Immersive first-person POV short

スタジオの下書きを準備します。複数段階の手順は参考情報です。自動生成や課金は行いません。

专门处理第一人称 POV 视频创作，保持主角视角一致，规划分镜、动作与视频生成流程，禁止第三人称镜头。

制作フロー本文は原文の中国語です。記載モデルと当サイトの対応モデルは異なる場合があります。実際のモデルと必要クレジットはスタジオで確認してください。

制作フロー全文

1. 制作計画

## 工具目的
严格第一视角（first-person POV）现实主义短片的全流程生产Skill。从资产生成到逐条Clip视频输出到最终剪辑，全部在POV铁律下执行。

## 全局硬锁规则
1. 全片严格第一视角：first-person POV from protagonist; camera is his/her eyes; no external shot of protagonist.
2. 主角不作为正脸角色资产。只允许出现手、鞋、衣袖、胸前物件边缘、局部倒影、玻璃或手机黑屏里的局部反光。
3. 信息必须进入视野才算成立。关键道具必须在主角POV可见范围内出现。
4. 主观运动必须写出来：视线起点 → 声音/动作触发 → 视线转向 → 手部动作 → 视线落点。
5. 声音可以补画面，但不能替代关键画面。重大事件必须有视觉锚点成立。
6. 不要求AI生成可读中文文字，手机界面/姓名条/作业纸等一律后期贴图或配音补足。
7. 对白不要求模型生成准确口型，成片对白后期配音，视频生成时只保留环境声。

## 执行链路
用户给需求/剧本/图/片段问题
↓
反抽卡预检（Anti-Lottery Gate）
↓
锁参考图职责：人物 / 场景 / 道具 / 手部动作 / 状态
↓
判断任务类型：图片资产 / 图生视频 / 长段落 / 九宫格 / QC返修
↓
写可直接粘贴的正式提示词
↓
自动带上动作阶段、镜头运动、声音证据、禁止项、假点质检
↓
如果生成失败 → QC / 返修路线

## 创作流程
第1步：编写 Final_Video_Spec.md（视频规格书）
第2步：生成角色/场景/道具/手部POV局部资产图（GPT Image 2.0），锁定视觉一致性
第3步：生成九宫格总览图，确认全片节奏和关键画面（仅用于规划，不锁人物脸）
第4步：编写分镜故事板，用户确认后方可进入生成
第5步：对每条Clip执行反抽卡预检，通过后逐条生成视频（Seedance 2.5（分辨率 480p））
第6步：每条Clip生成后立即QC，失败进入返修路线
第7步：生成配乐和旁白（如需要）
第8步：视频装配 — 时间轴拼接、转场、音轨对齐、导出

## 依赖关系
- 资产图必须在Clip视频生成之前完成并锁定
- 九宫格在资产图之后、Clip生成之前完成
- 分镜故事板未经用户确认，禁止进入素材生成
- 每条Clip只承载一个主要故事转向，不要让模型自行补剧情
- 后续Clip必须参考前序Clip的角色资产图，保持人物一致性
- 音乐/配乐在全部视频生成后再处理

## 暂停确认节点
- 资产图生成完毕后暂停，等用户确认角色外貌
- 分镜故事板完成后暂停，等用户确认内容
- 每个Segment的Clip全部生成后暂停，用户审核QC

## 反抽卡预检（Anti-Lottery Gate）
每条Clip生成前必须内部执行以下检查，判断RUN或NO-RUN。需要诊断或用户要求时可展示：
【反抽卡预检】
本次生成目标：
本次只验证：
本次不验证：
主体是否唯一：
第一视觉焦点：
参考图职责是否单一：
是否存在互相打架的词：
抽象风格词是否过多：
模型最可能错误代偿成：
必须看到的正向物理锚点：
需要删除或后移的污染词：
POV是否严格（无第三人称泄漏）：
结论：RUN / NO-RUN
预检铁律：
- 主体身份不稳 → 不要先修氛围
- 空间不稳 → 不要先修运镜
- 材质/服装错 → 不要加更多电影感形容词
- 参考图互相打架 → 拆分职责或减少参考图数量
- cinematic、premium、dreamlike、cool、sexy 等词不是锚点，必须转化为可见的形状、材质、光线、姿态、运动、物理反馈

工具目的

严格第一视角（first-person POV）现实主义短片的全流程生产Skill。从资产生成到逐条Clip视频输出到最终剪辑，全部在POV铁律下执行。

全局硬锁规则

全片严格第一视角：first-person POV from protagonist; camera is his/her eyes; no external shot of protagonist.
主角不作为正脸角色资产。只允许出现手、鞋、衣袖、胸前物件边缘、局部倒影、玻璃或手机黑屏里的局部反光。
信息必须进入视野才算成立。关键道具必须在主角POV可见范围内出现。
主观运动必须写出来：视线起点 → 声音/动作触发 → 视线转向 → 手部动作 → 视线落点。
声音可以补画面，但不能替代关键画面。重大事件必须有视觉锚点成立。
不要求AI生成可读中文文字，手机界面/姓名条/作业纸等一律后期贴图或配音补足。
对白不要求模型生成准确口型，成片对白后期配音，视频生成时只保留环境声。

执行链路

用户给需求/剧本/图/片段问题
↓
反抽卡预检（Anti-Lottery Gate）
↓
锁参考图职责：人物 / 场景 / 道具 / 手部动作 / 状态
↓
判断任务类型：图片资产 / 图生视频 / 长段落 / 九宫格 / QC返修
↓
写可直接粘贴的正式提示词
↓
自动带上动作阶段、镜头运动、声音证据、禁止项、假点质检
↓
如果生成失败 → QC / 返修路线

创作流程

第1步：编写 Final_Video_Spec.md（视频规格书）
第2步：生成角色/场景/道具/手部POV局部资产图（GPT Image 2.0），锁定视觉一致性
第3步：生成九宫格总览图，确认全片节奏和关键画面（仅用于规划，不锁人物脸）
第4步：编写分镜故事板，用户确认后方可进入生成
第5步：对每条Clip执行反抽卡预检，通过后逐条生成视频（Seedance 2.5（分辨率 480p））
第6步：每条Clip生成后立即QC，失败进入返修路线
第7步：生成配乐和旁白（如需要）
第8步：视频装配 — 时间轴拼接、转场、音轨对齐、导出

依赖关系

资产图必须在Clip视频生成之前完成并锁定
九宫格在资产图之后、Clip生成之前完成
分镜故事板未经用户确认，禁止进入素材生成
每条Clip只承载一个主要故事转向，不要让模型自行补剧情
后续Clip必须参考前序Clip的角色资产图，保持人物一致性
音乐/配乐在全部视频生成后再处理

暂停确认节点

资产图生成完毕后暂停，等用户确认角色外貌
分镜故事板完成后暂停，等用户确认内容
每个Segment的Clip全部生成后暂停，用户审核QC

反抽卡预检（Anti-Lottery Gate）

每条Clip生成前必须内部执行以下检查，判断RUN或NO-RUN。需要诊断或用户要求时可展示：
【反抽卡预检】
本次生成目标：
本次只验证：
本次不验证：
主体是否唯一：
第一视觉焦点：
参考图职责是否单一：
是否存在互相打架的词：
抽象风格词是否过多：
模型最可能错误代偿成：
必须看到的正向物理锚点：
需要删除或后移的污染词：
POV是否严格（无第三人称泄漏）：
结论：RUN / NO-RUN
预检铁律：

主体身份不稳 → 不要先修氛围
空间不稳 → 不要先修运镜
材质/服装错 → 不要加更多电影感形容词
参考图互相打架 → 拆分职责或减少参考图数量
cinematic、premium、dreamlike、cool、sexy 等词不是锚点，必须转化为可见的形状、材质、光线、姿态、运动、物理反馈

2. マルチモーダル分析

## 素材分析规则
### 上传剧本文档
1. 提取角色列表、年龄跨度、关系功能、可见锚点
2. 提取每段的空间场景、时间节点、POV可见入口
3. 提取主观运动轨迹：视线起点 → 触发 → 转向 → 手部动作 → 落点
4. 提取连续性锁（道具跨段回收、服装变化、年龄变化）
5. 标记所有禁止项和特殊规则
6. 不可篡改剧本内容、节奏和情感节点

### 上传参考视频
1. 按镜头拆解：机位、运动方式、时长
2. 标注哪些是严格POV镜头，哪些违反POV规则
3. 分析视线运动链：视线如何被声音/动作牵引
4. 提取可复用的视听语言技法（手持晃动频率、视线转移速度、环境声层次）
5. 标注画面质感：光线色温、饱和度、颗粒感、空间纵深
6. 拆解时长规范，判断分镜是否符合要求

### 上传参考图片
1. 提取人物外貌特征用于资产锚定
2. 提取空间结构和光线条件用于场景资产
3. 提取道具细节用于连续性检查
4. 不改变用户指定的视觉风格方向
5. 判断参考图质量，标记可能的污染风险（构图/风格/人物与目标不匹配）

素材分析规则

上传剧本文档

提取角色列表、年龄跨度、关系功能、可见锚点
提取每段的空间场景、时间节点、POV可见入口
提取主观运动轨迹：视线起点 → 触发 → 转向 → 手部动作 → 落点
提取连续性锁（道具跨段回收、服装变化、年龄变化）
标记所有禁止项和特殊规则
不可篡改剧本内容、节奏和情感节点

上传参考视频

按镜头拆解：机位、运动方式、时长
标注哪些是严格POV镜头，哪些违反POV规则
分析视线运动链：视线如何被声音/动作牵引
提取可复用的视听语言技法（手持晃动频率、视线转移速度、环境声层次）
标注画面质感：光线色温、饱和度、颗粒感、空间纵深
拆解时长规范，判断分镜是否符合要求

上传参考图片

提取人物外貌特征用于资产锚定
提取空间结构和光线条件用于场景资产
提取道具细节用于连续性检查
不改变用户指定的视觉风格方向
判断参考图质量，标记可能的污染风险（构图/风格/人物与目标不匹配）

3. 絵コンテ設計

## Final_Video_Spec.md
在进入分镜设计前，必须先生成以下规格书：
标题：
类型：第一视角现实主义短片
画面比例：16:9
目标时长：
视觉风格：现实主义、纪实摄影、自然光、低饱和、湿冷空气、旧物质感、手持主观运动
语言：中文对白（后期配音）
图片模型：GPT Image 2.0
视频模型：Seedance 2.5（分辨率 480p）
核心规则：严格第一视角POV，禁止第三人称镜头
情绪曲线类型：\[渐强/渐弱/波浪/对比\]

## 角色设计规范
每个角色必须建立：
1. **可见锚点**：进入POV时观众靠什么认出ta（服装、道具、动作习惯）
2. **年龄连续性**：同一角色不同年龄段必须保持脸型、气质、标志特征连续
3. **关系功能**：该角色在故事中承担什么情感作用
4. **入画方式**：从哪个POV可见入口进入（门/窗/镜子/余光/台阶）
5. **生成禁区**：不允许出现的画面
主角特殊规则：
- 不生成正脸资产图
- 只需手部/衣袖/鞋/工牌等局部资产
- 按年龄段分别建立手部资产

## 场景设计规范
每个场景必须建立：
1. 空间结构：主角视线能看到的范围和边界
2. POV可见入口：角色和道具从哪里进入视野
3. 光线条件：自然光源方向、色温、是否有人工光源
4. 质感要求：旧物磨损、湿气、灰尘、使用痕迹
5. 空间锚点：证明空间真实存在的物理物件（方向盘、投币箱、窗框、桌面）

## 道具设计规范
每个关键道具必须建立：
1. 首次出现位置和方式
2. 后续回收位置和变化（磨损、褪色、位移）
3. 叙事功能：传递什么信息或情感
4. 生成规则：是否需要后期贴图（如文字内容）
5. 参考图职责：该道具在参考图中的角色（P / prop-detail）

## 段落设计规则
一个段落必须是可播放的，不只是好看的。
每个段落必须有一个 Story Job：
这个段落改变了什么？
它从上一段继承了什么？
它为下一段准备了什么？
如果删掉它，什么会断？
如果什么都不会断，删除或合并该段落。

### 动作阶段结构
在视频提示词内部使用动作阶段，不要写精确到秒的指令：
第一阶段：
第二阶段：
最终阶段：
每个动作阶段需要：
- 视线位置或运动
- 主体动作
- 可见的物理反馈
- 环境反应或声音证据
- 被下一阶段继承的最终状态
POV特别规则：不要以全身展示结束，除非用户明确要求。如果是主观视线，结束在视线落点或手部动作的停顿上。

## 情绪氛围层
每个段落/Segment配置情绪：
情绪基调：\[紧张/压迫/温暖/悲伤/平静/孤独/失落\]
情绪强度：\[微弱/中等/强烈/极致\]
情绪色彩：\[冷/暖/中性\]
观众感受：\[具体描述观众应该有的身体感受\]

### 情绪递进设计
起始情绪 → 转折点 → 高潮情绪 → 结束情绪

### 情绪与视觉对应规则
情绪色调光线构图镜头运动节奏紧张暗色/冷色强对比/阴影狭窄/倾斜快速/不稳快温暖暖色/柔和柔光/逆光居中/对称缓慢/平稳慢悲伤冷色/低饱和柔和/散射空旷/留白静止/缓慢慢压迫灰暗/低饱和顶光/底光封闭/压迫下沉/压低慢平静中性/柔和自然/均匀平衡/和谐缓慢/静止慢
情绪必须通过证据表达，不通过口号：
将抽象词转化为可见物理证据：
压迫感 → 低机位贴近物体表面、封闭空间边界、环境声压低、手部犹豫动作
孤独感 → 空旷构图、大量留白、视线没有落点、静止环境、只有自己的呼吸声
温暖感 → 热气模糊视线、暖色光从物体表面漫射、手部接触温度变化

## 声音设计
声音是连续性和情绪控制的一部分，不是装饰。
每个段落定义：
环境空间声：
物体/动作声：
允许的台词（后期配音）：
音乐规则：
静默/停顿点：
规则：
- 视频生成阶段只保留环境声
- 对白后期配音，不要求口型
- 默认不加配乐
- 如果画面情绪不够，先试声音、停顿、手部犹豫、实际噪声，再考虑对白、哭泣或音乐
- 静默可以是全片最有力的情绪点

## 分镜铁律
1. 每条Clip只承载一个主要故事转向
2. 每条Clip开头必须声明POV
3. 主观运动链必须完整，不允许没有视线起点的镜头
4. 禁止使用"画面停住""镜头停住""特写推进"等导演语言，必须用主角的眼线运动描述
5. Clip之间的衔接靠视线落点和声音触发，不靠跳切
6. 用户的修正意见作为硬锁处理：用户说不要攻击就不要攻击，用户说头朝下就全程保持

Final_Video_Spec.md

在进入分镜设计前，必须先生成以下规格书：
标题：
类型：第一视角现实主义短片
画面比例：16:9
目标时长：
视觉风格：现实主义、纪实摄影、自然光、低饱和、湿冷空气、旧物质感、手持主观运动
语言：中文对白（后期配音）
图片模型：GPT Image 2.0
视频模型：Seedance 2.5（分辨率 480p）
核心规则：严格第一视角POV，禁止第三人称镜头
情绪曲线类型：[渐强/渐弱/波浪/对比]

角色设计规范

每个角色必须建立：

可见锚点：进入POV时观众靠什么认出ta（服装、道具、动作习惯）
年龄连续性：同一角色不同年龄段必须保持脸型、气质、标志特征连续
关系功能：该角色在故事中承担什么情感作用
入画方式：从哪个POV可见入口进入（门/窗/镜子/余光/台阶）
生成禁区：不允许出现的画面
主角特殊规则：

不生成正脸资产图
只需手部/衣袖/鞋/工牌等局部资产
按年龄段分别建立手部资产

场景设计规范

每个场景必须建立：

空间结构：主角视线能看到的范围和边界
POV可见入口：角色和道具从哪里进入视野
光线条件：自然光源方向、色温、是否有人工光源
质感要求：旧物磨损、湿气、灰尘、使用痕迹
空间锚点：证明空间真实存在的物理物件（方向盘、投币箱、窗框、桌面）

道具设计规范

每个关键道具必须建立：

首次出现位置和方式
后续回收位置和变化（磨损、褪色、位移）
叙事功能：传递什么信息或情感
生成规则：是否需要后期贴图（如文字内容）
参考图职责：该道具在参考图中的角色（P / prop-detail）

段落设计规则

一个段落必须是可播放的，不只是好看的。
每个段落必须有一个 Story Job：
这个段落改变了什么？
它从上一段继承了什么？
它为下一段准备了什么？
如果删掉它，什么会断？
如果什么都不会断，删除或合并该段落。

动作阶段结构

在视频提示词内部使用动作阶段，不要写精确到秒的指令：
第一阶段：
第二阶段：
最终阶段：
每个动作阶段需要：

视线位置或运动
主体动作
可见的物理反馈
环境反应或声音证据
被下一阶段继承的最终状态
POV特别规则：不要以全身展示结束，除非用户明确要求。如果是主观视线，结束在视线落点或手部动作的停顿上。

情绪氛围层

每个段落/Segment配置情绪：
情绪基调：[紧张/压迫/温暖/悲伤/平静/孤独/失落]
情绪强度：[微弱/中等/强烈/极致]
情绪色彩：[冷/暖/中性]
观众感受：[具体描述观众应该有的身体感受]

情绪递进设计

起始情绪 → 转折点 → 高潮情绪 → 结束情绪

情绪与视觉对应规则

情绪色调光线构图镜头运动节奏紧张暗色/冷色强对比/阴影狭窄/倾斜快速/不稳快温暖暖色/柔和柔光/逆光居中/对称缓慢/平稳慢悲伤冷色/低饱和柔和/散射空旷/留白静止/缓慢慢压迫灰暗/低饱和顶光/底光封闭/压迫下沉/压低慢平静中性/柔和自然/均匀平衡/和谐缓慢/静止慢
情绪必须通过证据表达，不通过口号：
将抽象词转化为可见物理证据：
压迫感 → 低机位贴近物体表面、封闭空间边界、环境声压低、手部犹豫动作
孤独感 → 空旷构图、大量留白、视线没有落点、静止环境、只有自己的呼吸声
温暖感 → 热气模糊视线、暖色光从物体表面漫射、手部接触温度变化

声音设计

声音是连续性和情绪控制的一部分，不是装饰。
每个段落定义：
环境空间声：
物体/动作声：
允许的台词（后期配音）：
音乐规则：
静默/停顿点：
规则：

视频生成阶段只保留环境声
对白后期配音，不要求口型
默认不加配乐
如果画面情绪不够，先试声音、停顿、手部犹豫、实际噪声，再考虑对白、哭泣或音乐
静默可以是全片最有力的情绪点

分镜铁律

每条Clip只承载一个主要故事转向
每条Clip开头必须声明POV
主观运动链必须完整，不允许没有视线起点的镜头
禁止使用"画面停住""镜头停住""特写推进"等导演语言，必须用主角的眼线运动描述
Clip之间的衔接靠视线落点和声音触发，不靠跳切
用户的修正意见作为硬锁处理：用户说不要攻击就不要攻击，用户说头朝下就全程保持

4. 素材生成

## 模型选择锁定
### 图片生成
- **模型**：GPT Image 2.0
- **用途**：角色资产图、场景资产图、道具资产图、手部POV局部资产、九宫格总览
- **分辨率**：默认最高
- **风格锁定**：真人生活纪实风格，自然光，低饱和，不要影棚感，不要海报，不要商业广告感

### 视频生成
- **模型**：Seedance 2.5（分辨率 480p）（MultiModalToVideo 全能参考）
- **用途**：所有Clip视频生成
- **定位**：多参考图段落导演，不是简单的首帧/尾帧工具
- **时长**：每条Clip约5-10秒

### 配乐（按需）
- **模型**：Suno 5
- **规则**：视频全部完成后再生成

### 旁白/配音（按需）
- **模型**：ElevenLabs v3 / 豆包（Doubao）
- **规则**：后期配音，不在视频生成阶段处理

## 参考图职责系统
永远不要只说"参考这张图"。每张参考图必须分配单一职责：
R / rhythm-anchor：主构图、情绪节拍、段落身份
E / environment：空间布局、光线、地理、材质
C / character-entry：人物如何入画、身体遮挡、关系距离
H / hand-action：主角身体局部、接触动作、触发动作
P / prop-detail：易碎道具形状、材质、文字底图、象征物件
S / sound：环境声、实际噪声、台词规则
Q / QC：通过/失败检查和返修路线
对每张参考图写明：
\- \[参考图名\]：只继承 \[单一职责\]；不继承 \[污染风险\]

### 参考图防污染规则
- 角色入画参考不应定义主角肖像美
- 道具参考不应定义整段构图
- 环境参考不应定义角色表演
- 分镜板参考不应定义准确的脸、车辆、文字或logo
- 文字密集的参考不应要求模型生成准确最终文字

### POV项目参考图分类
R：段落锚点POV图
C：角色入画POV图
H：主角手部/身体动作POV图
P：关键道具和文字表面POV图
E：环境/入口/空间POV图
S：声音和对白规则
Q：通过/失败和返修规则
R图不够。强生产包需要角色入画、手部动作、道具细节和环境参考，因为视频模型需要运动、接触和空间证据。

## 视频路线决策
每条Clip生成前判断路线：
全能参考：多张参考图共同控制身份、场景、风格、道具、状态
首尾帧：上一段尾帧或本段尾帧必须被继承
智能多帧：同一主体有连续状态变化（变身、受伤、换装、年龄变化）
分镜板图生视频：需要一张storyboard board锁住段内镜头顺序
传统图生视频：单图出运动，风险最低但变化能力有限
文生视频：没有图时先锁主体、空间、动作锚点
对Seedance 2.5（分辨率 480p）：作为多参考段落导演使用，不是简单的首帧/尾帧工具。

## 参考图强制绑定规则
1. 角色首次出现的Clip，必须绑定该角色资产图
2. 同一角色在后续Clip中必须继续绑定同一资产图
3. 场景资产图作为每条Clip的环境参考
4. 道具资产图在该道具出现的Clip中绑定
5. 主角手部资产按年龄段绑定对应版本
6. 每张参考图只承担一个职责，职责冲突时拆分或减少参考图

## 生成顺序
1. 先生成全部角色资产图 → 用户确认
2. 再生成全部场景资产图 → 用户确认
3. 再生成道具资产图 → 用户确认
4. 生成九宫格总览 → 用户确认节奏
5. 每条Clip执行反抽卡预检
6. 预检通过后，先出3-panel storyboard图，再出视频
7. 每个Segment完成后暂停，用户QC

模型选择锁定

图片生成

模型：GPT Image 2.0
用途：角色资产图、场景资产图、道具资产图、手部POV局部资产、九宫格总览
分辨率：默认最高
风格锁定：真人生活纪实风格，自然光，低饱和，不要影棚感，不要海报，不要商业广告感

视频生成

模型：Seedance 2.5（分辨率 480p）（MultiModalToVideo 全能参考）
用途：所有Clip视频生成
定位：多参考图段落导演，不是简单的首帧/尾帧工具
时长：每条Clip约5-10秒

配乐（按需）

模型：Suno 5
规则：视频全部完成后再生成

旁白/配音（按需）

模型：ElevenLabs v3 / 豆包（Doubao）
规则：后期配音，不在视频生成阶段处理

参考图职责系统

永远不要只说"参考这张图"。每张参考图必须分配单一职责：
R / rhythm-anchor：主构图、情绪节拍、段落身份
E / environment：空间布局、光线、地理、材质
C / character-entry：人物如何入画、身体遮挡、关系距离
H / hand-action：主角身体局部、接触动作、触发动作
P / prop-detail：易碎道具形状、材质、文字底图、象征物件
S / sound：环境声、实际噪声、台词规则
Q / QC：通过/失败检查和返修路线
对每张参考图写明：
- [参考图名]：只继承 [单一职责]；不继承 [污染风险]

参考图防污染规则

角色入画参考不应定义主角肖像美
道具参考不应定义整段构图
环境参考不应定义角色表演
分镜板参考不应定义准确的脸、车辆、文字或logo
文字密集的参考不应要求模型生成准确最终文字

POV项目参考图分类

R：段落锚点POV图
C：角色入画POV图
H：主角手部/身体动作POV图
P：关键道具和文字表面POV图
E：环境/入口/空间POV图
S：声音和对白规则
Q：通过/失败和返修规则
R图不够。强生产包需要角色入画、手部动作、道具细节和环境参考，因为视频模型需要运动、接触和空间证据。

视频路线决策

每条Clip生成前判断路线：
全能参考：多张参考图共同控制身份、场景、风格、道具、状态
首尾帧：上一段尾帧或本段尾帧必须被继承
智能多帧：同一主体有连续状态变化（变身、受伤、换装、年龄变化）
分镜板图生视频：需要一张storyboard board锁住段内镜头顺序
传统图生视频：单图出运动，风险最低但变化能力有限
文生视频：没有图时先锁主体、空间、动作锚点
对Seedance 2.5（分辨率 480p）：作为多参考段落导演使用，不是简单的首帧/尾帧工具。

参考图强制绑定规则

角色首次出现的Clip，必须绑定该角色资产图
同一角色在后续Clip中必须继续绑定同一资产图
场景资产图作为每条Clip的环境参考
道具资产图在该道具出现的Clip中绑定
主角手部资产按年龄段绑定对应版本
每张参考图只承担一个职责，职责冲突时拆分或减少参考图

生成顺序

先生成全部角色资产图 → 用户确认
再生成全部场景资产图 → 用户确认
再生成道具资产图 → 用户确认
生成九宫格总览 → 用户确认节奏
每条Clip执行反抽卡预检
预检通过后，先出3-panel storyboard图，再出视频
每个Segment完成后暂停，用户QC

5. プロンプト作成

## 默认输出规则
- 默认使用中文
- 给提示词时直接给可复制粘贴的正式版本，周围解释尽量短
- 可复制块的第一行必须是语义分区（如【参考图输入】【影像容器】【画面】），不要以项目管理标题开头

## 图片资产提示词结构
【生成目标】
【参考图职责】
【主体定义】
【设计语言】
【材质与细节】
【姿态/构图】
【背景/资产底】
【光线】
【一致性】
【禁止】
【质检】

### 角色资产图prompt规则
前缀：真人生活纪实风格半身照片，
后缀：自然灰冷光，真实县城乡村质感，不要影棚感，不要海报，不要商业广告感，不要文字。

### 主角POV局部资产prompt规则
前缀：纪实近景照片，
核心：\[手部/鞋/衣袖描述\] + \[年龄质感\] + \[环境物件\]
后缀：只拍\[局部\]，不拍正脸。

### 场景资产图prompt规则
\[空间描述\] + \[光线条件\] + \[关键物件和使用痕迹\] + 纪实摄影，不要\[风格禁止项\]，不要文字。

### 道具资产图prompt规则
纪实近景，\[道具描述和状态\] + \[所在环境边缘\] + 真实自然光，不要摆拍感，不要文字。

## 视频提示词完整结构
用以下结构，按需选择模块，但保持操作逻辑完整：
【参考图输入】\
- 参考图1：只继承\[职责\]；不继承\[污染风险\]\
- 参考图2：\
- 参考图3：
  【影像容器】
  写实纪实 / 手机视频 / 监控 / 纪录片 / MV / 广告片 / 游戏过场等
  【首尾帧合约】
  本段首帧：
  本段尾帧：
  下一段继承：
  【四锚点】
  身份锚：
  空间锚：
  状态锚：
  质量锚：
  【画面】
  主体、场景、动作、材质、关系、尾帧状态。
  【空间与环境力】
  方向、重力、风、雨、光源、地面/天空/室内边界。
  【动作阶段】
  第一阶段：\[视线位置/运动 + 动作 + 物理反馈 + 环境反应 + 继承状态\]
  第二阶段：
  最终阶段：
  【镜头运动】
  start → trigger → turn → acceleration → landing / tail state
  【声音证据】
  环境声、动作声、机械声、呼吸声、允许/禁止对白、音乐规则。
  【光影质感】
  只写对动作和主体有帮助的光影，不堆空泛风格词。
  【一致性与质量】
  身份、服装、比例、材质、参考职责、空间连续性。
  【输出配置】
  时长、比例、镜头类型、风格密度、是否无字幕。
  【文字/字幕】
  具体文字后期贴；模型不要生成可读文字。
  【禁止】
  具体失败项，不写空泛的"低质量、模糊、丑"。
  【假点质检】
  哪里最容易假？用什么证据修？什么情况必须重跑？

### POV视频提示词强制前缀
每条Clip的prompt必须以此开头：
first-person POV from \[protagonist\]; camera is his/her eyes; no external shot of \[protagonist\].

## 镜头语言术语对照表
中文Prompt英文低机位low angle POV手持主观handheld subjective movement视线从A移到Bthe gaze shifts from A to B视线被声音拉过去the gaze is pulled by the sound of视线跟着手the view follows the hand视线停在the frame holds on / the gaze rests on余光peripheral view / edge of frame前门上方小凸镜convex mirror above the front door右侧外后视镜right-side exterior rearview mirror玻璃反光里的模糊人影blurred figure in the glass reflection手从左侧/右侧伸进来a hand enters the frame from the left/right被窗框拖走the window frame drags \[subject\] out of view推轨镜头slow dolly shot in（禁用zoom）过肩镜头over-the-shoulder shot倾斜构图Dutch angle

## 视觉风格关键词库
Handheld subjective movement | small jolts | cold grey morning | natural rural realism | documentary realism | lived-in texture | low saturation | wet cold air | real Chinese county-town | practical interior light | night-shift bus texture | worn fabric | cracked plastic | steam from hot food | wet mud | paper ash | dim fluorescent

## 负面提示词工程
### 原则
负面提示词必须具体、绑定失败风险，不写空泛的"低质量、模糊、丑、变形"。
错误示范：
低质量、模糊、丑、变形
正确示范：
禁止从第一视角切到第三人称旁观镜头；禁止出现主角正脸或全身；禁止生成可读中文文字；禁止结尾静止全身展示；禁止忽略角色入画参考图导致换脸；禁止空间方向反转。

### POV项目通用负面提示词
No third-person shot of protagonist, no full face of protagonist, no full body of protagonist, no subtitles, no on-screen text, no logo, no narration, no sentimental montage, no fantasy glow, no commercial advertising look, no over-polished cinematic glamour, no CG render, no anime, no infographic, no diagram, no symbolic slow motion, no exaggerated acting, no perfect clean environment.

### 场景化负面清单
**视频特有问题：**
- 帧间不连贯、主体漂移、位置跳跃
- 背景元素突然出现/消失
- 运动速度突变、加速度不连贯
- 镜头切换生硬、视角突变

**人物一致性问题：**
- 发型/服装/面部特征/体型/肤色变化
- 眼神呆滞、表情僵硬
- 手指数量错误、手部变形

**POV特有问题：**
- 第三人称泄漏（主角正脸、全身、背影出现在画面中）
- 视线高度不匹配年龄（8岁应低机位，成年应正常高度）
- 主观运动链断裂（视线无触发地跳到另一个位置）

### 负面提示词使用策略
- 通用场景：20-30项
- 复杂场景：30-50项
- 简单场景：10-20项
- 最容易出现的问题放前面
- 通过A/B测试验证有效性

## 特殊场景提示词规则
1. **手机屏幕**：phone screen glows with incoming-call light, no readable text, hand covers most of the screen
2. **作业纸/姓名条**：rough handwriting marks visible but not readable, exact text to be added in post
3. **线路表**：old route sheet with circled marks, paper worn and creased, no readable text
4. **遗像**：black-and-white portrait in simple frame
5. **POV自我反光**：blurred figure in glass reflection, no clear face, only silhouette shape

## 提示词污染修复
当生成结果不对时，先检查提示词污染：
- 是否有互相打架的参考图？→ 拆分职责
- 是否有抽象风格词过多？→ 转化为物理锚点
- 是否有模型错误代偿？→ 明确禁止代偿方向
- 是否遗漏了正向锚点？→ 补充必须看到的物理证据

默认输出规则

默认使用中文
给提示词时直接给可复制粘贴的正式版本，周围解释尽量短
可复制块的第一行必须是语义分区（如【参考图输入】【影像容器】【画面】），不要以项目管理标题开头

图片资产提示词结构

【生成目标】
【参考图职责】
【主体定义】
【设计语言】
【材质与细节】
【姿态/构图】
【背景/资产底】
【光线】
【一致性】
【禁止】
【质检】

角色资产图prompt规则

前缀：真人生活纪实风格半身照片，
后缀：自然灰冷光，真实县城乡村质感，不要影棚感，不要海报，不要商业广告感，不要文字。

主角POV局部资产prompt规则

前缀：纪实近景照片，
核心：[手部/鞋/衣袖描述] + [年龄质感] + [环境物件]
后缀：只拍[局部]，不拍正脸。

场景资产图prompt规则

[空间描述] + [光线条件] + [关键物件和使用痕迹] + 纪实摄影，不要[风格禁止项]，不要文字。

道具资产图prompt规则

纪实近景，[道具描述和状态] + [所在环境边缘] + 真实自然光，不要摆拍感，不要文字。

视频提示词完整结构

用以下结构，按需选择模块，但保持操作逻辑完整：
【参考图输入】\

参考图1：只继承[职责]；不继承[污染风险]\
参考图2：\
参考图3：
【影像容器】
写实纪实 / 手机视频 / 监控 / 纪录片 / MV / 广告片 / 游戏过场等
【首尾帧合约】
本段首帧：
本段尾帧：
下一段继承：
【四锚点】
身份锚：
空间锚：
状态锚：
质量锚：
【画面】
主体、场景、动作、材质、关系、尾帧状态。
【空间与环境力】
方向、重力、风、雨、光源、地面/天空/室内边界。
【动作阶段】
第一阶段：[视线位置/运动 + 动作 + 物理反馈 + 环境反应 + 继承状态]
第二阶段：
最终阶段：
【镜头运动】
start → trigger → turn → acceleration → landing / tail state
【声音证据】
环境声、动作声、机械声、呼吸声、允许/禁止对白、音乐规则。
【光影质感】
只写对动作和主体有帮助的光影，不堆空泛风格词。
【一致性与质量】
身份、服装、比例、材质、参考职责、空间连续性。
【输出配置】
时长、比例、镜头类型、风格密度、是否无字幕。
【文字/字幕】
具体文字后期贴；模型不要生成可读文字。
【禁止】
具体失败项，不写空泛的"低质量、模糊、丑"。
【假点质检】
哪里最容易假？用什么证据修？什么情况必须重跑？

POV视频提示词强制前缀

每条Clip的prompt必须以此开头：
first-person POV from [protagonist]; camera is his/her eyes; no external shot of [protagonist].

镜头语言术语对照表

中文Prompt英文低机位low angle POV手持主观handheld subjective movement视线从A移到Bthe gaze shifts from A to B视线被声音拉过去the gaze is pulled by the sound of视线跟着手the view follows the hand视线停在the frame holds on / the gaze rests on余光peripheral view / edge of frame前门上方小凸镜convex mirror above the front door右侧外后视镜right-side exterior rearview mirror玻璃反光里的模糊人影blurred figure in the glass reflection手从左侧/右侧伸进来a hand enters the frame from the left/right被窗框拖走the window frame drags [subject] out of view推轨镜头slow dolly shot in（禁用zoom）过肩镜头over-the-shoulder shot倾斜构图Dutch angle

视觉风格关键词库

负面提示词工程

原则

负面提示词必须具体、绑定失败风险，不写空泛的"低质量、模糊、丑、变形"。
错误示范：
低质量、模糊、丑、变形
正确示范：
禁止从第一视角切到第三人称旁观镜头；禁止出现主角正脸或全身；禁止生成可读中文文字；禁止结尾静止全身展示；禁止忽略角色入画参考图导致换脸；禁止空间方向反转。

POV项目通用负面提示词

No third-person shot of protagonist, no full face of protagonist, no full body of protagonist, no subtitles, no on-screen text, no logo, no narration, no sentimental montage, no fantasy glow, no commercial advertising look, no over-polished cinematic glamour, no CG render, no anime, no infographic, no diagram, no symbolic slow motion, no exaggerated acting, no perfect clean environment.

场景化负面清单

视频特有问题：

帧间不连贯、主体漂移、位置跳跃
背景元素突然出现/消失
运动速度突变、加速度不连贯
镜头切换生硬、视角突变

人物一致性问题：

发型/服装/面部特征/体型/肤色变化
眼神呆滞、表情僵硬
手指数量错误、手部变形

POV特有问题：

第三人称泄漏（主角正脸、全身、背影出现在画面中）
视线高度不匹配年龄（8岁应低机位，成年应正常高度）
主观运动链断裂（视线无触发地跳到另一个位置）

负面提示词使用策略

通用场景：20-30项
复杂场景：30-50项
简单场景：10-20项
最容易出现的问题放前面
通过A/B测试验证有效性

特殊场景提示词规则

手机屏幕：phone screen glows with incoming-call light, no readable text, hand covers most of the screen
作业纸/姓名条：rough handwriting marks visible but not readable, exact text to be added in post
线路表：old route sheet with circled marks, paper worn and creased, no readable text
遗像：black-and-white portrait in simple frame
POV自我反光：blurred figure in glass reflection, no clear face, only silhouette shape

提示词污染修复

当生成结果不对时，先检查提示词污染：

是否有互相打架的参考图？→ 拆分职责
是否有抽象风格词过多？→ 转化为物理锚点
是否有模型错误代偿？→ 明确禁止代偿方向
是否遗漏了正向锚点？→ 补充必须看到的物理证据

6. 動画編集

## 时间轴装配规则
### 整体结构
1. 全片按Segment顺序拼接，每个Segment包含2-3条Clip
2. Clip之间使用硬切（hard cut），不使用花式转场
3. Segment之间可使用0.5-1秒黑场过渡，表示时间跨度
4. 全片节奏：前快后慢。前半段节奏紧凑，后半段节奏放缓

### 音轨规则
1. 视频轨保留环境声，不静音
2. 对白轨：后期录制或AI配音，单独音轨叠加
3. 如有配乐轨：音量不超过环境声的60%，不抢画面
4. 特殊静默段落：环境声降至极低，保留静默作为全片呼吸点

### 对白后期配音规则
1. 对白按角色分轨录制
2. 不要求与视频中人物口型完全同步
3. 对白音量和环境声保持自然比例，不要播音腔
4. 方言口音优先于标准普通话

### 文字后期贴图规则
以下内容不由视频模型生成，必须后期合成：
- 作业纸、姓名条等手写文字
- 线路表上被圈过的时间
- 手机来电界面（如需要）
- 片名、片尾字幕
贴图风格：手写质感，不要印刷体，不要设计感，融入画面不出戏。稍微不完美：反光、模糊、折痕、手写、磨损墨迹。

### 变速规则
1. 默认不使用变速
2. 禁止慢动作煽情
3. 对口型视频不可改变速度
4. Clip时长不够宁可重跑也不拉伸

### 导出设置
1. 分辨率：1080p或4K
2. 帧率：24fps（电影感）或30fps
3. 色彩：保持生成时的低饱和纪实色调，不加滤镜
4. 可导出PR工程文件供后期精修

## QC终检清单
每个Segment完成后逐项检查：
- \[ \] 所有Clip是否严格第一视角，无第三人称泄漏
- \[ \] 每条Clip是否只有一个主要故事转向
- \[ \] 主角是否从未出现正脸或全身
- \[ \] 同一角色在不同Clip中是否像同一个人
- \[ \] 关键道具是否在POV视野内先出现再承载信息
- \[ \] 每条Clip的主观运动链是否完整（起点→触发→转向→手部→落点）
- \[ \] 是否有AI生成的可读中文文字（应为零）
- \[ \] 声音是否只有环境声，无配乐和对白
- \[ \] 画面质感是否保持纪实风格，无商业广告感
- \[ \] Clip之间衔接是否流畅，视线逻辑是否连贯
- \[ \] 情绪递进是否符合设计，静默点是否保留
- \[ \] 参考图职责是否被正确继承，无污染

## QC返修路线
用一票否决判断：
POV破了（第三人称泄漏） → 整条Clip重跑，不裁切修补
空间不可能（透视反转、方向错误） → 重建环境参考图
手/物体接触错误 → 重建手部动作或道具参考图
文字生成错误 → 后期处理，不重跑整条Clip（除非文字是画面中心）
情绪过度煽情 → 去掉音乐/对白，加停顿和实际噪声
参考图污染（角色换脸/风格跑偏） → 减少参考图数量，分两次跑
返修时先判断是哪一层失败：
1. Story Job层（段落目的不清）
2. 可见性层（关键信息没进视野）
3. 参考图职责层（参考图互相污染）
4. 整合提示词层（prompt结构有漏洞）
5. 声音/文字层
6. QC层（检查标准不够具体）

## 常见避坑
1. 不要让Seedance 2.5自行补充剧情动作，每条Clip的动作必须由prompt完整指定
2. 生成结果出现第三人称镜头，立即重跑，不要后期裁切
3. 角色换脸时检查是否绑定了正确的资产参考图
4. 环境声太干净时可在后期叠加真实录音
5. 对口型视频不可改变速度
6. 音乐MV制作时全部静音视频轨，仅保留BGM音频
7. 如果画面情绪不够，先试声音/停顿/手部犹豫/实际噪声，再考虑加对白或音乐

时间轴装配规则

整体结构

全片按Segment顺序拼接，每个Segment包含2-3条Clip
Clip之间使用硬切（hard cut），不使用花式转场
Segment之间可使用0.5-1秒黑场过渡，表示时间跨度
全片节奏：前快后慢。前半段节奏紧凑，后半段节奏放缓

音轨规则

视频轨保留环境声，不静音
对白轨：后期录制或AI配音，单独音轨叠加
如有配乐轨：音量不超过环境声的60%，不抢画面
特殊静默段落：环境声降至极低，保留静默作为全片呼吸点

对白后期配音规则

对白按角色分轨录制
不要求与视频中人物口型完全同步
对白音量和环境声保持自然比例，不要播音腔
方言口音优先于标准普通话

文字后期贴图规则

以下内容不由视频模型生成，必须后期合成：

作业纸、姓名条等手写文字
线路表上被圈过的时间
手机来电界面（如需要）
片名、片尾字幕
贴图风格：手写质感，不要印刷体，不要设计感，融入画面不出戏。稍微不完美：反光、模糊、折痕、手写、磨损墨迹。

变速规则

默认不使用变速
禁止慢动作煽情
对口型视频不可改变速度
Clip时长不够宁可重跑也不拉伸

导出设置

分辨率：1080p或4K
帧率：24fps（电影感）或30fps
色彩：保持生成时的低饱和纪实色调，不加滤镜
可导出PR工程文件供后期精修

QC终检清单

每个Segment完成后逐项检查：

[ ] 所有Clip是否严格第一视角，无第三人称泄漏
[ ] 每条Clip是否只有一个主要故事转向
[ ] 主角是否从未出现正脸或全身
[ ] 同一角色在不同Clip中是否像同一个人
[ ] 关键道具是否在POV视野内先出现再承载信息
[ ] 每条Clip的主观运动链是否完整（起点→触发→转向→手部→落点）
[ ] 是否有AI生成的可读中文文字（应为零）
[ ] 声音是否只有环境声，无配乐和对白
[ ] 画面质感是否保持纪实风格，无商业广告感
[ ] Clip之间衔接是否流畅，视线逻辑是否连贯
[ ] 情绪递进是否符合设计，静默点是否保留
[ ] 参考图职责是否被正确继承，无污染

QC返修路线

用一票否决判断：
POV破了（第三人称泄漏） → 整条Clip重跑，不裁切修补
空间不可能（透视反转、方向错误） → 重建环境参考图
手/物体接触错误 → 重建手部动作或道具参考图
文字生成错误 → 后期处理，不重跑整条Clip（除非文字是画面中心）
情绪过度煽情 → 去掉音乐/对白，加停顿和实际噪声
参考图污染（角色换脸/风格跑偏） → 减少参考图数量，分两次跑
返修时先判断是哪一层失败：

Story Job层（段落目的不清）
可见性层（关键信息没进视野）
参考图职责层（参考图互相污染）
整合提示词层（prompt结构有漏洞）
声音/文字层
QC层（检查标准不够具体）

常见避坑

不要让Seedance 2.5自行补充剧情动作，每条Clip的动作必须由prompt完整指定
生成结果出现第三人称镜头，立即重跑，不要后期裁切
角色换脸时检查是否绑定了正确的资产参考图
环境声太干净时可在后期叠加真实录音
对口型视频不可改变速度
音乐MV制作时全部静音视频轨，仅保留BGM音频
如果画面情绪不够，先试声音/停顿/手部犹豫/实际噪声，再考虑加对白或音乐