Immersive interior design tour

스튜디오 초안을 준비합니다. 여러 단계의 지침은 참고용이며 자동 생성이나 과금은 하지 않습니다.

适用于梦想家居或生活空间以竖屏一镜到底 POV 探索视频呈现的场景。以分镜图为视觉参考驱动 Seedance 2.5（分辨率 480p）生成竖屏一镜到底探索视频。

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

**整体流程与阶段依赖：**
1. 与用户确认核心需求：目标空间类型（客厅/卧室/全屋等）、风格关键词（如侘寂、轻奢、北欧极简）、参考图或文字描述。将结论写入 **Final_Video_Spec.md**（含：空间类型、风格基调、输出规格 9:16 竖屏、语言、**总时长固定 30 秒**）→ **text_editor**。
2. 若用户上传了参考图片或文档，先进行多模态分析，提取空间布局、材质、光源与风格信息 → **resource_prepare_and_analyze**。
3. 规划多宫格分镜结构（4–6 格内容、情绪弧光、运镜标注规则）→ **storyboard_designer**。
4. 生成**横版全景室内图**：以宽画幅呈现完整空间格局，作为整个项目的空间底片，绑定为 key element → **media_generator**。**暂停，向用户展示并确认全景图后再继续。**
5. 基于全景图，生成**竖版多宫格分镜图**（4–6 格，含导演运镜标注文字），绑定为分镜参考资产 → **media_generator**。**暂停，向用户展示并确认分镜图后再继续。**
6. 以多宫格分镜图为 reference_image，通过 Seedance 2.5（分辨率 480p） 生成**竖屏一镜到底探索视频** → **media_generator**。
7. 生成环境氛围音轨 → **media_generator**。
8. 组装时间轴，完成最终竖屏探索视频 → **video_assembler**。

**依赖关系：** 2→1；3→1,2；4→3；5→3,4；6→5；7→3；8→6,7。

**阶段确认节点：** 步骤 4（全景图）和步骤 5（分镜图）完成后各暂停一次，获得用户明确确认后方可进入下一阶段，不可一次性跑完整流水线。

整体流程与阶段依赖：

与用户确认核心需求：目标空间类型（客厅/卧室/全屋等）、风格关键词（如侘寂、轻奢、北欧极简）、参考图或文字描述。将结论写入 Final_Video_Spec.md（含：空间类型、风格基调、输出规格 9:16 竖屏、语言、总时长固定 30 秒）→ text_editor。
若用户上传了参考图片或文档，先进行多模态分析，提取空间布局、材质、光源与风格信息 → resource_prepare_and_analyze。
规划多宫格分镜结构（4–6 格内容、情绪弧光、运镜标注规则）→ storyboard_designer。
生成横版全景室内图：以宽画幅呈现完整空间格局，作为整个项目的空间底片，绑定为 key element → media_generator。暂停，向用户展示并确认全景图后再继续。
基于全景图，生成竖版多宫格分镜图（4–6 格，含导演运镜标注文字），绑定为分镜参考资产 → media_generator。暂停，向用户展示并确认分镜图后再继续。
以多宫格分镜图为 reference_image，通过 Seedance 2.5（分辨率 480p）生成竖屏一镜到底探索视频 → media_generator。
生成环境氛围音轨 → media_generator。
组装时间轴，完成最终竖屏探索视频 → video_assembler。

依赖关系： 2→1；3→1,2；4→3；5→3,4；6→5；7→3；8→6,7。

阶段确认节点： 步骤 4（全景图）和步骤 5（分镜图）完成后各暂停一次，获得用户明确确认后方可进入下一阶段，不可一次性跑完整流水线。

2. 멀티모달 분석

当用户提供参考图片、情绪板或设计文档时：
- **空间结构提取：** 识别房间轮廓、主要家具布局、视线通道与纵深层次。
- **材质与光感解析：** 提取墙面/地面/家具材质（如哑光微水泥、水洗原木、大理石），判断主光源方向、色温（暖/冷/自然光）、软硬程度。
- **风格关键词归纳：** 将参考素材归纳为可供 Storyboard 与提示词使用的简洁风格标签（如"侘寂·漫射光·低饱和暖调"）。
- **竖屏构图适配：** 分析参考图时，优先关注适合 9:16 竖屏画幅的纵向构图要素：高挑的天花/窗景、纵深走廊、垂直材质纹理等。
- 输出结构化分析文本，供 **storyboard_designer** 和 **media_generator** 直接引用。

当用户提供参考图片、情绪板或设计文档时：

空间结构提取： 识别房间轮廓、主要家具布局、视线通道与纵深层次。
材质与光感解析： 提取墙面/地面/家具材质（如哑光微水泥、水洗原木、大理石），判断主光源方向、色温（暖/冷/自然光）、软硬程度。
风格关键词归纳： 将参考素材归纳为可供 Storyboard 与提示词使用的简洁风格标签（如"侘寂·漫射光·低饱和暖调"）。
竖屏构图适配： 分析参考图时，优先关注适合 9:16 竖屏画幅的纵向构图要素：高挑的天花/窗景、纵深走廊、垂直材质纹理等。
输出结构化分析文本，供 storyboard_designer 和 media_generator 直接引用。

3. 스토리보드 설계

**Key Element 设计**
- 将整个空间登记为**一个 element scene**（全景空间底片），描述包含：
  - 完整空间布局与主要功能分区；
  - 主要材质、陈设与风格关键词；
  - 主光源方向、色温与光影特征。
- 若有标志性道具（艺术摆件、绿植、织物），可单独列为 **element prop**。
- 该 element 的图片资产即为后续生成的**横版全景图**，其 asset_id 将被绑定于此。

**多宫格分镜结构规划（4–6 格 · 总时长 30 秒）**
分镜图是一张**单一图片**，以竖版 9:16 宫格排列呈现**完整的 30 秒叙事路径**，每格代表该 30 秒内的一个时间节拍，Seedance 2.5（分辨率 480p） 将一次性读取整张分镜图并生成单条 30 秒一镜到底视频。设计时需明确每格的内容规则：
- **每格时长分配：** 总计 30 秒，按情绪弧光分配各格占比：
  - 第 1 格（Threshold）：约 2–3 秒，入口建立；
  - 第 2–4 格（Discovery）：约 8–10 秒（每格约 2–3 秒），向主体空间推进；
  - 末 1–2 格（Belonging）：约 3–4 秒，焦点落定、节奏收敛。
  - 在格内标注参考时间区间（如"0–2s / 3–7s / 12–30s"），供 Seedance 2.5 对齐运动节拍。
- **格序与情绪弧光对应：**
  - 第 1 格（Threshold）：入口或玄关视角，空间轮廓初现，色调偏冷或低饱和；
  - 第 2–4 格（Discovery）：向主体空间推进的连续运动节拍，光线逐渐充盈，材质细节显现；
  - 末 1–2 格（Belonging）：视觉焦点落定（窗边、床头、核心角落），光影最丰富，节奏收敛。
- **每格必须标注的运镜指令文字**（叠加在格内，作为导演标注）：
  - 运镜类型：Handheld Pan / Walk-in / Lens Breathing / Gaze Hold；
  - 推进方向与幅度（如"缓步向落地窗推入，带轻微垂直位移"）；
  - 竖屏构图分配（上段/中段/下段内容，如"上：天花漫射光，中：沙发主体，下：木地板纹理"）。
- **视角高度锁定（全局固定）：** 整张多宫格分镜图中，所有格的镜头高度须统一固定为**成人步行视角**——离地约 155–170 cm，水平或略俯 5° 以内，模拟人类正常行走时的目视高度。禁止出现无人机俯瞰、仰拍地面、上帝视角或夸张透视；镜头高度在全部格之间保持连贯，不得跳变。
- **格间视线衔接：** 相邻两格的视觉中心需保持方向动量或空间逻辑连续，避免视线跳切。

**独立音频层设计**
- 规划一条全程 **ambient 环境声层**（type: music）：静谧室内底噪、隐约自然声，覆盖全片时长。
- 可选规划一条 **foley 步态音效层**：配合 Walk-in 节拍叠入，其余格淡出。

Key Element 设计

将整个空间登记为一个 element scene（全景空间底片），描述包含：
- 完整空间布局与主要功能分区；
- 主要材质、陈设与风格关键词；
- 主光源方向、色温与光影特征。
若有标志性道具（艺术摆件、绿植、织物），可单独列为 element prop。
该 element 的图片资产即为后续生成的横版全景图，其 asset_id 将被绑定于此。

多宫格分镜结构规划（4–6 格 · 总时长 30 秒）
分镜图是一张单一图片，以竖版 9:16 宫格排列呈现完整的 30 秒叙事路径，每格代表该 30 秒内的一个时间节拍，Seedance 2.5（分辨率 480p）将一次性读取整张分镜图并生成单条 30 秒一镜到底视频。设计时需明确每格的内容规则：

每格时长分配： 总计 30 秒，按情绪弧光分配各格占比：
- 第 1 格（Threshold）：约 2–3 秒，入口建立；
- 第 2–4 格（Discovery）：约 8–10 秒（每格约 2–3 秒），向主体空间推进；
- 末 1–2 格（Belonging）：约 3–4 秒，焦点落定、节奏收敛。
- 在格内标注参考时间区间（如"0–2s / 3–7s / 12–30s"），供 Seedance 2.5 对齐运动节拍。
格序与情绪弧光对应：
- 第 1 格（Threshold）：入口或玄关视角，空间轮廓初现，色调偏冷或低饱和；
- 第 2–4 格（Discovery）：向主体空间推进的连续运动节拍，光线逐渐充盈，材质细节显现；
- 末 1–2 格（Belonging）：视觉焦点落定（窗边、床头、核心角落），光影最丰富，节奏收敛。
每格必须标注的运镜指令文字（叠加在格内，作为导演标注）：
- 运镜类型：Handheld Pan / Walk-in / Lens Breathing / Gaze Hold；
- 推进方向与幅度（如"缓步向落地窗推入，带轻微垂直位移"）；
- 竖屏构图分配（上段/中段/下段内容，如"上：天花漫射光，中：沙发主体，下：木地板纹理"）。
视角高度锁定（全局固定）： 整张多宫格分镜图中，所有格的镜头高度须统一固定为成人步行视角——离地约 155–170 cm，水平或略俯 5° 以内，模拟人类正常行走时的目视高度。禁止出现无人机俯瞰、仰拍地面、上帝视角或夸张透视；镜头高度在全部格之间保持连贯，不得跳变。
格间视线衔接： 相邻两格的视觉中心需保持方向动量或空间逻辑连续，避免视线跳切。

独立音频层设计

规划一条全程 ambient 环境声层（type: music）：静谧室内底噪、隐约自然声，覆盖全片时长。
可选规划一条 foley 步态音效层：配合 Walk-in 节拍叠入，其余格淡出。

4. 미디어 생성

**第一步：生成横版全景室内图（空间底片）**
- 使用 **TextToImage**（无参考图）或 **ImageToImage**（用户提供参考图时）。
- 推荐模型：**Nano Banana Pro (Gemini 3 Pro Image)**，分辨率 **2K**，横版宽幅构图（16:9 或更宽）。
- 生成后将 asset_id 绑定到 Storyboard 中的 element scene（全景空间底片）。
- 此图须完整呈现空间全貌：主要家具布局、材质、光线状态，作为后续分镜图的视觉母版。

**第二步：生成竖版多宫格分镜图（含运镜标注）**
- 使用 **ImageToImage**，以全景室内图为参考，生成一张竖版 9:16 多宫格分镜图（4～6 格）。
- 推荐模型：**Nano Banana Pro (Gemini 3 Pro Image)**，分辨率 **2K**。
- 每格对应 Storyboard 中规划的一个探索节拍，格内叠加导演运镜标注文字（如"Walk-in · 向落地窗缓步推入"）。
- 生成后将 asset_id 注册并绑定为独立资产，供后续视频生成直接引用。

**第三步：生成竖屏一镜到底探索视频**
- 使用 **MultiModalToVideo**，推荐模型：**Seedance 2.5**，分辨率 **480p**，竖屏 9:16。
- 参考输入：
  1. **主参考图（reference_image）：** 多宫格分镜图——Seedance 2.5 读取其中的空间信息与运镜标注，将其转化为连贯的一镜到底 POV 运动；
  2. **补充参考图（可选）：** 若需强化特定材质或光线，可追加全景室内图作为第二参考。
- 时长：**固定 30 秒**（Seedance 2.5（分辨率 480p） 单次最大上限），一次生成完整视频，无需拆分。
- 不添加前序视频作为 reference_video，以分镜图驱动运镜逻辑为主。

**音频生成**
- 使用 **text_to_instrumental**，推荐模型 **Suno 5** 或 **Mureka 8**，生成 ambient 或 lo-fi 空间声学轨道，时长覆盖全片。

第一步：生成横版全景室内图（空间底片）

使用 TextToImage（无参考图）或 ImageToImage（用户提供参考图时）。
推荐模型：Nano Banana Pro (Gemini 3 Pro Image)，分辨率 2K，横版宽幅构图（16:9 或更宽）。
生成后将 asset_id 绑定到 Storyboard 中的 element scene（全景空间底片）。
此图须完整呈现空间全貌：主要家具布局、材质、光线状态，作为后续分镜图的视觉母版。

第二步：生成竖版多宫格分镜图（含运镜标注）

使用 ImageToImage，以全景室内图为参考，生成一张竖版 9:16 多宫格分镜图（4～6 格）。
推荐模型：Nano Banana Pro (Gemini 3 Pro Image)，分辨率 2K。
每格对应 Storyboard 中规划的一个探索节拍，格内叠加导演运镜标注文字（如"Walk-in · 向落地窗缓步推入"）。
生成后将 asset_id 注册并绑定为独立资产，供后续视频生成直接引用。

第三步：生成竖屏一镜到底探索视频

使用 MultiModalToVideo，推荐模型：Seedance 2.5，分辨率 480p，竖屏 9:16。
参考输入：
1. 主参考图（reference_image）： 多宫格分镜图——Seedance 2.5 读取其中的空间信息与运镜标注，将其转化为连贯的一镜到底 POV 运动；
2. 补充参考图（可选）： 若需强化特定材质或光线，可追加全景室内图作为第二参考。
时长：固定 30 秒（Seedance 2.5（分辨率 480p）单次最大上限），一次生成完整视频，无需拆分。
不添加前序视频作为 reference_video，以分镜图驱动运镜逻辑为主。

音频生成

使用 text_to_instrumental，推荐模型 Suno 5 或 Mureka 8，生成 ambient 或 lo-fi 空间声学轨道，时长覆盖全片。

5. 프롬프트 작성

**全局优先级：** 用户使用中文交互时，提示词正文使用中文；音频标签内的内容保持项目输出语言。

**横版全景室内图提示词（TextToImage / ImageToImage）**
- 结构：\[空间全貌视角\] + \[主要功能分区与家具布局\] + \[材质与陈设细节\] + \[光线描述\] + \[风格标签\]
- 明确宽幅横版构图（16:9 或更宽），呈现完整空间纵深与横向延展感；避免局部特写。
- 写实室内摄影感，自然白平衡，胶片颗粒质感，禁止商业渲染过曝或 CGI 风格。

**竖版多宫格分镜图提示词（ImageToImage）**
- 基于 <<<image_1>>>（全景室内图），生成竖版 9:16 多宫格分镜图，共 N 格（对应 Storyboard 规划格数）。
- 每格内容描述需对应 Storyboard 中该格的空间视角与情绪阶段（Threshold / Discovery / Belonging）。
- **视角高度全格锁定：** 每格画面均须明确声明"成人步行视角，镜头高度约 160 cm，水平朝向"，禁止出现无人机俯瞰、地面仰角或夸张透视；所有格保持同一视角高度，不得跳变。
- 每格须渲染导演运镜标注文字，文字简洁清晰（如"Walk-in · 缓步推入落地窗"），叠加于格内画面角落，字体风格参考电影分镜手稿。
- 整体图面保持一致的室内风格与光线氛围，来自同一空间底片。
- 禁止额外人物出现，no subtitles，no commercial rendering look。

**一镜到底视频提示词（MultiModalToVideo / Seedance 2.5（分辨率 480p））**
- **参考绑定：** <<<image_1>>> 对应多宫格分镜图；如追加全景图则为 <<<image_2>>>。
- **运镜指令层级（严格遵循此顺序）：**
  \[一镜到底声明 + 时长 30s\] → \[整体 POV 运动路径，按分镜格顺序描述，含各格参考时间区间\] → \[各段空间视角与光影变化\] → \[竖屏三段构图分配\] → \[音频标签\]
- 明确声明"30 秒单次连续 POV 推进，无切剪"，并在路径描述中按分镜格的时间区间标注节拍（如"0–2s 入口建立 → 3–10s 向落地窗推进 → 11–30s 窗边凝视收敛"），让 Seedance 2.5 将分镜图中的多格视角和时间节奏融合为流畅的一镜运动。
- **视角高度锁定（全程固定）：** 明确声明"成人步行视角，镜头高度约 160 cm，水平朝向，全程保持一致"，禁止任何俯拍、仰拍或无人机视角；在路径描述中每个节拍均不得出现视角高度漂移。
- **竖屏专项：** 声明 9:16，描述画面纵向三段内容分配（上/中/下）。
- Seedance 2.5（分辨率 480p） 音频标签：** 环境声用 (...)，步态音效用 <...>；若已有独立音轨，加 no music。
- **固定负向屏蔽：** no subtitles，no cuts，no jump cut，no character morphing，no commercial rendering look，no quotes。

**示例（客厅一镜到底）：**
基于 <<<image_1>>>（多宫格分镜图）与 <<<image_2>>>（全景室内图）。竖屏 9:16，**30 秒**单次连续第一人称 POV，无切剪。运动路径：0–2s 玄关入口缓步进入（Handheld Pan，轻微物理震动）→ 3–10s 向落地窗方向步行推进（Walk-in，带垂直位移）→ 11–30s 在窗边凝视停留（Gaze Hold，极缓收敛）。上段：天花漫射光与窗帘纱影；中段：微水泥墙面与布艺沙发区；下段：哑光木地板渐近。(静谧室内底噪，隐约窗外风声) <轻柔步伐声>。no music, no subtitles, no cuts, no quotes.

全局优先级： 用户使用中文交互时，提示词正文使用中文；音频标签内的内容保持项目输出语言。

横版全景室内图提示词（TextToImage / ImageToImage）

结构：[空间全貌视角] + [主要功能分区与家具布局] + [材质与陈设细节] + [光线描述] + [风格标签]
明确宽幅横版构图（16:9 或更宽），呈现完整空间纵深与横向延展感；避免局部特写。
写实室内摄影感，自然白平衡，胶片颗粒质感，禁止商业渲染过曝或 CGI 风格。

竖版多宫格分镜图提示词（ImageToImage）

基于 <<<image_1>>>（全景室内图），生成竖版 9:16 多宫格分镜图，共 N 格（对应 Storyboard 规划格数）。
每格内容描述需对应 Storyboard 中该格的空间视角与情绪阶段（Threshold / Discovery / Belonging）。
视角高度全格锁定： 每格画面均须明确声明"成人步行视角，镜头高度约 160 cm，水平朝向"，禁止出现无人机俯瞰、地面仰角或夸张透视；所有格保持同一视角高度，不得跳变。
每格须渲染导演运镜标注文字，文字简洁清晰（如"Walk-in · 缓步推入落地窗"），叠加于格内画面角落，字体风格参考电影分镜手稿。
整体图面保持一致的室内风格与光线氛围，来自同一空间底片。
禁止额外人物出现，no subtitles，no commercial rendering look。

一镜到底视频提示词（MultiModalToVideo / Seedance 2.5（分辨率 480p））

参考绑定： <<<image_1>>> 对应多宫格分镜图；如追加全景图则为 <<<image_2>>>。
运镜指令层级（严格遵循此顺序）：
[一镜到底声明 + 时长 30s] → [整体 POV 运动路径，按分镜格顺序描述，含各格参考时间区间] → [各段空间视角与光影变化] → [竖屏三段构图分配] → [音频标签]
明确声明"30 秒单次连续 POV 推进，无切剪"，并在路径描述中按分镜格的时间区间标注节拍（如"0–2s 入口建立 → 3–10s 向落地窗推进 → 11–30s 窗边凝视收敛"），让 Seedance 2.5 将分镜图中的多格视角和时间节奏融合为流畅的一镜运动。
视角高度锁定（全程固定）： 明确声明"成人步行视角，镜头高度约 160 cm，水平朝向，全程保持一致"，禁止任何俯拍、仰拍或无人机视角；在路径描述中每个节拍均不得出现视角高度漂移。
竖屏专项： 声明 9:16，描述画面纵向三段内容分配（上/中/下）。
Seedance 2.5（分辨率 480p）音频标签：** 环境声用 (...)，步态音效用 <...>；若已有独立音轨，加 no music。
固定负向屏蔽： no subtitles，no cuts，no jump cut，no character morphing，no commercial rendering look，no quotes。

示例（客厅一镜到底）：
基于 <<<image_1>>>（多宫格分镜图）与 <<<image_2>>>（全景室内图）。竖屏 9:16，30 秒单次连续第一人称 POV，无切剪。运动路径：0–2s 玄关入口缓步进入（Handheld Pan，轻微物理震动）→ 3–10s 向落地窗方向步行推进（Walk-in，带垂直位移）→ 11–30s 在窗边凝视停留（Gaze Hold，极缓收敛）。上段：天花漫射光与窗帘纱影；中段：微水泥墙面与布艺沙发区；下段：哑光木地板渐近。(静谧室内底噪，隐约窗外风声) <轻柔步伐声>。no music, no subtitles, no cuts, no quotes.

6. 동영상 조립

**竖屏时间轴组装**
- 以 9:16 竖屏规格组装，核心视频为一镜到底探索视频，若因时长原因拆分为多段则无缝拼接，对外呈现为单条连贯视频。
- **音频混合：** 环境氛围音轨全程铺底，音量低于视频原生音效；foley 步态层随 Walk-in 运动段落叠入，其余段落淡出。
- **情绪落地处理：** 参考 Storyboard 中的情绪阶段标注（Threshold → Discovery → Belonging），在 Belonging 阶段结尾收缩音量、轻微降速，形成情绪沉淀感；避免视频硬结尾，优先以淡出收场。
- **节奏控制：** 整体保持沉浸舒缓节奏；若多段拼接，拼接点选在运动方向一致的过渡帧，避免视线跳切。

竖屏时间轴组装

以 9:16 竖屏规格组装，核心视频为一镜到底探索视频，若因时长原因拆分为多段则无缝拼接，对外呈现为单条连贯视频。
音频混合： 环境氛围音轨全程铺底，音量低于视频原生音效；foley 步态层随 Walk-in 运动段落叠入，其余段落淡出。
情绪落地处理： 参考 Storyboard 中的情绪阶段标注（Threshold → Discovery → Belonging），在 Belonging 阶段结尾收缩音量、轻微降速，形成情绪沉淀感；避免视频硬结尾，优先以淡出收场。
节奏控制： 整体保持沉浸舒缓节奏；若多段拼接，拼接点选在运动方向一致的过渡帧，避免视线跳切。