Minimal cyber animation

输入收集（项目启动时）：
在建立 Final_Video_Spec 之前，先向用户收集以下输入项：

1. 主角参考图（可选）：若用户上传主角图像，直接作为 key element 视觉参考绑定，不重新生图；风格化约束在后续视频生成提示词中以文本指令实现。
2. 色板（可选）：
   • 若用户上传了色板图：提取色板颜色后向用户确认主色组与限定色划分，确认后写入规格。
   • 若用户未上传色板：通过 cards 提供预设色板选项供用户选择：
     • A. 冷蓝高反差（默认）：深蓝/钴蓝/青蓝/黑白，红色限定（危险/反派道具）
     • B. 暖橙废土：深黑/橙红/琥珀/灰白，青绿限定
     • C. 紫电幻夜：深紫/品红/电蓝/黑白，黄色限定
     • D. 矩阵绿：深黑/矩阵绿/灰白/黑白，红色限定
3. 画幅：横屏（16:9）或竖屏（9:16），由用户指定。
4. 时长：用户指定总时长（秒）。
   全局阶段流程与依赖：
5. 收集输入项（见上）→ 通过 cards 或 reply_to_user 与用户交互。
6. 通过 text_editor 建立 Final_Video_Spec.md：锁定标题、类型（极简赛博平面动画）、画幅（用户指定）、总时长（用户指定）、色板方案（确认后的色板或预设选择）、视觉风格（纯二维赛璐璐×抽象MG）、输出语言、严格限制清单（无写实光效/3D/电影透视/赛博朋克街景/复杂连续打斗）。
7. 检查/建立 Storyboard——key elements（主角、反派/配角、平面化场景、关键道具）、shot 列表（按用户时长分镜，每段15s）、audio layers（BGM）。若用户上传了参考图，element 描述需与参考一致但注明风格化处理。→ storyboard_designer
8. 按分镜生成视频 shot：若用户未上传参考图，使用 TextToVideo（默认模型 MiniMax H3，768p）文生视频；若用户上传了参考图，使用 MultiModalToVideo（默认模型 MiniMax H3，768p）并将上传图像作为 reference_image 引用。前n-1段生成15s，末段按实际剩余时长生成，包含多镜头描述。→ media_generator
9. 视频全部生成完成后，生成 BGM 音频层；绑定至 Storyboard 对应 audio_layer。→ media_generator
10. 全部素材就绪后进入最终装配，处理节奏/转场/音画同步，导出。→ video_assembler
    依赖关系： 步骤2依赖步骤1。步骤3依赖步骤2。步骤4依赖步骤3。步骤5依赖步骤4（视频生成完成后才进行 BGM 环节）。步骤6依赖步骤4–5。
    时长拆分策略： 若总时长超过15s，按15s为单位拆段——每段独立生成一条视频；段间通过图形匹配转场保持视觉连贯。段数 = ⌈总时长 / 15⌉，前n-1段固定生成15s，最后一段按实际剩余时长生成（如25s→第二段生成10s；如20s→第二段生成5s），prompt 内分镜镜头数量和时间区间按实际时长组织（如25s→第二段安排3–4个镜头覆盖15–25s；如20s→第二段安排2–3个镜头覆盖15–20s）。
    里程碑暂停点： 不要一次性跑完全流程。在以下节点暂停，必须通过 cards 推进（禁止用纯文字 reply_to_user 代替 cards）：
    ① 输入收集与色板确认后——cards 提供"继续建立规格文档"等选项；
    ② Final_Video_Spec 锁定后——cards 提供"开始构建分镜板"等选项；
    ③ Storyboard 完成后——cards 提供"开始生成视频片段"等选项；
    ④ 全部视频 shot 完成后——cards 提供"生成 BGM"或"调整某个片段"等选项；
    ⑤ BGM 完成后——cards 提供"开始最终装配"或"试听另一个版本"等选项。
    每个 cards 选项必须是具体可执行的下一步意图（见 Flova Interactive Cards Standards），禁止使用"告诉我你的想法"类的空白选项。
    用户素材处理： 若用户上传了参考图/色板图/视频/音频，在对应生成步骤之前通过 media_generator 绑定到正确 Storyboard 锚点；不得重新生成用户已提供的内容。对上传素材的风格/内容描述需与 Storyboard 保持一致，不可矛盾。上传的参考图直接绑定为视频生成的 reference_image，风格化约束通过提示词文本指令实现（见 write_the_prompt 规则）。

分析用户上传素材时：

• 色板图： 提取色板中的具体颜色（尽可能输出 hex/RGB 值），区分主色组与限定色（如红色仅限特定用途），输出结构化色板文本供 Storyboard 和 prompt 环节复用。标注色板整体调性（冷暖/高反差/低饱和等）。
• 主角参考图： 提取角色识别特征（发型、肤色、服饰、武器/道具、体型轮廓），输出为结构化文本并与 Storyboard key element 描述对齐。关键： 标注原图风格（写实照片/插画/3D 等），明确后续视频生成提示词需以风格化文本指令将其约束为纯二维赛璐璐剪影——白色皮肤+轮廓光，去除所有写实/照片/3D 质感。原图直接绑定使用，不重新生图。
• 风格参考图： 提取配色方案、线条粗细、剪影处理方式、平面化程度等特征，输出为结构化文本供 Storyboard 和生成环节复用。
• 视频/动画参考： 分析其转场手法（剪影、斜向遮罩、反相、图形匹配）和运动节奏（鼓点同步），输出为可执行的转场/节奏指令。

Key Elements 设计：

• 主角（element character）： 角色描述按案例格式撰写：角色名——[发型]，[服饰]，[武器]，[气质/表情]；[平面化渲染方式]。若用户上传了主角参考图，描述需与参考图特征一致，并注明"原图直接绑定使用，在提示词中以风格化指令约束为纯二维赛璐璐剪影——白色皮肤+轮廓光，无立体阴影，非写实"。若未上传，根据用户描述或默认赛博风角色设计。
• 反派/配角（element character）： 同主角格式描述（发型/服饰/武器/气质+平面化渲染方式）。平面剪影化处理。限定色（如红色）仅出现在其场景道具或特定特征上。默认必须设计至少一个反派/配角——本风格的双角色对峙/互动是画面张力和叙事层次的核心来源，除非用户明确要求单人画面，否则 Storyboard 不得只有主角一人。
• 平面化场景（element scene）： 线稿管道、网格、矩形块组成的抽象场景；无3D体量，无写实建筑。描述时明确"平面化、可拼合、可翻转/压缩/变形"。场景配色跟随已确认的色板方案。
• 关键道具： 均以平面图形/剪影方式表现。颜色使用遵循色板限定规则。
  Shots 设计（按15s/段分镜）：
• 每段视频在一段 prompt 内用多镜头描述规划完整叙事节奏；禁止将一段拆为多次生成。
• 镜头密度与节奏： 满段（15s）5–6个镜头；最后一段不足15s时，镜头数量按实际时长等比缩减（如10s安排3–4个镜头，如5s安排2–3个镜头）。末段通常为加速收束节奏，镜头时长偏短（1.5–2s/镜）。镜头时长由节奏决定——慢节奏段每镜约3s，快节奏/蒙太奇加速段每镜1.5–2s。禁止单镜头超过5s，也禁止每镜低于1s导致节奏过碎。参照提示词案例的节奏分配。
• 每个shot描述必须包含：场景（引用 element scene ID）、图形动作（平面化运动：弹出/滑动/拼合/翻转/反相/碎裂）、角色动作（引用 element ID，保持剪影化）、转场手法（剪影/斜向遮罩/反相/图形匹配）、时间区间（满段15s内5–6个镜头；末段按实际时长等比缩减，如10s→3–4个镜头，5s→2–3个镜头；镜头时长由当前段落节奏决定：慢节奏约3s/镜，快节奏1.5–2s/镜）。
• 首镜特写开场： 视频第一个镜头必须从特写开始（如靴尖+刀尖、眼部特写、手部特写、杯沿特写），以局部细节建立视觉钩子，再展开至全景/中景。
• 角色出场占比与顺序： 主角与反派的出场占比约 7:3——主角为叙事核心，占大部分镜头。主角优先出场，前至少3个镜头只出现主角与环境，反派/配角在第4个镜头之后才正式登场（可在此之前以局部暗示出现，如仅剪影+眼睛、远处轮廓）。反派登场后可与主角共享镜头，但总镜头占比仍以主角为主。
• 场景与环境密度： 每段必须包含丰富的环境叙事，不可只写角色对峙。三项硬性要求：①必须有一个命名场景作为背景（如"赛博矩阵城市""纯白几何城""蓝黑平面房间""数码竹林"），禁止用"抽象背景""网格底面"等无场景命名的描述替代；②必须出现至少一种环境道具（如月亮/酒杯/红酒/钟环/UI圆环/管道/沙发），道具参与图形运动或转场，禁止零道具的段落；③必须出现至少一种环境形变（如城市上翻变矩形/网格动态拼合/背景横版滑动/房间色块切换）。环境不是静态背景板，必须参与图形运动和转场。反派/配角不限于持武器——案例中反派坐沙发摇酒杯，道具可以是酒杯、红酒、月等非武器物件，丰富画面层次。
• 角色风格反馈： 角色动作必须触发本风格标志性的图形反馈，不可只写"挥剑/拔刀"等中性动作——对照案例：脚步弹出白色横线/刻度/方块、角色黑→白反相再复原、刀光转为斜线/碎月/UI圆环、鼓点触发反相/红闪/几何拆解。每段至少包含2种标志性风格反馈。
  分镜间转场设计（Inter-shot Transitions）：
• 每相邻两个 shot 之间必须显式设计一条转场，不能留空或默认硬切。转场需同时满足两个条件：① 上一 shot 的末帧图形/颜色/动作与下一 shot 的首帧形成视觉呼应；② 转场手法在本风格允许的四种之内（剪影过渡 / 斜向遮罩切分 / 黑→白反相再复原 / 图形匹配）。
• 图形匹配（match cut）优先： 寻找上下镜之间形状/颜色/位置的天然对应（如月亮→红点→酒杯、刀尖→斜线、钟环→UI圆环），以图形匹配作为首选衔接方式。
• 节奏驱动转场选择： 中速段落用剪影过渡/斜向遮罩；蒙太奇加速段落用反相闪切；收束段落用图形匹配做缓衔接。
• 在 Storyboard 中以 transition_to_next 字段或行内标注记录每条转场：写明转场类型 + 视觉锚点（哪两个图形在做匹配）+ 预计持续时间（0.3–0.8s）。
• 节奏结构建议： 前段以中速图形运动推进 → 中段鼓点蒙太奇加速 → 后段骤然收束至静态/特写 → 末帧标题定格。具体节奏点按实际时长等比缩放。
• 若总时长≤15s，可单次生成；若>15s，按 planner 拆分策略分段，段间用图形匹配转场衔接。
  Audio Layers 设计：
• BGM（audio_layer, music）： 冷调电子/工业鼓点（或跟随色板调性的电子风格），驱动整体节奏。鼓点需与蒙太奇段落的反相/闪切/几何拆解同步。规划为全局BGM轨道，跨所有shot。
• 默认无旁白/对白；若用户要求可添加 narration（VO）。

视频 Shot 生成：

• 无上传参考图时： 使用 TextToVideo，默认模型 MiniMax H3，分辨率默认 768p（会员可选 2k），画幅跟随用户指定（16:9 或 9:16）。前n-1段生成15s，末段按实际剩余时长生成；prompt 内包含多镜头描述（multi-shot），按分镜顺序覆盖本段的完整叙事节奏。
• 有上传参考图时： 使用 MultiModalToVideo，默认模型 MiniMax H3，分辨率默认 768p（会员可选 2k），画幅跟随用户指定（16:9 或 9:16）。将用户上传的参考图绑定为 reference_image，风格化约束通过 prompt 文本指令实现（见 write_the_prompt 角色风格化模块）。前n-1段生成15s，末段按实际剩余时长生成。
• 每段视频 prompt 内支持多镜头描述（multi-shot），一次生成覆盖本段所有内镜头切换。
• 每段的参考输入（有上传时）必须包含用户上传的参考图；连续性视频参考（上一段视频）仅在段间连续性极强时添加。
• 默认情况下视频生成不需要预先生成音频——MiniMax H3 随视频生成同步音频。独立 BGM 音频层在视频全部生成后再生成（见下方音频生成）。仅当某 shot 需以音频作为参考输入时，才先通过 generate_audio_resource 生成或注册音频、绑定至对应 Storyboard 锚点并验证后再生成该 shot 视频。
  音频生成：
• BGM： 使用 text_to_instrumental（Suno 5 或 Mureka 8），描述风格跟随色板调性（默认冷调电子/工业鼓点），节奏需配合蒙太奇段落的鼓点触发。
  Asset Binding Contract：
• 遵循当前 manage_item_assets 契约，使用 Storyboard 实际目标 ID；不在 Skill 中定义单独 ID 模板。
• 在目标 Storyboard 锚点存在后、任何生成引用音频之前，调用 query_assets_info 检查。若缺失绑定，调用 manage_item_assets 并保留完整绑定数组，然后重新查询验证。
• 从资产的实际用途和计划位置解析绑定，计划位置优先于术语；一个资产服务多个用途时保留所有适用绑定。

全局最高优先级： 用户使用中文交互时，prompt 正文用中文撰写。

提示词结构（所有视频 prompt 均按此结构组织，对照参考案例）：
每条 prompt 由四个块严格按序组成，每个块为一行（分镜块除外）。四块顺序固定为：风格→角色→分镜时间轴→严格限制。严格限制块必须是最后一块，且每条 prompt 中只出现一次。所有镜头描述（含末段转场镜头）必须全部在分镜时间轴块内，严禁在严格限制块之后再出现任何镜头描述——违反此结构属于严重格式错误。

1. 风格（单行，以 风格： 开头） — 合并以下内容为一整段流畅文本，句号分隔，不拆分为独立段落：
   • 风格锚点：纯二维赛璐璐 × 抽象MG，平面化剪影，无3D体量，无写实光影，无电影透视。
   • 配色控制：写出色板名称 + 具体主色（如"冷蓝高反差（深蓝/钴蓝/青蓝/黑白）"），并写出限定色及实际用途（如"红色仅限反派沙发、酒液、危险信号"）。限定色声明范围必须覆盖分镜中所有实际使用该颜色的场景（含道具、环境元素）；分镜中出现的限定色用途不得超出声明范围——若分镜中酒杯使用了红色，声明中必须包含酒杯/酒液用途。用户上传色板时替换为确认后的主色组与限定色；预设色板（B/C/D）使用对应主色组与限定色。
   • 场景平面化：线稿管道、网格、矩形块，无立体3D。
   • 画面动态：如动态海报，允许倾斜/翻转/压缩/变形。
   • 转场手法：列出本段将使用的转场（剪影、斜向遮罩、反相、图形匹配）。
2. 角色（单行，以 角色： 开头） — 格式：角色名——[发型]，[服饰]，[武器]，[气质/表情]；[平面化渲染方式]。多角色用句号分隔。每段 prompt 的角色行都必须列出所有角色——无论该角色是否在本段镜头中正式出场。 即便反派按 7:3 规则在第4个镜头后才登场，角色行仍然必须写出主角+反派/配角的完整描述，禁止只写主角一人。反派/配角缺失会导致画面缺少对峙张力和叙事层次。
   • 气质/表情允许简短氛围词（如"冷峻""优雅危险，嘲讽神情"），这是角色特征总结，不违反分镜中禁止氛围词替代视觉指令的规则。
   • 平面化渲染方式以分号隔开放末尾，指定皮肤色与轮廓光色（如"平面剪影+白色皮肤+蓝色轮廓光"），禁止将整个角色身体描述为纯色填充。
   • 限定色特征后用括号标注用途（如"赤红单眼微微发光（红色作为危险信号）"）。
   • 禁止在每个特征后追加"图形""平面""剪影"等风格后缀。 角色描述用简洁直接词，对照案例写法："黑短发""黑制服长靴""等身大太刀"——不加"图形""平面""剪影"等后缀。武器与道具同理——写"青蓝色高科技终端"而非"青蓝色平面高科技终端"。平面化风格由末尾的渲染方式统一传达，不需要逐元素重复标注。武器不附加长度/比例标注（如禁止"（约三尺，比例1:1）"），用案例式的简洁词（"等身大太刀""短弯刀"）即可。
3. 分镜时间轴（以 分镜（0~Xs）： 开头，逐镜一行） — 每行格式：时间区间：具体画面描述。
   • 时间轴连续性（关键）： 分镜时间轴必须反映用户指定的总时长，不可重置。第一段写 分镜（0~15s）：；第二段写 分镜（15~30s）：（而非 0~15s），时间区间从15s起续编。例如用户指定25s：第一段 0–15s（5–6个镜头），第二段 15–25s（3–4个镜头）。例如用户指定20s：第一段 0–15s（5–6个镜头），第二段 15–20s（2–3个镜头）。末段 prompt 时间区间只写到目标时长，不超出。
   • 满段15s安排5–6个内镜头；末段按实际时长等比缩减镜头数量（10s→3–4个镜头，5s→2–3个镜头）；镜头时长由节奏决定——慢节奏约3s/镜，快节奏1.5–2s/镜。禁止单镜头超过5s或低于1s。
   • 运动描述栈：图形运动（弹出/滑动/拼合/翻转/反相/碎裂）→ 角色动作（剪影化运动，引用 element ID）→ 空间变化（背景平面切换/遮罩切分/构图位移）→ 音频提示（鼓点以极简内联融入，若独立BGM轨道则不重复完整BGM）。
   • 镜内形变与过渡用 → 箭头表示连续变化（如"蓝蝶过眼→抽象色块""月亮缩为红点→匹配酒杯红酒"）。凡涉及形变、匹配、连续视觉过渡的镜头必须使用 → 箭头，禁止用纯文字描述替代。每段 prompt 中 → 箭头应至少出现3次——包括镜内形变、元素转化、以及段末转场。段末转场至下一段也必须用"A缩为B→匹配C"格式写入对应镜头（如"警示符号缩为红点→匹配酒杯杯口"），与 Storyboard 的 transition_to_next 一一对应。禁止用"图形匹配切入下一段""转场至下一段"等纯文字替代 → 格式。
   • 成组表达（对照案例）： 相关视觉元素用 / 连接成组出现，不拆散单独描述。如"弹出白色横线/刻度/方块""刀光转为斜线/碎月/UI圆环""怪物仅剪影+眼睛""水平/垂直/45度斜线切分空间"。成组表达增强画面密度感和节奏感。
   • 角色出场占比与顺序： 分镜中主角与反派出场占比约 7:3。前至少3个镜头只出现主角与环境，反派/配角在第4个镜头之后才正式登场（可在此之前以局部暗示出现，如仅剪影+眼睛、远处轮廓）。角色行仍需列出所有角色，但分镜镜头描述中按此占比和顺序安排角色实际出场。
   • 蒙太奇段落可用括号简写列举重叠元素（如"快速MG蒙太奇（侧脸/手/刀/钟/月/怪影重叠），鼓点触发反相、红闪、几何拆解"）。
   • 图形匹配转场直接写入对应镜头描述（如"A缩为B→匹配C"），与 Storyboard 的 transition_to_next 一一对应。
4. 严格限制（单行，固定不变）：

   无写实光效/3D/电影透视/赛博朋克街景；无复杂连续打斗；所有元素平面化、剪影化、图形化，全程如动态平面海报。
   角色风格化模块（有上传参考图时追加）：

• 在角色行后追加：将参考角色风格化为纯二维赛璐璐剪影——白色皮肤+轮廓光，去除所有写实/照片/3D质感，平面化处理。角色特征匹配参考图，但渲染风格为纯平面剪影，非写实。
• 在 prompt 开头添加 <<<image_N>>> 占位符绑定上传的参考图。无上传时不使用占位符，直接文生视频（TextToVideo）。

---

提示词质量要求（所有视频 prompt 必须满足）：

• 每镜必须命名具体可见图形： 禁止"抽象色块"等笼统词，必须写出实际图形元素（如"白色横线/刻度标记/矩形方块""斜线/碎月/UI圆环""蓝色钟环/黑色斜面"）。每镜至少2种具体图形。
• 禁止纯静态镜头： 即使收束段落也必须有图形微动——线条浮动、粒子漂移、网格抖动、色块呼吸。禁止"绝对静止"/"无运动"；静态感通过减速和微动实现。
• 禁止氛围/情绪语言替代视觉指令（仅限分镜时间轴描述）： "节奏蓄势""张力顶点"等导演意图必须翻译为可见的图形动作（如"反派剪影缓慢向左推进，赤红光刃划出斜向轨迹"）。角色行的气质/表情词不受此限。
• 每镜三层平衡： 每个内镜头必须同时包含①图形运动 ②角色动作 ③空间变化，只描述其中一层的镜头不合格。若镜头以环境/图形为主，仍须为至少一个角色写出可见动作（如"反派剪影在沙发中微微前倾""女主冷眼凝视"），不可整镜只有环境无角色。
• 语言风格：导演式简洁指令。 每镜1–2句，短句为主，动词驱动（弹出/划过/拼合/翻转/碎裂/反相）。避免长句堆叠形容词，冗长描述会稀释 MiniMax H3 对关键运动指令的执行力。
• 环境叙事密度（对照案例）： 每段分镜必须包含丰富的场景、环境道具和环境形变——不可整段只写角色动作对峙。三项硬性要求（与 Storyboard 设计规则一致）：①必须有一个命名场景作为背景（如"赛博矩阵城市""纯白几何城""蓝黑平面房间"），禁止用"抽象背景""网格底面"等无场景命名的描述糊弄；②必须出现至少一种环境道具（如月亮/酒杯/红酒/钟环/UI圆环），道具参与图形运动或转场，禁止零道具的段落；③必须出现至少一种环境形变（如城市上翻变矩形/网格动态拼合/背景横版滑动）。对照案例的密度标准：第一段有"城市由线稿/网格/建筑块动态拼合""蓝色钟环展开，黑色斜面切分画面""蓝蝶过眼→抽象色块，刀光转为斜线/碎月/UI圆环，怪物仅剪影+眼睛"；第二段有"女主立纯白几何城，城市上翻变蓝黑矩形""蓝黑平面房间，反派坐猩红沙发摇酒杯""酒杯特写映女主剪影""杯碎为蓝黑切片"。反派/配角不限于持武器——案例中反派坐沙发摇酒杯、酒杯映女主剪影，道具可以是非武器物件（酒杯/红酒/月亮/钟环等），不可默认所有角色都在对峙打斗。
• 角色风格反馈密度（对照案例）： 角色动作必须触发本风格标志性的图形反馈，不可只写中性动作描述。对照案例的反馈类型：脚步弹出白色横线/刻度/方块、角色黑→白反相再复原、背景横版滑动、城市/网格动态拼合、刀光转为斜线/碎月/UI圆环、鼓点触发反相/红闪/几何拆解。每段至少出现2种标志性风格反馈，且需分布在多个镜头中而非集中在一镜。
  standing negatives： 每条 prompt 必须完整包含全部五项：no realistic lighting、no 3D、no cinematic perspective、no music、no subtitles，缺一不可。不得自行添加 no dialogue、no watermark 等非标准项。
  生成前自检清单（输出 prompt 前逐项验证，不合格则修改后再输出）：

1. 角色行是否列出了所有角色（主角+反派/配角）？即便反派本段未正式出场也必须列出。
2. 是否有一个命名场景作为背景（如"赛博矩阵城市""纯白几何城"等），而非"抽象背景"等糊弄描述？
3. 是否至少出现一种环境道具（月亮/酒杯/钟环等）参与图形运动或转场？
4. 是否至少出现一种环境形变（城市上翻/网格拼合/背景滑动等）？
5. → 箭头是否至少出现3次（镜内形变+元素转化+段末转场）？段末转场是否用"A缩为B→匹配C"格式？
6. 四块结构是否完整且顺序正确（风格→角色→分镜→严格限制）？严格限制块是否只出现一次且在最后？所有镜头是否都在分镜块内？
7. 每镜是否包含三层（图形运动+角色动作+空间变化）？
8. standing negatives 是否完整包含全部五项（no realistic lighting, no 3D, no cinematic perspective, no music, no subtitles）？
9. 分镜时间轴是否从正确起点续编，且只写到目标时长不超出？末段镜头数量是否按实际时长等比缩减？
   MiniMax H3 专属注意事项（所有视频生成适用）：

• prompt 上限 7000 字符（含占位符），可写完整图形运动/转场/节奏描述，但仍需精炼——冗长 prompt 会稀释关键指令。
• MiniMax H3 不使用 Seedance 2.5 的 <...>/(...)/{...}/【...】 标记语法；音效、音乐、对白等信息以自然语言融入 prompt 正文描述即可。
• 音频参考（audio_infos）需至少搭配一个 image_infos 或 video_infos，不支持纯音频参考生成。

---

提示词参考案例（20s，冷蓝高反差，无上传→TextToVideo）：
以下为完整视频 prompt 参考案例。实际生成时按15s分段：0–15s 为第一段独立生成，15–20s 为第二段（按15s生成，装配时剪裁至5s）。

风格：纯二维赛璐璐 × 抽象MG，冷蓝高反差（深蓝/钴蓝/青蓝/黑白），红色仅限反派沙发、酒液、危险信号。城市平面化——线稿管道、网格、矩形块，无立体3D。画面如动态海报，允许倾斜/翻转/压缩/变形；转场用剪影、斜向遮罩、反相、图形匹配。

角色：女主——黑短发、黑制服长靴、等身大太刀，冷峻；平面剪影+白色皮肤+蓝色轮廓光。反派——灰长发、宽檐黑帽、黑长外套，优雅危险，嘲讽神情。

分镜（0~20s）：
0–3s：深蓝底，女主靴尖+刀尖，脚步弹出白色横线/刻度/方块，刀光留青蓝轨迹。
3–6s：镜头沿刀上移，女主黑→白反相再复原；城市由线稿/网格/建筑块动态拼合。
6–9s：侧移行走，背景横版滑动；蓝色钟环展开，黑色斜面切分画面，女主冷眼入独立特写框。
9–12s：蓝蝶过眼→抽象色块，刀光转为斜线/碎月/UI圆环，怪物仅剪影+眼睛。
12–15s：快速MG蒙太奇（侧脸/手/刀/钟/月/怪影重叠），鼓点触发反相、红闪、几何拆解。
15–17s：女主立纯白几何城，城市上翻变蓝黑矩形，月亮缩为红点→匹配酒杯红酒。
17–19s：蓝黑平面房间，反派坐猩红沙发摇酒杯；酒杯特写映女主剪影，焦点转反派抬眼微笑。
19–20s：液面静止，杯碎为蓝黑切片，标题由刻度+刀刃拼合，出现"FACE THE NIGHT"。

严格限制：无写实光效/3D/电影透视/赛博朋克街景；无复杂连续打斗；所有元素平面化、剪影化、图形化，全程如动态平面海报。
案例结构说明： prompt 按"风格→角色→分镜时间轴→严格限制"顺序组织。角色描述以 角色： 开头，按 发型→服饰→武器→气质/表情 顺序撰写，以分号隔开末尾追加平面化渲染方式（如"平面剪影+白色皮肤+蓝色轮廓光"）。有上传参考图时，在角色描述后增加角色风格化模块（见上方"角色风格化模块"），并在开头添加 <<<image_N>>> 占位符。满段5–6个内镜头（末段按实际时长等比缩减，如10s→3–4个镜头，5s→2–3个镜头），镜头时长由节奏决定——慢节奏3s/镜，快节奏1–2s/镜；最后一段按实际剩余时长生成，prompt 内分镜时间区间只写到目标时长，不超出。

节奏与装配：

• 全片以"动态平面海报"为节奏基调：前段以中速图形运动推进，中段鼓点蒙太奇加速，后段骤然收束至静态/特写，末帧标题定格。具体节奏点按实际时长等比缩放。
• 转场处理： 优先使用图形匹配转场（如月亮→红点→酒杯、杯碎→切片→标题拼合），而非传统叠化。斜向遮罩和反相切分作为节奏工具。
• 音画同步： BGM鼓点需对齐蒙太奇段落的反相/闪切/几何拆解节拍。在时间线上标注精确同步点。
• 标题定格： 标题图形拼合出现在末尾1s，保持静止定格至结束。
• 导出时不额外调整画幅/分辨率（保持生成时的画幅与768p）。