Twelve-shot jewelry advertising vlog

[planner]* 启动时必须询问用户（在执行任何步骤前）：*

*"请问您希望输出的视频比例是？
A. 9:16 竖屏（适合小红书/抖音/Reels）
B. 16:9 横屏（适合YouTube/品牌官网）"
等待用户回答后，将比例写入 Final_Video_Spec.md，全流程沿用。

输入说明：

用户可上传1至多张参考图，按以下类别分组。未提供某类别时，对应元素由AI根据
已有参考图风格自行推断生成。
类别标签说明[Character_Input]模特参考图（可多张，含不同角度/造型）[Jewelry_Input]首饰参考图（可多张，含细节/佩戴状态）[Environment_Input]环境参考图（可多张，含建筑/街景/室内）[Brand_Input]品牌参考图（可多张，含logo/slogan/视觉调性）

流程步骤：

1. 询问用户以下两项配置，写入 Final_Video_Spec.md → text_editor

   ① 视频比例：
   A. 9:16 竖屏（适合小红书/抖音/Reels）
   B. 16:9 横屏（适合YouTube/品牌官网）
   ② 每个镜头生成的候选视频数量：
   A. 按照Skill原有设定，每个镜头生成 3个候选版本（生成后逐镜筛选，效果最优，积分消耗较多）
   B. 每个镜头生成 1个版本（节约积分，生成速度快）
   将选择写入 Final_Video_Spec.md，字段：shot_candidates（值为 3 或 1）

2. 分类分析所有输入图，提取各类别的视觉特征 → multimodal_analyze_tool
   • 环境条件判断*：若未检测到 [Environment_Input]，立即询问：*

     "未检测到环境参考图。请选择环境设计方式：
     A. 我来描述：请输入您的环境风格需求（风格/城市/光线/色调等）
     B. Flova自动设计：基于角色与首饰参考图自动推断并扩展环境"
     等待用户回应，将结果写入 Final_Video_Spec.md 作为 [Environment_Ref] 来源

3. 按固定12镜头叙事逻辑生成故事板，所有内容从输入图提取，不套用固定场景描述
   → storyboard_designer
   • 若已提供 [Brand_Input]，同步询问013镜头背景方案（三选一）：

     A. 纯黑背景 + logo居中
     B. 品牌色调低饱和纯色背景（推荐高级感）
     C. 由Flova设计带logo的创意收尾帧
     将选择写入 Final_Video_Spec.md

   • ⏸ 暂停，等待用户确认故事板及013方案（若适用）
4. Elements图像生成（角色三视图 + 首饰细节图 + 环境参考渲染图）→ media_generator
   • ⏸ 暂停，等待用户确认角色、首饰与环境元素还原度
5. A类关键帧图像生成（每个A类镜头，参考步骤4 elements图）→ media_generator
   • ⏸ 暂停，等待用户确认
6. A类镜头视频生成（每个A类镜头1/3个候选版本）→ media_generator
7. B类镜头图像+视频生成（006/007/008，基于步骤4环境elements；含013若适用）→ media_generator
   • ⏸ 条件性暂停：若 shot_candidates = 3，暂停并等待用户逐镜头筛选（ 引导用户点赞）所有候选版本（A类+B类+013）；若 shot_candidates = 1，直接进入下一步，无需筛选。
8. 背景音乐生成 → media_generator
9. 最终剪辑合成 → video_assembler

依赖关系： 1优先；2→1；3→2；4→3；5→4；6→5；7→4,3；8→3；9→6,7,8
注： 用户已提供某类别图片时，直接绑定为该类别参考；未提供时由AI基于已有参考推断。

未提供 [Brand_Input] 时，013镜头自动跳过，不进入故事板与生成流程。*

输入图分类分析规范

对用户上传的每一类参考图分别进行分析。严禁主观解读或美化，只做客观特征提取。
提取结果作为后续所有分区的内容依据。

[Character_Input] · 人物特征提取

• 面部：脸型、五官比例、眼型、唇色、妆容风格
• 发型：长度、颜色（自然光下）、质感（直/波浪/卷）、发际线
• 肤色：色阶描述（冷白/米白/小麦/深色）
• 体型：肩宽、颈部比例、整体身型
• 服装（如图中可见）：颜色、款式、面料质感
• 多张图时：提取共同特征，记录不同造型差异（如 Look 1 / Look 2）

[Jewelry_Input] · 首饰特征提取

• 种类：项链/耳环/戒指/手链/其他
• 主体形态：吊坠/主石形状、尺寸（相对人体比例估算）
• 材质：金属色泽（银/黄金/玫瑰金）、表面工艺（镜面/磨砂/镶嵌/雕刻）
• 链条/结构：链型、链长、搭扣细节
• 佩戴状态（如有）：位置、与服装/肤色的搭配关系
• 多张图时：提取不同角度下的细节，建立完整的首饰视觉档案

[Environment_Input] · 环境视觉语言提取

• 建筑风格：现代/复古/工业/热带/极简/其他
• 空间类型：室外街道/室内商业/自然户外/混合
• 色彩基调：主色调、光线色温（暖/冷/中性）
• 光线特征：直射日光/漫射光/内透光/背光
• 纵深感：空间是否有明显纵深层次（前景/中景/背景关系）
• 可识别元素：路牌、植物、材质纹理、窗框、地面细节等
• 多张图时：归纳共同视觉调性，记录可用于不同镜头类型的场景特征

[Brand_Input] · 品牌视觉提取

• 品牌名称/Slogan 文字（精确提取，不可改写）
• Logo形态与色彩
• 品牌色系
• 整体调性关键词（奢华/轻奢/自然/极简/等）
• 可用于环境镜头的品牌视觉元素（橱窗/包装/标识牌等）

输出格式：按四类分别输出结构化文本，每项单独一行。
未提供某类别时，注明"未提供，后续由AI根据已有参考推断"。

## 固定12镜头叙事逻辑模板
核心原则： 本模板只规定每个镜头的景别、叙事位置、情绪功能和影像技法。
所有内容（人物外形、首饰款式、环境风貌、品牌元素）均从输入图提取，
不套用固定的场景、服装或道具描述。

关键元素定义

分析完输入图后，按以下格式定义本次项目的关键元素：
[Character_Main]

来源：[Character_Input]
提取内容：面部特征、发型、肤色、体型、造型（若有多套造型，注明 Look 1/Look 2）

**[Jewelry_Hero]

来源：[Jewelry_Input]
提取内容：首饰完整视觉档案（形态、材质、细节、佩戴状态）

**[Environment_Ref]

来源：[Environment_Input]
提取内容：本次项目的环境基调、光线特征、可用场景层次

**[Brand_Ref]

来源：[Brand_Input]（若未提供则为空）
提取内容：品牌文字、Logo、品牌视觉元素*

12镜头列表

叙事结构：局部悬念 → 人物建立 → 情绪爆发 → 呼吸转场 → 再现收束 → 离场
001 — ECU · 首饰局部特写（A类）
景别：极近景，身体局部（锁骨/手/耳颈）。面部上半（眼睛、额头）不入画。根据首饰类型，面部仅出现一小部分。例如，对于项链，聚焦于面部下半部分至胸口区域。
内容：[Jewelry_Hero] 作为画面核心，[Character_Main] 身体局部入画提供皮肤/服装质感
构图：角色面部朝向：完全侧脸（Full Profile）。身体角度：四分之三转体（Three-Quarter） 躯干相对于镜头有约四分之三的旋转偏折，整体略微侧向/背离镜头，与侧脸方向一致，形成从面部到胸口的流畅斜线构图。当首饰是戒指、手镯这些类型时，仅展现手部。
运动：镜头以首饰挂坠为中心支点，沿弧形轨迹缓慢横向移动，模拟摄影师手持相机围绕主体做弧线位移。整体运动幅度克制，属于「微环绕」，非大角度旋转。景深保持稳定：运动过程中主体（项链挂坠）始终维持对焦，浅景深背景持续虚化。
功能：感官引入，悬念建立，产品首次曝光
提取依据：首饰形态与佩戴方式来自 [Jewelry_Input]
002 — MS · 环境站姿（A类）
景别：中景，腰部以上，半身。角色面部：四分之三侧面（3/4 Profile），脸朝向画面一侧，非完全正脸也非全侧脸，介于两者之间，表情自然。身体躯干基本正对镜头，与面部朝向形成轻微扭转感，姿态放松自然。
内容：[Character_Main] 在 [Environment_Ref] 对应的环境氛围中自然站立或行走，
[Jewelry_Hero] 可见但非焦点，人物与环境形成真实共存感。
构图：角色位于画面一侧，不居中。环境沿着透视汇聚线（Leading Lines）向画面纵深延伸，赋予画面强烈的空间纵深感。浅景深，角色清晰，远端背景轻微虚化。首饰清晰可见，视觉层次分明。
光线：环境侧光从画面一侧上方打入，在角色发丝与肩部形成柔和的轮廓光。环境光影层次丰富，整体氛围有质感。
运动：镜头以平稳、匀速的方式运动。当角色向镜头方向走来（向前行走），镜头同步向后退让，两者速度基本匹配。角色前进速度与镜头后退速度接近平衡，画面景别在整个片段中维持在中景（MS）→ 中近景（MCU） 的相对稳定区间。
功能：人物与场景建立
提取依据：背景环境视觉语言来自 [Environment_Input]
003 — 低角度CU · 动态细节（A类）
景别：地面或极低视角，[Character_Main] 局部（腿/脚/手）。展现角色腿脚时，画面截取地面至小腿下段区域，仅呈现脚部、鞋子与服装小腿区域，为身体局部极近特写。
内容：环境地面细节（地砖/落花/草地/落叶/环境/地面，取决于[Environment_Input]）
与 [Character_Main] 局部动态同框，轻微运动模糊
运动：镜头从极低角度（虫视 Worm's-Eye View）以平稳、有节奏感的方式向后移动（Dolly Out），镜头后退速度与角色向前行走的步伐速度精准匹配，形成「脚步迎面而来 × 镜头同步退让」的动态平衡。运动模糊（Motion Blur），动感真实。运动平稳、有节律，与步伐韵律同步，无明显抖动。
功能：行进感，在地氛围
提取依据：地面质感与环境细节来自 [Environment_Input]
004 — MCU · 光晕情绪帧（A类）
景别：中近景，肩部以上侧面。画面截取肩部至头顶区域，呈现角色肩颈、侧脸与发丝，为上半身特写。面部朝向：完全侧脸（Full Profile） ，角色面部朝向画面侧方，呈现标准正侧面——鼻梁、嘴唇、下巴的侧面轮廓清晰，眼眸微闭或半闭，神情迷离空灵，非正对镜头。身体角度：四分之三转体（3/4 Rotation） 躯干相对于镜头有约四分之三的旋转角度，与侧脸朝向保持一致，颈部延伸线与肩部弧度自然流畅。极浅景深，角色轮廓与发丝为焦点，背景完全虚化，前景有若有若无的虚化遮挡物。
内容：[Character_Main] 侧脸，画面叠加暖色光晕（物理遮挡或光泄漏），轻微运动模糊
光线色调参照 [Environment_Input] 的光线特征延伸处理
光线：光源来自角色身后偏上方，强光打出清晰的发丝轮廓光（Rim Light）。光晕（Halo）：光源周围形成明显的光晕，包裹角色头部与肩部，营造近乎梦幻的视觉氛围。镜头光斑（Lens Flare）：逆光触发横向或放射状的镜头光晕/光斑，增强电影感与自然感。光泄漏（Light Leak）：画面边缘有轻微的光泄漏效果，进一步强化光线的物理真实感。
运动：轻微手持晃动
功能：情绪爆发，电影感最强帧
005 — MS · 逆光剪影（A类）
景别：中景，背对镜头。角色虚焦前景（Out-of-Focus Foreground），角色身体呈现为虚化的前景剪影，位于画面一侧边缘。虚焦处理使角色退为环境叙事的「框架元素」，而非视觉主体，角色姿态隐约可见为站立状，背部或侧背对镜头。
内容：[Character_Main] 背影轮廓（面部特征不需要），以 [Environment_Ref] 的
自然环境元素（植被/天空/光源）形成散景背景，逆光欠曝
构图：采用肩上构图（Over-the-Shoulder）逻辑，角色虚焦前景占据画面一侧或一角，视觉重心引导至实焦的背景，强烈的透视纵深感。
光线：从画面侧面/斜前方打入，形成光影分界，提升画面戏剧张力，画面层次丰富。
运动：微动态，电影运镜，画面靠植被轻摆与光束营造「活的静止」感。
功能：情绪顶点，去个体化
提取依据：背景散景的色调与植被类型来自 [Environment_Input]
006 — ECU · 环境微距（B类）
景别：极近景，纯环境细节，无人物
内容：从 [Environment_Input] 中提取的代表性材质或自然元素（植物/纹理/水面/
玻璃/砖墙），极浅景深，全画面虚化
运动：电影运镜，手持质感，赋予画面自然的呼吸感与真实在场感。
功能：强制呼吸，叙事减速
提取依据：微距对象来自 [Environment_Input] 中的材质特征
007 — LS · 纯环境空镜（B类）
景别：全景，纯场景，无人物
内容：从 [Environment_Input] 中提取最具代表性的建筑或空间全貌，
突出环境的纵深感与光线特征
运动：电影运镜
功能：场景转场，叙事呼吸
提取依据：建筑风格与空间全貌来自 [Environment_Input]
008 — MS · 人物/环境叙事帧（B类）
景别：复合景别（Composite Framing） 画面采用前景虚焦人物 × 背景实焦长景的复合结构——前景角色以MCU近距离存在，但背景呈现为全景（LS）规模的纵深空间，两者形成景深上的强烈对比。
内容：以 [Environment_Ref] 提取的空间元素为主体（可以是橱窗/拱廊/庭院/走廊/
任何具有纵深的空间），[Character_Main] 作为虚焦前景存在
构图：角色存在方式：虚焦前景框架元素（Out-of-Focus Foreground），角色位于画面一侧三分之一处，仅呈现头部、颈部与上肩区域，角色细节模糊，服务于「环境叙事」而非「人物叙事」。角色有一定的轮廓光，为虚焦剪影增添质感。
运动：电影运镜
功能：场所标定，环境叙事
提取依据：空间类型与构图层次来自 [Environment_Input]
009 — FS · 全身造型帧（A类）
景别：全身景，头顶至鞋。人物位于画面一侧三分线位置，另一侧留白展现环境深度。
内容：[Character_Main] 在 [Environment_Ref] 场景中完整呈现，
造型可完整读取，[Jewelry_Hero] 清晰可辨
运动：呈现角色慢步走动的动态，体态轻盈自然，视线看向画面一侧光源处（避开镜头），电影运镜。
功能：造型信息完整呈现，全片最"可读"的人物帧
010 — MCU · 首饰+面部，焦在首饰（A类）⭐核心广告帧
景别：中近景，面部下半至胸口，面部朝向画面一侧，呈标准正侧面，视线投向镜头外，非直视镜头，神情沉静内敛。身体姿态亦呈侧面站立，与面部朝向一致，重心自然分布，无明显倾斜，站姿松弛且有气质。
内容：[Jewelry_Hero] 为对焦主体，呈现工艺细节；
[Character_Main] 面部下半部分在焦平面内可见；
侧光在首饰金属/宝石面形成高光反射点
运动：缓慢推进（Slow Dolly-in），有机手持微抖动（Organic Handheld Micro-movement），赋予画面自然的呼吸感。随镜头运动光影斑驳纹路在角色身上的位移会更加明显，进一步强化光与肌肤的互动叙事。
功能：产品信息植入，面孔揭示前最高注意力帧
011 — CU · 面孔正面特写（A类）
景别：近景，胸部以上，面部为核心
内容：[Character_Main] 正面或略低头，发丝轻扫面部，
[Jewelry_Hero] 可见，眼神自然，非刻意对镜头pose
运动：极缓慢推进（Slow Dolly-in / Push-in） 镜头以极度克制、匀速的节奏缓慢向前推进，沿镜轴方向逐步靠近角色面部，随着推进过程「人物揭示」的情感张力持续升温，亲密感逐帧加深。镜头动态包括且不限于角色呈现自然的「生命感」微动态、发丝飘动与斑驳投影位移（Hair Sway & Dappled Shadow Shift）、光晕与镜头光斑波动（Halo & Lens Flare Fluctuation）、首饰闪烁（Jewelry Glint）、在方向性强光下产生局部镜面反光的首饰细微闪烁（Specular Glint）等。
功能：人物揭示，情感高潮，与001首尾呼应
012 — LS · 背影离场（A类）
景别：全景，[Character_Main] 虚焦前景，背景实焦。人物全身镜头（Full Shot / LS），根据环境，人物位于居中或镜头一侧。
内容：[Character_Main] 背对镜头走向 [Environment_Ref] 场景纵深，
背景环境元素（路牌/建筑/光源）保持实焦
运动：人物行进，电影运镜，
功能：开放式结尾，与001首尾呼应
013 — 品牌标识帧（条件性 · 仅当提供 [Brand_Input] 时生成）
景别：平面图形构图，无透视，无景深
内容：[Brand_Ref] 品牌logo居中，背景方案由用户在故事板确认时选择：*

• 方案A · 纯黑*：纯黑背景（#000000），logo以原色或白色呈现，极简高冷*
• 方案B · 品牌色调*：从 [Brand_Input] 提取主色调，降低饱和度（S ≤ 20%），作为纯色背景；logo以高对比度色值居中呈现；推荐高级感低饱和配色*
• 方案C · Flova创意设计*：由Flova AI基于 [Brand_Input] 自由设计带logo的高端品牌收尾帧，生成3个候选版本供用户选择；风格参照全片色调：cinematic, high-end jewelry brand, editorial*
  运动：静帧，或黑场淡入（Fade in from black）
  时长：3-4秒
  功能：品牌收尾，强化品牌记忆，全片收束
  条件：未提供 [Brand_Input] 时自动跳过，不纳入故事板与生成流程*

音频设计

BGM_Main
类型：ambient cinematic，无歌词
情绪弧：开篇舒缓 → 004-005升温 → 006-008平静 → 011-012渐弱
色调参照 [Environment_Input] 的整体氛围（暖/冷/热带/都市）匹配音乐风格*

## 生成模型与参考规范

Elements图像生成（步骤4 · 所有镜头生成前置）

人物元素 [Character_Main]
工具：TextToImage → Nano Banana 2（Gemini 3.1 Flash Image），2K
直接以 [Character_Input] 中的参考图作为生成依据
生成全身三视图（头顶至鞋，Full Body）：正面 / 侧面 / 背面
核验：面部特征、发型、肤色、服装、体型与输入图一致
首饰元素 [Jewelry_Hero]
工具：ImageToImage → Nano Banana 2（Gemini 3.1 Flash Image），2K
直接以 [Jewelry_Input] 中的参考图作为生成依据
生成：正面特写 / 佩戴于人体状态图
核验：金属光泽、吊坠形态、工艺细节与输入图完全一致
环境元素 [Environment_Ref]
工具：TextToImage → Nano Banana 2（Gemini 3.1 Flash Image），2K
来源：*

• 若用户提供 [Environment_Input]：直接以参考图为依据，生成代表性场景渲染图（空景 + 带人物占位）
• 若用户选择「A · 我来描述」：以用户文字描述为提示词生成
• 若用户选择「B · Flova自动设计」：基于 [Character_Main] 与 [Jewelry_Hero] 风格特征自动推断环境氛围，生成3个候选方案供用户选择
  生成：代表性空景全景 / 中景 / 纵深构图（各1张，作为B类镜头与A类背景共用参考）
  核验：色调、光线方向、建筑风格与整体叙事调性匹配

A类关键帧图像生成

工具：ImageToImage → Nano Banana 2（Gemini 3.1 Flash Image），2K
每个A类镜头参考图同时包含：*

1. [Character_Main] 元素图（正面或侧面，取决于镜头角度）
2. [Jewelry_Hero] 元素图
3. [Environment_Input] 中与该镜头场景最匹配的参考图
4. 同场景中前序镜头的关键帧（维持连贯性）
   010镜头额外要求：[Jewelry_Hero] 处于实焦位置，金属/宝石面有可见高光点*

B类镜头图像生成

工具：TextToImage → Nano Banana 2，2K
以 [Environment_Input] 和/或 [Brand_Input] 作为直接参考：*

• 006：以 [Environment_Input] 中的材质/植物细节参考图为依据，生成极浅景深微距，手持电影运镜
• 007：以 [Environment_Input] 的全景参考图为依据，生成无人物纯环境空镜，电影运镜
• 008：以 [Environment_Input] 的空间参考图为主体，[Character_Main] 作虚焦前景（三分之一位置），背景实焦纵深长景，电影运镜

用户已提供满意库存图的B类镜头，直接绑定，跳过生成。*
013镜头生成（条件性，需 [Brand_Input]）
根据用户在故事板确认时选定的方案执行：
方案A · 纯黑
工具：text_editor 输出纯色图层规格
背景：#000000，logo以原色或白色居中，尺寸为画面宽度的30-40%
输出：静态图像帧，后续在 video_assembler 叠加淡入效果
方案B · 品牌色调
工具：TextToImage → Nano Banana 2，2K
从 [Brand_Input] 提取主色调，指定饱和度 S ≤ 20%，输出纯色背景
logo居中，以高对比度色值呈现（通常为深色背景配浅logo，或浅色配深logo）
生成1个版本，若不满意可调整色值重试
方案C · Flova创意设计
工具：TextToImage → Nano Banana 2，2K
以 [Brand_Input] 作为直接参考，AI自由设计带logo的高端品牌收尾帧
风格标签：cinematic, high-end jewelry brand, editorial, minimal, luxury
生成3个候选版本供用户选择*

• ⏸ 暂停，等待用户从3个候选中选定

视频生成

工具：MultiModalToVideo → Kling 3.0 Omni，1080p
比例：根据 Final_Video_Spec.md 中用户选择（9:16 或 16:9）
每个镜头同时参考：[Character_Main] 元素图 + 该镜头关键帧图
每镜头候选版本数量：读取 Final_Video_Spec.md 中的 shot_candidates 字段：

• shot_candidates = 3：每镜头生成 3个候选版本，流程结束后统一暂停供用户逐镜筛选
• shot_candidates = 1：每镜头生成 1个版本，直接进入下一步，无需筛选环节
  时长设定：*
• 001 / 006 / 008 / 012：3-4秒
• 002 / 003 / 005 / 007 / 009 / 011：4-5秒
• 004 / 010：3秒

音乐生成

工具：text_to_instrumental → Suno 5
风格标签：依据 [Environment_Input] 提取的环境调性推断，
基准为 ambient cinematic, no lyrics, no percussion
时长：与最终视频总时长匹配

视觉铁律与Prompt规范

核心美学原则：半遮半现

全片持续回避直给——面孔被发丝遮挡、主体被虚焦、人物被光晕淹没。
这种策略制造贯穿始终的观看欲望，是本Skill的核心美学。

全片严禁：

• 人物直视镜头并摆出明显广告pose
• 人工感妆容或过度磨皮
• 背景虚化到完全无法辨认场景
• 字幕、logo叠加、水印（no subtitles, no watermark, no text overlay）
• 任何配乐音效（no music, no sound effects）

Prompt结构（图像与视频通用）

[风格标签] + [主体描述] + [镜头语言] + [光影色彩] + [质感情绪] + [负向提示词]

全片统一风格标签：
cinematic film still, analog photography, 35mm film grain,
editorial fashion photography, natural candid moment

光影色彩：
从 [Environment_Input] 提取色温与光线方向，转化为prompt语言。
基准描述：
natural side lighting, [环境色温描述], low contrast highlights,
visible skin texture, no harsh flash, no studio lighting

例：若 [Environment_Input] 为热带正午强光 →
harsh tropical noon side light, warm ivory and amber tones
例：若 [Environment_Input] 为室内柔光 →
soft diffused interior light, cool neutral tones, window-lit

镜头语言（按镜头类型）

001 / 010 · ECU特写类：
macro lens, f/1.4 extreme shallow depth of field,
soft bokeh, jewelry/accessory catchlight visible

002 / 007 / 009 · MS中景类：
50mm lens, slight foreground obstruction,
environmental context from reference, natural atmosphere

005 · 剪影类：
strong backlight, silhouette, underexposed -1.5 stops,
swirly bokeh background, female figure outline only

003 · 低角度类：
ground level POV, extreme low angle, environmental ground details foreground,
legs in slight motion blur

004 · 情绪类：
anamorphic lens flare, warm light leak, slight motion blur,
optical aberration, side profile, hand-held feel

012 · 背影远景类：
focus on background environment, subject defocused foreground,
woman walking away, rear view, depth leading lines

010核心广告帧专属补充

jewelry/accessory in sharp focus as hero element,
product as primary subject, face partially visible below chin,
metal/stone surface catchlight, product structure clearly defined,
skin softly lit, face not fully revealed

材质还原关键词（依据 [Jewelry_Input] 选用）

• 银色金属：sterling silver, cool metallic sheen, mirror polish
• 黄金：18k gold, warm metallic glow, polished surface
• 玫瑰金：rose gold, warm pink metallic tone
• 宝石镶嵌：pavé setting, gemstone sparkle, point light reflections
• 皮革/织物：leather texture, fabric weave detail, matte surface

Kling 3.0 Omni 参考图引用格式

<<<image_1>>> [Character_Main 正面元素图]
<<<image_2>>> [该镜头关键帧图]

运动描述规范：

• 静帧：camera static, subtle natural movement only (hair, breath, fabric)
• 推镜：slow imperceptible dolly push in
• 严禁使用 zoom，一律替换为 dolly 或 tracking shot

剪辑规范

镜头顺序（固定不可调换）

001 → 002 → 003 → 004 → 005 → 006 → 007 → 008 → 009 → 010 → 011 → 012 → 013（条件性）

时间线规格

• 总时长：60-75秒（含013时延长至63-79秒）
• 画面比例：由 Final_Video_Spec.md 中用户选择决定（9:16 或 16:9）
• 帧率：24fps

转场规范

衔接方式时长001→002直切—002→003直切—003→004直切，节拍点对齐—004→005叠化 dissolve0.5秒005→006叠化 dissolve0.8秒006→007直切—007→008直切—008→009直切—009→010直切，节拍点对齐—010→011直切—011→012叠化 dissolve，渐出1秒012→013渐黑至纯黑（fade to black）1.5秒，仅当013存在

013结尾：淡出至黑（fade out），0.8秒

原则：001-004节奏紧；004-008叠化放缓；009-012重新收紧后渐弱收尾；013独立收束，与前片留有黑场间隔。

音频轨道规范

• 视频轨道全部静音（mute all video audio tracks）
• BGM_Main 置于独立音频轨道
• BGM音量：-12dB，末尾3秒渐出（fade out）
• 严禁叠加其他音效，除非用户明确要求旁白

输出规格

• 格式：MP4，H.264
• 分辨率：
  • 9:16 → 1080 × 1920
  • 16:9 → 1920 × 1080
• 码率：≥ 8Mbps