Eastwood-style western

核心模型唯一性声明与鉴权降级策略：

• 图像生成唯一模型：全程必须且只能使用 GPT Image 2 制作所有图像资产（包含角色全身三视图与场景四宫格参考图，不论是 TextToImage 还是 ImageToImage 路径），严禁选用任何其他图像模型（如 Nano Banana、Seedream、Midjourney 等）。
• 视频生成唯一模型：全程必须且只能使用 Seedance 2.5（分辨率 480p） 制作所有分镜头视频（通过 MultiModalToVideo 路径），严禁选用任何其他视频模型（如 Kling、Sora、Google Veo 等）。由于 Seedance 2.5（分辨率 480p） 为会员尊享模型，执行时若遇到非会员，在生成前不主动阻断拒绝，应将鉴权与降级机制（如界面提示或底层模型替代）完全委托给下游工具链处理，保持 Playbook 的高标准内聚。

全局设定与执行阶段：

1. 建立全局设定 (Final_Video_Spec.md)：在项目最前端使用 text_editor 建立全局视听规范简报，作为下游所有子任务（故事板设计、媒体生成、剪辑装配）的统一参数锚点。核心剧情和创意构思必须完全依据用户提供的脚本或剧本框架。画幅默认设为 16:9 电影画幅（若用户特殊要求在短视频平台发布，可灵活调整为 9:16 纵向画幅并同步调整镜头构图），默认视频分辨率为 480p，输出语言及视觉风格定位为“伊斯特伍德式/修正主义西部片（Eastwood-style Spaghetti Western）”。
   Final_Video_Spec.md 规范化 Markdown 模板：
   • Title: 项目名称/决斗主题 (例如: 黄金三镖客之边境决战)
   • Type: 动作/心理对峙/修正主义西部片
   • Aspect Ratio: 16:9 (默认电影宽画幅) 或 9:16 (移动端)
   • Resolution: 480p (默认标准)
   • Output Language: 旁白与角色台词的目标输出语言 (如: English / Chinese)
   • Visual Style: 荒凉沧桑美学 (Sergio Leone style, 褪色胶片, 特艺七彩, 逆光体积光)
   • Audio Tone: 莫里康内交响乐声学 (Ennio Morricone, 孤独口哨, 风铃, 铸铁马刺)
   • Story Outline: 宿命决斗起承转合核心剧情梗概
2. 设计故事板 (storyboard_designer)：
   • 根据用户提供的剧情构思，设计包含核心角色和场景作为 key_element（例如：孤独的荒野镖客、风沙滚滚的边境小镇街道）。
   • 镜头设计遵循“极静（蓄势对峙）到极动（瞬间爆发）”的节奏逻辑，融入眼部特写、超广角远景、低角度仰拍和缓慢推镜头。
   • 在任何远距离决斗场景中，故事板必须先建立“对峙空间锁”：双方在街道或荒野中的相对位置、距离、朝向、镜头轴线、子弹方向和中弹倒地方向；后续所有 ECU/CU 局部特写必须继承该空间关系，不能因为切到特写而改变双方物理距离。
3. 获取与建立角色/场景视觉资产 (resource_prepare_and_analyze 与 media_generator)：
   • 分支 A（用户提供参考图）：如果用户上传了角色参考图或场景参考图，首先使用 resource_prepare_and_analyze 进行多模态分析，提取特征，评估美学风格契合度，并特别检测角色图是否为标准的“全身三视图”（必须是包含正面、侧面、背面且为完整全身人像，严禁半身人像）以及场景图是否为“多角度无人物四宫格场景参考图”：
     • 若完全契合且符合全身三视图与四宫格规范：通过 media_generator 直接注册并绑定为对应的 key_element 的 asset_id。
     • 若风格不符或角色图不是标准的全身三视图、场景图不是标准四宫格：以用户素材为物理、形象与构图参考，调用 media_generator 的 ImageToImage 路径（模型选用 GPT Image 2）重构生成：符合影片风格的角色全身三视图（正面、侧面、背面并排全身人像，非半身像）及符合标准四宫格分配（全景定场/陈设特写/纵深透视/气氛光效）的多角度无人物场景参考图，将其注册并绑定为对应的 key_element。
   • 分支 B（用户未提供参考图）：如果用户未提供素材，则直接调用 media_generator 选用 GPT Image 2 的 TextToImage，生成符合伊斯特伍德西部粗粝感的 16:9 画幅、2K 分辨率角色资产（标准的角色全身三视图：在同一张图内并排排列正面、侧面、背面全身人像，拒绝半身像）及场景资产（包含全景定场、陈设特写、纵深透视、气氛光效固定分配的标准多角度无人物四宫格场景图），注册并绑定到对应的 key_element。
   • 全面核检机制（严防遗漏）：在视觉资产建立完毕后，必须逐一核对故事板中定义的所有 key_element（角色与场景元素），检查每一个元素是否都已成功绑定了对应的 asset_id。如果存在任何遗漏或未绑定成功的元素，严禁进入分镜头视频生成步骤。
4. 生成分镜头视频 (media_generator)：
   • 针对每个 shot，根据故事板动态规划的时长，使用 MultiModalToVideo 工具调用 Seedance 2.5（分辨率 480p，画幅 16:9，单镜头时长控制在 4s - 30s，严禁生成低于 4s 的短分镜）。
   • 提示词对准与防漏检视：在生成每个镜头的视频前，必须对照故事板分镜脚本对即将输入的提示词进行多维度核检，确保场景参考、人物参考（占位符绑定）、台词及对白信息等全部精准对齐，无任何遗漏。
   • 视觉一致性（防跳画）：每个镜头必须明确绑定其在故事板中关联的场景 key_element。在调用视频生成时，必须将对应的角色 key_element 图像以及场景四宫格参考图作为 reference_image 传入（双重强基准绑定），绝对不允许出现没有绑定场景参考图的分镜，以彻底杜绝镜头间背景漂移、跳画或场景不连贯的问题。若相邻分镜具有极强动作连贯性，可将前一个 shot 视频绑定为 reference_video。
   • 音色一致性：若分镜中含有角色口语对白，必须在生成参数中显式绑定对应 element character 拥有的 key_element_audio 声音资产（通过 audio_infos），保证跨镜头的对白音色特征完美延续。
5. 生成音视频层 (media_generator)：
   • 独立音轨设计：设计莫里康内风格的口哨、寂静风声、风铃声和马刺金属撞击声音效作为独立 audio_layer；若有旁白（VO），调用旁白声音生成工具，选用最契合西部片质感的经典配音模型。
6. 最终时间线装配与画质提升 (video_assembler 与 media_generator)：
   • 将生成的视频段落、音效与背景音乐进行蒙太奇拼贴，由 video_assembler 完成。
   • 成片超分与插帧：利用 media_generator 的 super_resolution 工具，对装配完成的成片视频应用 MediaKit 模型进行超分和插帧，使最终成片在保持粗粝画风的同时，拥有影院级的细腻画质与 24fps 或 30fps 的电影质感帧率。

暂停确认控制（严格的阶段性确认机制）：

在生成任何新资产之前，必须暂停并向用户请求明确确认，严禁未经确认自动连续执行生成：

1. 生成 key_element 角色/场景图像前（Step 3 分支 B）：在设计完故事板后，必须暂停，向用户汇报故事板创意与 key_element 方案，获得许可后才可启动 GPT Image 2 的图像生成。
2. 生成分镜头视频前（Step 4）：在开始下一步前，必须首先检查并确保所有故事板中定义的 key_element 元素资产（包括角色和场景四宫格图）都已全部生成并绑定；同时必须逐一核查各个 Shot 视频的提示词（Prompt），对比故事板分镜脚本，确认已完美绑定对应的角色占位符与所属的场景占位符，无任何遗漏的场景参考、人物参考及角色台词对白，确保每一个 Shot 在视频生成时都强制绑定了其所属的场景 key_element 四宫格图作为 reference_image，严防因场景未绑定或遗漏导致视频背景漂移或跳画。 核检完毕后暂停，向用户完整展示资产绑定状态、核检结果以及视觉基准资产。在获得用户明确确认资产完整无遗漏、形象和风格符合预期后，方可启动 Seedance 2.5（分辨率 480p） 的视频生成。
3. 生成音频与背景音乐前（Step 5）：在开始调用 Suno 5 或 TTS 产生配乐/旁白前，必须暂停，向用户确认配乐风格和旁白方案，确认后方能进行生成。
4. 最终时间线装配前（Step 6）：在所有视频和音频资产生成完成后，必须暂停并向用户展示所有单项生成的媒体成果，确认无误后方可进行最终的时间线装配。

用户参考材料分析指南：

• 当用户主动提供资产（如角色参考图、场景参考图、视频或音频）时，首要职责是将其精准提炼为结构化视觉特征：
  • 角色全身三视图（三面图）分析与检测：检查用户上传的是否为包含正面、侧面、背面的全身三视图。如果是，提取正面、侧面、背面各角度的形体比例、面部轮廓、发型、肤质、经典服装细节（如披风、毡帽、枪套设计）、配色方案及独特标记（如伤疤、胡茬等），并合并输出为一份高完整性描述报告。若用户上传的并非三视图，或只是半身照/头像，必须判定为“格式不匹配”并启动重构。
  • 场景参考图分析与布局检测：
    • 检查用户上传的场景图是否为无人物、多角度的“标准四宫格”（包含4个独立的画面分格）。
    • 提取其空间布局、核心建筑、代表性道具（如沙龙吧台、墓碑）、色调（褪色大地色）及光影（强对比度）。
  • 美学契合度与格式验证（核心职责）：
    • 评估资产是否具备西部片底色（高硬度对比光、沙尘感、风化材质、沧桑老旧感），并严格验证格式：角色图必须为全身三视图，场景图必须为无人物四宫格场景参考图。
    • 若完全契合（角色为标准全身三视图，场景为标准四宫格，风格也相符）：提取各视图/分格特征输出，标记为可以直接绑定。
    • 若不契合（如风格不符、角色并非全身三视图或为半身照、场景不符合四宫格或含有人物）：必须判定为“格式/风格不匹配”，并制定“西部片风格转换与格式重构方案”：
      • 角色全身三视图重构方案：以用户上传图（如半身照、头像或非三视图）的面部和基本特征为底层参考，剥离现代/动漫服饰，重新构图并重绘为符合影片风格的、包含正面/侧面/背面且水平并排的全身三视图（展示完整的帽子、披风、腰带枪套、皮靴以及全身比例，严禁只展示半身或头部），并将面部特征完美融合进西部片角色服饰（宽沿帽、条纹斗篷、皮套、胡茬）。
      • 场景四宫格重构方案：以用户上传场景的空间几何为底层框架，规划重构出一个标准的无人物四宫格场景参考图，四格内容必须固定分配为：
        1. 左上（全景定场）：宽广无人的西部建筑或大荒野定场景观。
        2. 右上（陈设特写）：风化木质家具、老旧枪支或沙龙吧台特写。
        3. 左下（纵深透视）：拥有极强透视线条的小镇街道或峡谷纵深。
        4. 右下（气氛光效）：飞扬沙尘在强逆光或地平线落日投射下的高张力光效。
    • 人声分析：分析声音是否沙哑、深沉、干瘪、带沧桑感，将音频特征录入 key_element_audio 中以维持配音一致性。
  • 参考视频动态及镜头特征分析：若用户上传了经典西部片视频作为剪辑、镜头或动作参考，系统应通过 resource_prepare_and_analyze 深度解析其：
    1. 镜头运动轨迹：提取如极其缓慢的面部推焦（Slow Zoom-in/Push-in）、低角度平移（Low-angle Pan/Dolly）等。
    2. 物理运动反馈：提取拔枪动作的瞬态频率、枪口烟雾扩散速率、受击身体的物理震颤幅度。
    3. 光影明暗质感：提取画面的强对比硬光比例（Chiaroscuro）与空气尘埃密度，并将这些镜头及动作特征输出为描述文本，直接写入故事板的 shot 描述中。
• 将这些分析结果规范化为文本描述，无缝注入故事板的 key_element 描述中，确保后期生成的视频与用户提供的物理资产完美契合。

一、 故事板核心角色与场景设定 (Key Elements 设计)

• 孤独镖客 (Gunslinger) —— 极致肖像神态与服饰定义：

  • 面部容貌：饱经风霜的深褐皮肤（Weathered sun-bronzed skin）、冰冷如钢针般的灰蓝色眼眸（Squinting piercing steel-blue eyes）、干裂脱皮的嘴唇（Sun-cracked lips），嘴角斜叼着燃烧一半的雪茄头（Half-burnt cigarillo）。
  • 服饰装束：身披经典的褪色墨西哥条纹羊毛斗篷/披风（Faded Mexican striped wool poncho）、内搭磨损开裂的旧皮革马甲（Worn leather vest）。
  • 武器配件：腰间绑着系满黄铜子弹的枪带及柯尔特左轮手枪套（Leather belt with brass bullets and Colt holster），脚穿鞋跟缀有微小齿轮、行走时叮当作响的做旧黄铜马刺皮靴（Worn leather boots with clinking brass spurs）。

• 冷酷反派 (The Antagonist) —— 极致阴鸷神态与暗黑服饰定义：

  • 面部容貌与阴鸷眼神：阴鸷冷酷的面容（Sinister cold facial features）。鹰隼般凶狠的双眼半隐在纯黑牛仔帽的宽大帽檐阴影下（Hawk-like eyes half-hidden in the deep shadow of the cowboy hat brim），在阴影中陡然射出冰冷刺骨的刀锋寒光（sharp razor-cold glare piercing through the darkness）；强烈的侧逆光或高对比直射光在瞳孔边缘折射出一抹冷冽的金属反光（intense side backlighting reflecting a cold metallic gleam on the iris），冷凝的视线仿佛能在空气中冻结飞扬的沙尘。冷笑中露出微黄且带有金属镶嵌的牙齿（Cold smirk showing slightly yellowed teeth with subtle metal inlay），嘴角挂着残酷的弧度。修剪得一丝不苟的黑色八字胡（Meticulously groomed black handlebar mustache）在阴影中投下锐利的轮廓。
  • 服饰装束：身穿挺括但沾满沙尘的黑色双排扣长风衣（Dusty black double-breasted duster coat），风衣下摆随风在黄沙中微微起伏，展现出沉重布料的质感（heavy coat hems fluttering slowly in the dry sand wind）。内搭暗红色的丝绸马甲（Deep crimson silk vest）以及黑色高折领衬衫。
  • 武器配件与光影：头戴高顶纯黑牛仔帽（Black high-crowned cowboy hat）。腰间或大腿侧绑着两具精美雕花双枪皮套与一对雕刻极其繁复、在灼日下折射出刺眼亮银光芒的左轮手枪（Engraved silver-plated revolvers in dual matching black holsters reflecting blinding, cold sun glints）；强烈的高光与漆黑的阴影在手枪雕纹上强烈交织（intense high-contrast metallic highlights and deep dramatic shadows on the engravings），暗示着极其凶残的杀戮动能。
  • 冷酷马刺与动作：脚穿做旧黑色皮靴，鞋跟处缀有泛着幽暗、粗粝寒光的黑色铸铁马刺（Worn black boots with dark cast-iron spurs reflecting a faint cold metallic sheen）。当他缓慢、带有重力威压感地抬起鞋跟或调整站姿时，马刺的黑色齿轮在干燥沙土上微微摩擦，行走时伴随着沉重沙土撞击声，发出刺耳而缓慢的金属摩擦声与碰撞回响（heavy boots sinking into dry dirt with a slow, ominous metallic clinking of iron spurs in the sand）。

• 边境小镇 (Border Town) —— 空间质感与荒凉环境重塑：

  • 全景定场 (Establishing Shot)：死寂空无一人的小镇全貌，木制建筑木板因暴晒而弯曲开裂，呈现极致的荒凉感。
  • 陈设特写 (Props Close-up)：沙龙外在烈日烈风中仅靠单枚生锈铁钉支撑、吱呀作响的斑驳木质招牌（Creaking sun-baked wooden sign）及布满铜绿的生锈马栓。
  • 纵深透视 (Depth Perspective)：笔直延展、沙尘弥漫的主街道，干枯龟裂的泥地上懒散滚动的风滚草（Tumbleweeds），以及空旷废弃小巷间缓缓打转的风沙旋涡（Dust devils）。
  • 气氛光效 (Atmospheric Lighting)：地平线夕阳强逆光，在强烈的橙金色光晕下，空气中弥漫着飞扬的浮尘与粗麻布碎屑，以及被狂风撕扯得猎猎作响的破旧黑色布料。

二、 镜头设计、节奏与动作逻辑

• 镜头极静到极动节奏：镜头设计遵循“极静（蓄势对峙）到极动（瞬间爆发）”的节奏逻辑。在对峙阶段，优先使用极浅景深的长焦特写（如眼部特写、手部悬空特写、马刺特写），通过视线博弈（Eyeline Match）和极低的摄像机运动幅度拉满张力。
• 对峙空间锁 (Spatial Continuity Lock)：在任何远距离对峙/决斗段落中，Storyboard Designer 必须先用远景或 OTS 镜头建立双方的物理关系：A 方站位、B 方站位、两人距离、面对方向、屏幕左右/纵深轴线、射击方向与受击倒地方向。后续眼部、手部、枪套、马刺等 ECU/CU 只能改变镜头尺度，不能改变角色之间的真实距离或站位。
• 局部特写同框关系声明：凡是一个局部特写镜头同时提到“双方”“两人”“彼此”的身体部位、武器或动作细节，必须明确它是“同一画面同框”还是“交叉剪辑”。远距离决斗中的手部、马刺、眼神、枪套特写默认应写成 intercut close-ups / hard cuts；不得用“双方的手”“两人的枪套”等模糊表述描述单一近景，除非剧情明确要求两人近距离同框。
• 极简台词停顿美学：角色台词应当极其克制（人狠话不多），禁止任何长篇大论。在台词设计中，必须有意识地加入破折号或省略号 ...（例如 {No... I don't think so...}），以指引配音模型在合成时产生极具戏剧停顿与呼吸感的沧桑咬字。

三、 经典对决核心分镜与对白蓝图规范 (Classic Duel Shot & Dialogue Blueprint)

在设计对决的故事板时，必须按照以下标准的“双阶段八镜头”逻辑和具体的台词细节来编排剧情，以实现完美的音视频和画面一致性：

1. 第一阶段：对视对峙（Gaze & Standoff Phase - 极致心理张力构建）

   • 镜头 1（环境与双方对立 OTS / 空间锁建立）：选用 135mm+ 长焦中景 (MS/OTS) 在决斗双方（Gunslinger 与 Antagonist）之间交替剪切，并明确建立空间锁：二人分别站在边境小镇主街两端或街道纵深两侧，相距较远，面对面僵持；镜头轴线、屏幕左右位置、纵深方向和双方朝向在后续镜头中保持不变。风沙漫天，角色的斗篷与风衣在热浪中微微抖动，营造空间压缩感与窒息对视。
   • 镜头 2（局部五官与眼神博弈 ECU / 交叉剪辑）：极写特写 (ECU) 镜头在双方瞳孔、眼部微表情之间快速直切（Eyeline Match）。该镜头是 intercut close-ups，不是双方面部同框；每个 ECU 只呈现一个角色的局部五官，并继承镜头 1 建立的远距离对峙关系。镖客的灰蓝瞳孔冷酷收缩（带有汗水滑落）、反派纯黑牛仔帽檐阴影下鹰隼双眼射出冷冽寒光，虹膜边缘折射金属反光，视线在虚化背景的热浪中拉满博弈张力。
   • 镜头 3（手部蓄势与马刺摩擦 / 交叉局部特写）：该镜头不是“双人手部同框”，而是远距离对峙中的交叉局部特写组，必须拆成 3A / 3B / 3C 等子镜头或在描述中明确 hard cut / intercut：
     • 3A 老镖客手部 ECU：只锁定老镖客的右手、Colt 枪柄、皮套和子弹带。手掌在左轮枪套上方一寸处紧绷悬停，手指微动，画面中不得出现反派的手、枪套或身体部位。
     • 3B 反派手部与马刺 CU：只锁定反派的手指、黑色枪套、黑靴与铸铁马刺。反派缓缓提起鞋跟，铸铁马刺摩擦干燥沙土发出刺耳金属回响，身体重心微调；画面中不得出现老镖客的手、枪套或身体部位。
     • 3C 硬切交替节奏：在 3A 与 3B 之间使用高压硬切交替，维持镜头 1 建立的远距离空间关系；特写只制造心理压迫，不改变二人站位或距离。
   • 对峙台词停顿蓝图：对白必须极其简短、冰冷，融入大量物理气口（... 标记），严禁连贯的长句子。
     • 反派台词范式：{There are two kinds of people in this world... those with loaded guns... and those who dig...}（用极慢、气音饱满、带金属沙哑的声线施加精神威压）。
     • 镖客台词范式：{You... dig...}（用极度干燥、沧桑的低沉鼻音进行终极宣判）。

2. 第二阶段：出击爆发（Strike & Kinetic Phase - 电光石火瞬态释放）

   • 镜头 4（极速拔枪 quick-draw）：电光石火的 1.5s 瞬态极写镜头（在装配阶段剪辑为 1s - 1.2s）。手部极速下沉、按压枪套并完美贴合雕花枪柄，左轮枪以爆炸般的速度滑出枪套。
   • 镜头 5（枪火与硝烟爆发 muzzle-flash）：中近景仰拍 (MCU)。扣动扳机，枪口橙金色火光猛烈吐信，大团青白色、浓密的枪烟在风沙中伴随着 0dB 的雷鸣枪声剧烈向外炸裂。
   • 镜头 6（子弹擦掠帽檐微观冲击）：微距慢动作 (Macro Close-up)。高温子弹呼啸擦过毡帽边缘，物理冲击波瞬间撕裂粗糙的呢料，破损的纤维和线头在慢动作中飞溅，帽子受力剧烈倾斜并旋转飞落。
   • 镜头 7（受击倒地与尘土激荡 collapse）：低角度中全景 (MWS) 捕捉躯干强力受击。必须继承镜头 1 的对峙空间锁：中弹者正面朝向射手，子弹从射手方向击中胸口；身体应沿受力方向向后仰倒，即远离射手方向倒下，背部先接触地面，不能向射手或镜头方向前扑。反派胸口因子弹冲击猛烈后震，双膝瞬间瘫软，身体带着沉重的物理惯性向后倒地，背部重击沙土产生沉重闷响，地面轰然炸开一圈厚重的沙尘圆环。
   • 镜头 8（收尾余韵与地平线剪影 aftermath）：慢速拉远远景 (WS/EWS)。镖客神色淡然、动作缓慢而蓄意地将冒烟的左轮插回皮套，发出清脆的金属扣合声（Metallic Click）。地平线上如血残阳低悬，天空深橙绯红交织，将胜出者孤独的剪影在沙漠狂风中无限拉长，斗篷猎猎作响。

核心模型限制声明：

• 唯一图像模型限制：本 Skill 在所有图像生成（包括 TextToImage 和 ImageToImage 路径）中，必须且仅能选用 GPT Image 2 模型。任何其他图像模型（如 Nano Banana、Seedream、Midjourney 等）均被禁止使用。
• 唯一视频模型限制：本 Skill 在所有视频生成（包括 MultiModalToVideo 路径）中，必须且仅能选用 Seedance 2.5（分辨率 480p） 模型。任何其他视频模型（如 Kling、Sora-2、Google Veo、Happy Horse 等）均被禁止使用。

一、 图像资产管理与生成 (key_element 视觉定义)

• 处理策略：

  • 路径 A：用户已提供参考素材（如角色参考图、场景参考图）：
    • 完全契合：如果用户提供的角色图符合风格、且是标准的全身三视图（正面、侧面、背面并排，且为完整全身人像而非半身照/头像），同时场景图是无人物的多角度标准四宫格，通过 media_generator 将其注册为 asset_id 并绑定到 key_element。
    • 不契合或格式不符（重构修复机制）：绝对不直接绑定。必须使用 ImageToImage 路径（模型选用 GPT Image 2，分辨率 2K），以用户上传图为物理结构和人物面部参考，结合《multimodal_analyze_tool》的风格转换与重构方案：
      • 角色重构：重构为符合“伊斯特伍德式西部片”规范的全身三视图（在同一张图内并排排列正面、侧面、背面的全身立绘像，拒绝半身人像），融入宽沿毡帽、重胡茬、墨西哥斗篷、皮套、皮靴，极力保留原图的面部标志与五官神态。
      • 场景重构：保留原空间框架，重绘为多角度无人物标准四宫格场景参考图，四格内容严格按四分格标准分配。
      • 生成并通过后，注册为 asset_id 并绑定。
  • 路径 B：用户未提供参考素材：
    • 选用 TextToImage 路径下的 GPT Image 2 模型（画幅 16:9，分辨率 2K）进行生成。
    • 角色设计构图规范：强制生成一张标准的角色全身三视图（采用正面、侧面、背面并排在同一画幅中的布局）。必须包含完整的正面全身人像（定格脸部、警惕眼神、胡茬与帽沿阴影、斗篷/披风、腰间枪套、皮靴及整体剪影）、侧面全身人像和背面全身人像，展示 360 度服饰与武器细节，严禁生成任何半身照、头部特写或重叠画面。
    • 场景设计构图规范（标准四宫格）：强制生成一张多角度无人物四宫格场景参考图，将四格内容固定为以下标准分配以最大化信息密度：
      • 左上分格：全景定场 (Establishing Shot) —— 荒凉广阔的西部全景或建筑。
      • 右上分格：陈设特写 (Props Close-up) —— 沧桑木质吧台、生锈马刺、旧式左轮枪特写。
      • 左下分格：纵深透视 (Depth Perspective) —— 带有强烈线条透视感的漫天沙尘街道或峡谷小道。
      • 右下分格：气氛光效 (Atmospheric Lighting) —— 强硬正午直射光、夕阳逆光、飘散尘埃。

二、 视频镜头生成与多维一致性维护

• 选用 MultiModalToVideo 路径下的 Seedance 2.5（分辨率 480p） 模型（由于 Seedance 2.5（分辨率 480p） 拥有最先进的镜头控制力及多镜头内切能力，在西部片对决的张力表达中为绝对首选）。

• 分辨率与画幅：固定为 480p（非会员上限 / 默认最佳），画幅 16:9。

• 动态时长规划与生成下限：单镜头时长根据故事板的节奏进行动态规划，控制在 4s - 30s（严格遵循 Seedance 2.5（分辨率 480p） 最低 4s 生成时长的硬件和模型限制，绝不能生成低于 4s 的分镜）。

• 跨镜头视觉一致性策略 (Visual Consistency)：

  • 强基准双向绑定 (reference_image) —— 视觉一致性双防线：在生成分镜视频时，必须同时无缝绑定角色资产与场景资产作为 reference_image，以彻底防止“场景跳画”与“角色漂移”：
    1. 角色一致性：若镜头包含特定角色，必须绑定该角色的 key_element 图像资产（GPT Image 2 生成的全身三视图或用户提供的符合西部片风格的全身三视图）作为 reference_image。利用此约束 Seedance 2.5（分辨率 480p），在不同机位下始终保持完全一致的脸部特征、发型、宽沿帽及斗篷服饰。
    2. 场景连贯性（彻底防止场景跳画）：对于每一个分镜视频（无论是否包含角色），必须强制将该镜头绑定的 element scene 对应的 多角度无人物四宫格场景参考图 作为 reference_image 传入。利用场景四宫格高密度视觉参考强力锚定 Seedance 2.5（分辨率 480p） 的背景空间、陈设风格以及光影，保证前一个镜头与后一个镜头处于同一空间，彻底根除因无场景基准参考而导致的背景漂移、跳画或时空割裂。
  • 面部特写与近身拔枪生成控制（防崩与防漂移机制）：
    1. 面部特写控制 (Facial ECU Control)：在生成眼部或面部微表情大特写时，即便镜头不展现全身，也必须强制绑定角色的全身三视图作为 reference_image。提示词中须明确指出镜头对准 <<<image_1>>> 的特定五官，将微表情描述限制在面部区域，强制 Seedance 2.5（分辨率 480p） 从参考图中提取并缩放该特定眼眸或胡茬细节，绝不容许其脱离原角色设定而自行脑补、扭曲或漂移成其他面孔。
    2. 近身武器拔枪控制 (Close-up Weapon Draw Control)：在表现手指微动、按压、滑出左轮枪套等高难度手部关节交互动作时，为防止手部畸变或穿模，必须同时传入角色全身三视图与场景四宫格（陈设特写分格）双向视觉参考。提示词必须显式解构物理动作：从手部悬空蓄势（Anticipation state: hovering open fingers）到手掌瞬间下沉并牢固贴合枪柄（Grip state: wrapping fingers around the grip），再到滑出枪套。通过描述“状态到状态”的位移轨迹，来约束并引导模型的物理关节渲染。
  • 动作与镜头连续性 (reference_video)：在产生具有强动作关联、需要极致时空或动作衔接（如连续拔枪射击、翻身上马、紧凑的决斗眼神切回）的相邻分镜时，才可将前一个已生成的 shot 最终视频作为 reference_video 传入。这样能使 Seedance 2.5（分辨率 480p） 自动提取上一镜头的动作惯性与相机运动轨迹，确保动态顺滑过渡。

• 角色音色一致性策略 (Vocal Consistency)：

  • 声音基准资产绑定 (key_element_audio)：在生成任何带有口语对白（视频提示词中包含 {...} 标签）的分镜视频时，如果该角色在故事板 key_elements 中配置了声学特征（已分析录入或用户上传的 key_element_audio 声音资产），则必须在生成参数的 audio_infos 中显式绑定该 key_element_audio。该角色的口音、沙哑感与沧桑声线都将完全重合，确保声音的一致性。

三、 音频生成与画质超分策略

• 音频资产复用与去重策略（最高优先级）：若用户已上传配乐（BGM）、旁白（VO）或特定效果音频，系统应强制直接绑定并复用用户上传的物理资产，严禁直接无视用户资产去触发 AI 重新生成。只有当用户未提供相关资产时，才触发下列生成步骤：

• 独立音频资产生成与模型参数：

  • 背景音乐 (BGM)：使用 text_to_instrumental 路径下的 Suno 5 模型，提示词中加入：Spaghetti Western orchestral soundtrack, epic acoustic guitar, dramatic high-register trumpet, crescendo, Sergio Leone style, building extreme tension, high dynamic range。
  • 孤独口哨主题轨 (Whistle Theme)：使用 text_to_instrumental 路径下的 Suno 5 模型，提示词中加入：Spaghetti Western solo human whistle, haunting melancholic whistling theme, dry acoustic guitar backbeat, vast empty space, high cathedral reverb, distant echoing shadow, Ennio Morricone aesthetic。
  • 环境沙尘与风铃音效轨 (Desert Wind & Wind Chimes)：使用 text_to_instrumental 路径下的 Suno 5 模型，提示词中加入：Ambient soundscape, desolate howling desert wind, deep low rumbling air, sparse metallic rusty wind chimes clinking slowly, hollow cold draft, no musical melody, pure cinematic atmosphere。
  • 马刺与沉重脚步节奏轨 (Spurs & Tension Beats)：使用 text_to_instrumental 路径下的 Suno 5 模型，提示词中加入：Slow tense rhythm, dry acoustic percussion, rhythmic heavy boot thuds on gravel, sharp metallic clinking brass spurs, ticking clock tension, dramatic suspenseful heartbeat pulse。

• 角色旁白 (Narration VO)：使用 text_to_narration 路径：

  • 英文旁白：默认且首选 ElevenLabs v3 模型（其对沙哑、低沉、带颗粒感的伊斯特伍德式电影配音音色与情感表达最为饱满）。
  • 中文/多语言旁白：选用 MiniMax Speech 2.8 HD 模型。

• 视频超分辨与插帧 (Super Resolution)：使用 super_resolution 工具下的 MediaKit 模型（此步在装配阶段由 planner 调度）：

  • resolution：默认选择 "1080p"（对于非会员），如有会员权限则可提升至 "2K"。
  • fps：推荐设置为 "24" 或 "30"（绝不使用高帧率的 60fps，必须限制为 24fps 或 30fps，以确保保留经典的 35mm/70mm 胶片级复古物理运动质感）。

**一、 图像提示词写作规范 (GPT Image 2)**

• 采用“导演 + 调色师”式的专业写实性描述，仅描述镜头可见的具体对象、光影、细节与色彩，严禁任何不可见的抽象心理描写。

• 画面风格修饰词堆栈 (以英文融合写在提示词主体中)：

  • 基础风格：Spaghetti Western style, Clint Eastwood cinematic aesthetic, Sergio Leone directing style, Revisionist Western, gritty, raw, morally ambiguous, epic, atmospheric.
  • 镜头与环境 (长焦虚化与热浪)：135mm+ telephoto lens, cinematic lens blur, extremely shallow depth of field (DoF), sharp focus on subject with beautifully blurred out-of-focus background (bokeh), shimmering desert heat waves rising from the sun-baked ground, rippling hot air waves (mirage effect), heavy desert heat haze distorting the horizon.
  • 光影色调（特艺七彩与褪色胶片）：
    • 极致特艺七彩 (Vintage Technicolor): vintage Technicolor dye-transfer process, highly saturated warm organic earth tones, vibrant but weathered red and deep turquoise/teal color scheme, bold chemical color saturation, retro chromatic contrast, intense amber, sepia, and sun-drenched yellow undertones.
    • 褪色胶片与模拟质感 (Faded 35mm film stock): faded 35mm celluloid film stock, chemically aged film emulsion, sun-bleached desaturated colors, washed-out low-contrast analog shadows, sun-weathered vintage patina, subtle organic color shifting, heavy organic analog film grain, vintage print scuffs, minor dust and scratches textures, warm-toned highlights and faded cold shadows (split-toning).
    • 高张力光影 (Chiaroscuro & Shadows): harsh high-contrast direct noon sunlight, dramatic chiaroscuro lighting with pitch-black heavy shadows, low-angle golden hour sunset backlighting (intense rim light), exaggerated razor-sharp silhouettes.
    • 风沙夕阳与体积光 (Sunset Sand Volumetric Light & Solar Refraction): blazing golden solar disk refraction through swirling dust storms (sunwheel refraction), blinding corona glare of the sunset low on the horizon, volumetric god rays and sun shafts piercing through dense airborne sand grains, crepuscular rays illuminating floating dust motes, hazy golden volume lighting, cinematic backlight scattering.
  • 质感细节：weathered skin, heavy stubble, squinting piercing eyes, cigarillo in mouth, wide-brimmed dusty hat, Mexican poncho, hand hovering over Colt revolver, sweat and dirt textures, weathered leather, rusted metal.

• 角色全身三视图提示词写作规范：

  • 必须用英文在提示词内明确约束其构图，使其在同一张画布上并排生成正面、侧面、背面三个方向的完整全身像（从头到脚完整展示，拒绝半身、头像或重叠）：A 3-view character concept sheet of the same person, split horizontally into 3 equal views on a single canvas: left is full-body front view, middle is full-body side view, right is full-body back view. Showing the full-body character from head to toe, wearing their signature outfits [Character Outfits Specification]. No overlaps, clean presentation, standing postures. 撰写提示词时，需将 [Character Outfits Specification] 动态替换为该角色在故事板中的标志性服饰与配件细节（例如镖客：wide-brimmed dusty hat, Mexican poncho, leather belt with a Colt holster, worn leather boots；反派：black high-crowned cowboy hat, dusty black double-breasted duster coat, deep crimson silk vest, engraved silver-plated revolvers in dual matching black holsters reflecting blinding cold sun glints, worn black boots with dark cast-iron spurs）。

• 场景四宫格提示词写作规范：

  • 必须用英文将四宫格的排版以及固定内容明确写入提示词中：A 4-quadrant multi-angle landscape reference sheet without any people, split into 4 equal grids. Top-Left: Establishing Shot (EWS) of a desolate border town... Top-Right: Props Close-up of a weathered wood bar... Bottom-Left: Depth Perspective of a dusty street stretching out... Bottom-Right: Atmospheric Lighting with harsh sunlight and floating dust. 确保 GPT Image 2 输出的物理网格完美对齐。

二、 视频提示词写作规范 (Seedance 2.5（分辨率 480p）)

• 对白语音多语言标签与前缀语法（首要声学机制）：为确保 Seedance 2.5（分辨率 480p） 在渲染带台词的分镜头时能够精准吻合发音口型与声学特征，在视频提示词中使用 {...} 标签包裹对白时，必须强制添加语言前缀标识。例如：

  • 输出语言为英文时：{en: "verbatim dialogue line"}
  • 输出语言为中文时：{zh: "一字不差的台词"}
  • 严禁省略语言前缀，否则会引发多模态视频模型的口型同步与语言发音漂移。

• 引用占位符与描述一致性：使用 <<<image_1>>> 等占位符绑定 GPT Image 2 生成的角色/场景，例如：A lone gunslinger <<<image_1>>> is standing on the dusty main street <<<image_2>>>. 提示词文本应仅描述瞬态动作、微表情与环境交互，绝不提及与 key_element 图像资产相矛盾的外观特征（如：图像中角色戴着黑帽子，提示词千万不要写 "wearing a brown hat"），以杜绝模型产生视觉混淆而导致角色长相与服装发生漂移。

• 多角色同屏提示词物理隔离（防止角色特征混淆）：当视频分镜涉及两个或多个角色（如主角 <<<image_1>>> 与反派 <<<image_2>>> 对决）同框时，为防止 Seedance 2.5（分辨率 480p） 在画面渲染中产生两者的五官、服饰或配饰的“串色”和“杂交漂移”，视频提示词必须：

  1. 实体与占位符强绑定：必须将对应的参考图像占位符紧跟在具体的角色名词或专属称谓后，进行显式声明。例如：The weathered hero <<<image_1>>> and the cold-eyed outlaw <<<image_2>>> face each other...
  2. 空间方位硬性区隔：在提示词中明确写出各自身体在画面中的绝对左右位置或景深，例如：<<<image_1>>> stands on the left in close-up, while <<<image_2>>> is positioned on the right in medium shot.
  3. 拒绝模糊复数称谓：绝对禁止使用 are, they, both 等可能引起混淆的模糊复数代词来描述各自的专属动作，必须单体分开描述各自的动作或微表情，在概念空间上实现绝对物理隔离。

• 继承 Storyboard 的空间锁与交叉剪辑结构：当故事板已声明远距离对峙、intercut close-ups、hard cut 或 3A/3B/3C 子镜头时，视频提示词必须忠实保留该镜头结构，不得把多个角色的手、枪套、马刺、眼睛或身体局部合并成同一个近景同框。若一个 shot 需要在单次视频生成中包含交叉特写，提示词必须明确写成 “a sequence of hard-cut intercut close-ups”，并逐段声明每个子镜头只出现一个角色的局部身体或道具；如生成工具更适合单镜头稳定输出，则拆成多个 shot video 后由 video_assembler 硬切拼接。

• 动作向量三重锚定：涉及中弹、倒地、拔枪、冲撞、闪避等物理运动时，提示词必须把动作方向同时锚定到三种关系：角色身体方向（如向背后倒）、对手/射手方向（如远离射手）、镜头或屏幕方向（如 toward background / away from camera / screen left）。避免只写 backward、forward、left、right 等单一相对词，防止模型误解受力方向。

• 提示词对照核检（台词与参考防漏）：在撰写与最终输入每一个 Shot 视频的提示词前，必须建立与故事板分镜脚本的双向对比机制：

  1. 场景/人物引用比对：核实提示词中是否包含脚本里涉及的所有 key_element 场景或角色（通过对应的占位符如 <<<image_x>>> 显式引入），防止丢失视觉背景或关键演员。
  2. 台词对白比对：核对分镜脚本中的所有口语对白、台词内容，确保一字不漏地使用 {...} 标签嵌入提示词中，以激活口型同步及声学特征复用；若有环境音特效，必须使用 <...> 标签写入。

• 防止生成多宫格视频机制 (Grid Reference Disambiguation)：

  • 重点难点：为了彻底防止在调用四宫格场景参考图（如 <<<image_2>>>）生成分秒的视频时，模型错误地生成同样带有四个格子的视频（四格分裂画面），必须在提示词中显式向 Seedance 2.5（分辨率 480p） 阐明该图像的结构，并下达单画幅镜头指令。
  • 声明规则：必须在提示词内，对输入的四宫格占位符添加语义解构说明。通过文本告诉模型：“<<<image_2>>> is a 4-quadrant reference sheet containing establishing shot, props, depth, and lighting.”
  • 显式镜头指令：随后紧跟单镜头镜头指令，明确命令模型将这些拼贴信息融合成一个正常的单一摄像机分镜（Single-camera cinematic shot），严禁生成分裂屏幕。例如：“Generate a single-camera shot focusing on the depth perspective of the street and the atmospheric dust from the reference sheet <<<image_2>>>. Do not generate a split screen or 4-grid video. Single view only.”

• 镜头运动与动作堆栈 (Camera -> Action -> Environment)：

  • 按照镜头运动、主体动态和物理环境的层次编写。在描述这些层次时，必须精确控制动作幅度（Motion Amplitude）与摄像机运动轨迹，融合镜头焦段、物理光影与高速运动微观物理动态。

  • 镜头景深、视角与环境规范：

    • 极写镜头与景深控制：对焦于细节时，必须使用 135mm+ telephoto lens, extremely shallow depth of field (DoF), cinematic lens blur, beautifully blurred background bokeh 锁死背景。对于宏大场面，使用 extreme wide shot (EWS), low-angle perspective 增强压迫感。对于动态爆发，可引入 whip pan (swish pan)。

    • 环境物理动态：显式描绘 shimmering desert heat waves rising from the sun-baked ground, rippling hot air waves blurring the background, desert mirage effect distorting the dry air, floating atmospheric dust particles, crepuscular rays and volumetric god rays piercing through dense airborne sand grains (dust volumetric light), blinding golden solar disk refraction of the sunset wheel distorted by dust storms (sunwheel refraction), hazy volume lighting.

    • 面部特写与近身拔枪防畸变语法规则 (Anti-Distortion & Anti-Morphing Syntax Rules)：

      • 面部微特写阻断机制：当描述面部特写（如双眼或微表情）时，绝不允许在提示词中描写全身、四肢或大尺度动作（防止模型试图在小画幅中塞入多余身体构图导致人脸拉伸或畸变）。必须使用“镜头对准局部 + 细节特征锚定”的方式编写提示词：例如 135mm telephoto extreme close-up (ECU) of <<<image_1>>>'s face, razor-sharp focus on the squinting steel-blue eyes and sun-cracked lips, micro-expression of the face, completely ignoring the rest of the body.

      • 近身拔枪物理过渡解构：在描写拔枪、按压皮套等动作时，严禁使用一句话概括的高频跃变词（如 "he draws the gun directly"）。必须采用“准备-触达-拉出”的三阶段阻断畸变写法语义解构手部物理过渡，为 Seedance 2.5（分辨率 480p） 提供流畅的轨迹差值依据，最大限度降低手部变形和关节扭曲的概率：

        1. 悬空蓄势 (Anticipation): the tensed hand of <<<image_1>>> hovering inches above the leather holster, fingers spread wide in heavy anticipation.
        2. 触达贴合 (Grip): the hand drops instantly, fingers wrapping firmly around the engraved silver grip <<<image_1>>>.
        3. 极速滑出 (Draw): the gun sliding smoothly out of the holster <<<image_1>>> with explosive velocity.

    • 拔枪瞬间 (Drawing the gun instant)：采用极速高物理张力动作描述，配合高速摄像机或主观视角指令。

      • 镜头指令：extreme close-up (ECU) focusing on the holster, ultra-high-speed phantom slow-motion (slowed down to capture the kinetic explosion).
      • 动作词栈：lightning-fast quick-draw motion, hand blurring as it snatches the grip of the revolver, revolver sliding smoothly but with explosive speed out of the leather holster, snapping leather strap popping open, muzzle flash blooming violently from the barrel in a fraction of a second, blinding orange spark blast and thick gun smoke erupting.

    • 子弹飞过帽檐/微观擦掠 (Bullet grazing hat brim & macro-level details)：采用极高精度的局部微观物理冲击动力学词汇。

      • 镜头指令：macro lens close-up, ultra-slow-motion tracking shot following the bullet trajectory, high-velocity bullet-time panning.
      • 动作词栈：a supersonic brass bullet grazing the frayed, sun-baked edge of the felt hat brim, micro-collisions tearing through the rugged fabric fibers. A localized kinetic shockwave ripping stray threads away in ultra-slow motion, air displacement and thermal heat ripples distorting the atmosphere behind the projectile. The intense kinetic momentum violently tilting and spinning the hat backward, whipping it off the head. Microscopic friction sparks and a faint puff of grey cordite smoke erupting at the precision grazing point, with airborne dust particles scattered instantly by the sonic shear.

    • 中弹受击与倒地瞬间 (Character hit, collapse and billowing dust)：聚焦强烈的动能撞击与高物理真实的重力倾覆及地面烟尘效果。

      • 镜头指令：medium-wide shot (MWS) capturing the full body impact, low-angle dramatic perspective, high-speed camera tracking the kinetic fall.
      • 动作与重力词栈：powerful blunt-force impact violently jolting the torso backward with massive kinetic displacement, chest fabrics buckling from the shockwave. The body loses all equilibrium, knees collapsing instantly as gravity drags the heavy physical inertia backward onto the cracked, sun-baked earth. Hard, concussive impact on the dry desert floor with a realistic heavy thud and dust scattering.
      • 烟尘激荡与环境词栈：the dry ground erupts in a violent, high-velocity explosion of fine yellow sand and billowing dust plumes on contact. Perfect concentric ring-like shockwaves of sand expanding rapidly outward from the impact zone. Volumetric, suspended particulate matter and airborne grit swirling dynamically, illuminated by harsh golden backlighting, slowly drifting and settling over the collapsed body as dry desert winds shear the edges of the dust cloud.

    • 决斗落幕与风中余韵 (Duel resolution & lingering aftermath)：聚焦胜利者的淡然收枪、风中猎猎飘动的斗篷、落日地平线的苍凉宏大与寂静意境。

      • 镜头指令：wide shot (WS) or extreme wide shot (EWS) to capture the grand cinematic scope, slow cinematic pull-out (slow push-out camera movement), slow panning shot.
      • 动作与风吹词栈：slowly and deliberately holstering the smoking Colt revolver, sliding the gun smoothly back into the leather holster with a decisive metallic click, clinking brass spurs, the striped wool poncho and duster coat flapping wildly in the strong desert wind, fabric rippling dramatically in the breeze, dry sand and loose dust swirling around the worn leather boots, wind-swept yellow dust blowing across the cracked ground.
      • 地平线与夕阳词栈：a massive blazing sunset low on the distant desert horizon, deep orange and crimson sky bleeding into the darkness, a low-hanging golden sun casting an elongated, dramatic shadow of the lone gunslinger, silhouette against the vibrant golden hour glow, cinematic lens flare, dark silhouettes of distant cacti and jagged dry mountain ridges.

  • 对峙特写镜头黄金模板：135mm telephoto extreme close-up, sharp focus on the squinting eyes with extreme cinematic background defocus bokeh. Slow deliberate camera zoom-in. Shimmering desert heat waves rise in the background, distorting and rippling the hot air. Blazing golden solar disk refraction through swirling dust storms (sunwheel refraction), volumetric god rays and sun shafts piercing through dense airborne sand grains (dust volumetric light), crepuscular rays illuminating floating dust motes in sunset light beams, rendered with chemically aged faded film emulsion and rich organic warm sepia undertones.

  • 拔枪爆发镜头黄金模板：Extreme close-up (ECU) of the worn holster, ultra-high-speed slow-motion. A blurred hand suddenly snatches the Colt revolver's grip with lightning-fast velocity, snapping the leather strap open. The gun is drawn with blinding speed, a dramatic muzzle flash exploding from the barrel with thick white gun smoke billowing out. Sparks and air distortion from the shockwave are visible, vintage Technicolor color saturation with heavy organic analog film grain.

  • 中弹倒地瞬间黄金模板：Medium-wide shot (MWS), low-angle perspective, high-speed slow-motion. The outlaw's body violently jerks backward under a powerful blunt-force impact as the kinetic force buckles his chest. His knees collapse instantly, his heavy leather duster coat flapping wildly. He crashes backward with heavy gravitational inertia, hitting the sun-baked, cracked ground hard with a concussive thud. Upon impact, the dry desert floor erupts in a violent, high-velocity explosion of fine yellow sand and billowing dust plumes, expanding in perfect concentric shockwave rings. Volumetric sand particles and airborne grit swirl dynamically, illuminated by volumetric god rays and sun shafts piercing through dense dust clouds (dust volumetric light), with a chemically faded retro color palette and low-contrast analog shadows.

  • 决斗落幕余韵镜头黄金模板：Wide shot (WS), slow cinematic pull-out. The lone gunslinger <<<image_1>>> slowly and deliberately holsters his smoking Colt revolver back into the leather holster with a clean metallic click. The heavy dry wind blows from the desert, making his striped wool poncho flap wildly and ripple dramatically. In the background, a massive blazing sunset sits low on the horizon with blinding golden solar disk refraction (sunwheel refraction), volumetric god rays piercing through the swirling dust clouds and illuminating floating sand particles with dramatic volume lighting (dust volumetric light), casting a long, dramatic shadow of the victor across the cracked desert floor. Loose sand and dust sweep past his worn boots. Silhouette view, vintage Technicolor dye-transfer color grading, faded 35mm celluloid film texture, sun-bleached warm patina.

• 声音嵌入标记 (Sound Wrappers)：

  • 必须利用 Seedance 2.5（分辨率 480p） 特定的声音标记将环境音、音效或极简对白嵌入视频提示词内，使画面与物理声场自然融合：
    • 背景音/音效使用 <...> 标签：例如 <wind howling, squeaking wooden saloon door>，拔枪镜头加入 <loud gunshot echoing, metal spurs clinking>。
    • 极简对白使用 {...} 标签：例如 {I've seen your type before...}，前缀语言。

• 否定指令：为了防止生成带有意外字幕或重合的视频原声，在 Seedance 2.5 提示词中加入 no music（音乐由全局轨道处理）与 no subtitles。

时间线装配与剪辑方针：

• 剪辑动律 (Pacing & Rhythm)：
  • 决斗前对峙阶段（长焦镜头递进切换逻辑）：维持极高耐心，单镜头不轻易缩短，利用长焦镜头特写的交替剪辑拉长心理时间，建立如下递进式切换逻辑：
    • 第一阶段（环境定场）：超广角远景 (EWS) 保持约 10s，建立角色在无垠荒漠中对峙的宏大格局，风卷风沙。
    • 第二阶段（双人对视 OTS）：使用长焦中景 (MS/OTS) 在决斗双方之间交替剪切，每个单镜头维持在 8s 左右，展示他们极度冷静、稳重却又充满杀气的身姿。
    • 第三阶段（局部极写 ECU）：切换至极浅景深的长焦眼部特写（瞳孔收缩、汗珠滴落）与手部/枪套特写，交替频率缩短至 4s - 5s，通过高频视线博弈压缩空间，拉满悬念。
    • 第四阶段（瞬间爆发前夕的极限变频）：在枪声响起前最后数秒，执行极速交替的“极写微特写快剪”：主角双眼 (2s) -> 反派双眼 (2s) -> 主角悬空的手指微动 (1.5s) -> 反派紧握的枪柄 (1.5s)。通过物理镜头长度的指数级递减，让时空感在决斗瞬间到来前达到绝对窒息。
  • 爆发阶段（拔枪瞬间 1s - 2s 电光石火快剪蒙太奇）：在拔枪、开火、中弹的电光石火瞬间，彻底打碎长镜头。由于 Seedance 2.5（分辨率 480p） 最低生成时长限制为 4s，在生成端无法输出超短镜头；因此在装配阶段，必须对生成的 4s+ 视频源片段实施高精度的裁剪 (Trim) 截取或局部变速 (Speed up 1.5x - 2x)，并按照以下蒙太奇结构拼贴为 1s - 2s 的瞬态快剪：
    • 快剪 shot 1 (1.0s)：特写镜头。手掌瞬间按压，左轮枪从木质枪套内极速滑出，枪口火光（Muzzle Flash）喷射的最初 24 帧（剪掉生成的后半段，只保留最具有速度爆发力的前 1s 画面）。
    • 快剪 shot 2 (1.0s - 1.2s)：低角度侧面中景。拔枪人开火，伴随雷霆般的枪声，大团青白色枪烟（Gun Smoke）在滚滚沙尘中炸裂并剧烈外扩。
    • 快剪 shot 3 (1.0s)：极写特写。中弹者瞳孔放大、或是子弹擦过衣物时飞溅的碎布、或是帽子被子弹冲击波掀飞在空中的一瞬间。
    • 快剪 shot 4 (1.5s - 2.0s)：中远景仰拍。被击中者身体因物理冲击力发生猛烈颤抖，开始向后倾倒，尘土扬起。
      通过上述 4 个 1s - 2s 的短镜头直切拼合，形成排山倒海般的视听破冰冲击。
  • 爆发后余韵：重新将镜头速度放缓，给收枪、硝烟散去及地平线上的马匹剪影长达 5s 以上的定格，重归苍凉的寂静。
• 音画精密同步与多轨叠加控制：
  • 多音轨垂直叠层架构 (Vertical Multi-Track Mixing Structure)：在时间线上将所有生成的独立音频资产按以下层级和电平（Gain）进行垂直叠加混合：
    1. Track 1：环境铺底轨（Desolate Ambience）：风沙环境音与风铃轨，全片循环。音量控制在 -15dB 到 -20dB，作为低频物理声场背景。
    2. Track 2：物理拟音轨（Foley SFX）：重步履与马刺金属撞击节奏轨。音量控制在 -6dB 到 -10dB，随着画面中角色行止或对峙状态动态淡入淡出（行走时推高，停步时迅速衰减至 -30dB 挂底）。
    3. Track 3：主题旋律轨（Theme/Whistle）：口哨或孤独主旋律音轨。音量保持在 -8dB 到 -12dB，需加深空间混响（Reverb）营造空灵纵深感。
    4. Track 4：交响配乐轨（Orchestral BGM）：吉他、铜管、大提琴交响配乐。在对峙静默期控制在 -18dB 到 -24dB 极低电平挂底；决斗高潮及瞬间爆发时，以 +6dB 的急剧渐强（Crescendo）直推至 0dB 爆裂电平。
    5. Track 5：人声轨道（Voice & Narration）：旁白或角色对白。保持在 0dB 到 -3dB，优先保证极高清晰度，在有人声吐字时，利用闪避（Ducking）机制将 BGM 与环境音临时压低 -6dB。
  • 对峙高潮期的“声学留白/破冰”控制 (Standoff Silent Vacuum)：
    • 在对峙第四阶段（爆发前最后 3-4 秒），除了画面进行极限快剪外，声学上必须执行戏剧性的渐弱或截断：BGM 交响乐与口哨声在枪声响起前 2 秒骤然淡出至无声（Fade to -inf），仅留下极轻微的沙沙风声与一声孤独单音的风铃微响，将戏剧张力绷紧到极限。
    • 在拔枪开火的第 1 帧，左轮手枪巨响特效（Gunshot SFX）以 0dB 的饱和瞬态爆发，同时交响配乐轨（Track 4）重音伴随铜管乐爆发，与拔枪的视觉瞬间做到帧级对齐，实现音画同步的“极静到极动的瞬间破冰效果”。
• 经典胶片转场风格规锁 (Transition Aesthetics)：
  • 严禁在视频拼接中使用任何现代数字化、高动态的溶解（Dissolve）、划像（Wipe）、光晕闪烁（Light Leak）或 3D 翻转等花哨特效。
  • 主体剪辑必须全部采用高对比度的无缝直切 (Hard Cut) 来承接分镜，这是塑造 1960 年代意大利西部片冷峻硬核气质的关键。
  • 仅在场景发生大跨度空间位移（如从荒漠小镇切换到峡谷公墓）或发生大尺度时间跳跃时，才允许使用淡入淡出黑场 (Fade to Black / Fade in)，黑场切换时长推荐控制在 1.5s - 2s 之间，以营造浓烈的古典史诗胶片宿命感。