将创作草稿带入工作台;多阶段流程供参考,不会自动执行或扣费。
适用于存在主义孤独叙事、历史创伤史诗、边境/流亡主题、诗意行走影像等一类慢电影创作场景。融合锡兰固定机位凝视与安哲罗普洛斯360度全景长镜头的慢电影工作流;GPT Image 2 生成画面+Seedance 2.5 生成镜头视频。
流程正文保留原始中文。模板提及的模型不等同于本站已接入模型;实际可用模型与积分以工作台显示为准。
全流程阶段逻辑与依赖关系:
依赖关系: 2→1;3→2;4→3;5→2;6→3,4,5。
逐资产确认原则(最高优先级): 每次生成新资产(element 图像、镜头视频、音频层)之前,必须先向用户说明即将生成的内容(资产类型、对应的 Storyboard 锚点、计划使用的模型与参数),并等待用户明确确认;用户同意后才执行该次生成。禁止在未经用户逐次确认的情况下连续生成多个资产——即使属于同一阶段(如批量 element 图像或连续多个 shot 视频),也必须逐个确认、逐个生成。
元素完整性校验原则: 进入镜头视频生成阶段(第 4 步)之前,必须逐一核对 Storyboard 中定义的所有 key elements(人物、场景、道具、天气意象),确认每个 element 均已生成或绑定对应资产。若发现任何 element 缺失资产,须先补齐再继续;禁止在元素不完整的情况下直接进入镜头视频生成。场景参考图绑定校验(防跳画): 在此基础上,还须逐一核对 Storyboard 中每个 shot 引用的 scene element 是否已绑定四宫格场景参考图资产——若任何 shot 的场景参考图未绑定,须先补齐绑定再进入视频生成,禁止在场景参考图缺失的情况下生成镜头视频,否则会导致场景空间跳变、与相邻镜头不一致。
提示词完整性校验原则(覆盖所有资产类型): 每次生成任何资产(element 图像、镜头视频、音频层)之前,必须将对应提示词或生成描述与 Storyboard 相关描述逐项比对,确认无遗漏后方可提交生成。校验维度因资产类型而异——element 图像须校验人物身份与物理特征、场景物理结构、道具材质状态是否与 key element 描述一致,视觉风格指令是否符合锡兰/安哲罗普洛斯美学;镜头视频须校验场景参考、人物参考、天气意象与递进阶段、视觉模式、运镜与构图、自然元素锚点、scene_break 过渡方式;音频层须校验 narration_speaker_profile、旁白文本、BGM 风格描述、天气环境音叙事化设计是否与分镜定义一致。发现遗漏须补全后再生成,禁止带着不完整的提示词执行生成。
校验失败处理原则: 当任何生成前校验发现遗漏时,按以下步骤处理:
里程碑暂停原则: 每完成一个主要阶段(叙事大纲完成、规格锁定、分镜完成、element 图像完成、镜头视频完成、音频完成),必须停下来向用户展示阶段成果并等待确认,再进入下一阶段。
生成后忠实度复检原则(镜头视频最高优先级): 镜头视频生成后,仅做生成前校验不足以保证分镜设计忠实落地——生成模型的实际输出可能与提示词存在偏差。因此每个镜头视频生成完成后,必须执行一次生成后忠实度复检:将生成结果与 Storyboard 对应 shot 描述逐项比对,核对分镜中设计的以下内容是否在视频中实际呈现——① 场景空间与光线状态(是否与场景参考图一致);② 人物动作与表演(动作类型、幅度、情绪状态是否与 story beats 一致);③ 天气意象与递进阶段(雪/雾/水/风/枯草是否出现且处于正确阶段);④ 视觉模式(锡兰静态/安哲罗普洛斯移动是否正确);⑤ 运镜方式与构图手法(是否与分镜指定的运镜优先级与构图一致);⑥ 多意象组合镜头的组合含义是否正确呈现。若发现关键内容缺失或偏差,须以强化提示词重新生成——将缺失内容置于提示词更前置位置、加强措辞权重、减少非关键描述的干扰,确保分镜设计在生成结果中忠实呈现。复检不通过时,最多重试 2 次;2 次后仍无法忠实呈现,须向用户报告偏差内容并由用户决定是否接受当前结果或调整分镜设计。
用户提供的 element 参考素材分析
节奏与剪辑基调
镜头间过渡规则(按视觉模式与叙事关系分类)
音频层叠与同步
音频叙事化过渡与 BGM 对位执行规则
环境音叙事化过渡: 环境音须随叙事层次变化而非全片恒定——锡兰室内疏离段以极低声学环境为主(房间混响、远处隐约的街道声),安哲罗普洛斯行走巡礼段以开阔空间声学为主(风声、水声、空旷回声),雾中风景段以空灵残响为主(低频空气振动、远处若有若无的声响)。叙事段落切换时环境音做 2–3 秒交叉淡化,与画面场景类型转换同步;同一叙事层内镜头切换时环境音不做淡变,保持连续流动感。天气变化节点(如从雪转雾)须配合环境音交叉淡化——雪段风声渐弱→雾段空寂渐起。
BGM 与旁白对位执行: 须按分镜中设计的 BGM 与旁白逐段对位规则执行——① 填充型段: 旁白停顿间隙 BGM 渐入(从 25% 升至 40–50%),填充声场空隙;旁白重新开口时 BGM 在 0.5 秒内迅速压回 20–25%。② 退让型段: 旁白情绪迸发处 BGM 骤降至单音或暂停(≤15%),将声场完全让给人声;旁白收敛后 BGM 在 3–5 秒内缓缓恢复至 30–35%。③ 低伏型段: BGM 与旁白同处低能量区——BGM 维持 25–30%,旁白维持极低音量(约 50%),两者共同制造压抑静默张力。④ 反衬型段: BGM 情绪方向与旁白相反——旁白沉重时 BGM 清冷高音漂浮(30–35%),旁白平静时 BGM 低沉弦乐暗示暗流(35–40%)。⑤ 交接型段: 旁白音量渐升(从 50% 升至 65%)时 BGM 逐层抽离配器(弦乐→单音→消隐),交接时长 3–5 秒。
导出立场
导演决策指导(当用户仅有灵感或叙事大纲时主动补位)
设计 key elements
设计镜头
镜头时长动态规划: Seedance 2.5 单条视频时长范围为 4–15 秒。慢电影整体偏好长镜头,但不同段落类型应有差异化节奏:
视觉模式一 — 锡兰静态模式:
视觉模式二 — 安哲罗普洛斯移动模式:
天气意象的镜头化分配: 将叙事开发阶段确定的主导天气意象分配到具体镜头中——天气必须有"变化"而非恒定。雪:飘雪→积雪→暴雪→雪停后的苍白。雾:微雾→浓雾→雾中隐约人影→雾散后的空寂。风:微风→持续呼啸→风停后的寂静。每个镜头须标注天气所处的阶段,确保天气在全片中按预定阶段逐步推进。多意象组合镜头: 当一个镜头同时包含两种或以上天气意象时,须引用叙事开发阶段预设的意象间组合含义(见"天气意象间组合关系"),在镜头描述中标注组合类型与组合含义。
场景连续性分组标注: 为每个 shot 标注其所属的 element scene ID 作为 scene_group(如 scene_group: [Element_安纳托利亚荒原]),使同一场景的镜头群可被快速识别。当镜头序列中出现场景切换时,须显式标注 scene_break,并注明该次场景切换的过渡方式(引用叙事开发阶段预设的"场景间过渡逻辑",如"光线渐变过渡""天气变化过渡""阴影扩散过渡"),使场景转换方式有据可依而非随意选择转场手法。此标注供 media_generator 在生成阶段统一引用相同 scene element 参考图保持场景内一致,同时供 video_assembler 据此选择对应的转场手法与时长。
全片导演通审(分镜完成后必须执行): 分镜完成后,须从导演视角通审全片镜头序列——① 时间弧线在镜头层面是否有清晰递进(从开篇到收尾时间质感有变化而非平铺);② 天气意象是否按预设递进方案逐阶段推进而非随机散落或跳跃;③ 视觉模式切换是否对应叙事层次转换且符合比例约束;④ 场景类型与叙事段落映射是否匹配;⑤ 节奏曲线是否有起伏(长凝视与短节点交替)而非全片匀速;⑥ 空间节奏是否合理(同一场景不过度集中、场景间有呼吸间隔);⑦ 多意象组合镜头是否已标注组合含义且组合含义与该段落叙事一致;⑧ 每个镜头的场景是否已标注 scene_group 且 scene_break 处已标注过渡方式;⑨ 若涉及人物,角色弧线节点是否已标注且相邻镜头间精神状态变化是否连贯(无断裂或无故倒退);⑩ 开场与结尾序列是否已按规范设计。发现断裂或失衡须调整镜头排列或补充镜头,并向用户说明调整原因。
每个镜头描述必须包含:
开场序列设计: 开场镜头须为全片定调——以极缓慢的长镜凝视(13–15 秒)建立全片的时间质感。锡兰式开场:固定机位凝视荒原/雪原,自然元素独自流动,无人物,让空间先于叙事建立存在感。安哲罗普洛斯式开场:超远景凝视雾中风景,缓慢 360° 摇镜或极慢横移,人物在雾中隐约出现或完全缺席。开场镜头不得包含台词或旁白——让纯视觉建立最初的沉浸。
结尾序列设计: 锡兰式结尾:固定机位凝视——人物独坐/独行在荒原中,渐行渐远或静止不动,画面以"不解决"收束。安哲罗普洛斯式结尾:雾中远景——人物走向雾中/铁轨尽头/地平线,消失或定格于不确定状态。结尾镜头时长取最长档(13–15 秒),让悬置感在时间中延展。结尾不宜包含解释性旁白。
设计跨镜头音频层
天气环境音(audio_layer,type: ambient): 天气环境音是慢电影声音设计的核心——不是恒定底噪,须随天气变化推进。天气环境音叙事化设计: 为每个叙事段落标注对应的天气音特征——雪:持续低混风声 + 雪花落地近乎无声的"寂静";雾:极低频空气振动 + 远处若有若无的声响(钟声、汽笛);风:安纳托利亚持续呼啸声 / 希腊海岸潮湿海风声;雨:车窗上的雨滴声 / 泥泞道路的积水声。段落切换时天气音做交叉淡化(2–3 秒),与画面天气变化同步。天气环境音与画面元素联动配方(必须设计): 为每类天气意象指定对应环境音配方,当镜头包含某类天气时环境音层须自动叠加对应配方——① 雪元素:持续低混风声基底,叠加雪花落地近乎无声的"寂静"(极低频白噪),暴雪阶段加入间歇性强风呼啸;雪停后仅留极低频空气振动。② 雾元素:极低频持续嗡鸣(近乎无声的空气振动),叠加远处若有若无的声响(钟声、汽笛、海鸥),雾浓时加入失真远处呢喃;雾散后仅留空寂。③ 水元素:持续低混水声基底(雨声/溪流/海浪),叠加间歇性水滴声(单一、清脆、间隔不规则),有水面倒影时加入轻微水波声;雨停后仅留积水滴落声。④ 风元素:持续呼啸声(安纳托利亚干燥风/希腊海岸潮湿风),叠加间歇性阵风骤起,风吹过枯草/废墟时加入沙沙声或低沉呜咽声;风停后仅留极弱空气振动。⑤ 枯草元素:风拂过枯草的沙沙声(偏高频、干燥质感),叠加间歇性草叶摩擦声;无风时近乎无声。镜头同时含多种天气意象时按"主意象为主、辅意象为底"混合,在分镜中标注主辅关系。
BGM(audio_layer,type: bgm): 若需要音乐,锡兰式偏好:极简弦乐/钢琴单音,或完全无声(锡兰早期作品大量使用"沉默")。安哲罗普洛斯式偏好:古典弦乐(尤其是小提琴和手风琴,参照艾莲妮·卡兰德若的配乐风格)、极简重复音型。避免情绪过度强调的现代配乐。BGM 情绪弧线(必须设计): 按全片叙事段落规划 BGM 情绪走向,与旁白情绪弧线形成对位而非同步——旁白沉寂时 BGM 可微升填补空间,旁白迸发时 BGM 反而收敛退让。为每段 BGM 标注:① 段落情绪方向(如开篇低沉疏离→中段弦乐渐浓→转折处单音悬置→收尾归于寂静);② 配器倾向(弦乐 / 钢琴单音 / 手风琴 / 极简音型 / 无);③ 力度走向(渐强 / 渐弱 / 恒定 / 骤停 / 消隐);④ 与旁白的对位关系(同步 / 对位 / 错位 / 互让)。BGM 与旁白逐段对位规则(必须设计): 为每个叙事段落指定 BGM 与旁白的具体交互方式。以下为标准对位模式库:① 互让-填充型——旁白停顿时 BGM 弦乐渐入填补空间,旁白重新开口时 BGM 收敛至极低或退至单音;适用于段间过渡、空镜凝视。② 互让-退让型——旁白情绪迸发时 BGM 收至单音悬置或暂停,将声场让给人声,旁白收敛后 BGM 缓缓恢复;适用于情绪高潮。③ 同频-低伏型——旁白极低音量呢喃时 BGM 同样保持极低频持续音,两者共处低能量区;适用于开篇疏离、收尾余韵。④ 错位-反衬型——旁白情绪沉重时 BGM 以清冷高音反衬,或旁白平静时 BGM 以低沉弦乐暗示暗流;适用于慢电影特有的"对位"张力。⑤ 渐变-交接型——旁白音量渐升时 BGM 逐层抽离配器(弦乐→单音→消隐),完成声场主导权交接。每段须标注:当前对位模式、BGM 与旁白各自的能量方向(渐升 / 渐降 / 恒定 / 骤变)、交接触发点(以旁白某停顿或句末为信号触发 BGM 变化)。
旁白 VO(audio_layer,type: narration): 若有旁白,锡兰式旁白:哲学思辨性、文学性(契诃夫/陀思妥耶夫斯基式),文本围绕存在主义困境、道德、孤独展开。安哲罗普洛斯式旁白:诗性、史诗感、隐喻性,文本围绕历史、记忆、流亡展开。旁白情绪弧线(必须设计): 旁白不是匀速朗读,须按全片叙事结构设计情绪弧线——为每段旁白标注情绪方向与强度(如:① 开篇疏离空旷,近乎独白呢喃;② 中段情绪渐浓,声音有了重量与微颤;③ 高潮处压抑中短暂迸发后立刻收敛;④ 收尾归于沉寂,余韵未尽)。旁白节奏标注: 在旁白脚本中用"——"标注长停顿(2 秒以上)、"·"标注短停顿(约 1 秒)、"(呼吸)"标注换气点,使生成时自然呈现呼吸节律与沉默间隔。旁白与画面对位: 旁白停顿位置应与画面中的"无事件时间"(空镜凝视、天气独自流动)对齐——让声音的沉默与画面的沉默共振,而非用声音填满每一秒。呼吸节律模板(慢电影风格声音标准,适用于旁白 VO 与角色台词): 为确保声音呈现呼吸感与时间质感而非机械朗读,所有旁白与台词须遵循以下节律标准——① 句间沉默间隔: 每句结束后须保留至少 2–3 秒沉默,让话语的重量在静默中沉淀;段落间须保留 4–6 秒以上无声音间隔。② 换气频率: 每句之内换气不超过 1–2 次,换气深沉而缓慢;换气点用"(呼吸)"标注,置于自然语义停顿处。③ 句末尾音下沉: 句末最后一个字须自然下沉收束(尾音下沉),禁止上扬(避免疑问感或轻浮感),在脚本中用"↘"标注关键句末下沉。④ 语速基准: 每分钟约 80–100 字(极缓);情绪凝聚段可降至 60–80 字/分钟,情绪释放段微升至 100–120 字/分钟后即刻收敛——避免全片匀速。⑤ 停顿标注体系(统一使用): "——" = 长停顿(2 秒以上);"·" = 短停顿(约 1 秒);"(呼吸)" = 换气点;"↘" = 句末尾音下沉。此模板为旁白 VO 与角色台词(shot 内 dialogue)的共同节律标准。
"沉默即声音设计"原则: 允许关键画面处所有音频层降至极低或完全静默——慢电影的核心声音不是"有什么声音",而是"沉默的质地"。锡兰式沉默:室内的"死寂",两人同处一室却无话可说的沉默。安哲罗普洛斯式沉默:雾中的"空寂",历史在沉默中发声。
角色类型差异化呼吸模板(按角色类型选用): 上述呼吸节律模板为基础标准,不同慢电影角色类型须在此基础上差异化调整,使不同角色声音节奏各有特征:
模型锁定(最高优先级): 全程仅使用 GPT Image 2 生成所有图像(TextToImage / ImageToImage),仅使用 Seedance 2.5 生成所有视频(MultiModalToVideo);禁止切换至其他模型。
Key element 图像生成
镜头视频生成
生成前提示词校验(逐镜头必须执行): 提交前将视频提示词与 Storyboard 逐项比对——场景参考、人物参考、天气状态与阶段、视觉模式(锡兰静态/安哲罗普洛斯移动)、运镜方式、色彩指令、自然元素锚点。发现遗漏须补全后再提交。
生成后忠实度复检(逐镜头必须执行): 每个镜头视频生成后,将结果与 Storyboard 逐项比对——场景空间与光线、人物动作、天气状态、运镜方式、色彩。发现偏差须以强化提示词重新生成,最多重试 2 次。
音频生成
角色音色一致性与情绪表现力(key_element_audio): 在 element 阶段,为每个有台词的 element character 建立 key_element_audio 绑定:若用户提供了角色语音参考样本(reference_audio),直接注册 asset_id 并绑定;若用户未提供,由系统生成——使用 TextToSpeech,模型指定 MiniMax Speech 2.8 HD(英语影片可用 ElevenLabs v3),生成一段 5–10 秒的角色语音样本,注册 asset_id 并绑定。语调描述规范(voice profile 多维度): 生成指令中须包含该角色的完整 voice profile——性别、年龄感、音色质感(沙哑 / 清亮 / 低沉 / 沙砾感 / 气息感)、音量倾向(轻声 / 中等 / 压抑)、语速(慢电影角色默认极缓)、呼吸特征(深沉缓慢 / 浅而急促 / 带叹息感)、情绪基调(沉思 / 忧郁 / 肃穆 / 疲惫)、情绪表现范围(标注该角色声音在不同情绪下的变化方式,如"悲伤时声音收紧、尾音下沉;释然时气息变深、语速微升;压抑时近乎气声、字句间长停顿")。逐镜头情绪方向(声音表演指导): key_element_audio 锚定的是角色的基础音色一致性;同一角色在不同镜头中情绪状态不同,声音表演须随之变化。在每个需要角色台词的镜头中,将该角色的 key_element_audio 传入 audio_infos 的同时,须在该镜头台词旁附当次情绪方向——标注角色此刻的具体情绪状态与 delivery 方式。
音频层生成前校验(必须执行):
Asset Binding Contract
manage_item_assets 合约使用实际 Storyboard 目标 ID,不在 Skill 内另建 ID 模板。manage_item_assets 将 asset_id 绑定至对应 element character,然后调用 query_assets_info 核实绑定成功,再进入镜头视频生成阶段。每个需要 audio_infos 引用的镜头,须在生成前确认该 key_element_audio 绑定已存在。query_assets_info 验证;绑定验证通过后方可进入时间轴剪辑阶段。manage_item_assets 前须先 query_assets_info 查询现有绑定,提交时保留完整 asset_bindings 数组不得覆盖已有绑定;操作完成后再次 query_assets_info 验证。一个资产服务多种用途时,须在数组中保留每个适用绑定。全局最高优先级: 若用户以中文交互,所有提示词正文以中文书写;台词、VO 文本语言遵照 Final_Video_Spec.md 中设定的输出语言。
提示词完整性自检(视频镜头必须执行): 每条镜头视频提示词写完后,须回到 Storyboard 逐项对照——场景引用与光线状态、所有出场人物的动作与参考图占位符、天气状态与阶段、视觉模式(锡兰静态/安哲罗普洛斯移动)、运镜方式、景别与构图手法、标志性自然元素状态、色彩指令。发现遗漏须补全后再提交。
图像提示词(GPT Image 2 — TextToImage / ImageToImage)
以导演视角用自然语言描述:主体 + 动态 + 空间环境,再附加简短短语描述色彩 / 光线 / 质感 / 构图。所有描述只写镜头可见之物,不写心理动机或画面外内容。
锡兰式视觉语法(融入一段流畅段落):
安哲罗普洛斯式视觉语法:
人物三视图参考图提示词(仅人物 element): 提示词须以全身三视图布局指令开头,明确指定画幅为 16:9 横向,三视图固定分配:正面全身 / 侧面全身 / 背面全身。每视图内容须与 Storyboard 中 element character 描述一致。
场景四宫格参考图提示词(仅场景 element): 提示词须以四宫格布局指令开头,明确指定画幅为 4:3(2×2 网格),四格固定分配:全景定场 / 陈设特写 / 纵深透视 / 气氛光效。画面全程无人物。 每格内容须与 Storyboard 中 element scene 描述一致。
视频提示词(MultiModalToVideo — Seedance 2.5)
忠实转译原则(最高优先级): 提示词须忠实转译 Storyboard 中对应 shot 的全部设计内容,不得概括、压缩或遗漏任何设计维度。核心元素前置原则: 场景空间与光线、天气状态、人物动作与状态、运镜方式是决定画面骨架的要素,须置于提示词前部并给予充分篇幅。
参考图绑定: 每个 element character 参考图使用占位符 <<<image_1>>>、<<<image_2>>> 等逐一标注。场景参考图为四宫格布局,绑定时标注其用途为"场景空间与氛围参考",并明确声明"该四宫格图展示的是同一个场景的不同角度与细节,不是四个不同场景"。场景环境文字锚点(必须写入): 绑定四宫格场景参考图时,提示词中须补充一段对该场景物理特征的文字描述,不同镜头引用同一场景时这段文字须保持一致。
运镜堆叠顺序: 摄影机运动 → 天气状态 → 主体动态 → 空间与自然元素变化 → 音效/台词提示。
锡兰静态模式视频提示词结构:
[天气状态描述], [固定机位/静止镜头], [场景空间与光线],
[人物动作——缓慢、仪式化], [自然元素变化——雪飘落/风吹草动/雾气流动],
[低饱和度大地色调], [胶片颗粒质感], [锡兰风格],
[音效标注], [负面约束]
安哲罗普洛斯移动模式视频提示词结构:
[天气状态描述], [360度全景慢摇/缓慢跟拍行走/极慢横移],
[场景空间与光线], [人物在画面中渺小], [行走路径与空间穿越],
[自然元素变化——雾气流动/水面涟漪/铁轨延伸],
[低饱和度灰蓝色调], [朦胧空气感], [安哲罗普洛斯风格],
[音效标注], [负面约束]
摄影机运动(仅限): 锡兰静态模式——static camera, fixed shot, locked-off camera, completely still。安哲罗普洛斯移动模式——360-degree slow pan, slow tracking following figure from behind, very slow lateral tracking, slow dolly in/out, very slow tilt up/down。禁止:fast movement, handheld shake, rapid zoom, drone flight。
天气动态描述: 天气须有"变化"而非静态——雪:snowflakes slowly falling, snow accumulating on ground, wind blowing snow across the landscape。雾:mist slowly rolling in, fog gradually thickening, figures emerging from the fog。风:continuous wind blowing through dry grass, wind rustling through barren trees。雨:rain streaking down window, raindrops creating ripples on puddles, rain slowly stopping。
主体动态: 强调缓慢、仪式化——slowly turning, silently gazing into distance, hands resting motionless, walking with heavy measured steps。锡兰式:人物长时间静止不动,背对镜头。安哲罗普洛斯式:人物持续行走,步伐沉重而均匀。
Seedance 2.5 音效标注(按需使用): 背景音乐:(...)。音效:<...>(如 <持续低混风声>、<远处雾中汽笛声,缓慢>、<雪花落地的寂静>)。台词(如有):{...},标注情绪状态与表演方式。
固定否定指令: 若旁白 VO 走独立音频层,视频 prompt 中不重复完整 VO 文本;始终加 no music(BGM 在后期层叠);始终加 no subtitles(字幕由后期处理);no fast cuts, no quick camera movement, no Hollywood style, no dramatic climax。