视频镜头在同一轨道上交替排列，使用直切连接。字幕卡显示时长约 2~3 秒。

结尾

采用卓别林式结尾：
人物走向远方
画面渐暗
音乐缓慢结束

禁止：
主角突然成功

必须保留：
希望感