胡金铨电影美学风格

全流程规划与执行步骤：

1. 确立全局规范：在项目启动之初，首先通过 reply_to_user 向用户询问视频画面比例，并提供以下选项供选择（必须以卡片或列表形式呈现，推荐 16:9）：

   • 16:9（推荐）— 宽银幕电影比例，最契合胡金铨山水横卷意境
   • 21:9 — 超宽银幕，极致宽银幕电影感
   • 4:3 — 复古方画幅，具有早期武侠片时代感
   • 3:4 — 竖屏竖幅，适合手机/短视频竖版呈现
   • 1:1 — 方形画幅，适合社交媒体发布

   获得用户确认后，再调用 text_editor 编写 Final_Video_Spec.md，将宽高比及其他全局参数（时长、核心视觉风格定位、输出语言等）一并写入，作为后续设计与生成的全局规范锚点。

2. 设计故事板（Storyboard）：调用 storyboard_designer 规划故事板。包括定义 key_elements（角色、场景、道具）、镜头列表（shots）和独立音频轨道（audio_layers）。

3. 处理与分析参考素材：

   • 检查并提取用户提供的任意参考素材（图片、视频、文本或音乐）。调用 resource_prepare_and_analyze 对其进行多模态分析。
   • 调用 media_generator 的 asset 管理能力，将分析提取的媒体注册为稳定 asset_id 并将其绑定（bind）到故事板对应的 key_elements（如角色形象或 key_element_audio 声音参考）或 shots 中。

4. 建立核心元素（Elements）视觉：

   • 针对没有绑定已有素材的 key_elements，调用 media_generator 选用 TextToImage 或 ImageToImage 批量生成高品质的静态元素图片，重点锁死明代服饰、妆容和标志性道具（如斗笠、飞鱼服、长剑）的视觉一致性。

5. 生成分镜视频（Shots）：

   • 针对故事板中的每一个 shot，调用 media_generator 的视频生成路径（首选 MultiModalToVideo 路径）。将生成的 key_elements 静态图像绑定为视觉参考，结合镜头运动提示词生成动态视频。

6. 生成音频与旁白轨道（Audio Layers）：

   • 调用 media_generator 依次生成独立音频层：配乐（调用 text_to_instrumental / lyrics_to_song 生成传统民乐 BGM）和旁白（调用 text to narration），并针对有对白台词的角色利用其绑定的 key_element_audio 保持音色一致。

7. 时间线合成与剪辑：

   • 调用 video_assembler 载入所有已生成的 shot 视频和音频素材（配乐、旁白、环境音），严格按照故事板中的节奏设计、音画对齐规则以及淡入淡出要求，合成最终的视频时间线。

依赖关系：

• 2 -> 1（故事板设计依赖全局 Spec）
• 3 -> 2（素材分析与绑定基于故事板结构）
• 4 -> 3（元素静态图生成依赖已有素材绑定状态）
• 5 -> 4（视频 shot 生成强依赖已建立的元素视觉参考）
• 6 -> 2（音频生成严格对应故事板设计的音频轨道）
• 7 -> 5, 6（时间线装配必须在所有视听素材准备就绪后进行）

暂停与确认机制：
在执行过程中，不得一气呵成跑完。必须在以下关键节点暂停，并使用 reply_to_user 向用户展示阶段性成果，获得确认后方可进入下一阶段：

1. Final_Video_Spec.md 确立后，确认整体美学、主题与时长基调。
2. 故事板（Storyboard）设计完成后，确认镜头序列、叙事节奏及留白规划。
3. 核心 key_elements 画面/角色图生成后，确认视觉风格、朝代服饰与色彩色温。
4. 视频 shot 草片及音频层生成后，确认动态张力与听觉层次。

输入素材（Images, Videos, Audios, Text）的多模态深度解析规范：

1. 参考图片分析 (Image Analysis)：

   • 解析场景类型（如竹林、荒野、客栈室内、古寺、山水远景），判断是否符合胡氏美学地理环境。
   • 识别构图特征：优先寻找“留白”（天空/雾气占比）、“框中框”（利用门窗、树枝遮挡）、“横向卷轴感”或“深纵深三层法”构图。
   • 提取色彩与光影：记录是否为水墨灰调、暖黄古调或青绿山水，分析是否存在逆光剪影、体积雾光或柔和散射光。
   • 识别人物及道具：解析人物的服装朝代（必须校准为明代服饰特征如斗笠、褶裙、飞鱼服）、体态神情及所持兵器，将其结构化并输出。

2. 参考视频分析 (Video Analysis)：

   • 提取镜头运动模式：分析是缓慢横移、固定凝视还是纵深缓推。若包含剧烈摇晃或现代快速变焦，需在分析报告中指出并建议修正。
   • 识别剪辑节奏与转场：记录镜头平均时长，标记是否具有硬切、黑场遮挡等传统剪辑特征。
   • 关键帧提取：对长视频进行抽帧分析，提炼核心角色的视觉特征和环境色调。

3. 文本/脚本素材分析 (Document/Script Analysis)：

   • 场景拆解：将剧本提炼为结构化场景列表，细分场景的时间、地点、人物及情绪。
   • 意境映射：找出剧本中适合胡金铨美学表现的段落。例如，将“行者赶路”映射为长镜头横移跟拍；将“对决前夕”映射为静止凝视、框中框构图和沉默留白。

4. 音频/音乐素材分析 (Audio Analysis)：

   • 识别传统乐器成分：如古琴、箫、笛、打击乐（京剧锣鼓声）。
   • 记录节奏变化：标注节拍舒缓（静谧段落）或急促（打斗段落），为后续 video_assembler 锣鼓点剪辑提供节奏锚点。

故事板（Storyboard）创意设计准则：

1. Key Elements（关键元素）设计规范：

   • element character（角色元素）：必须细致描述角色的明代装束。例如：身着素色棉麻长袍、头戴斗笠、足穿草鞋、手持铁剑的独行侠客（符合胡金铨“点景人物”特征，人物不过于张扬，融入山水）。
   • element scene（场景元素）：详细描述空间层次。客栈空间须有深色木梁、纸灯笼及楼梯廊柱，以利于穿透性构图；山水场景须写明“云雾缭绕”、“竹林幽深”，保证至少 40% 的画面留白空间。
   • 一致性约束：如果用户提供了参考画面或剧本，key_elements 的文字描述必须与其严格保持一致，不得凭空捏造背离明代背景的科幻或现代元素。

2. Shots（分镜镜头）设计规范：

   • 推崇长镜头与内切：避免过于细碎的现代微切。每个 shot 时长设计在 5s 到 30s 之间（不超过 30s 模型极限）。在镜头描述中写明“在单一镜头内完成人物由远及近的走位及镜头缓推”。
   • 经典镜头序列（慢-快-慢）设计：
     • 开篇（起）：设计山水空镜或大远景，人物作为山水中的点缀，确立空灵留白基调。
     • 铺垫（承）：设计长镜头横移跟拍，记录人物行走或环视，展现环境的广阔与深邃。
     • 高潮（转）：冲突/动作 shot。镜头切换频率加快，但画面本身保持稳重，利用门框、窗棂形成"框中框"对峙构图，写明具体的京剧锣鼓节奏点与人物身段亮相。
     • 打斗段落 shot 时长分级：
       • 对峙蓄力阶段（亮相、凝视、抽刀）：单 shot 时长 3–6s，给足张力蓄积空间；
       • 动作爆发阶段（交锋、身段翻飞）：单 shot 时长压缩至 1–3s，以高频硬切制造凌厉节奏；爆发段落连续硬切不少于 3 刀，且每刀均须对齐锣鼓重拍；
       • 收势定格阶段（落地、亮相停顿）：单 shot 时长 2–4s，以静制动，配合锣鼓收势的尾音余韵。
     • 锣鼓节拍对齐规则：在 shot 描述中须标注该 shot 对应的锣鼓点类型，例如：[锣鼓·急急风起]（连续快节拍，用于追逐/连招）、[锣鼓·单锤亮相]（单次重击，用于高潮定格）、[锣鼓·渐强收势]（鼓点由密到疏，用于收招）。剪辑点必须精确落在对应锣鼓重拍的起点。
     • 收尾（合）：再次切回大远景、空镜或天空，伴随黑场转场，留下悠远余韵。
   • 写实视觉与镜头语法：每个 shot 必须清晰指定：画面描述（含动作细节、神情）、构图方式（如：远景全景、框中框、纵深三层景）、镜头运动（如：横移跟拍、固定凝视、缓推）、以及 声音设计。
   • 画风锁定（跨镜一致性约束）：每个 shot 的描述中必须显式继承并重申全片统一的美学标记，包括：低饱和大地色调、偏青阴影、胶片颗粒质感、水墨留白构图基调。不得因场景切换（如从竹林到客栈）而引入与既定色温或质感相悖的描述（如"明亮霓虹"、"高饱和暖橙"、"现代打光"等）。每个 shot 的视觉风格必须与第一个已确认的 key_element 图像的色调和质感保持严格一致。

3. Audio Layers（音频轨道）设计规范：

   • music 轨道：全局至少设计一条中式古风 BGM 轨道，以胡金铨武侠电影的听觉美学为基准——古琴主旋律、洞箫/笛子为辅、中阮/琵琶拨弦点缀，以稀疏克制的京剧锣鼓声为节奏骨架，整体呈现肃穆、悠远、气韵深沉的古意。严禁引入现代电子音效、西洋管弦或流行配器。BGM 随剧情分段设计张力：静谧段落以极弱的古琴单音维持空气感，对峙/打斗段落以锣鼓渐强推进节奏。
   • 环境音轨道：设计独立的环境音图层，作为全片的声音基底。每条环境音轨道须明确标注其覆盖的 shot 区间、声源类型及空间感描述，具体预设如下：
     • 竹林风声（Bamboo Wind）：出现于竹林场景，描述为"微风穿林、竹叶摩挲沙沙声，偶有竹枝轻响，远近层次分明"，营造幽深宁静感。
     • 松涛声（Pine Roar）：出现于山岭、高台场景，描述为"高处松风低沉呼啸，偶夹远处鸟鸣，极具空旷纵深感"。
     • 流水声（Running Water）：出现于山涧、溪边场景，描述为"细流潺潺，偶有水滴落石声，清冽透彻"。
     • 寺庙钟声（Temple Bell）：可作为点缀性声效单独出现，亦可跨场景作为时空转换的听觉标记；描述为"低频余韵悠长的铜钟声，一击后延绵数秒渐弱，具禅意"。
     • 客栈/市集环境音（Inn Ambience）：出现于室内客栈场景，描述为"低声人语、碗碟轻碰、木板脚步声，音量极低，仅作空间感填底"。
   • 环境音生成规范：目前 Flova 平台暂不提供独立的环境音生成工具；环境音应通过以下方式植入：
     • 在 MultiModalToVideo 的视频 shot 提示词中，使用尖括号标记 <竹林风声，落叶沙沙，远处寺钟一响> 让模型在视频片段内同步合成，或
     • 由用户自行提供预录环境音素材上传绑定，再经 video_assembler 混入时间线。
   • 静默层设计：在紧张对峙、山水顿悟等特定 shot 区间，必须显式设计“无配乐、仅保留微弱环境音”的 [静默] 听觉通道，以“无声”传达极致的禅意。

媒体生成与参考绑定策略：

1. 静态图像生成 (TextToImage / ImageToImage)：

   • 推荐模型：优先使用 Nano Banana Pro(Gemini 3 Pro Image)，推荐分辨率为 2K，确保提示词依从度与文字/细节的高精度表现。
   • 参考图生成策略：在生成角色 key_element 图像时，必须采用“左右结构角色板”生成提示词。左侧为半身特写（锁定五官、发型、斗笠），右侧为全身站姿（锁定明代服饰、身段与标志性道具），为后续视频生成提供无死角的静态视觉参考。

2. 动态视频生成 (MultiModalToVideo)：

   • 推荐模型：首选 MultiModalToVideo 路径，采用成员专享的 Seedance 2.5（分辨率 480p）（或 Seedance 2.5），默认分辨率为 480p（若用户为高阶会员可升级至 480p）。
   • 视觉参考绑定（Reference Binding）：
     • 每个 shot 视频生成时，必须在 input 中绑定该镜头涉及的 key_elements 静态参考图（包括角色板、场景板、道具板）。
     • 极端连贯性处理：仅在相邻镜头间动作连贯性极强（如连续打斗身段、同一走位的连续景别切换）时，才可将前一 shot 的 final_shot 视频作为 additional reference 引入。一般行旅、静立镜头无需绑定前镜视频，防止生成污染。
   • 运动幅度控制：严格限制运动参数（motion value）为中低级别，禁止使用过于剧烈的 3D 旋转、快速推焦或手持抖动镜头。
   • 画风色调锁定（跨镜一致性）：每个 shot 视频生成时，必须将第一个已生成并确认的 key_element 图像（通常为主角色元素板）一并作为视觉风格锚点引入 reference 输入，用以强制锁定整片的低饱和大地色调、偏青阴影与胶片质感，防止模型在不同 shot 间自行漂移色温或渲染风格。

3. 音频、配乐与旁白生成：

   • 配乐 (Music)：使用 text_to_instrumental 路径，优先选用 Suno 5 模型（备选 Mureka 8）。提示词须精准融合胡金铨风格中式古风 BGM 特征：Chinese ancient style instrumental BGM, King Hu wuxia film aesthetic, guqin solo melody, atmospheric dizi/xiao flute, zhongruan plucking, sparse Peking opera percussion (luo gu), mountain ink-wash ambience, meditative and austere, slow-burning tension, cinematic ancient Chinese orchestration, no modern instruments, no electronic elements, no vocals。避免在提示词中出现任何具体现代歌手或乐队名称。
   • 旁白 (Narration)：使用 text to narration 路径，默认推荐 MiniMax Speech 2.8 HD（多语言支持强）或 ElevenLabs v3。在 description 中指定 narration_speaker_profile（如 [低沉沧桑的男声，饱含风霜与禅意]）。
   • 台词对白 (Dialogue)： shot 中包含的对话台词，必须在生成时绑定对应角色的 key_element_audio（声音参考/Timbre reference），确保多镜头间人物说话声音的一致性。

提示词（Prompt）工程规范：

1. 全球语言自适应：

   • 如果用户使用中文或软件处于中文界面，写媒体提示词主体时优先使用 中文（对国风水墨意境的理解更精准）。然而，故事板及 Spec 中指定的 narration / dialogue 输出语言必须严格遵循 Final_Video_Spec 的 Output Language 设定。

2. 静态图像提示词 (TextToImage / ImageToImage) 撰写公式：

   • 公式：[胡金铨风格美学前缀] + [场景环境描述] + [主体角色身段与明代装束] + [构图与光影指令]
   • 美学前缀（必须包含，每张生图提示词均须写入以下全部关键词）：胡金铨电影美学，传统的中国"山水画"构图结构，层次化构图，电影感的空间深度，垂直构图线条，1970年代复古电影剧照，逆光氛围，丁达尔效应，浓重的大气雾气，粗糙的胶片颗粒感，低饱和的大地色调，偏青色的阴影，高反差明暗对照法，特艺七彩美学，高光溢出，柔和的调色板，模拟胶片片门抖动，深景深，哑光无光泽画面，无边框，视觉铺满整个画面，明朝时期，35毫米胶片质感，1.85:1宽银幕。
   • 光影与构图：使用具体的电影镜头语言。禁止使用 modern, vibrant, neon, saturated, HDR 等现代高饱和词汇。严格遵循上述美学前缀定义的色彩体系：低饱和大地色 + 偏青阴影 + 高光溢出，不得引入冷蓝或暖橙的现代调色倾向。
   • 跨镜画风冻结原则：全片所有生图与视频提示词，色调、质感、颗粒度关键词必须保持完全一致，不得因场景切换（如从室内客栈到室外山林）而替换或删减美学前缀中的任何词条。若某 shot 场景与其他 shot 差异较大，只可在前缀基础上叠加该场景的环境描述词，绝不能以环境词替换风格锚词。

3. 动态视频提示词 (MultiModalToVideo) 撰写公式：

   • 公式：[参考图像占位符] + [镜头运动指令] + [主体身段运动与空气流动]
   • 占位符规范：显式使用 <<<image_1>>> 绑定角色，<<<image_2>>> 绑定场景，并在提示词中指明：“保持 <<<image_1>>> 的明代面容与斗笠衣装不变”。
   • 运动控制栈（Motion Stack）：按照 相机运动 -> 主体运动 -> 空间微动 的顺序书写。例如：慢速水平摇镜头（pan），从左至右；<<<image_1>>> 中的剑客稳健向前行走；竹林枝叶在微风中轻微摇曳，晨雾缓缓飘散。
   • Seedance 2.5（分辨率 480p） 专用标记包裹（重要）**：
     • 提示词中需要同步合成的背景音乐用圆括号 (古琴与长箫缓缓合奏) 标记。
     • 环境音与物理特效音用尖括号 <微风吹过竹林，落叶沙沙声，远处寺庙钟声敲响> 标记。
     • 人物台词用花括号 {师父，弟子已在此等候多时} 标记（台词必须与故事板中的 dialogue 文本完全一致）。
   • 否定词控制：除非需要显式声效，否则视频提示词中必须写明 no music（当使用独立 music 轨道时），并写明 no subtitles（字幕在剪辑阶段统一处理）。

4. 山水空镜静态生图提示词范例（TextToImage · Nano Banana Pro）：

   以下三套范例分别对应片头大远景、开篇空镜和结尾收镜三类典型山水空镜镜头。每套范例均在美学前缀基础上叠加场景描述，色调关键词不得删减，可按实际叙事需要替换括号内的场景细节词。

   【片头大远景】 — 用于全片首镜，建立空间基调与风格宣言

   胡金铨电影美学，传统的中国"山水画"构图结构，层次化构图，电影感的空间深度，垂直构图线条，1970年代复古电影剧照，逆光氛围，丁达尔效应，浓重的大气雾气，粗糙的胶片颗粒感，低饱和的大地色调，偏青色的阴影，高反差明暗对照法，特艺七彩美学，高光溢出，柔和的调色板，模拟胶片片门抖动，深景深，哑光无光泽画面，无边框，视觉铺满整个画面，明朝时期，35毫米胶片质感，1.85:1宽银幕。巍峨群山横亘至天际，三重山脊由近至远依次虚化，构成纵深三层水墨层次；天空占画面 50% 以上，云雾大面积留白，仅以淡墨晕染远峰轮廓；山腰处一条蜿蜒古道隐现，极远处有一孤行人影小如芥子，作为点景人物融入山水，不着重其面目；晨光从左侧山脊背后溢出，形成大逆光剪影，山体边缘有强烈光晕漫射；整体色调以青灰冷调为底，远山染以淡赭石暖意，天地之间呈现水墨横卷的悠远意境。

   【开篇空镜】 — 用于叙事段落起首，交代环境、渲染气氛

   胡金铨电影美学，传统的中国"山水画"构图结构，层次化构图，电影感的空间深度，垂直构图线条，1970年代复古电影剧照，逆光氛围，丁达尔效应，浓重的大气雾气，粗糙的胶片颗粒感，低饱和的大地色调，偏青色的阴影，高反差明暗对照法，特艺七彩美学，高光溢出，柔和的调色板，模拟胶片片门抖动，深景深，哑光无光泽画面，无边框，视觉铺满整个画面，明朝时期，35毫米胶片质感，1.85:1宽银幕。（以下为可替换的场景细节——竹林版示例）幽深竹林内景，竹竿密集纵向排列形成天然"框中框"，远处竹梢汇向消失点，形成强烈的透视纵深；晨雾沿地面蔓延，将竹根段淹没于白雾之中，造成腾云驾雾的漂浮感；画面上方 40% 为竹叶交织的绿灰色顶冠，阳光以丁达尔光束斜刺穿透，落在雾气上形成可见光柱；无人物，纯环境叙事；整体色温偏青冷，竹竿与光柱形成高对比的明暗条纹节奏。

   【结尾收镜】 — 用于全片或段落收尾，留白余韵，回归山水

   胡金铨电影美学，传统的中国"山水画"构图结构，层次化构图，电影感的空间深度，垂直构图线条，1970年代复古电影剧照，逆光氛围，丁达尔效应，浓重的大气雾气，粗糙的胶片颗粒感，低饱和的大地色调，偏青色的阴影，高反差明暗对照法，特艺七彩美学，高光溢出，柔和的调色板，模拟胶片片门抖动，深景深，哑光无光泽画面，无边框，视觉铺满整个画面，明朝时期，35毫米胶片质感，1.85:1宽银幕。傍晚或薄暮时分的山川远眺，天空占画面 60% 以上，云层低压弥漫，呈大面积哑光灰银色留白；远山轮廓仅以极淡的笔触勾勒，几近消融于天地交界的雾气之中；画面前景以一棵遒劲枯树或巨石局部构成框架，将视线引向渺远中景；人物若存在，则为极远处孤独背影，面朝山野，体量不超过画面高度的 5%，以"人去楼空"的氛围传达故事终章；整体色调较片头更暗沉，以深灰青为主色，仅天际线残存一缕琥珀色余光，"言有尽而意无穷"。

5. 打斗三阶段视频提示词范例（MultiModalToVideo · Seedance 2.5（分辨率 480p））：

   以下三套范例展示了"对峙蓄力→动作爆发→收势定格"的完整提示词写法。每套范例均遵循参考图占位符 → 镜头运动 → 主体身段 → 空间微动 → 音效标记的书写顺序，以及跨镜画风锁定原则。实际使用时须将占位符替换为当前 shot 实际绑定的 key_element 图像。

   【阶段一：对峙蓄力】 [锣鼓·单锤亮相] 参考时长 3–6s

   <<<image_1>>> 保持明代剑客面容、斗笠与素色长袍不变；<<<image_2>>> 保持竹林深景深场景色调不变。固定凝视长镜头，镜头锁死不动；<<<image_1>>> 中的剑客于竹林正中缓缓转身，正面亮相，双目微眯直视镜头，右手拇指轻推剑柄使剑身出鞘三寸，衣袍被山间微风徐徐撩起；竹叶在两侧轻颤，晨雾低沉流动，空气凝重静止；<沉默的竹林，远处一声低沉鸦鸣，踩踏枯叶的细碎声> no music, no subtitles

   【阶段二：动作爆发】 [锣鼓·急急风起] 参考时长 1–3s × 连续硬切

   <<<image_1>>> 保持明代剑客面容与飞鱼服不变；<<<image_2>>> 保持客栈木梁廊柱框中框场景不变。极速横移跟拍，镜头急速向右平移追踪主体；<<<image_1>>> 中的剑客猛然抬腿踢飞对手长凳，同时右臂大幅度横斩出剑，剑尖划过空气留下残影，身段于一瞬间由蹲伏弹射为正立，袍袖激烈翻飞；木屑与灰尘在利剑气流中四溅，廊柱背景急速虚化；<刀剑撞击的金属脆响，木料断裂声，重脚踏地声> no music, no subtitles

   【阶段三：收势定格】 [锣鼓·渐强收势] 参考时长 2–4s

   <<<image_1>>> 保持明代剑客面容、斗笠与素色长袍不变；<<<image_2>>> 保持竹林远景低饱和大地色调与偏青阴影不变。镜头由轻微跟随逐渐锁死，缓缓拉回至中远景全景构图；<<<image_1>>> 中的剑客完成最后一式后骤然停步，单腿微弓，剑尖朝下斜指地面，右手以布巾缓缓擦拭剑身，面无表情；倒地对手于画面左前方虚焦，竹林背景纵深三层清晰可辨，晨雾在人物轮廓四周轻缓飘散，形成逆光剪影；<远处竹枝被风拨动的沉闷声，鸦鸣渐远，大地静默> no music, no subtitles

时间线剪辑与视听合成准则：

1. 京剧锣鼓剪辑节奏 (Peking Opera Rhythm)：

   • 动静相生：剪辑节奏遵循“慢-快-慢”交替律动。行旅、思考等舒缓 shot 保持在 8-30s，剪切点保持平和。
   • 锣鼓对齐与打斗段落精确规范：
     • 剪辑点锁死重拍：所有动作对峙/打斗 shot 的入点与出点必须精准对齐 BGM 轨道中锣鼓打击乐的重拍（downbeat）。严禁在鼓点之间的弱拍执行硬切，防止节奏脱节。
     • 三阶段时长压缩策略：
       • 对峙蓄力阶段（凝视、亮相、抽刀）：shot 时长 3–6s，剪辑节奏舒缓，对应锣鼓慢击节奏 [锣鼓·慢三击]；
       • 动作爆发阶段（交锋、身段翻飞）：shot 时长压缩至 1–3s；连续爆发段落最少连续硬切 3 刀以上，每一刀均须对齐锣鼓重拍，对应 [锣鼓·急急风起]；
       • 收势定格阶段（落地、亮相停顿）：shot 时长回弹至 2–4s，鼓点稀疏收尾，对应 [锣鼓·渐强收势]；收势 shot 结束后保留 0.5–1s 的自然余音，再进入下一段落。
     • 硬切频率上限：爆发阶段连续硬切最多不超过 8 刀，超出后须强制插入一个 3s 以上的喘息 shot（固定凝视或环境空镜），防止观众视觉疲劳，同时也符合胡金铨"以静衬动"的剪辑哲学。
     • 视频 shot 时长与剪辑点的一致性：在 storyboard_designer 设计 shot 时长时，须同步标注对应锣鼓节拍类型；video_assembler 在装配时间线时，以该标注为依据精确裁切 shot 的入出点，不得随意延长或缩短。

2. 转场与画面交替：

   • 硬切为主：镜头转换 95% 以上使用直接硬切（hard cut），严格禁止使用花哨的三维翻转、滑动或现代特效转场。
   • 自然出点过渡：利用主体人物走出画面、云雾彻底遮挡镜头、或镜头摇向天空作为剪切的自然出点。
   • 黑场过渡：大段落、时间跨度或生死胜负转换时，使用 1-2 秒的黑场（fade to black）进行过渡。

3. 声音先导与多层混音：

   • 声音先导 (L-Cut / J-Cut)：在段落交替时，允许下一镜头的标志性声音（如古寺钟声、马蹄声、竹叶沙沙声）提前 0.5-1 秒在当前镜头的画面结尾处响起，引导视觉切换。
   • 多轨混音层级：
     • 旁白轨（Narration）：处于最上层，音量最清晰。
     • 角色对白轨（Dialogue）：与画面动作同步。
     • 配乐轨（Music）：在行走/抒情段落音量适中；在动作打斗段落音量增大，节奏变快；在静默段落则完全淡出至零。
     • 环境音轨（Ambient）：始终在底层以低音量（如 -20dB）持续播放，确保音轨即使在音乐停止时也有"空气感"和环境空间感，绝不出现绝对的死寂。各环境音类型的混音建议如下：
       • 竹林风声：持续底层铺垫，音量约 -22dB，节奏随剧情松紧轻微波动（紧张时风声可略微增强至 -18dB 以烘托氛围）。
       • 松涛声：仅在山野/高台场景中激活，音量约 -20dB，以低频气息感为主，避免掩盖配乐主旋律。
       • 流水声：仅在溪涧场景激活，音量约 -24dB，以清脆细流质感为主，不宜过于厚重。
       • 寺庙钟声：作为点缀性音效（非持续轨），在场景切换或段落结尾处单次触发；触发后留足 2-3 秒余音自然衰减，期间配乐音量同步轻微下压（约 -3dB），以突出钟声禅意。
       • 客栈/市集环境音：仅在室内客栈场景激活，音量约 -26dB，极低混入，仅为空间感填底，不可喧宾夺主。
     • 场景切换时的环境音衔接：上一场景的环境音在硬切点后做 0.5-1 秒淡出，下一场景的环境音同步淡入，避免"声音悬崖"（abrupt ambient cut）。

4. 片头片尾淡入淡出：

   • 视频开头设计 2 秒由黑入画及音频淡入。
   • 视频结尾设计 3 秒淡出至黑场，音频（配乐及余音）同步淡出，留下“言有尽而意无穷”的留白意境。