Creative craft process film

全流程阶段与依赖关系

阶段顺序：

1. 与用户确认核心参数（创作类型、主题、情绪风格、视频时长、画面比例），写入 Final_Video_Spec.md（字段：creation_type、subject、mood、duration、aspect_ratio、visual_style、三层色彩体系）→ text_editor
2. 生成分镜脚本（key_elements + shot 列表 + audio_layer 列表）→ storyboard_designer
3. 生成视觉锚点图：优先为「合」阶段最后一个 shot 的成品画面生成高质量 start_frame 参考图，作为全片视觉一致性基准 → media_generator
4. 反推中间帧：以锚点图为 reference_image，依次为「承」→「起」阶段各 shot 生成 start_frame；最后补全其余 shot 的 start_frame → media_generator
5. 逐 shot 生成最终视频片段（final_shot）；转场 shot 单独处理 → media_generator
6. 生成 BGM audio_layer（转场音效已内嵌于 turn shot 视频同步音频，无需单独生成）→ media_generator
7. 组装成片 → video_assembler

依赖： 2→1；3→2；4→3；5→4；6→2；7→5,6

关键暂停点： 完成步骤 1（规格确认）、步骤 2（分镜审阅）、步骤 4（首帧图审阅）后，分别暂停并邀请用户确认后再继续，不得一次性跑完全流程。

用户上传素材处理： 若用户上传了参考图或参考视频，在步骤 2 之前先调用 resource_prepare_and_analyze 解析素材，并将角色外观、载体材质、色彩基调同步写入 Final_Video_Spec.md，再进入分镜阶段。步骤 3-4 中优先将用户上传的图片作为锚点图或 reference_image 绑定到对应 shot，而非重新生成。

creation_type 参数枚举： hand_drawing / watercolor / calligraphy / craft / digital_art
mood 参数枚举： warm_healing / energetic_vibrant / calm_zen / mysterious_dark

参考素材解析目标

当用户上传参考图、参考视频或样本视频时，重点提取以下信息并输出结构化文本供后续模块使用：

• 主体外观： 人物/角色的发色、服装色、体态、配饰；若无人物则描述创作工具的造型与色泽
• 创作载体： 纸张/画布/屏幕等的材质、色泽、纹理特征
• 三层色彩体系： 底色（载体本身，约占60%）、主色（创作工具/线条，约占30%）、点缀色（画面最鲜亮色，约占10%）
• 光影特征： 光照方向、色温、明暗对比
• 运镜与景别： 若为视频，提取每段的景别变化与运镜方向

输出结果写成结构化摘要，后续 storyboard_designer 和 media_generator 直接引用，无需重复分析。

Key Elements 设计

• 创作载体（element scene）： 描述纸张/画布/屏幕的材质、色泽、纹理，作为全片视觉底色锚点
• 创作者双手（element character）： 若有手部入镜，统一描述肤色、指甲、袖口风格；右手执笔，手从画面右侧进入
• 创作工具（element prop）： 笔/颜料/刻刀等，注明材质与颜色

若用户已上传参考素材，element 描述必须与素材保持一致，不得矛盾。

叙事结构与 Shot 设计

四段式情绪弧线与时长分配

阶段占比情绪画面重心起 rise15%期待好奇空白载体展示，预置线索承 develop60%沉浸推进从轮廓到上色，逐步成型转 turn10%惊喜冲击视觉突变转场，配合音效骤变合 resolve15%满足释放完整成品居中展示，缓慢拉远

时长分配参考（以目标时长为基准按比例计算）。

Shot 数量参考

• 15s 视频：3 shots；30s 视频：5 shots；60s 视频：7 shots

每个 Shot 必须包含以下字段

• phase： rise / develop / turn / resolve
• 景别与构图：
  • rise：中心构图，画面中心留白
  • develop（手部操作）：偏左构图，手从右侧入画，作品偏左
  • develop（上色阶段）：三分法构图，主体落三分线交叉点
  • turn：无固定构图，以视觉突变为主
  • resolve：居中对称构图，作品完整居中
• 运镜：
  • rise：静止或极缓推近
  • develop（勾勒）：固定机位
  • develop（上色）：微幅水平平移，跟随笔触方向
  • develop（细节）：缓慢推近
  • turn：快速模糊切换，0.5-1s
  • resolve：缓慢拉远至中景或全景
• 相邻 shot 约束： 景别与运镜不得连续两 shot 相同
• 叙事动作： 描述该 shot 内手部/工具的具体动作和画面进展
• duration_seconds（生成时长）： 常规 shot 须对齐 Google Veo3.1 Fast 支持值（仅 4s / 6s / 8s）；turn shot 须对齐 Seedance 2.5 最低值 4s（Wan2.6 备选时最低 5s）。按阶段比例计算目标时长后向上取整至最近支持值，多出部分由 video_assembler 裁剪
• duration_seconds（时间线时长）： turn shot 在最终时间线中裁剪至 1-2s；所有 shot 拼接后总时长与目标时长误差不超过 5%

光影体系（按阶段注入 Shot 描述）

阶段光照方向色温明暗比rise侧顺光45°暖黄3200K低对比1:2develop（勾勒）顶光微偏中性4500K中对比1:3develop（上色）顺光+微逆光偏暖3800K高对比1:4resolve均匀漫射暖白5000K低对比1:2

场景适配色彩参数（按 creation_type 注入 Shot 描述）

不同创作类型的三层色彩体系默认值如下，分镜阶段据此为每个 shot 锁定色彩基调；若用户上传参考素材则优先以素材为准。

creation_type底色（载体，~60%）主色（工具/线条，~30%）点缀色（最鲜亮，~10%）质感关键词calligraphy宣纸米白微黄 #F5E6C8浓墨黑 #1A1A1A / 淡墨灰 #6B6B6B朱砂印泥红 #C0392Bink on rice paper, dry brush texturewatercolor水彩纸本白微冷 #F0EDE8透明水彩色（按主题，默认群青 #2E5BBA）高饱和钴蓝 #4A90D9 或镉黄 #F5C518watercolor wash, wet-on-wet, pigment bleedingdigital_art深灰画布底 #2C2C2C笔刷主色（按主题，默认青蓝 #3A7CA5）霓虹高光 #00E5FF 或亮白 #F8F8F8digital painting, screen glow, stylus strokes on displayhand_drawing泛黄素描纸 #E8DCC4炭笔/铅笔灰黑 #3D3D3D高光白 #FAFAFA / 橡皮擦痕charcoal texture, graphite grain, rough papercraft原木工作台底 #C4A464材料主色（按主题）金属亮色配件 #B8860Bwood grain, fabric/felt texture, handcraft material

Audio Layer 设计

BGM 轨道

• 默认策略（≤30s）： 设计 1 条跨全片的背景音乐 audio_layer（type: music）
• 60s 长视频分段策略： 当目标时长 ≥60s 时，按情绪转折点拆分为 3 段 BGM，每段为独立 audio_layer（各自拥有独立 audio_id），分段方案如下：
  • Segment A（rise → develop 前半，约占 45%）： 铺垫段，旋律轻柔引入，BPM 偏慢，对应 rise 情绪的期待感与 develop 勾勒阶段的沉浸起步
  • Segment B（develop 后半 → turn，约占 45%）： 推进段，节奏加速、织体加厚，至 turn 点骤停留白配合转场音效；与 Segment A 的衔接处做 1-2s 交叉淡化
  • Segment C（resolve，约占 10%）： 收束段，旋律回归柔和，缓慢渐弱至结尾
• 各段 description 中注明 mood 参数对应的风格：
  • warm_healing：弦乐为主，BPM 80-100，旋律柔和婉转，渐强推进后温和回落
  • energetic_vibrant：小提琴/电吉他为主，BPM 120-140，明快跳跃，持续加速
  • calm_zen：古琴/笛子为主，BPM 60-80，悠远空灵，极缓推进，结尾渐弱至无声
  • mysterious_dark：大提琴/合成器为主，BPM 70-90，低沉蜿蜒，缓慢铺陈后骤然爆发
• layout_instruction：rise 阶段淡入，develop 阶段逐步加强，turn 阶段骤停留白配合音效，resolve 阶段尾声旋律收束
• 分段 BGM 的 layout_instruction 额外约束： Segment A 尾部预留 1-2s 与 Segment B 交叉淡化；Segment B 在 turn 点精确骤停，留白后由 Segment C 淡入接续；Segment C 结尾渐弱与画面 fade to black 同步

转场音效

• turn shot 的转场音效不单独设为 audio_layer（Flova 无独立 SFX 生成工具），而是通过 TextToVideo 的同步音频能力内嵌于视频片段
• 在 turn shot 的 audio_note 中标注所需音效类型（如 whoosh、impact），引导视频生成时同步产出

音画对位规则（注入 shot 的 audio_note 字段）

• rise：配乐先行，旋律轻柔，画面等待
• develop（勾勒）：中速律动，一拍一笔
• develop（上色）：快速律动，一拍多笔，配乐推动
• develop（细节）：旋律渐缓，手部收束
• turn：骤停+音效，同步突变
• resolve：尾声旋律，画面定格后缓慢拉远

一致性图像生成策略

锚点图优先原则：

1. 首先为「合」阶段最后一个 shot 生成高质量锚点图（start_frame），使用 TextToImage → 推荐模型 Nano Banana Pro (Gemini 3 Pro Image)，分辨率 2K，作为全片视觉基准
2. 以锚点图作为 reference_image，依次为「承」→「起」阶段的 shot 生成 start_frame，使用 ImageToImage → 推荐模型 Nano Banana Pro (Gemini 3 Pro Image)，分辨率 2K，保障角色外观、载体材质、色彩基调一致
3. 若用户已上传参考图，直接注册为 asset_id 并绑定到对应 shot 的 start_frame，跳过生成步骤

一致性校验： 若任一 start_frame 的角色外观或色彩基调与锚点图明显偏离，回退至锚点图重新生成该帧。

视频片段生成策略

• 常规 shot（rise / develop / resolve 阶段）： 使用 FirstFrameToVideo，以 start_frame 作为首帧驱动；推荐模型 Google Veo3.1 Fast，分辨率 720p，aspect_ratio 仅支持 16:9 或 9:16（Final_Video_Spec.md 中须限定为二者之一，默认 9:16）
• turn 转场 shot： 使用 TextToVideo；推荐模型 Seedance 2.5（或 Wan2.6 作为备选），分辨率 480p，生成时长 4s（模型最低值，最终时间线裁剪至 1-2s）
• 模型失败处理： 同工具内先切换模型重试；若同工具所有模型均失败，停止该 shot 生成并告知用户，由用户决定是否切换到其他工具

音频生成策略

• BGM： 使用 text_to_instrumental，推荐模型 Mureka 8（备选 Suno 5）；Suno 5 的 prompt 中禁止包含知名音乐人名称
• 60s 长视频分段 BGM： 当 Storyboard 中存在多条 BGM audio_layer 时，逐段独立调用 text_to_instrumental 生成，每段 prompt 中须注明该段在情绪弧线中的位置（铺垫 / 推进 / 收束）、BPM 范围和织体特征；段间不要求调性统一，但 BPM 衔接处不得骤变（相邻段 BPM 差不超过 20），避免听觉断层
• 转场音效： Flova 无独立 SFX 生成工具；转场音效通过 turn shot 的 TextToVideo 同步音频内嵌于视频片段，在视频 prompt 中以 SFX 标注（如 <whoosh sfx>）引导生成

资产绑定规则

• 每个 shot 的 start_frame 生成后立即注册 asset_id 并绑定到对应 shot
• 每个 shot 的 final_shot 视频生成后注册 asset_id 并绑定到对应 shot
• BGM 的 final_audio 生成后注册 asset_id 并绑定到对应 audio_layer

图像 Prompt（TextToImage / ImageToImage）

结构顺序： 主体描述 → 创作载体描述 → 构图方式 → 光影设定 → 画面风格

• 主体描述： 人物发色/服装色/体态/配饰（若有）；手部操作镜头注明「右手执笔，手从画面右侧进入」
• 创作载体： 材质（如泛黄旧书纸、水彩纸、宣纸）+ 色泽 + 纹理关键词；锁定三层色彩（底色/主色/点缀色比例）
• 构图方式： 使用分镜脚本中对应 shot 的构图描述（中心构图/偏左构图/三分法/居中对称）
• 光影： 使用对应阶段的光照方向、色温关键词（如 warm 3200K, side light 45°）
• 风格锁定： 真实感照片风格（photorealistic）+ 创作题材对应质感（如 charcoal texture / watercolor wash / ink on rice paper）
• 一致性帧（ImageToImage）： prompt 开头显式标注「以锚点图为参考，保持角色外观/载体材质/色彩基调一致」

视频 Prompt（FirstFrameToVideo / TextToVideo）

结构顺序： 首帧图引用 → 运镜指令 → 主体动作 → 空间环境 → 音效备注

• 首帧图绑定： <<<image_1>>> 对应 start_frame
• 运镜指令： 使用分镜脚本的运镜描述，精确命名（static shot / slow push in / slow pull back / slow horizontal pan / fast blur cut）
• 手部动作： 具体到身体部位和动作幅度（如「右手拇指与食指捏握炭笔，以缓慢长弧线从左上方向右下方勾勒轮廓」）；多拍动作按故事顺序列出
• 音频备注： 若有独立音轨，视频 prompt 中不重复 BGM 内容；默认加 no subtitles；turn shot 的转场音效在 prompt 中以 SFX 形式标注（如 <whoosh sfx>）
• 转场 shot（TextToVideo）： 突出「视觉突变」「快速模糊」「画面骤切」语义；不绑定首帧图

通用规则

• 画面中不出现文字（除非用户明确要求），prompt 中加 no text, no watermark
• aspect ratio 与 Final_Video_Spec.md 保持一致（默认 9:16 竖版短视频）

场景专属 Prompt 模板

按 creation_type 选择对应模板，将方括号占位符替换为分镜脚本中的实际内容。图像与视频 prompt 均适用。

calligraphy（书法）

• 风格锚点： photorealistic, traditional Chinese calligraphy, ink on rice paper, dry brush texture
• 底色描述： aged rice paper, warm beige tone #F5E6C8, visible fiber texture
• 工具描述： black ink brush (wolf/goat hair), ink stone with fresh ink
• 主色锁定： rich black ink #1A1A1A with gradient to light grey wash #6B6B6B
• 点缀色： single vermillion seal stamp #C0392B placed at lower-right
• 运笔 Prompt 片段： right hand holding brush vertically, wrist suspended, brush tip touches paper with steady downward pressure, ink flows from dark to light in a single stroke
• 避免： no colors other than black ink and red seal, no modern tools, no digital artifacts

watercolor（水彩）

• 风格锚点： photorealistic, watercolor painting, wet-on-wet technique, pigment bleeding, transparent wash
• 底色描述： cold-pressed watercolor paper #F0EDE8, subtle grain texture
• 工具描述： round sable brush size 8, ceramic palette with water pools
• 主色锁定： transparent ultramarine blue #2E5BBA as primary wash
• 点缀色： cobalt blue accent #4A90D9 or cadmium yellow highlight #F5C518
• 运笔 Prompt 片段： right hand holding round brush at low angle, brush loaded with wet pigment, sweeping horizontal stroke, water blooms and color bleeding at edges
• 避免： no opaque gouache coverage, no hard ink outlines, no digital smoothness

digital_art（板绘）

• 风格锚点： photorealistic, digital painting on graphics tablet, screen glow, stylus on glass display, subtle UI elements at screen edge
• 底色描述： dark grey digital canvas #2C2C2C, faint pixel grid texture
• 工具描述： digital stylus pen, tablet screen with warm glow reflection on hand
• 主色锁定： teal-blue brush strokes #3A7CA5 as primary color layer
• 点缀色： neon highlight glow #00E5FF or bright white #F8F8F8 on focal points
• 运笔 Prompt 片段： right hand holding stylus at shallow angle, pen tip glides on glossy screen surface, brush stroke appears with soft glow trail, layers build up progressively
• 避免： no traditional paper texture, no physical paint, no visible keyboard or cables in frame

hand_drawing（手绘素描）

• 风格锚点： photorealistic, charcoal drawing on toned sketch paper, graphite grain, rough paper texture
• 底色描述： aged sketch paper #E8DCC4, warm yellow tone, visible paper fibers
• 工具描述： charcoal stick / graphite pencil, kneaded eraser
• 主色锁定： charcoal grey-black #3D3D3D with smudge gradients
• 点缀色： white chalk highlight #FAFAFA on focal edges
• 运笔 Prompt 片段： right hand gripping charcoal at low angle, broad side-stroke for shading, fingers smudge edges for soft transition
• 避免： no color pigments, no ink, no digital screen

craft（手工）

• 风格锚点： photorealistic, handcraft workshop, natural material close-up, warm overhead work light
• 底色描述： wooden workbench surface #C4A464, visible wood grain
• 工具描述： craft tools (scissors / needle / carving knife), material pieces in natural tones
• 主色锁定： material primary color (e.g. felt fabric #8B4513, clay #D2B48C)
• 点缀色： brass or gold metallic accents #B8860B, thread or button highlights
• 运笔 Prompt 片段： right hand operating craft tool with precise small movements, fingers manipulate material, shavings or scraps accumulate at lower edge
• 避免： no digital screens, no flat studio backdrop, no synthetic plastic sheen

剪辑节奏与转场策略

• 常规相邻 shot 之间： 交叉淡化（cross-dissolve）转场，时长 0.5s
• turn 转场 shot： 使用硬切（hard cut），不叠化，与画面切换和转场音效精确对齐
• resolve 最后一个 shot： 结尾使用淡出（fade to black），时长 1-2s，配合 BGM 渐弱

音频叠加规则

• BGM 轨道从第一帧开始淡入（fade-in 1-2s），结尾淡出（fade-out 2-3s）
• turn shot 内嵌的转场音效随视频片段同步播放，组装时将 turn shot 内置音量设为主（不低于 BGM），BGM 在 turn shot 时段做 ducking（音量降至 30-40%）以突出音效
• BGM 与视频内置音频共存时，BGM 音量设为主，视频内置音量降至 20-30%
• 60s 长视频多段 BGM 拼接： 多段 BGM 在时间线上顺序排列，段间使用 1-2s 交叉淡化（cross-fade）衔接，确保无明显断点；Segment B 的骤停点须与 turn shot 的 hard cut 精确对齐，骤停后留白 0.5-1s 再由 Segment C 淡入；各段音量统一，仅在 turn shot 时段做 ducking

时长与节奏校验

• 所有 shot 拼接后总时长与目标时长偏差不超过 5%；超出时对「承」阶段 shot 做微调裁剪，不动「起」「转」「合」
• 相邻 shot 景别与运镜变化若在组装阶段发现遗漏，在此处通过切点位置微调补救

导出设置

• 画面比例：以 Final_Video_Spec.md 中 aspect_ratio 为准（默认 9:16）
• 帧率：24fps