Przygotujcie szkic studyjny. Wielostopniowa instrukcja jest referencjami; nie jest ona uruchamiana ani pobierana za wytwarzanie.
适用于电商种草、消费者测评、开箱体验类商业短视频的生成。支持沉浸式开箱、快节奏测评、对比横评、场景化体验四种风格;覆盖3C数码、美妆护肤、个护清洁、服饰穿搭等20大品类
Tekst Workflow jest zachowany w oryginalnym chińskim. Modele referencyjne mogą różnić się od dostępnych tutaj. Sprawdź w studiu, czy nie ma obsługiwanych modeli i faktycznych notowań kredytowych.
全片阶段逻辑与依赖关系:
收集用户决策参数 → 直接向用户提问
在创建 Final_Video_Spec.md 之前,须先向用户确认以下关键决策,可合并为一次提问:
① 测评品类: 提供以下选项供用户单选(或自定义描述):
② 视频时长: 提供以下选项供用户单选:
③ 画幅方向: 提供以下选项供用户单选:
④ 测评风格: 提供以下选项供用户单选:
⑤ 产品信息: 请用户提供:
收到用户全部确认项后再进入步骤2。
锁定全局参数 → text_editor
创建 Final_Video_Spec.md,写入:测评品类、视频时长、画幅方向、测评风格、分辨率(720p)、帧率(30fps)、产品信息、旁白风格(口语化/自然感)、音乐风格、语言。完成后请用户确认再继续。
分析产品素材 → resource_prepare_and_analyze
对用户上传的产品图片进行结构化分析,输出:产品外观特征、核心视觉卖点、材质/色彩关键词、可视觉化的功能逻辑、开箱触点(哪些位置适合特写展示)。分析结果作为分镜设计依据。
设计分镜 → storyboard_designer
设计关键元素、镜头序列(含开箱/体验/总结三幕)、音频层(BGM + 旁白 + SFX)、字幕层。完成后暂停,请用户确认分镜方案。
生成关键元素图 → media_generator
若用户已上传产品图,直接注册为 asset_id 并绑定;否则依据分镜生成产品场景图。完成后暂停,请用户确认视觉基调。
逐镜头生成视频 → media_generator
使用 MultiModalToVideo + Seedance 2.5,480p。每个镜头以对应元素图作为参考。手持实拍感镜头需在 prompt 中明确模拟手持微晃。
生成音频层 → media_generator
旁白:口语化自然风格(约4-5字/秒),像朋友推荐而非播音腔;BGM:轻快不抢戏,Lo-fi/轻电子/原声吉他;SFX:开箱关键声音(撕膜、开盖、按键等)。
时间线剪辑与字幕叠加 → video_assembler
按分镜顺序组装,叠加字幕图层,音画同步,导出最终成品。
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;步骤6依赖步骤4和5;步骤7依赖步骤4;步骤8依赖步骤6和7。
暂停节点: 步骤1完成、步骤2完成、步骤4完成、步骤5完成后各暂停一次,等待用户确认再推进。步骤6可批量生成,完成后主动展示并询问用户意见。
强制约束:
产品图片分析规则:
情况A:仅上传单张产品图
情况B:上传多张产品图
测评场景匹配分析:
输出格式: 结构化摘要,字段包括:「产品外观特征」「核心视觉卖点」「材质与色彩关键词」「开箱触点列表」「使用场景建议」「测评风格匹配建议」「品类专项分析」。
元素资产生成:
镜头视频生成:
audio_infos,提示词上限 7000 字符,分辨率固定 2K;不支持 Seedance 2.5 <SFX>/{dialogue}/【字幕】 结构化标记,须将 SFX 改写为自然语言描述融入 prompt 正文)audio_infos,提示词上限 2000 字符,无法引入音频参考;视频参考须按 refer_type 规范声明;同样须改写 SFX 为自然语言)音频生成:
Asset Binding Contract(资产绑定合约):
manage_item_assets 工具合约规范,使用分镜板中实际的目标 ID,不在 Skill 中另行定义 ID 模板。query_assets_info 查询当前绑定状态;若目标绑定缺失,调用 manage_item_assets 并保留完整绑定数组,然后再次查询验证。asset_bindings 完整数组中保留所有适用绑定。文字防乱码策略(全流程顶层设计):
AI图像/视频生成模型在生成文字时存在固有的乱码、扭曲、模糊问题(中文尤其严重)。本 Skill 采用「生成与文字分离」架构从根本上规避此问题:
时间线组装规则:
字幕叠加规则:
片尾落版规则:
色调统一规则:
音画同步规则:
音频分层:
画质与导出:
成片质检清单:
开箱测评三幕结构(所有品类通用):
所有开箱测评视频必须遵循以下三幕节奏,不可跳过或打乱顺序:
第一幕:开箱初见(前20%时长)— 建立期待
第二幕:深度体验(中段约60%时长)— 多维度展示
第三幕:总结安利(末尾约20%时长)— 给出结论
Key Elements 设计规范:
镜头设计规范:
光影设计规范(按测评风格):
| 测评风格 | 主光方案 | 阴影方案 | 环境特征 |
|---|---|---|---|
| 沉浸式开箱 | 窗光或单一柔光,45°侧光,偏暖 | 中等阴影,阴影边缘柔和 | 桌面/床面/地板,真实家居环境 |
| 快节奏测评 | 环形灯或正面柔光,均匀照亮 | 轻度阴影,画面明亮清晰 | 干净桌面,可略带布置感但不刻意 |
| 对比横评 | 正面柔光均匀分布,无方向性 | 几乎无阴影,确保产品色彩准确 | 纯色桌面或背景纸,干净利落 |
| 场景化体验 | 自然窗光+环境光混合,随场景变化 | 自然阴影,随环境光线自然分布 | 真实生活场景,有生活痕迹 |
真实感光影核心原则(所有风格通用):
音频层设计:
description 中预定义 narration_speaker_profile,供音频生成直接引用:
narration_speaker_profile: [轻声细语 女声 语速慢 ASMR质感 像耳边轻声分享]narration_speaker_profile: [活力年轻声音 语速快 有感染力 带轻微兴奋感]narration_speaker_profile: [理性清晰声音 语速中等 有判断力 不偏不倚]narration_speaker_profile: [轻松自然声音 语速适中 像朋友聊天 有真实感]时长分配参考:
| 总时长 | 开箱初见(约20%) | 深度体验(约60%) | 总结安利(约20%) |
|---|---|---|---|
| 30s | 约6s | 约18s | 约6s |
| 60s | 约12s | 约36s | 约12s |
| 90s | 约18s | 约54s | 约18s |
全局优先级: 所有 prompt 正文以中文撰写;旁白内容跟随 Final_Video_Spec.md 的输出语言设定。
图片提示词(TextToImage / ImageToImage):
视频提示词(MultiModalToVideo / Seedance 2.5):
<撕膜声> 改写为"包装膜被缓缓撕开,发出清脆的撕膜声"。audio_infos 传入音频参考;Kling 3.0 Omni 无此参数,音频参考丢失,视觉一致性通过图像参考维持。旁白 prompt(TextToSpeech):
[narration_speaker_profile] + 旁白正文。narration_speaker_profile 直接引用分镜板旁白音频层(audio_layer_narration)中预定义的字段值,无需在此重新定义。