Glowing fairy cameo
스튜디오 초안을 준비합니다. 여러 단계의 지침은 참고용이며 자동 생성이나 과금은 하지 않습니다.
真人实拍实景 + 平面手绘发光动画融合的混合影像生成。支持上传视频进行视频编辑(Video-to-Video)、上传图片分析环境并设计互动流程、或无素材纯文生视频。默认使用 MiniMax H3 模型,不生成分镜,直接输出单条视频素材
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
启动欢迎(Skill 激活时首先执行): 向用户发送简洁友好的使用说明,告知本 Skill 的能力与使用方式——支持上传视频/图片或纯文字描述来生成"实拍与手绘发光动画融合"的混合影像视频,并简要说明三种素材模式的区别。上传视频时可特别提示:运镜幅度可以大一点,模型会在此基础上叠加发光动画互动。语气轻松自然,不超过四句话。
任务流程:
- 判断上传素材类型:
- 有视频 → 调用 resource_prepare_and_analyze 分析视频内容(提取关键帧,识别场景类型、可交互物体清单、人物检测、光影质感、原始镜头运动),输出结构化环境描述。后续进入视频编辑路径(Video-to-Video)。
- 有图片(无视频) → 调用 resource_prepare_and_analyze 分析图片环境(场景类型、可交互物体清单、人物检测、光影质感),输出结构化环境描述。后续进入参考图生视频路径。
- 无素材 → 跳过分析,直接进入步骤3,走纯文生视频路径。
- 设计互动流程(基于分析结果或用户文字描述):
- 确定主角精灵的诞生位置与形态类别——根据用户上传素材的分析结果或文字描述,从主角形态库(⑦)中选定一个类别(如厨房/家居场景→萌趣生物系,书房/办公场景→抽象光体系,户外自然场景→萌趣生物系等),全片初始形态与所有变身形态均在该类别内选取。
- 根据视频总时长计算形态变化次数(不含主角诞生与收尾升华段落,仅计算中间变身段落),每 1.6 秒安排一次形态变化,每次变身对应一个具体环境物体(物体来自视频/图片分析或用户描述)。升华段落固定 3 秒。
- 规划小灵体点缀方式与收尾升华方式。升华段落须大面积出现手绘动画——发光光晕、线条纹路、光点铺满整片空间,手绘小花从环境中生长蔓延、层层绽放铺满全域,视觉密度达到全片最高,营造温柔治愈感。
- 规划镜头运动方式,手持镜头跟随主角运镜,全局一镜到底,全程无剪辑点,从参数库中匹配最合适的运动风格。
- 若素材中有人物,设计人物与精灵的互动环节(诞生锚点、二次互动)。
- 生成视频 → 调用 media_generator:
- 有视频 → MultiModalToVideo(Video-to-Video 模式),将用户视频通过
video_infos 绑定为参考视频,模型 MiniMax H3。提示词描述在实拍画面上叠加手绘动画互动。
- 有图片(无视频) → MultiModalToVideo,将用户图片绑定为参考图。
- 无素材 → TextToVideo。
- 默认模型 MiniMax H3,
resolution = "2k"。aspect_ratio 规则:有上传视频或图片时,输出画幅与上传素材的原始比例保持一致(从 resource_prepare_and_analyze 返回结果中获取素材宽高比,映射到模型支持的最近比例值);无上传素材时,由用户选择横屏 "16:9" 或竖屏 "9:16",未指定时默认 "16:9"。
duration 规则:有上传视频时,输出时长 = 上传视频时长(从资源分析结果中获取精确时长,四舍五入为 4-15 秒范围内的整数);有图片或无素材时,由用户指定(4-15 秒范围内整数,未指定时默认 15)。
- 提示词按
write_the_prompt 固定模板生成。
- 视频生成完成后展示结果,不进入分镜或后期剪辑流程。
不使用 storyboard_designer: 本任务不生成分镜,整条视频为单次生成。
暂停点: 步骤2完成后(互动流程设计完毕)、执行生成前,可向用户确认流程是否符合预期再继续。
2. 멀티모달 분석
素材环境分析要求:
视频分析(用户上传视频时):
- 提取关键帧: 从视频中提取具有代表性的关键帧,用于场景与物体识别。
- 场景识别: 识别具体场景类型(厨房、卧室、街道、公园等)及整体氛围(时间段、光照色调、生活化特征)。
- 可交互物体清单: 列出视频中适合精灵互动的具体物体(桌面水渍、悬挂抹布、玻璃瓶、马克杯、植物、栏杆等),标注位置与材质特征——这些将作为精灵变身和触碰的目标。
- 人物检测: 判断视频中是否有人物。若有人物,描述可见部位(如手部)、姿态、与环境中物体的关系,用于设计人物-精灵互动。
- 光影与质感: 描述光源方向、明暗分布、画面质感特征,确保提示词中实拍质感描述与原视频一致。
- 镜头运动: 描述原视频的镜头运动方式(手持跟拍、固定、平移等),提示词中的镜头描述需与原视频运动保持一致或延续。
- 输出格式: 以结构化文本输出上述信息,供提示词撰写阶段直接引用。
图片分析(用户上传图片时):
- 场景识别: 识别具体场景类型(厨房、卧室、街道、公园等)及整体氛围(时间段、光照色调、生活化特征)。
- 可交互物体清单: 列出画面中适合精灵互动的具体物体(桌面水渍、悬挂抹布、玻璃瓶、马克杯、植物、栏杆等),标注位置与材质特征——这些将作为精灵变身和触碰的目标。
- 人物检测: 判断画面是否有人物。若有人物,描述可见部位(如手部)、姿态、与环境中物体的关系,用于设计人物-精灵互动。
- 光影与质感: 描述光源方向、明暗分布、画面质感特征,确保提示词中实拍质感描述与原图一致。
- 输出格式: 以结构化文本输出上述信息,供提示词撰写阶段直接引用。
3. 미디어 생성
生成路径与模型:
- 有上传视频 → 使用 MultiModalToVideo(Video-to-Video 模式),模型 MiniMax H3。将用户视频注册为 asset 后通过
video_infos 绑定为参考视频(总数 ≤ 3,每段 2-15 秒,总时长 ≤ 15 秒)。提示词描述在实拍画面上叠加手绘动画互动效果,保留原视频场景与镜头运动。
- 有上传图片(无视频) → 使用 MultiModalToVideo,模型 MiniMax H3。将用户图片注册为 asset 后通过
image_infos 绑定为参考图(总数 ≤ 9)。
- 无上传素材 → 使用 TextToVideo,模型 MiniMax H3。
- 参数:
resolution = "2k"。aspect_ratio 规则:有上传视频或图片时,输出画幅与上传素材的原始比例保持一致(从 resource_prepare_and_analyze 返回结果中获取素材宽高比,映射到模型支持的最近比例值,MiniMax H3 支持 "21:9" / "16:9" / "9:16" / "4:3" / "3:4" / "1:1");无上传素材时,由用户选择横屏 "16:9" 或竖屏 "9:16",未指定时默认 "16:9"。
duration 规则:有上传视频时,输出时长 = 上传视频时长(取 resource_prepare_and_analyze 返回的精确时长,四舍五入为 4-15 秒范围内的整数);有图片或无素材时,由用户指定(4-15 秒范围内整数,未指定时默认 15)。
- MiniMax H3 提示词上限 7000 字符(含
<<<image_X>>> / <<<video_X>>> 标签),需控制描述长度避免超限。
参考素材绑定:
- 用户上传视频通过
manage_item_assets 注册 asset_id,再以 video_infos 绑定到生成调用。
- 用户上传图片通过
manage_item_assets 注册 asset_id,再以 image_infos 绑定到生成调用。
- 若素材含人物且需保持一致性,将该素材作为主要参考。
失败处理: 若 MiniMax H3 失败,优先切换同工具内其他可用模型(如 Seedance 2.5);若该工具所有模型均失败,停止任务并告知用户。
4. 프롬프트 작성
5. 동영상 조립
本 Skill 直接输出单条生成视频素材,不进行多镜头剪辑或复杂时间线组装。保留生成视频的完整时长与原生同步音频。仅当用户在生成后明确要求追加剪辑时,才进行裁剪或组装。