Maak een studio ontwerp. Meerfaseninstructies zijn verwijzingen; deze worden niet gebruikt of in rekening gebracht voor de opwekking.
适用于篇幅很长、包含跨章节伏笔与反转的剧本杀剧本;先确认生成范围并审核重构概览剧本,再制作忠于主线的完整长视频或分章节视频。
Workflow tekst is bewaard gebleven in zijn originele Chinees. De referentiemodellen kunnen afwijken van de hier beschikbare modellen. Controleer de studio voor ondersteunde modellen en werkelijke kredietnoteringen.
先确认范围,再重构剧本(不可调换的强制前置流程)
完整视频的阶段逻辑和依赖关系
Final_Video_Spec.md → text_editor。audio_layer)→ storyboard_designer。先将完整故事或当前章节划分为可理解的关键剧情段;每个关键剧情段都必须具备清晰的起、承、转、合,或在章节结尾以合理的未解转折替代“合”,以维持连续的故事讲述节奏。shot 只承接一个明确的信息、动作、情绪变化或因果结果;一个完整关键剧情段至少由 3 个、通常 4 个递进 shot 构成,例如建立情境 → 发展冲突或行动 → 发生转折或揭示 → 展现反应、结果或留下悬念。不得用一个 shot 讲完一个关键剧情段;若不符合,返回 storyboard_designer 拆分并重排后再提交用户确认。Final_Video_Spec.md 逐条编写提示词。先以文本展示元素图像的提示词草案(资产类型、对应 element_id、完整提示词、推荐模型和分辨率),经用户确认后才生成元素;元素完成后,以同样方式展示镜头视频的提示词草案,经用户确认后才生成镜头。用户要求修改时,更新对应草案并重新确认。key_element:用户已提供且适配的资产,先通过 media_generator 注册并绑定到相应故事板锚点;其余元素在元素提示词草案确认后生成 → media_generator。final_shot → media_generator。每个镜头只执行其单一叙事职责,并参考该镜头所需的元素图像;若镜头依赖角色音色,先确保相应 key_element_audio 已生成或注册、绑定并验证,再生成该镜头。narration、music/bgm 等其余 audio_layer,并绑定到其计划位置 → media_generator。依赖关系: 概览剧本重构依赖范围确认;全局规范、故事板及其叙事颗粒度审核均依赖概览剧本确认;元素和镜头提示词草案依赖经审核的故事板;元素生成依赖其草案确认;镜头生成依赖元素完成,且仅在引用音色时依赖对应音频的绑定验证;其余音频生成依赖故事板;时间线组装依赖全部最终视觉与音频资源完成。
暂停与复核: 不要一次执行完整流程。必须在范围确认、概览剧本确认、规范确认、故事板及其剧情段拆分确认、每一批提示词草案确认、元素完成、镜头完成、音频完成后暂停,等待用户确认再继续。
已有媒体: 用户提供或项目中已有的媒体若可直接匹配故事板,应优先注册和绑定,避免重复生成;可直接绑定的资产不需要提示词草案。若生成要引用音频,遵循该音频的生成或注册、绑定与验证依赖,但不得让不相关的视觉生成无谓等待。
dialogue 必须保留。概览剧本忠实度(最高优先级)
dialogue。原文的加粗、加醋、下划线等仅为线索,不得因排版强调而保留不服务叙事的重复台词。shot,在必要处用精炼 narration 跨越次要段落;明确建立并回收关键伏笔。设计故事节奏与 shot
shot 表达。应将建立、推进、转折、反应或收束拆到不同镜头,利用镜头之间的递进积累张力;不得以单个 shot 概述、讲完或跳过整个关键剧情段。shot 只承接一个内容单元:单一信息揭示、行动推进、情绪变化、因果结果或视觉反应。若一个描述同时包含多个关键事件、多个转折或完整的起承转合,应拆为连续 shot,并明确前后镜头的承接关系。shot 必须包含:引用 element scene 的场景、角色或道具行动、对剧情的单一作用,以及景别、角度、构图、镜头运动等镜头语言。shot,减少无叙事价值的碎片化切换;每个 shot 不得超过 15 秒。内部剪辑只能服务该镜头的单一内容单元,按叙事顺序描述镜头和动作,不使用精确到秒的硬性时间切分。设计 key_element
element character、element scene 和关键道具;为每个独立角色、场景或道具使用独立元素标识。element character 的 key_element_audio,而非普通旁白。设计旁白模式与独立音频
narration 的 shot,明确标注以下两种之一,作为提示词和时间线的共同依据:
narration 承担该段全部口头叙事。shot 中不得写入角色 dialogue 或要求角色开口说话;画面以无声表演、动作、表情和视觉信息服务旁白,避免两套语言信息冲突。narration 与画面表演共同推进剧情。必须说明 final_shot 原声是否承载可保留的同期声音(如环境声、动作音效或经确认的角色 dialogue),以及 narration 与角色 dialogue 的错开关系;不得让两段可理解的口头台词在同一时段竞争。narration 承担压缩信息,避免与角色 dialogue 重复同一内容。shot 的旁白规划为 narration 类型 audio_layer,并在描述中给出 narration_speaker_profile、精炼且必要的脚本、语气与覆盖范围。为全片或章节规划 music/bgm;在剧情转折、真相揭示或章节收束处按需分段。角色 dialogue 写入对应 shot,由角色的 key_element_audio 保持音色一致,不把它误建为旁白。元素资产生成
shot 参考。最终镜头视频
final_shot 参考该 shot 所需的角色、场景和道具元素图像,并严格执行其单一叙事职责;连续 shot 通过共享元素、服装状态、道具状态和动作结果保持递进连贯。dialogue 需要跨镜头音色一致且已有对应 key_element_audio 时,将该音频与元素图像一同作为 reference_audio,并明确其对应角色;不得将 narration 误作角色音色参考。shot,不传入角色 dialogue 或为口头角色表演生成音频。对标为旁白+演绎的 shot,按故事板生成需要保留的同期声音;原声的保留与音量由时间线规则决定。旁白与音乐
narration 按故事板规定的脚本、narration_speaker_profile 和覆盖范围,使用 MultiModalToAudio 的 Seed Audio 1.0 生成。单个 narration audio_layer 最长 120 秒;更长旁白应在章节、场景转换或叙事转折处拆分为连续片段,以保持叙事节奏与后期同步。reference 或 Seed Audio voice_id 时,音频提示可同时给出旁白文本、声线、语气、情绪与必要停顿;一旦使用图像或音频 reference,或使用 Seed Audio voice_id,提示文本仅保留需朗读的旁白内容。music/bgm 按故事板的情绪、节奏与跨度生成。隐藏任务不得成为旁白、音乐或任何音频提示的内容。Asset Binding Contract
manage_item_assets 契约和故事板中的实际目标标识;不在本 Skill 另设标识模板。query_assets_info。若绑定缺失,使用 manage_item_assets 且保留完整 asset_bindings 数组,然后再次查询并验证。根据本次生成是否使用音色或媒体参考,选择对应的提示词格式。
优先在不使用 voice_id 的情况下生成音频。不要要求用户选择或提供 voice ID;进行纯文生音频生成时,不要调用 search_voice_id。
仅当未提供 voice_id、参考音频或参考图像时使用此模式。
使用自然语言编写提示词:
所有朗读文本必须忠实于已确认的剧本或故事板。清楚区分表演指令与实际需要说出的文本。
当已有有效的 Seed Audio voice_id、参考音频或参考图像,或用户明确要求使用这些参考时,使用此模式。
不要仅为了启用此模式而要求用户提供 voice ID。除非用户或当前项目已经指定参考,否则优先使用无参考的文生音频模式。
在此模式下,生成提示词只能包含需要合成的准确旁白或对话文本。
不要加入说话人、性别、年龄、身份、情绪、语气、口音、语速、声线质感、表演、场景语境、音效、音乐、环境音或风格描述。所提供的参考将负责提供音色或角色语境。
不要混用两种提示词格式。只要存在任意 voice_id、参考音频或参考图像,就必须启用仅保留朗读文本的规则。
主播1是一名成年男性播客主播,嗓音低沉、略带沙哑,吐字清晰,语速略微偏快。他先以平缓、自然的叙事语调说道:“我是觉得亏欠这种事情,也不是说一次两次可以补偿得了的,对吧?就是说是一个……是一个终生的事情。所以就是说。”说完后稍作停顿,略微加重语气,以肯定的口吻继续说道:“这一次去迪士尼,我主要当时想的就是还是这两个原因,就去了。”随后,他稍微提高语调,带着轻微惊讶和讲故事的口吻说道:“我跟你讲,去了之后其实我是有点、有点惊讶的。大家可以看那个视频,当时那个 vlog 里面,我真的挺惊讶,因为我们去的那天是特地挑了上海今年入冬以来最冷的一天。那天最低气温是零下三度。”
全局规则
dialogue 与 narration 的语言严格遵循 Final_Video_Spec.md 的输出语言。图像生成提示词
key_element 图像须锁定角色身份、跨镜头稳定的面容、妆发、服装与道具材质或状态,避免出现无关文字或会破坏后续参考的一次性细节。视频生成提示词
shot 的单一叙事内容,不得把连续剧情段中的建立、推进、转折和收束压缩进一条提示词。与前后 shot 衔接时,写明需延续的角色状态、道具状态、空间关系或动作结果。dialogue 的 shot,显式写入原文台词,并使用 Seedance 的 {…} 对话格式;若台词不是项目输出语言,在花括号前标明语言,花括号内只放台词文字。若有需保持一致的角色音色参考,明确哪个角色使用哪个 reference_audio。shot,不得写角色 dialogue、开口说话或口型表演,也不得复述旁白文本。对旁白+演绎的 shot,只写经故事板确认、且与旁白错开的角色 dialogue 或同期声音。(...) 标记音乐、<...> 标记音效、{...} 标记口头对话、【...】 标记画面标题。若故事板存在独立旁白音轨,不在视频提示词中写旁白脚本;通常要求无背景音乐,并始终要求无字幕,避免与后期音频和字幕冲突。final_shot、narration 和 music/bgm;不得插入或暗示隐藏任务内容。shot 递进完成:建立、推进、转折、反应或收束之间使用清晰的视觉与声音承接,不以单一片段跳过完整关键事件。完整长视频在章节或重大转折处使用清晰节奏过渡,确保伏笔建立、反转揭示和结局回收易于理解;按章节视频在章末保留自然悬念或伏笔,但不得泄露后续答案。narration 的 shot,严格执行故事板标注的音频模式:
narration 为唯一口头叙事,并静音该 final_shot 的原声,避免与旁白冲突。必要的环境声或动作音效应另行规划为独立 audio_layer,并以不妨碍旁白清晰度的音量混合。final_shot 原声。保留故事板指定的同期环境声、动作音效与角色 dialogue,并通过剪辑、音量自动化或错开安排,使 narration 与原声中的可理解语言互不遮挡。narration 与 dialogue 的可懂度优先于背景音乐音量。完成后引导用户导出。