Dramatic protagonist entrance
스튜디오 초안을 준비합니다. 여러 단계의 지침은 참고용이며 자동 생성이나 과금은 하지 않습니다.
主角高燃登场视频生成:用户上传主角人物图和结算画面图,基于案例提示词模板替换画风,保留极限镜头语言,并使用 MiniMax H3 生成高燃登场视频。
제작 흐름 본문은 중국어 원문입니다. 언급된 모델과 이 사이트의 지원 모델은 다를 수 있습니다. 실제 모델과 크레딧은 스튜디오에서 확인하세요.
전체 제작 흐름
1. 제작 기획
本 Skill 统一启用分镜模式:无论用户指定多长的总时长,都走分镜规划 → 逐段生成 → 装配拼接流程。
前置条件收集(必须先完成再进入生成):
- 检查用户是否已上传两张图片:主角人物图、结算画面图。若缺少任意一张,用卡片或对话引导用户上传,说明缺哪张。
- 引导用户选择视频比例(横屏/竖屏)。横屏默认 16:9,竖屏默认 9:16;若用户需要其他比例,从 MiniMax H3 支持的值中选择:"21:9", "16:9", "9:16", "3:4", "4:3", "1:1"。
- 引导用户指定视频总时长。默认 15 秒。不设固定分镜数量公式,由 storyboard_designer 根据视觉能量递进划分分镜;每个分镜必须跑满 15 秒(MiniMax H3 单次上限),避免将多个镜头拆成不足 15 秒的短分镜。
生成流程:
- 两张图片就绪后,调用 resource_prepare_and_analyze 分析两张图片的画风、服装、道具、材质和视觉特点,输出结构化风格描述。
- 调用 storyboard_designer 规划分镜结构:根据视觉能量递进和镜头数量划分分镜(优先跑满 15 秒),划分视觉段落,确保跨分镜画风和主角外观一致,设计分镜间衔接与转场。分镜数量大于1时,同步设计一条贯穿全片的 BGM 独立音频层(audio_layer)。
- 调用 write_media_prompt(Media Generator 子工具)逐分镜生成提示词,每个分镜独立一条提示词,跑满 15 秒,含多镜头描述,保持镜头语言密度。
- 将所有分镜提示词展示给用户确认或修改。
- 用户确认后,调用 media_generator 逐分镜生成视频,每个分镜独立调用一次 MultiModalToVideo + MiniMax H3。主角图传入每个分镜,结算画面图仅传入最后一个分镜。分镜数量大于1时,同步调用 text_to_instrumental 生成一条贯穿全片的 BGM 音轨,绑定到 Storyboard 的 BGM 音频层。
- 所有分镜视频生成完毕后,调用 video_assembler 按排列顺序拼接为完整长视频,分镜数量大于1时将独立 BGM 音轨混入。仅一个分镜时直接输出,无需拼接。
暂停点: 第4步展示所有分镜提示词后必须暂停,等待用户确认或修改,再执行第5步逐段生成。
不做的事: 不创建 Final_Video_Spec.md,仅使用 storyboard_designer 做分镜段落规划。
2. 멀티모달 분석
分析对象: 用户上传的主角人物图和结算画面图,每张图独立分析。
分析维度(每张图都要覆盖):
- 画风风格: 整体美术风格(如3D CG、二次元、赛博朋克、油画质感等)、色彩基调、光照风格。
- 服装: 主角衣着款式、颜色、材质、配饰。
- 道具: 可识别的标志性道具、武器、卡牌、面具等。
- 材质: 金属、布料、皮革、发光体等材质特征。
- 人物特征: 发型、体型、姿态、面部特征(如适用)。
- 结算画面特有: 构图布局、文字/Logo排版、视觉氛围、特效风格。
输出要求: 以结构化文本输出,每张图独立成段并标注用途(主角图/结算图)。输出将作为提示词改写的素材来源,需足够具体以支撑画风词和外观描述的精确替换。
3. 스토리보드 설계
4. 미디어 생성
生成路径与模型:
- 工具:MultiModalToVideo
- 模型:MiniMax H3(默认)
- resolution:
"2k"(MiniMax H3 固定值)
- duration:每个分镜必须跑满 15 秒(MiniMax H3 单次上限 4–15 秒整数)。仅当为最后一段剩余时长时,才允许短于 15 秒(不少于 4 秒)。
- aspect_ratio:用户选择的横屏/竖屏比例
图片引用:
- 每个分镜独立调用一次生成,主角图通过
image_infos 参数传入每个分镜;结算画面图仅通过 image_infos 传入最后一个分镜。
- image_infos 总数 ≤ 9,本 Skill 固定使用最多2张。
- 图片引用只通过
image_infos 参数传递,绝不写入提示词文本任何位置(包括正文和末尾)。 提示词文本自始至终只包含纯文字描述:正文用"主角"和"结算画面"作为文字指代,不出现任何 JSON、asset_id、resource_id、引用标记、内联素材等任何形式的图片标记。
BGM 生成(分镜数量 > 1 时): 调用 text_to_instrumental 生成一条贯穿全片的 BGM 音轨,风格与主角登场高燃节奏匹配,绑定到 Storyboard 的 BGM 独立音频层。仅1个分镜时不生成独立 BGM。
生成与装配: 逐分镜独立生成,全部完成后交由 video_assembler 拼接(仅一个分镜时直接输出)。多镜头切换通过提示词内的分镜描述实现,MiniMax H3 支持单条提示词内多镜头描述与丰富切镜转场。
5. 프롬프트 작성
6. 동영상 조립
将逐段生成的分镜视频拼接为完整长视频。 仅一个分镜时直接输出,无需拼接。
拼接规则:
- 按排列顺序(分镜1 → 分镜2 → … → 最后分镜)依次拼接,不得调换顺序。
- 拼接点对齐各分镜结尾设计的视觉冲击点(闪白硬切至纯黑、爆炸定格等),利用分镜自带的转场锚点实现自然过渡。
- 若分镜结尾未自带天然转场锚点,在拼接处添加硬切或闪白/闪黑过渡,保持节奏紧凑。
节奏与音频:
- 整体节奏紧凑高燃,拼接后不得出现节奏断层或拖沓段落。
- 分镜数量大于1时,将独立 BGM 音轨混入拼接后的视频,BGM 须跨分镜连续,拼接处不得出现音乐断裂感。
- 仅1个分镜时,BGM 已内嵌于视频生成结果,无需额外混音。
- 保持整体视觉风格和节奏的连贯性。