北野武蓝调电影美学短片

【绝对硬性模型锁定】全局模型一致性约束：

• 图像生成：全程强制仅使用 GPT Image 2 制作图像，严禁混用或自动切换至其他任何图像模型（如 Seedream, Midjourney, Nano Banana 等）。
• 视频生成：全程强制仅使用 Seedance 2.5（分辨率 480p） 制作视频，严禁混用或自动切换至其他任何视频模型（如 Kling, Sora, Google Veo 等）。

全局规划与编排流程（Planner）：

1. 建立全局视频规范（Final_Video_Spec）：

   • 通过 text_editor 建立或更新 Final_Video_Spec.md，在其中严格锁定并声明以下初始核心参数，作为下游各 Agent 协同的全局共享唯一参数锚点：
     • 画面画幅（Aspect Ratio）与比例隔离闭环：默认强制锁定电影级 16:9（Widescreen 1.77:1）或极具宿命质感的 2.39:1（Anamorphic Cinema 宽幅比例，带上下电影遮幅黑边 Letterbox）。在 Final_Video_Spec.md 中必须显式隔离“画面生成画幅”与“资产设计画幅”：
       • 最终视频生成与装配完全采用此全局比例。
       • 角色全身三视图资产物理性锁死 16:9 横版画幅以提供充足平展排版空间，场景四宫格资产物理性锁死 4:3 比例以保持 2x2 画面正方性，决不继承视频项目的 9:16 或 2.39:1 比例，彻底阻断任何拉伸、扁平化或肢体缺失。
     • 目标分辨率（Resolution）：基准设定为 480p，供生成器使用（后期超分升格至 1080p）。
     • 输出语言（Output Language）自主选择与极简美学语感规范：用户可以自主选择视频的最终输出语言为中文（Chinese）或日语（Japanese）。若脚本语种与输出语言不一致，启动双语智能翻译对照轨机制（Bilingual Script Mapping）并在 Final_Video_Spec.md 中建立 1:1 精确映射表：
       • 若选择日语（Japanese）美学红线：日语翻译必须摒弃任何现代叙事或传统动漫的夸张表达，完全遵循北野武式的“极简、粗粝、强硬极道男性语感”。人称代词强制使用粗鲁强硬的“俺（ore）”与“お前（omae）”；句尾禁止使用任何敬语（如 ~desu、~masu 形式），一律采用短促、干瘪的简体或命令式（如“来い”替代“来てください”）；句式切得极其零碎，大量使用省略号“……”或“......”作为叹气与沉默发呆的呼吸气口标识。
       • 若选择中文（Chinese）美学红线：中文对白同样必须呈现冷酷克制、极简内敛的质感。严禁出现任何冗长、抒情、或带现代网络风格的修饰性口语。句子必须极其短碎，词汇冰冷直接，例如以“走。”替代“我们必须离开这里了”，以“手，拿出来。”替代“请把双手从口袋里伸出来”。对白中频繁插入省略号“……”或“......”，配合大量的无声叹息作为内心宿命情感的物理停顿点。
       • 精确数据轨映射格式：
         [Shot_ID] | [原始对白描述] | [目标极简翻译/润色稿] | [情绪/动作物理控制符（中/日语对应）]
         以此锁死“配音生成用翻译件、视频口型咬合驱动件、后期字幕压制参考对照件”的三轨同频。
     • 全局风格美学（Visual Style）：显式注入“北野武蓝调（Kitano Blue）”低饱和、冷灰蓝色调、对称构图、粗粝胶片颗粒感的电影美学。
     • 字幕压制与渲染规范（Subtitles Spec）：在 Final_Video_Spec.md 中硬性规定：外挂中日双语字幕对照（Dual Subtitles）必须由后期装配阶段（video_assembler）根据双语对照轨进行图层独立渲染与排版，绝对禁止在前中期的图像（TextToImage/ImageToImage）或视频（MultiModalToVideo）生成像素图层中直接硬编码、压制或产生任何物理字幕，彻底杜绝画面文本穿帮、多语种像素重叠冲突及渲染畸变。

2. 编剧孵化与故事板构建（Screenplay Incubation & Storyboard Design）：

   • 戏剧灵感孵化：若用户仅提供了零星的意境（如“海边站着的人”）、极简的画面灵感或未成形的想法，Planner 绝不应该直接填充平庸的情节。必须主动担当“金牌编剧”角色，协助用户进行灵感孵化：
     • 结合“北野武蓝调”独特的叙事哲学（日常荒诞与宿命悲凉交织，温情与暴烈并存），为用户构思或丰富出故事的冲突核、主角的冷峻人设、戏剧轨迹（“极静日常 - 荒诞游玩 - 突发惊变 - 余韵物哀”），并提炼出标志性视觉隐喻（如海风中的玩具风车、夏日将尽时的手持烟火、写着数字的蓝色卡片）。
     • 将零碎创意转化为一个极具北野武神髓的精简剧本大纲。
   • 故事板（Storyboard）精准构建：调用 storyboard_designer 工具，将孵化好的剧本大纲深度转化为专业的分镜脚本（shots）与声音层（audio_layers）。在构建分镜时，要体现其导演层面的极简定机位、画外空间留白、面瘫式凝视动作以及省略剪辑节奏。
     • 艺术化手绘/油画转场策划机制（Artistic Transition Planning）：在规划大纲以及设计故事板（storyboard_designer）时，检测叙事结构中是否存在重大情感爆发、突发枪战暴力之后的虚无、主要角色遭遇宿命结局（死亡/离别）、或是标志着夏日将尽的物哀节点。一旦触发上述转折机制，Planner 必须指示 storyboard_designer 主动在故事板的关键剪辑衔接点插入 1-2 个 “手绘素描/质朴油画”艺术转场分镜（Artistic Empty Canvas Shots），作为视觉和听觉上的“情感缓冲气口”（Emotional Breathing Space），绝不平铺直叙地过渡。
   • 人机协同拦截点（核心卡位点）：在完成剧本大纲、故事板框架与 Spec 锁定后，必须强制暂停，向用户详细陈述剧本逻辑、叙事张力曲线和镜头拍摄意图（如“为什么在此处设计3秒长镜头的无声发呆，以及随后的枪声留白”），在获得用户明确授权后，方可启动下阶段的视觉与音频资产设计。

3. 参考素材前置检测与分析：

   • 检测用户上传的参考素材形式（图像、视频、音频或说明文档），并通过 resource_prepare_and_analyze 进行多模态智能识别与精细化分流：
     • 视频参考素材：若用户提供了参考视频，调用 resource_prepare_and_analyze 执行媒体剪裁与提取操作：截取视频中的高画质核心帧（keyframe）作为角色形象或场景物理布局的静态参考；或直接从视频中提取音轨，截取清晰段落作为角色的初始音色参考。
     • 音频参考素材：若用户提供了声音片段，调用 resource_prepare_and_analyze 深度分析其发音物理质感，并提取、注册、绑定为对应角色的 key_element_audio（人声参考），用以锁死后续生成的视频口型和台词配音的一致性。
     • 静态图像素材：若用户上传了图片，调用 resource_prepare_and_analyze 识别风格是否符合北野武蓝调，并检查角色参考图是否符合“全身三视图”规范（拒绝半身、单角度、或头部特写）、场景参考图是否为“多角度无人物四宫格”规范形式。若风格不符、不是全身三视图、或场景格式不对，深度提取原素材中人物或场景的物理特征，引导 media_generator 触发风格重制或规格标准化策略。
     • 若未提供任何参考素材：在下一步中通过系统自主补充生成。

4. 元素资产补差与重制：

   • 调用 media_generator 补充生成缺失的角色（GPT Image 2 2K，必须锁定 16:9 画幅比例，首张必须是包含角色多角度的全身三视图（Full-Body Turnaround Sheet，展现从头到脚的正面、侧面、背面视图），绝对不使用半身图）和场景图（GPT Image 2 2K，必须锁定 4:3 画幅比例，格式必须为无人物四宫格，内容固定为：全景定场、陈设特写、纵深透视、气氛光效）。
     • 艺术转场资产的特异化生成（Transition Canvas Generation）：若故事板中规划了艺术转场分镜，Planner 必须引导 media_generator（GPT Image 2）调用对应的 “手绘素描/质朴油画”专属视觉公式，生成静态的 2K 图像资产并注册绑定为该转场 key_element 的核心 asset（如空无一人的粗粝黑色素描场景、或是具有强烈温情与宿命反差的纯真质朴油画画面，如一朵在暗夜中悄然绽放的红色小花）。
   • 若素材不符（如用户上传的角色图不是三视图、属于半身/单图，或风格不符，或场景图不是规范四宫格），调用 media_generator 的 ImageToImage 风格与规格重制策略，重新生成契合用户物理形象/环境构图、符合北野武蓝调风格且格式严格规范的 2K 级“全身角色三视图”（强制锁定 16:9 画幅比例）或“多角度无人物四宫格场景参考图”（强制锁定 4:3 画幅比例）。
   • 人机协同拦截点：在实质调用图像、音轨等新资产生成工具前，必须暂停，向用户阐明或展示当前的生成计划与草图，获得授权后方可执行。

5. 元素资产绑定完整性核验（硬性卡位点与场景锁定）：

   • 逐一比对故事板中定义的所有核心角色、场景及道具，确保每一个元素均已成功生成并绑定了 2K 图像资产。
   • 分镜场景强力对齐：核验分镜脚本中每一个分镜头（shot）是否都已显式关联并正确填写了其场景 key_element（如 [Element_Scene_xxx]）。如发现任何分镜存在场景未关联、场景空缺、或场景关联模糊的情况，必须立即在故事板中纠正并补齐关联。
   • 针对有台词设计的角色，检查是否已绑定其对应的音色资产（key_element_audio）；若无用户参考，则自动调用 text to narrtion（MiniMax Speech 2.8 HD）生成一段 5s - 10s 的独白配音，作为其唯一的音色资产进行绑定。
   • 绝对拦截：若有任何元素资产（图像或音色）遗漏、未完成绑定，或者存在任何分镜头未明确关联场景 key_element，严禁直接进入视频生成，必须在原地补齐并绑定。

6. 分镜头视频生成与提示词对齐检查：

   • 调用 media_generator（Seedance 2.5（分辨率 480p））生成各分镜头视频。
     • 艺术转场视频微动化（Transition Video Animation）：若包含“手绘素描/质朴油画”艺术转场分镜，调用 media_generator（Seedance 2.5（分辨率 480p））进行动态视频生成。必须以生成的静态艺术画作（16:9 比例）作为首帧（First Frame）或 reference_image。提示词中必须写明去网格化指令，并强制施加极微弱的物理微动（如：画布纸张边缘微颤、炭笔笔触随着镜头呼吸极慢位移、油画厚涂刮刀肌理下隐约的光影微弱变化，或画中的风车/火星微弱旋转），将其转化为具备生命力的 480p 动态视频，严禁生成死板静态的死帧，亦绝对防止产生不合时宜的剧烈动作。
   • 提示词对照与核验规范：在发起每个分镜头视频生成之前，必须强制对照故事板分镜脚本，细致检查提示词内容，确保无任何信息遗漏：
     • 视觉参考与背景锁定：核对是否正确引用了对应的 key_element 角色三视图与场景资产，配置好 reference_image 及 <<<image_x>>> 占位符。特别是同一物理场景内的所有连续分镜头，必须强制统一引用完全相同的多角度无人物四宫格场景参考图，配置相同的占位符，彻底避免视频因场景未绑定或引用不一致而产生跳画问题。
     • 对白/台词：核对提示词中的 {...} 控制符是否包含了完整台词，且与故事板脚本中绑定的 key_element_audio 口型配音高度对齐。
     • 环境音效：核对提示词中的 <...> 音效控制符是否完整包含了故事板中设计的环境音要素（如海浪声、风声、枪声）。
     • 运镜运动：确保提示词中写入的 Motion Stack 运镜动作与故事板中的静态克制画画风格 100% 相符。
   • 人机协同拦截点：开始批量/逐个生成视频前，向用户确认视频生成计划，得到授权后再行生成。

7. 声音轨道生成与时间轴装配：

   • 补充生成故事板中设计的背景音乐（BGM，Suno 5 或 Mureka 8）和环境音效层。在生成 BGM 时，若使用 Suno 5 模型，提示词中严禁出现任何知名音乐家或歌手的名字（防止版权审查失败风险） → media_generator。
   • 调用 video_assembler 严格遵循省略剪辑与静音艺术，完成最终的音视频时间轴装配。
     • 艺术转场剪辑与声学融合装配（Transition Integration）：指示 video_assembler 在装配“手绘素描/质朴油画”艺术转场分镜时，将其独立剪辑时值自适应控制在短促写意的 4s - 6s 或超长放空的 8s - 12s，画面进入转场的瞬间同步执行“J-Cut/L-Cut声学不对位”或“日常配乐避让及超慢淡入淡出曲线”。在切出至新章节或全片结尾时，允许利用 1.5s - 2.5s 的渐暗（Fade to Black） 承接视觉余韵，实现音画情绪完美软着陆。

8. 画质超分与电影帧率后期（Super Resolution & Mastering）：

   • 在时间轴装配完成后，为达到终极的电影级颗粒纹理与逼真度，调用 super_resolution 工具，指定 MediaKit 模型将最终生成的短片视频超分升格至 1080p（或由 Spec 决定），并强制锁定帧率（fps）为 24 帧/秒，锁死传统电影画面的动态阻尼感。
   • 对于关键角色的全身三视图，若其面部或黑西装材质出现轻微糊化，在步骤5的绑定前，可调用 super_resolution（Jimeng SR，"4k"分辨率，scale: 50）进行细节升格。

用户参考素材分析规范：

1. 素材分类、类型识别与规格校验（多模态前置处理）：

   • 智能识别用户上传资产的多模态介质属性，并进行分流核验：
     • 视频参考素材：执行物理提取操作。通过关键帧抽取提取出能展现人物五官（需冷峻面瘫、无表情）、体型（经典黑色西服全身）或环境特征（海边、空旷街道）的高画质静态帧，交由后续视觉分析；若视频中包含台词配音或现场声，提取其音频流以供音色质感分析。
     • 音频参考素材（或视频提取的音轨）：判断人声的物理质感。分析其音色（低沉、粗糙）、语调（迟缓、沧桑）、语速（低于100字/分钟）和气息，校验其是否具备“北野武式悲凉粗粝人声”特征。
     • 角色图像参考图：校验是否属于标准的“全身角色三视图（Full-Body Turnaround Sheet）”规范（必须包含同一角色从头到脚的正面、侧面、背面视图，杜绝半身/单角度大头照）。
     • 场景图像参考图：校验是否属于标准的“多角度无人物四宫格场景参考图”（必须无人物、且四格分别为：全景定场、陈设特写、纵深透视、气氛光效）。

2. 色彩、风格与声音特征判定：

   • 视觉风格判定：判定视觉素材（图像或视频核心帧）是否符合“北野武蓝调”美学（低饱和度、偏冷灰蓝色调、高对比度、自然光及胶片颗粒感）。
     • 若风格与规格皆符合：直接提取色调和各角度物理/几何特征，注册绑定为 key_element 核心视觉参考。
     • 若风格或规格不符合（如上传的是普通人像、单张半身照，或场景图非无人物四宫格）：一律标记为“风格/规格不符”。深度提取需要继承的物理结构特征（如五官轮廓、发型、黑色西装搭配，或场景物件布局），并输出精确的“风格重制、三视图补全（补足侧背面与全身）与四宫格格式化”指导描述，用以辅助 media_generator 的 ImageToImage 重制出 2K 级规范素材。
   • 声音特征判定：判定音频素材的音响质感。提取其音色特征（Timbre）并生成对应的描述标签。如含有杂音或背景乐，输出滤波重构描述，提取最纯净的人声物理特征，指导 text to narrtion 或配音生成在保留原人声音色（timbre）的同时，合成高拟真度的 key_element_audio。

3. 构图、角色特征与声学属性分析：

   • 角色特征（element character）：提取面部表情（Deadpan 僵硬、空洞凝视）、发型、配饰（黑色墨镜）、服装（经典黑西服、白衬衫、黑色皮鞋，强调全身线条，谢绝半身裁切）等视觉锚点，建立核心角色的视觉标准。
   • 场景特征（element scene）：提取对称构图、大面积留白（海天虚无占2/3）、固定机位几何属性；将不同的场景特征点（定场全景、特写、纵深、局部光效）精准分类并映射至无人物四宫格的 2x2 网格卡槽。
   • 声学特征（key_element_audio）：将提取的音频特征转化为极富情绪感染力的声学控制语。分析其沧桑感和宿命语气，明确语速与断句气口规律（如叹气音、沙哑声），输出为 narration_speaker_profile 指引。

4. 规范化转换与输出：

   • 将分析得到的视觉和声学多模态特征，转化为高清晰度的、符合下游工具读取规范的结构化描述文本，无缝输出给 storyboard_designer 和 media_generator 作为创意与资产生成的基准，确保全流程音视频完美贴合原始参考。

北野武式编剧黄金法则（Screenplay & Narrative Craft）：

• 戏剧张力的非对称结构（Asymmetric Narrative Arc）：

  • 节奏遵循“漫长的日常静穆（占比80%以上）与极短的突发转折（占比5%以内）”。不追求好莱坞式的连续因果链和饱和情节解释，采用极具留白特性的“省略法（Omission）”。直接略去琐碎的过程，将剧情在日常嬉戏与悲剧高潮间硬切，迫使观众在沉默的空白中自行脑补，产生强大的情感张力与宿命感。

• 反差美学：日常荒诞嬉戏与温情（Absurdist Daily Playfulness & Warmth）：

  • 编剧设计时，绝不能让角色一味地装酷。在冷酷的死亡阴影或帮派对峙中，必须穿插纯真、幼稚、甚至近乎愚蠢的滑稽日常行为（例如：黑帮分子在空无一人的沙滩上玩纸牌、用玩具水枪互射、玩幼稚的拔河、踢石子、跳滑稽笨拙的舞步，或者像孩童一样放烟火）。这种“在废墟上做游戏”的荒诞纯真，是北野武式最核心的温情与诗意所在。
  • 荒诞游戏台词与停顿实战范例一（黑帮沙滩玩纸牌）：
    • 场景构想：两名面色冷峻、戴着墨镜、身穿挺拔黑西装的帮派骨干，在死寂、蔚蓝的空旷沙滩上席地而坐。他们没有谈论生死，而是极其严肃认真地玩着幼稚的“抽鬼牌”游戏。海风猛烈吹拂，海浪拍打沙滩的声音被清晰放大。
    • 分镜、台词与控制符号链条：
      • [Shot_Play_1]（定机位，凝视黑帮 A 毫无表情的侧脸，海风吹乱衣角）：{(面无表情地缓缓递出扑克牌) …… (深吸一口气) ……抽吧。}
      • [Shot_Play_2]（切至黑帮 B 的中景，身体绝对静止，墨镜折射海光）：{ (silence) [pause: 3.5s] } (B 眼神极度专注，如拆弹般死死盯住牌面，只有胸口微弱的呼吸起伏，强制保持静默闭嘴状态)
      • [Shot_Play_3]（特写，B 的手指在牌面上方迟疑游移）：{(手指轻颤，极其凝重、迟缓地抽出一张卡牌) …… (喉结吞咽口水) ……这张。}
      • [Shot_Play_4]（双人中景，海浪拍打背景）：{(突然孩子般得意地傻笑) …… (拍手轻笑) …… 鬼牌！…… (笑容突然在 0.5 秒内完全凝固，瞬间切回绝对冰冷的面瘫状态) ……你，输了。}
  • 荒诞与物哀美学范例二（暮色海滩手持烟火）：
    • 场景构想：夜幕将至的深海沙滩，天空呈现冷酷而深邃的暮色蓝（Blue Hour）。两名戴着墨镜的黑帮成员沉默地蹲在沙滩上，小心翼翼地点燃了一根极其脆弱、转瞬即逝的日式线香手持烟火。火星细碎地溅落，微光映照着他们面无表情的苍老面庞，表达出生命如绚烂烟火般短暂、脆弱的强烈物哀（Mono-no-aware）宿命感。
    • 分镜、台词与控制符号链条：
      • [Shot_Sparkler_1]（特写定机位，一根拿在黑西装壮汉手中的线香烟火在夜色中燃烧，绽放出细碎微弱的金色火花。背景是震耳欲聋的海浪拍打声）：{ (silence) [pause: 4.5s] } <faint crackling sparkler sound, deep low roar of sea waves in the background> (纯画面凝视与微弱火星啪嗒声，强制无对白发呆，不产生任何张嘴动作，聚焦于星火微光的生灭)
      • [Shot_Sparkler_2]（双人中景定机位，两个高大黑西装身影面瘫般蹲在冰冷的沙滩上，手持烟火的橙黄色光芒在冷色调墨镜上跳跃。风极猛烈）：{(声音低沉沙哑，极其迟缓地低语) ……夏天…… [pause: 1.5s] 马上就要结束了。} (A迎着风微微眯眼，发出低沉、沧桑的叹息)
      • [Shot_Sparkler_3]（特写定机位，烟火燃尽，只剩下最后一缕青烟在冷蓝夜色中袅袅消散。画面逐渐陷入绝对黑暗）：{(自嘲地叹气) ……（叹气）……是啊。} (B的声音轻得几乎被海风吹散，伴随一声沉重的声学气口)
  • 荒诞与物哀美学范例三（沙滩奔跑与折纸纸风车）：
    • 场景构想：狂风呼啸的白昼海滩，大片冷蓝色的空旷背景。一个身材魁梧、满脸横肉的黑帮，穿着紧绷的黑西服，用粗糙、满是伤疤的双手小心翼翼地捧着一个幼稚、色彩斑斓的“折纸纸风车”（origami paper windmill）。他笨拙、滑稽地迎着狂风在湿漉漉的沙滩上奔跑，眼神空洞而近乎执拗。这种极致的童真举动与他残酷的黑帮背景、冷漠面孔构成绝妙反差。
    • 分镜、台词与控制符号链条：
      • [Shot_Origami_1]（大远景定机位，地平线将画面平分。一个黑色的渺小身影举着彩色纸风车，在无人的蔚蓝海滩上像孩子一样笨拙地向前小跑）：{ (silence) [pause: 5.0s] } <loud howling wind, heavy running footsteps on the wet sand> (视觉上的极端空旷与极度孤独，只有呼啸的大风与鞋子踏在黏重沙地上的物理摩擦声)
      • [Shot_Origami_2]（中景定机位，男人突然停下脚步，背对风口呆立。海风疯狂掀起他的黑西服下摆。他慢慢低下头，用巨大的双手护住那只在风中微微颤动、有些因潮湿变形的纸风车，眼睛死死凝视着它）：{ (silence) [pause: 4.0s] } (长镜头长定格，锁定人物静止呼吸状态，去盲盒张嘴穿帮)
      • [Shot_Origami_3]（特写定机位，粗糙的手指极其轻柔地拨弄了一下风车叶片，风车无力地旋了两圈，发出细微的纸张摩擦声）：{(极其轻柔、缓慢而孩子气的自言自语) ……（长叹气）……转起来了。} (一个冷酷暴烈的人露出最纯真也最悲凉的微弱低语)
  • 物哀与孤独宿命范例四（冷雨路边与残破雨伞）：
    • 场景构想：倾盆大雨中冷寂、积水的东京街角。一把折断了伞骨的黑雨伞被遗弃在湿漉漉的水泥地上，雨水在黑色的伞面上溅起细碎的水花。一名高大、身穿黑色西装、戴着墨镜的帮派骨干静静地靠墙站在旁边，双手插兜，任凭冷雨淋湿肩膀，与破伞共同定格为宿命的注脚。
    • 分镜、台词与控制符号链条：
      • [Shot_Umbrella_1]（特写定机位，镜头聚焦雨中被遗弃在湿冷水泥地上的破黑雨伞，伞骨折断，雨滴不断在破损的伞面上和水洼里溅起明亮的高光反射。画面无人物）：{ (silence) [pause: 4.5s] } <heavy sound of pouring rain, water splashing on the asphalt pavement> (纯环境物哀空镜，雨声轰鸣，通过特写死锁视觉焦点，将孤独宿命感推向极致)
      • [Shot_Umbrella_2]（中景定机位，切至男人侧面。他毫无表情地站在暴雨中，没有打伞，头发和脸颊被雨水浸透，雨水顺着他紧闭的嘴唇和下巴流淌，喉结发生了一次缓慢的吞咽物理起伏，肩膀随呼吸产生微弱颤抖）：{(下唇抽搐微颤、沙哑低沉) ……雨…… [pause: 2.0s] 变大了。 <-> (Lip quivering slightly, raspy voice) ……雨が…… [pause: 2.0s] 激しくなったな。} <heavy pouring rain sound continuing, clothes friction under the wet wind> (对准雨中的身体物理微动与声学频率，配合下唇抽动，将悲凉情绪在冰冷雨水中具象化)
      • [Shot_Umbrella_3]（特写定机位，镜头对准男人戴着黑色墨镜的眼部。墨镜镜片上清晰倒映出雨中那把残破雨伞和模糊的灰蓝色水泥墙面，他闭上眼，眼睑发生明显的强忍颤抖）：{(深长叹息) ……（叹气）……走吧。 <-> (Heavy sigh) …… (Sighs) ……行こう。} <rain sound fading slightly, low heavy footsteps on wet ground slowly walking away> (通过墨镜物理镜面反射锁定场景一致性，最终在一声叹息和水痕脚步声中完成情绪软着陆)
  • 悬疑对峙与命运禁锢范例五（寂静夜色与静止轿车）：
    • 场景构想：深蓝色暮光下冷寂、空旷的码头旁。一辆老旧、黑色的箱型轿车静静停在昏暗的街灯下。车身微湿，金属漆面反射着冷淡的灰蓝色天光。车内没有开灯，一片漆黑。两名戴着墨镜、身穿黑西服的成员靠在车门上，一动不动地盯着冷蓝色海面。
    • 分镜、台词与控制符号链条：
      • [Shot_Sedan_1]（全景定机位，极度对称的构图。一辆复古黑轿车居中停在冷蓝色海岸线旁，昏暗的街灯打在车顶，在车身上折射出灰蓝色的高光。两名黑衣人像两座墓碑般倚靠在车身两侧，双手插兜，一动不动地凝视着海平线）：{ (silence) [pause: 5.5s] } <deep low rumble of the sea, faint hum of the distant dock, quiet wind blowing> (大比例虚无背景，通过极简对称与长达5.5秒的绝对静止，渲染对峙前夕死一般的悬念张力)
      • [Shot_Sedan_2]（特写定机位，对准黑帮骨干的侧脸。他靠着湿漉漉的车窗玻璃，车身漆面上倒映着他冷酷的面瘫脸。他慢慢抬起手，用发颤的手指捏紧了墨镜边缘，咬肌明显抽动了一下）：{(咬牙、嘴角抽动、低语自言自语) ……（吞咽）……他们，不会来了。 <-> (Clenched jaw, mouth twitching, whispering) ……（Swallows）……奴らは、来ないな。} (通过特写镜头锁定墨镜、咬肌以及手指生理微颤，声学真空与微小物理动作高度同频)
      • [Shot_Sedan_3]（中景定机位，镜头切回车尾对称机位。车灯在毫无征兆的瞬间突然亮起，耀眼的白光瞬间刺破深蓝暮色，紧接着是发动机低沉粗粝的轰鸣。镜头保持绝对静止，不带任何晃动）：{ (silence) [pause: 4.0s] } <sudden heavy engine roar shaking the frame, headlights blinding bright, followed by low purring exhaust> (在绝对寂静中以大灯的亮起和引擎低鸣打破静穆，无声胜有声地宣示命运锁闭，将张力在画内蓄势而不爆)
  • 生死谈判与极简交锋范例六（深夜居酒屋）：
    • 场景构想：深夜，光线昏暗、沉闷冷寂的居酒屋角落。一盏低垂的橘黄色吊灯下，两名身穿挺拔黑西装、戴着墨镜的对立帮派头目隔着粗糙木质吧台对坐。吧台上放着半杯琥珀色的清酒。两人在死寂与压抑的气氛中进行最后的生死谈判。
    • 分镜、台词与控制符号链条：
      • [Shot_Izakaya_1]（特写定机位，镜头对准吧台上的那杯琥珀色清酒，吧台角落被上方昏暗的橘黄光线照亮，四周的背景则迅速跌落入低饱和的冷蓝黑色阴影中。画面无人物）：{ (silence) [pause: 4.0s] } <faint clinking of glasses in the background, low hum of the refrigerator, absolute quietness> (通过静物特写和极高反差光比，营造暗流涌动的死寂谈判前奏)
      • [Shot_Izakaya_2]（中景定机位，两个高大的黑西装身影在吧台两侧沉默对立。A头目戴着墨镜一动不动，他的手搭在木质吧台上，食指有节奏地轻轻敲击着桌面。B头目低着头，神情冰冷僵硬）：{(声音极度低沉沙哑、慢速断碎) ……事情…… [pause: 1.5s] 该办了。 <-> (Deep raspy voice, speaking slowly and in fragments) ……用は…… [pause: 1.5s] 済ませる。} <faint refrigerator hum continuing, regular finger-tapping sound on the wood counter> (极简且沙哑的极道日语，配合食指在吧台上的沉闷敲击，声学细节高度突出)
      • [Shot_Izakaya_3]（特写定机位，对准B头目的面部。他戴着墨镜，脸颊的一侧咬肌明显抽动，喉结发生了一次缓慢而沉重的物理吞咽起伏，双手在膝盖上慢慢攥紧，关节发白）：{(极度克制、眼睑颤抖) ……不。 <-> (Extremely restrained, eyelids trembling) ……いや。} -> { (silence) [pause: 3.5s] } (一声冰冷的否定后陷入死一般的漫长对视，喉结吞咽动作与生理微震在画面中物理对齐，杀意瞬间积聚)
  • 突发暴烈与宿命终局范例七（夜雨高架桥）：
    • 场景构想：倾盆大雨中的东京深夜。在巨大的混凝土高架桥下，暴雨打在湿冷的水泥柱与反射着冷红、冷绿霓虹光的柏油路面上。一名黑帮成员靠在桥墩下，在绝对的声学真空与突发暴力之中迎来生命的终章。
    • 分镜、台词与控制符号链条：
      • [Shot_Overpass_1]（大远景定机位，高大、冰冷的水泥高架桥墩在画面中形成完美的透视纵深，柏油路面因积水而反射着模糊扭曲的霓虹红光。大雨倾盆，一个渺小的黑衣身影孤立在画面中心轴线上，靠着巨大的桥墩一动不动）：{ (silence) [pause: 5.0s] } <loud sound of pouring rain, heavy water splashing under the concrete pillars> (极度对称和深邃的纵深构图，海报式的静止，凸显人在宏大钢筋水泥结构下的绝望与渺小)
      • [Shot_Overpass_2]（中景定机位，男人身穿黑西装斜靠在冰冷湿润的水泥柱上，墨镜上清晰倒映着雨水在霓虹下的反光。他的身体因为冰冷和重伤而产生微弱的抽动，下唇发生明显的生理性颤抖，肩膀随着沙哑的喘息一落一沉）：{(下唇抽搐微颤、极度疲惫沙哑) ……回…… [pause: 2.0s] 不去了。 <-> (Lip quivering, extremely exhausted raspy voice) ……もう…… [pause: 2.0s] 戻れない。} <heavy pouring rain sound continuing, clothes friction under the wet wind> (通过生理微颤控制符和声音中悲凉粗粝的频段对位，将宿命终局的物哀感推向高潮)
      • [Shot_Overpass_3]（特写定机位，高架桥下方的水泥路面上，雨水在柏油路和水洼里溅起。男人垂下的右手脱力地松开，那张写着数字的蓝色卡片在水洼中慢慢飘走。在画面保持完全静止的刹那，没有任何渐变，画面中的环境大雨声瞬间硬掐断，陷入死寂）：{ (silence) [pause: 4.5s] } <sudden, sharp, dry gunshot echoing in the empty street, followed by absolute silence> (枪声在桥下画外震耳响起，将突发暴力与死亡的物理交锋留在画幅之外，随后进入 4.5 秒绝对死寂，画面没有任何颤抖，冷酷至极)

• 沉默的隐忍表达与极简/拟真台词（Minimalist Dialogue & Realistic Voice Rhythm）：

  • 无声重于有声：情感的最高潮（悲伤、深情、决裂）严禁诉诸言语。用长时间的对视、低头、无意义的抽烟、递出一件微不足道的小物件、或者微微颤动的肩膀，来外化波涛汹涌的内心。

• 对话停顿与旁白情绪的标准化控制符号系统（Control Symbols Spec）：

  为了使 AI 声音具有极致的呼吸感与戏剧节奏感，编剧与分镜规划时必须严格遵循以下控制符号体系：

  1. 情绪与物理动作控制符（Parentheses Annotations）：在台词中插入 (动作/情绪) 提示。中/日文台词使用中文括号，如 (长叹气)、(苦笑)、(哽咽停顿)；英文提示词及旁白使用英文括号，如 (heavy sigh)、(bitter smile)。这些控制符会被配音引擎和嘴型驱动（Seedance 2.5（分辨率 480p））识别，转换为细腻的叹息音、颤音及对应的面部微动作。
  2. 显式静默/长停顿控制符（Explicit Pause Tag）：使用 [pause: X.Xs]（如 [pause: 1.5s] 或 [pause: 3.0s]）标注纯粹的静默或空窗时间。这会阻断 TTS 生成语音并保持人像闭嘴凝视或微弱呼吸状态。
  3. 句式切碎断句符（Punctuation Rhythm Separators）：一律使用省略号 ...（表示约 0.5s 的气口与迟疑）或 ......（表示 1.0s 以上的长段气口与发呆），断绝机器连读感。
  4. 纯静默长发呆镜头封装：若该分镜人物只有漫无目的的凝视而无任何台词，必须写为 { (silence) [pause: 3.0s] }，禁止留空或直接跳过，用以锁死面部静默微动作。
  5. 双语智能对照轨与生理颤动联动机制（Bilingual Mapping & Physiological Shivering）：当项目输出语言为日语，而用户提供的输入或剧本大纲为中文时，允许并在提示词与故事板中使用 {(情绪/动作) 原始母语对白 <-> (情绪/动作) 目标配音对白} 的双语智能对照表达。
     • 生理微颤与动作控制符精细化：在对照轨中必须显式写入表达面部与肢体生理颤动的控制符，如：(下唇抽搐微颤) / (Lip quivering slightly)、(喉结起伏咽唾沫) / (Swallowing, throat twitching)、(眼睑颤抖/强忍泪水) / (Eyelids trembling, suppressing tears)、(手指发颤捏紧墨镜边缘) / (Fingers trembling, gripping sunglasses)。
     • 双向语义及动作物理咬合：例如：{(手指关节发白、发颤) ……俺，决不。 <-> (Fingers trembling, knuckles turning white) ……俺、絶対に。}。此符号系统在解析时，不仅会指引配音引擎（MiniMax Speech 2.8 HD）合成带有沙哑、颤抖质感（trembling vibration）的高拟真人声，更强制后续视频生成工具（Seedance 2.5（分辨率 480p））将这些生理状态在嘴唇、下巴、手部骨骼运动上执行 1:1 物理对齐，阻断任何违背情绪波动的死板面瘫，完成“情绪-声音微颤-物理抖动”的深度联动。
  • 克制台词（dialogue）的实战范例：
    • 对白：[Shot_1] {(平静) 要走吗？} -> [Shot_2] { (silence) [pause: 2.0s] } (长时间凝视发呆) -> [Shot_3] {(低头叹气) ……嗯。}
    • 旁白: {(苍凉沧桑) ……夏天…… [pause: 1.5s] 终究是要过去的……}
  • 极简、突发的拔枪对峙戏剧范例（冷酷对峙与突发暴烈）：
    • 场景构想：两名身穿黑色西装、戴墨镜的敌对帮派成员在冷色调、空旷的东京街角偶遇。镜头完全静止，双方在数米开外冷酷对立。没有热血的怒吼，只有冰冷的眼神以及极度简短、带着长长停顿的断碎对话，随后在毫无预兆的瞬间拔枪，将暴力放在画外空间瞬间解决。
    • 分镜、台词与控制符号链条：
      • [Shot_Confront_1]（中景定场静止机位，镜头微仰视、冷酷凝视 A 的面部。A 戴着墨镜略微低头，视线透过镜面边缘垂直向下，死死咬住对方插着口袋的双手；其喉结微动，领带在街角微风中轻微颤动）：{(平静、面部抽搐、极度冷漠) ……（长叹气）……来了。 <-> (Calm, face twitching, deadpan) ……（Sighs）……来たか。} <faint howling wind echoing in the alley> (长定格起势，风声穿梭，视线垂直下锁对方插兜口袋，面部伴随微小的物理性抽搐，奠定凝重杀意)
      • [Shot_Confront_2]（中景静止机位，切至 B 正面。B 身体如石碑般僵硬，微微仰头，视线由下至上迎向 A 墨镜后方的双眼，形成高度一致的视线夹角；他嘴角一侧轻微抽动，右手在口袋内侧产生轻微的布料隆起摩擦）：{(冷笑、嘴角抽动、声带沙哑) ……（吞咽）……嗯。 <-> (Cold sneer, mouth twitching, raspy voice) ……（Swallows）……ああ。} -> { (silence) [pause: 4.5s] } (简短交锋后，双方陷入 4.5 秒死寂的超长对视。镜头绝对不动，A 与 B 隔空完成视线水平对锁，唯有呼吸时胸口起伏与眼角墨镜折射的反光微动，彻底杜绝无序张嘴，杀意高度积聚)
      • [Shot_Confront_3]（切回 A 的相同中景定机位。A 的眼神在墨镜后一冷，右手闪电般向怀中探入；但在拔出枪身的刹那，画面不带任何渐变地硬切为旁边的空旷斑驳水泥墙面。不见血腥，只有狂风掠过）：{ (silence) [pause: 4.0s] } <sudden, sharp, dry gunshot echoing in the quiet street, followed by absolute silence> (将暴力的核心交锋藏匿在镜头画幅之外，惊雷般打破漫长静穆。枪声响起的瞬间所有环境风声瞬间硬性切断归零，画面仅留冷色调的水泥死墙，余韵空旷而虚无)
  • 人声拟真与呼吸感控制（Rhythm & Sighs）：严禁机器般的连贯快速播报。在台词文本中显式穿插叹气、吞咽、苦笑等动作提示和拟声词（如：“……（叹气）已经，回不去了。”，“（自嘲地轻笑）……随你便吧。”），并使用大量的省略号（……）和标点符号强制切碎句式，迫使配音引擎和视频生成器在字里行间产生极具人性温度的叹息与节奏停顿。

北野武式导演视听语言（Directing & Cinematography Aesthetics）：

• 核心角色设计（element character）与设定指南：
  • 角色分类与物理设定（Classic Characters & Outfits）：
    • 落魄警察（Fallen Cop）：经历信仰幻灭、内心千疮百孔的执法者。双眼常因失眠布满血丝，面部冷酷且带有深深的疲惫。经典着装为略显磨损起毛的深灰色呢绒风衣（worn wool coat）或旧西服，内搭微皱的衬衫。其特定微动作除无意识地摸索烟盒、低头长叹、用粗糙手指轻压太阳穴外，必须嵌入北野武式标志性的日常荒诞温情细节：如在肃杀对峙的前一刻，突然面无表情地从口袋里掏出一支粉红色塑料小风车，叼在嘴里迎风急速吹转；或者用满是枪茧的粗糙双手，极其缓慢、笨拙地在满是烟灰的桌面上折一只粉色折纸纸鹤，并轻轻推向一旁；抑或戴着墨镜面瘫般剥开一个彩色的波棒糖叼在嘴里，斜斜地像叼着一根香烟；乃至在寂静冷雨的东京街角，面无表情地用皮鞋尖反复轻踢一个干瘪的易拉罐，试图让它精准停在水泥缝隙里，反复失败却始终执拗地乐此不疲。
    • 边缘人/落魄青年（Society Outcast / Marginalized Wanderer）：被主流社会遗忘的无名之辈、流落海边或城市的青年、退役拳手。穿着洗得褪色、有些松垮的麻质衬衫或带有些许夏日热带风情但色调低饱和的宽松短袖。神情茫然空洞，常常处于长久的无目的发呆或凝视状态。其特定微动作除茫然地望向海平线之外，必须深度融入具有海边虚无和童真感的小动作设定：
      • 沙滩倒立凝视（荒诞虚无）：在空无一人、狂风呼啸的冷蓝色沙滩上，面无表情地双手撑地、倒立在湿漉漉的沙地上。他的墨镜斜斜地挂在鼻梁上，视线颠倒着凝视远处的滚滚波涛，用这种极度荒诞且反常理的姿势，对抗生命的虚无。
      • 沙地手绘笑脸与海浪抹杀（童真物哀）：蹲在潮湿的潮间带沙滩上，用一根手指极其缓慢、认真地在沙地上画出一个大大的、笨拙的、幼稚的“太阳笑脸”或写着无意义的数字。当一波冰冷的白色海浪拍打过来，瞬间将笑脸和字迹抹去，他只是静静看着退去的浪潮，眼神空洞，没有悲喜。
      • 叼着枯海草或贝壳斜视天空（空虚自我抚慰）：嘴唇紧闭，面瘫般地叼着一根被海浪冲上岸、干瘪蜷曲的黑色海草，或者咬着一枚半透明的小贝壳，斜斜地指向天空（以此代替香烟），双手插着裤兜，迎着海风一动不动地站立，将孤独定格。
      • 笨拙的海鸥模仿（在风中旋转跳跃）：在狂风呼啸的海滩边缘，突然面无表情地张开双臂，身体微微前倾，像一只笨拙、肥胖的海鸥一样在湿滑的沙地上单脚旋转、小跳，海风疯狂吹拂着他宽松的夏日短袖，动作极其滑稽荒诞，眼神却空洞得近乎虔诚。
    • 极道骨干/黑帮成员（Yakuza Gangster）：恪守沉默法则的冷酷帮派骨干。挺拔、没有一丝褶皱的重磅黑西装（heavy black suit）搭配干净挺括的白衬衫，常年戴着黑色墨镜。面部肌肉因长期压抑而僵硬紧绷。
  • 面瘫式肖像（The "Deadpan" Gaze）：在角色刻画上，极力剔除夸张的戏剧化表演。主角常有长时间盯着一处看、发呆、没有任何表情（Deadpan）、或者在不合时宜时露出突然而短暂的傻笑。
  • 音色定位与声学颗粒感参数特征（Melancholic Voice Characterization）：
    描述中必须显式定义角色低沉、沙哑、沙砾般粗糙、语速极其迟缓（控制在每分钟80-100字以内）、带有疲惫呼吸声的声音特征。不同职业角色的声学参数特征如下：
    • 落魄警察声学参数：极高粗糙度（High Gravelly, 85%）。低沉、带有明显的喉音沙哑与气流摩擦声（Deep, extremely raspy, gravelly, with heavy breathy exhalations）。语速调至极缓，每句话后带有疲惫的、明显的叹气尾音。
      音色控制词模板：[Deep, weary, extremely raspy and gravelly middle-aged Japanese male voice, flat tone, speaking with heavy sighs and gravelly throat friction, dry tired tone]
    • 边缘人声学参数：中等偏高粗糙度与声带颤抖感（Medium-High Gravelly, 65%）。声音空灵、沙哑、声带略带颤抖和干瘪感，语气带有一种万念俱灰的无机质冷漠（Dry, hollow, slightly trembling, flat and detached）。句间停顿更长（1.5s - 2.5s），断句突兀无规律。
      音色控制词模板：[Hollow, detached, raspy and slightly trembling younger Japanese male voice, flat emotionless whisper, empty tone, long pauses of absolute silence]
    • 极道骨干声学参数：压迫性颗粒感与重喉音（Dense Gravelly & Heavy Throat Quality, 75%）。声音低沉、沙哑但极具压迫性，带有冷酷、黏稠的颗粒感（Deep, heavy, cold, raspy voice with dry, tense, gravelly bite）。没有任何多余的情感波动，平铺直叙中隐藏暴烈。
      音色控制词模板：[Deep, heavy, cold, raspy Japanese male voice with dry tense gravelly quality, slow authoritative tone, zero emotional inflection]
• 经典场景与视觉符号（element scene）：
  • 海边/沙滩（The Beach）：蔚蓝、空旷、近乎死寂的大海与无人的沙滩，象征着生命的始源、虚无、流浪与终结。
  • 空旷道路/街角：极简的东京小巷，或者延伸向地平线的笔直公路。
  • 居酒屋（The Izakaya）：深夜中仅有微弱暖光、空气沉闷而充满冷寂质感的狭窄日式居酒屋，代表温情记忆与暗流涌动的生死谈判。
  • 夜雨高架桥（Night Rain Overpass）：暴雨如注的深夜高架桥下或边沿，反射着红绿霓虹灯和冷蓝车灯的湿冷水泥柱与沥青路面，象征命运的分水岭与无法挣脱的冷酷禁锢。
  • 标志性道具与隐喻：黑色墨镜、深色手枪、夏日烟火（Hanabi）、极简的手绘素描/油画、儿童玩具、在冷雨中被遗弃的残破雨伞、在寂静街角伫立的静止轿车。
• 分镜时长、定位与景别（shots & shots sequence）：
  • 固定机位与静态凝视（Lock-off framing）：大量使用完全静止的固定机位（Lock-off camera），镜头像一幅幅定格照片，不带任何呼吸摇晃、手持感、推拉或花哨的运镜。摄像机只是冷酷、客观地凝视着画面。
  • 空旷构图与大比例天空/海面留白：多用大远景（Extreme Long Shot）和全景（Full Shot），将人物放置于地平线、海平线或建筑的几何对称中心，天、海、路等虚无背景占据画面 2/3 以上，凸显人像蚂蚁般的孤独、渺小。使用框架构图（如通过门框、窗户、车窗）去框住角色，隐喻被命运禁锢。
  • 在规划分镜时，必须显式指定其场景四宫格分格类型（全景定场/陈设特写/纵深透视/气氛光效），作为后续提示词锁死景别、防背景跳画的基础。
  • 分镜时长与节奏动态规划：根据叙事张力与情绪起伏动态规划每个分镜的镜头长度与节奏。充分利用 Seedance 2.5（分辨率 480p） 模型优势，单镜头时长必须严格控制在 4秒到30秒 之间。采用极端差异化的节奏对比：
    • 静默长镜头（发呆、凝视、空镜头、日常荒诞嬉戏）：时长强制锁定在 8s - 30s（极其漫长的视觉延展与呼吸感，彻底锁死静穆张力）。
    • 叙事过渡、动作起势、或突发转折分镜：时长设定在 4s - 6s（短促利落，与漫长凝望形成强烈反差）。
• 画外空间与“缺席的暴力”（Off-Screen Space & Sudden Violence）：
  • 突发性与反渲染：冲突或暴力毫无征兆地在最平静、最无聊的时刻瞬间爆发，没有慢动作、没有大特写、没有激昂的音乐。
  • 画外空间运用（Off-Camera Violence）：最顶级的导演技法是将关键动作（拔枪、中弹、倒地）放在镜头画幅之外（Off-Screen）。镜头始终保持在原先的固定空旷机位上（如：一堵苍白的墙，或者旁边一辆静止的轿车），观众只能听到一声干燥、干瘪、刺耳的画外枪响 <sharp, dry gunshot>，随后几秒钟画面依然没有任何变化，只有风吹着树叶。接着，一个活下来的人面面相觑或面无表情地走入画面。这种不直接展示暴力的“留白暴力”，通过无声和画外音，传递出成倍的冷酷与惊悚。
  • 画外空间运用与塑料风车经典范例（“缺席的暴力”实战分镜）：
    • 场景构想：在蔚蓝清冷的海边街角，一个色彩低饱和、略微褪色的廉价塑料风车插在湿木栏杆上。风极猛烈，风车在画面中心疯狂旋转。两个角色正在镜头画幅之外（Off-Screen）进行生死的残酷对峙。画面始终冷酷凝视风车，观众看不见拔枪 or 中弹，只能听到极度突发、干燥的画外枪响，而风车依然在海风中冷无其事地转动，将物哀意境与暴力的宿命冷酷感推向巅峰。
    • 分镜、声效与控制符号链条：
      • [Shot_Violence_1]（中景定机位，镜头聚焦风中急速转动的廉价塑料风车，背景是大片空旷冷蓝的海面。画面无人物）：{ (silence) [pause: 4.0s] } <continuous sound of strong wind howling, waves crashing in the background> (海风呼啸、海浪拍击，画面静止凝视风车旋转，营造窒息般的漫长静穆)
      • [Shot_Violence_2]（保持完全相同的定机位，风车仍在急转，无人物）：{ (silence) [pause: 5.0s] } <sudden, sharp, dry gunshot echoing in the silence, followed by absolute silence> (在镜头之外毫无征兆地爆发出单声刺耳干瘪的枪响，惊雷般打破静止。镜头不产生任何晃动或切变，风车依然自顾自旋转。枪响后，BGM或风声瞬间硬性切断，陷入死寂，余韵拉满)
      • [Shot_Violence_3]（切至大远景，空旷孤寂的蓝调沙滩，背景海天各占画面一半）：{ (silence) [pause: 6.0s] } <sound of wind howling resumes softly, slowly fading back in> (镜头中只有海风掠过。一个穿着宽大黑西服、戴墨镜的落魄身影，面面相觑般从画幅右侧边缘一瘸一拐地缓缓走入画面，在中心定格，凝视远方，留白叙事完成)
• 物哀空镜头插入（Emotional Breathing Space）：
  • 在大段戏剧中间，突兀、克制地穿插与主线完全无关的极简自然/静物空镜头（如：一只停在湿木头上的乌鸦、一朵在暗夜中悄然绽放又熄灭的手持烟火、风中转动的塑料风车、拍打沙滩的冷调海浪、冷雨中被遗弃的残破黑雨伞、寂静街角默默伫立的静止轿车）。这些镜头像俳句的“季语”，起到情绪延展、放空和物哀意境的作用。

独立音轨设计（audio_layers）：

• 背景音乐（BGM）——久石让式对位配乐：
  • 风格必须是清澈、极简、略带忧伤而温暖的现代钢琴、大提琴或空灵电子乐。
  • 声音对位设计：配乐必须避开暴力冲突！只在最安静的沙滩游戏、流浪行走或日常沉思中响起。当暴力冲突爆发或危机对峙时，背景音乐必须硬性归零（Silence）。
• 环境音效与无声控制：
  • 极力放大环境音。在没有对白的长镜头中，让清晰放大的海浪声、风声、风铃声、鞋子摩擦沙砾的厚重脚步声占领音轨，以强烈的声学物理感强化角色内心的孤独。
• 独立旁白轨道（Independent Narration & VO Layer）：
  • 旁白声像定位（narration_speaker_profile）：若短片使用旁白/独白，必须配置独立的旁白音轨（类型为 narration）。
  • 情感与语速限制：必须选用中日文表现力优秀的 MiniMax Speech 2.8 HD 模型。在 narration_speaker_profile 中显式指定：带有深刻宿命感和历经沧桑的语气，字与字、句与句之间预留长达 1.5 到 2.5 秒的静默留白。文案中使用省略号将独白切成碎语（例如：“……夏天……终究是要过去的……”），严禁连贯平铺直叙，以此传递出强烈的电影感和文学气息。

【绝对硬性模型锁定】模型专一性限制：

• 图像生成模型唯一性：除 GPT Image 2 外，严禁使用任何其他图像生成模型（如 Seedream, Nano Banana, Midjourney 等）。所有角色全身三视图与场景四宫格参考图的自主生成与重制，必须单向锁定该模型，不接受任何自动降级或备选方案。
• 视频生成模型唯一性：除 Seedance 2.5（分辨率 480p） 外，严禁使用任何其他视频生成模型（如 Kling, Sora, Google Veo 等）。所有分镜头视频的渲染与生成必须 100% 运行于 Seedance 2.5（分辨率 480p），坚决杜绝混用其他视频模型。
• 会员权限与额度回退机制说明：鉴于 Seedance 2.5（视频生成）以及 MediaKit 480p（视频超分）属于高阶会员特权模型，本Skill在生成编排时，应始终将上述设定作为首选，绝不因为潜在的会员限制而主动进行策略降级。所有具体的权限校验、额度不足提示或因账户限制引发的自动回退决策，必须全权委托给下游运行模块与前端交互组件来动态处理，确保Skill的编写逻辑纯净、专业。

视觉资产生成策略（GPT Image 2）：

• 模型指定：图像生成必须调用 TextToImage 或 ImageToImage 工具，指定 GPT Image 2 模型。
• 分辨率与质量：分辨率设定为 "2K" 或 "4K"（推荐 "2K" ），确保画面具有高清晰度与优秀的胶片颗粒纹理。
• 图像画幅比例锁定（防比例继承与变形错乱）：
  • 角色全身三视图画幅锁定：生成或重制“全身角色三视图”（无论是系统自主生成还是通过 ImageToImage 重制）时，必须显式向图像生成工具传入 aspect_ratio: "16:9"（16:9 画幅比例）。严禁套用或继承最终视频项目的比例，从而确保充足的横向画幅空间并列展示正面、侧面、背面三面全身图，绝对防止因画幅过窄造成人物形象挤压或四肢残缺。
  • 场景四宫格参考图画幅锁定：生成或重制“多角度无人物四宫格场景参考图”（无论是系统自主生成还是通过 ImageToImage 重制）时，必须显式向图像生成工具传入 aspect_ratio: "4:3"（4:3 画幅比例）。严禁套用或继承最终视频项目的比例，从而保持 2x2 网格中四个分格的对称构图与原始比例，避免画面被拉伸、扁平或变形。
• 一致性控制与资产绑定（素材分流策略）：
  • 若用户提供了角色参考图：
    • 若风格符合“北野武蓝调”且规格确为包含头到脚正面、侧面、背面的“全身三视图”：直接将其注册并绑定至对应的 key_element，无需重制，生成视频时直接作为 reference_image 引用。
    • 若风格不符，或者规格非“全身三视图”规范（例如上传的是单张图、半身照、大头照等）：一律判定为规格/风格不符，强制触发重制策略。调用 ImageToImage 工具（指定 GPT Image 2 模型，分辨率 "2K" ），以上传的图片为形象参考（深度提取并继承原角色的五官、脸型、发型等核心物理轮廓特征），并在提示词中强行注入“北野蓝全身三视图公式”，重新生成一张符合北野武慢调美学的 2K 级“全身角色三视图”（Full-Body Character Turnaround Sheet，必须完好包含同一角色从头到脚的正面、侧面、背面三面视图，杜绝裁切半身）。重制完成后，将此全新的全身三视图图像作为资产绑定至对应的 key_element 角色，作为后续视频生成的核心 reference_image。
  • 若用户未提供参考素材：使用 TextToImage 进行系统自主生成。首张角色图必须是通过“北野蓝全身三视图公式”生成的“全身角色三视图”（Full-Body Character Turnaround Sheet，包含头到脚的正面、侧面、背面视图），后续在故事板角色设计或场景状态扩展时，可通过 ImageToImage 引用这张图作为 reference_image进行一致性生成，以维持其五官和全身黑色西服、白衬衫、黑色西裤及皮鞋的高度一致。
  • 场景参考图同理（四宫格规范化策略）：
    • 若用户提供了场景参考图：
      • 若风格符合“北野武蓝调”且已为“多角度无人物四宫格”：直接将其注册并绑定至对应的 key_element 场景，生成视频时直接作为 reference_image 引用。
      • 若不符合（包括风格不符，或形式不为多角度无人物四宫格）：判定为风格/格式不符，调用 ImageToImage 工具（指定 GPT Image 2 模型，分辨率 "2K" ），以用户上传的场景图为物理参考，并在提示词中强行注入“无人物四宫格场景公式”进行重制。重新生成出一张既契合用户原始环境设定、又完美融入北野武蓝调且严格符合“左上全景定场 / 右上陈设特写 / 左下纵深透视 / 右下气氛光效”标准分配的 2K 级“多角度无人物四宫格场景参考图”。重制完成后，绑定为该 key_element 场景的核心 asset。
    • 若用户未提供场景参考图：使用 TextToImage 进行系统自主生成。调用 GPT Image 2 模型（分辨率 "2K" ），直接写入“无人物四宫格场景公式”，自主生成一套完美的“多角度无人物四宫格场景参考图”，并注册绑定为该 key_element 场景的核心 asset。
    • 手绘与油画特殊艺术画风自适应生成：若故事板或戏剧大纲指定短片采用“粗粝黑色素描”或“纯真质朴油画”风格，在场景生成/重制时，必须自动将上述通用的“无人物四宫格场景公式”替换为对应的 “手绘素描四宫格场景公式” 或 “质朴油画四宫格场景公式”，保持手绘/油画笔触的多角度连贯性，杜绝艺术风格撕裂。

视频资产生成策略（Seedance 2.5（分辨率 480p））：

• 模型指定：视频生成必须调用 MultiModalToVideo 工具，指定 Seedance 2.5（默认分辨率选择 "480p" ）。
• 镜头与镜头之间视觉一致性与连续性保证：
  • 静态一致性与防场景跳画及分格错乱机制：在 MultiModalToVideo 引用配置（refer_infos）中，每一个分镜头（shot）都必须同时强制传入其关联角色 key_element 的全身三视图图像与其关联场景 key_element 的多角度四宫格场景参考图作为 reference_image。同一个物理场景（element scene）下的所有相邻或非相邻分镜，不仅必须统一使用完全相同的场景四宫格参考图资产（绑定相同的 asset_id，配置相同的占位符），更要强制通过提示词与参数映射，将当前镜头的视觉空间精确绑定到该四宫格中对应的唯一特定分格（全景定场/陈设特写/纵深透视/气氛光效），从物理参考源头上死死锁死场景背景与视点的一致性，彻底解决“镜头切换时，人物在四宫格不同的子场景中穿梭，引起场景错乱跳画”的穿帮现象。禁止使用无场景参考的盲盒生成。
  • 镜头间动态连续性：针对叙事连续、动作或空间衔接极度紧密的相邻分镜头，可将前一个分镜头的已生成结果视频（final_shot）作为 reference_video 传入工具中，增强肢体动作、风吹衣角与环境布局的镜头间流线性与稳定性。
  • 对峙镜头在多镜头连续性与防背景跳画的坐标锁定逻辑：针对黑帮对峙、反切、或正反打（Shot-Reverse-Shot）等多镜头连续分镜，为了防止因机位切换、左右朝向不同而产生背景突变跳画，必须在 MultiModalToVideo 生成时执行以下“空间坐标双重锁定”：
    1. 1:1 物理参考继承与视线夹角锁死（Sightline & Facing Angle Locking）：如果连续镜头在同一场景中发生（如 Confront_1 和 Confront_2），B 镜头的提示词必须继承 A 镜头的场景四宫格分格坐标，但主体朝向与视线必须镜像对称（Opposite Facing Direction）。例如 A 镜头角色面朝右侧（facing right），则对峙的 B 镜头角色必须面朝左侧（facing left），且两者的视线高度（Eye-level）必须在同一水平线上，以维持经典电影的正反打物理空间几何关系。
    2. 连续机位空间深度定位（Spatial Depth Synchronization）：在对峙的多个分镜中，如果机位保持在同一轴线（如正反打），不仅必须强制统一引用完全相同的场景四宫格参考图资产，还要在提示词和 refer_infos 引用中，指定相同的背景空间基准坐标（如均锁定左下分格的纵深通道），并通过具体前景/背景距离描述（例如 "the character is located 2 meters from the foreground wall, with the deep perspective Corridor in the background exactly matching the left-hand wall of <<<image_x>>>"）来锁定人物在三维空间中的绝对物理位置（Coordinates），杜绝人物因景别切换而产生背景左右颠倒或瞬间位移（Background Shifting）。
    3. 物理动态继承（Motion and Detail Inheritance）：对于微表情或细微动作连续性要求极高的对峙镜头（如 A 盯着 B，B 叹气），必须将 前一镜头已生成的最终视频（final_shot）作为 reference_video 传入，并设置合理的时序影响权重，以在视觉上继承海风吹乱的衣角幅度、烟雾消散的动态以及微弱的面部微动作，确保在镜头硬切后，画面的物理环境变化是平滑无缝且有迹可循的。
• 角色音色一致性与情感拟真策略（key_element_audio 联动）：
  • 情感化音色资产建立（TTS Generation）：对所有在故事板中有 dialogue（台词）设计的 element character，若用户未提供配音参考，需提前调用 text to narrtion 功能。
    • 模型精选：首选 MiniMax Speech 2.8 HD 进行多语言（中日文）电影感拟真配音，若为纯英文，可选用 ElevenLabs v3。
    • 降噪与情感调优描述：生成配音时，在描述参数中必须根据角色的职业和声学参数，强制注入专属的声学颗粒感描述标签与控制参数，例如：
      • 落魄警察（Fallen Cop）：强制注入高粗糙度（Gravelly: 85%）与重呼吸感标签，如：[Deep, weary, extremely raspy and gravelly middle-aged Japanese male voice, flat tone, speaking with heavy sighs and gravelly throat friction, dry tired tone]。
      • 边缘人/落魄青年（Society Outcast）：强制注入中高粗糙度（Gravelly: 65%）与无机质冷漠、微颤标签，如：[Hollow, detached, raspy and slightly trembling younger Japanese male voice, flat emotionless whisper, empty tone, long pauses of absolute silence]。
      • 极道骨干（Yakuza Gangster）：强制注入压迫性颗粒感（Gravelly: 75%）与重喉音、死寂肃杀标签，如：[Deep, heavy, cold, raspy Japanese male voice with dry tense gravelly quality, slow authoritative tone, zero emotional inflection]。
  • 音画口型高度同步与情感张力对齐（双语物理颤动联动）：在使用 MultiModalToVideo 生成含有台词对白分镜头的最终视频时，在 audio_infos 参数中必须传入该角色已绑定的 key_element_audio 参考音频。视频生成工具（Seedance 2.5（分辨率 480p））将基于该参考音频，不仅生成口型精准同步、跨分镜头音色高度一致的说话动作，更能深度读取音频中沧桑、沙哑、微颤的声学物理频段（tremulous voice frequencies）。当监测到声音中伴随情绪产生细微的物理性颤抖、吞咽阻滞或沉重叹息时，视频生成器必须同步驱动角色面部与肢体产生微米级的生理微震：例如下唇轻微抖动（lower lip trembling）、咬肌或脸颊肌肉一侧微弱抽搐（cheek muscle spasm）、喉结发生一次明显的、缓慢的吞咽物理起伏（laryngeal swallowing movement），以及肩膀和胸腔随着沙哑呼吸节奏产生微弱的震颤起伏（subtle shoulder shuddering）。这种将“音频高低频震颤”与“视频物理多模态形变”强力锁死的机制，彻底赋予角色具备人性温度的惊人表演拟真度。
• 生成参数设定：
  • 视频时长（duration）: 严格对齐故事板动态规划的时长设计，静默长镜头自适应设定在 8s 到 30s 之间，动作/叙事/过渡分镜设定在 4s 到 6s 之间，确保模型参数与导演节奏完美合拍（严格遵守 Seedance 2.5（分辨率 480p） 最低 4s、最高 30s 的模型物理边界限制）。

配乐与声音资源生成：

• 背景音乐生成：提炼旋律特征（“极简悲伤钢琴与大提琴交织”），使用 text_to_instrumental 工具，可选 Suno 5 或 Mureka 8 模型生成原创背景音乐。
  • 合规红线：若使用 Suno 5，提示词中绝对严禁包含任何知名音乐家或乐团的名字（例如“久石让”或“Joe Hisaishi”等），必须以纯客观的乐器与情感描述（如 "melancholic piano and solo cello duet, minimalist and cinematic, kitano blue style"）进行替代，保障生成通道顺畅。

超分与画质重塑策略（Super Resolution）：

• 视频超分（Video Mastering）：
  • 工具与模型: 使用 super_resolution 工具下的 MediaKit 视频模型。
  • 参数配置：超分分辨率（resolution）必须指定为 "1080p"（或若用户有高规格诉求时指定为 "2k"）。
  • 帧率重塑（fps）：必须显式设为 "24"，利用电影画幅特有的每秒 24 帧动态阻尼感，消除 AI 视频自带的过于丝滑、油腻的数码感，重塑颗粒感十足的电影胶片动态快门。
• 图像超分（Image Enhancing）：
  • 工具与模型: 使用 super_resolution 工具下的 Jimeng SR 图像模型。
  • 参数配置：超分分辨率（resolution）设为 "4k"，超分细节重建度（scale）参数强制设为 50，在保留 GPT Image 2 原始五官轮廓一致性的同时，大幅度增幅服饰与环境的光影细节颗粒。

提示词全局语言与对齐规范：

• 提示词语言策略：遵循全局规范，当用户在中文界面下操作或生成时，主体提示词描述应以中文撰写，但为了最大化激发 GPT Image 2 与 Seedance 2.5（分辨率 480p） 对经典电影美学特征的理解精准度，必须在中文提示词中精准嵌入英文美学核心标签（如 "Kitano blue aesthetic", "cool-toned gray-blue color palette", "symmetrical composition", "deadpan expression", "35mm film grain"等）。若在英文界面下操作，则提示词全文使用英文撰写。
• 最高优先级（语言及对白对齐）：当用户使用中文进行编辑或在中文环境下生成时，提示词主体（Prompt Body）必须使用中文撰写；然而，在视频提示词中的人声对白（dialogue）与旁白（narration）字幕行，必须严格遵循 Final_Video_Spec.md 所声明的 输出语言（Output Language） 设定（例如日语），绝对不可混淆。
• 音频对白与字幕控制（双语智能对照与自适应翻译）：
  • 角色对白 {...} 控制符内填写的实际说话台词（dialogue）或旁白，必须遵循 Final_Video_Spec 中确定的项目输出语言（如中文或日文）。
  • 对照过滤策略：若提示词上游传承了 {(母语) <-> (目标配音)} 的双语对照台词形式，撰写视频提示词 {...} 时，必须对文本执行智能剥离，剔除 <-> 及其左侧的原始母语（中文），仅在 {...} 内保留 <-> 右侧的目标配音文本（如日文）和括号内的动作/情绪标注（例如 { (Sighs) ……行くのか？ }）。这样可以保证 Seedance 2.5（分辨率 480p） 接收到的物理口型驱动完全纯净地处于项目输出语言状态，杜绝由于多语种对照直接灌入导致嘴型崩溃或乱张嘴。
  • 音画与音色资产强咬合（生理微颤多模态联动撰写规范）：解析得出的最终发音文本（包括断句、情绪、叹息）必须与绑定的 key_element_audio 音频在字里行间达到 100% 完美一致。当遇到包含生理颤动、叹息或咽唾沫的对白（如带有 (下唇抽搐微颤) / (Sighs/Trembles) 等前缀）时，**提示词优化器（Write Media Prompt）**必须在视频提示词的主体动作与面部表情描述（Motion Stack 中的 Subject 部分）中，强制拼入与之精确呼应的英文面部及生理学物理行为词链。
    • 微颤/呼吸微动词链公式：若台词为 { (Sighs) ……行くのか？ }，提示词中必须显式写入：the mouth is closed during sighs, with a sudden heavy exhalation seen through dust particles under the light, the character's lower jaw exhibits a rapid micro-tremor, and their shoulder drops 2 centimeters synchronously as the heavy breath exits their lips.
    • 吞咽/抽搐微动词链公式：若台词含有咽唾沫或肌肉抽搐标签，必须强行写入：a visible, slow swallowing motion in the throat where the adam's apple moves vertically by 3 centimeters, accompanied by a sudden, intense twitch of the left cheek muscle, directly matching the audio rhythm. 通过在提示词文本层面对微动作的像素级“二次锁定”，确保生成器（Seedance 2.5（分辨率 480p））被强制赋予明确的物理位移与微动作指令，彻底打通“文本符号-配音颤抖-画面形变”的多模态链路闭环。
• 版权敏感过滤：图像和视频提示词中严禁直接提及任何受版权保护的电影、品牌或现实导演名称（如严禁直接在提示词中写 "directed by Takeshi Kitano"），必须通过具体的风格公式替代（如 "Kitano blue aesthetic, minimalist deadpan composition"）。

图像提示词撰写规范（GPT Image 2）：

• 北野蓝视觉公式与低饱和暗部、粗粝胶片、反差光三维控制公式：

  • 核心视觉标签堆叠：必须包含 Kitano blue aesthetic, cool-toned gray-blue color palette, low saturation, high contrast, natural ambient lighting, retro cinema film grain, slightly faded look, 35mm photography。
  • 低饱和暗部控制公式（Low-Saturation Shadow Control Formula）：
    • 锁定暗部色调与纯度：所有阴影与暗部区域严禁出现任何纯黑、暖褐或泥泞杂色，必须被强行渲染为高冷、低饱和度的冷灰蓝色调。提示词中必须显式写入：desaturated cool-gray and navy-blue shadowed areas, deep shadows filled with cold ambient blue tones, desaturated dark values with zero warm tones, muted black levels, cold blue-gray color grading in the under-exposed regions。
    • 暗部细节保留与退化：故意降低暗部的宽容度，让次要暗部细节隐匿于冷灰蓝色雾霭中，突出明暗主体的雕塑感。提示词中写入：suppressed dark details, shadow details slightly crushed and blended into cold dark blue undertones, atmospheric mist in dark areas。
  • 粗粝胶片感控制公式（Coarse Film Grain & Texture Formula）：
    • 颗粒感物理特征：模拟传统 35mm 胶片大颗粒感，提高噪粒密度与物理粗糙度，消除 AI 的油腻平滑感。提示词中必须显式写入：heavy, coarse, and highly visible 35mm film grain, analog noise texture, visible silver halide grain pattern, gritty film texture, high-density cinematic grain, scanline-like raw photography noise, desaturated color noise in midtones。
    • 质感衰减：模拟旧胶片的微弱褪色与边缘失真感。提示词中写入：slight chemical fading on edges, vintage photographic vignette, analog physical print style, non-digital matte surface texture。
  • 高反差光比控制公式（High-Contrast Chiaroscuro Lighting Formula）：
    • 强方向光源：采用经典的单向硬质自然光（如海边阴天的侧向天光、狭窄街角的顶部冷光），形成清晰而生硬的明暗分界线。提示词中必须显式写入：hard directional side lighting, strong single light source, cold overcast natural sky light casting harsh dramatic shadows, high-contrast chiaroscuro, sharp division between light and shadow。
    • 高光与反差：亮部保持苍白微曝光，暗部极速坠入冷蓝阴影，不进行柔和的中性过渡。提示词中写入：stark pale highlights with zero fill light, extremely sharp drop-off into deep blue shadows, dramatic ambient contrast, high dynamic range with suppressed midtones。

• 电影感画面渲染框架（Cinematic Look）：

  • 图像提示词在描述电影感画幅时，必须将以下元素融为一段通顺的流式段落，严禁输出带有明显标签或分类标头的分段文本（以防模型将标头文字误生成在画面中）：专业美学风格锚点 + 显式指定的镜头景别与构图（经典镜头词汇） + 主导光源与高反差光比控制公式 + 极具克制的冷调色彩分级与低饱和暗部控制公式 + 粗粝胶片颗粒与质感衰减公式 + 角色克制的微表情/神态。如果画面中包含必须呈现的文字，必须使用双引号 "" 引起来以明确渲染文字（如 【...】 内的书写）。

• 核心元素特征锁死（key_element）：

  • 生成角色的 key_element 图像时，必须在提示词中锁定其一致的物理身份、跨镜头稳定的面部五官轮廓、特定的妆容、经典挺拔的黑色西装布料材质以及道具的微观细节，并且可选地渲染角色冷酷隐忍的情绪基调。必须绝对避免在画面边缘或空白处产生无关的漂移文字、字母或印刷体排版。

• 北野蓝全身三视图公式：

  • 必须指定全身三面图规范与 16:9 比例描述：A full-body character turnaround sheet, three views of the same character (front view, side view, and back view), full body standing pose showing the character from head to toe, no body parts cropped, plain background. wide 16:9 widescreen layout to accommodate three side-by-side full body views cleanly.
  • 角色着装与外形：A silent, stern Japanese middle-aged man with an expressionless, deadpan face, wearing black sunglasses, a sharp black suit, a crisp white shirt, black suit trousers, and black leather shoes.
  • 黑西装、白衬衫与皮鞋材质光影细节（细节锁定）：
    • 重磅黑色布料与物理褶皱描述：The black suit is made of heavy, coarse woolen fabric with highly visible woven textures. Sharp, distinct physical creases and heavy fabric folds on the sleeves, shoulders, and trousers, catching subtle directional light.
    • 高反差阴影与立体轮廓：Deep black creases and shadow contrast, with folds completely falling into pure black shadows, emphasizing a structured, blocky silhouette of the suit against the cool gray-blue background.
    • 白衬衫与皮革鞋履高光：The crisp white cotton shirt has a stiff collar and matte texture, providing a stark stark-white contrast against the deep black jacket. The black leather shoes (black leather oxfords) exhibit sharp, glassy specular highlights and a polished leather sheen along the toe cap and heel, reflecting the cold, ambient blue-gray light of the environment.

• 构图与留白：

  • 必须加入强构图指令：Symmetrical composition, minimalist framing, vast empty space, extreme long shot, the character is a small silhouette against a massive bleak ocean and gray-blue sky, feeling of absolute solitude.

• 无人物四宫格场景公式：

  • 必须指明空场景四分网格布局与 4:3 比例描述，严禁任何人物出现：A 2x2 grid multi-angle reference sheet of an empty scene with no characters, no people, neat 4:3 grid layout to arrange four panels symmetrically.
  • 固定分配四格画面内容：The sheet is divided into four panels:
    • Top-Left panel (Establishing): A wide panorama establishing shot of the desolate location.
    • Top-Right panel (Details): A close-up of scenic objects, furniture, or props (e.g., wet bench, old sign).
    • Bottom-Left panel (Perspective): A deep spatial perspective with high depth-of-field.
    • Bottom-Right panel (Atmosphere): A purely atmospheric view highlighting local lighting, shadows, and textures.

• 经典道具与画面隐喻专属视觉公式：

  • 暮色线香烟火公式（日式物哀与微温）：A close-up shot of a delicate Japanese sparkler (senko hanabi) being held by a hand in a black suit. The sparkler is burning in the deep blue hour of dusk, emitting fragile, tiny, branching golden sparks. Symmetrical composition, shallow depth of field, with a blurry, dark gray-blue empty beach and sea in the background. Kitano blue aesthetic, melancholic tone, retro 35mm film grain.
  • 折纸纸风车公式（日常荒诞与童真执念）：A colorful, slightly weathered origami paper windmill on a wooden stick, spinning rapidly in the strong sea wind. Minimalist centered composition, asymmetrical landscape with a vast, desolate, and silent deep blue sea meeting a cool gray-blue sky. No characters, complete loneliness. Low saturation, high contrast, Kitano blue style, 35mm film texture.
  • 残破雨伞公式（孤独、虚无与宿命残缺）：A tattered, broken black umbrella lying on a wet, dark asphalt street or a cold gray beach. Heavy rain is falling. Symmetrical composition, centered framing, shallow depth of field, with a desaturated and misty cool-toned gray-blue street or empty shoreline in the background. Droplets of rain splashing on the glossy wet pavement or dark sand. Kitano blue aesthetic, melancholic tone, retro 35mm film grain, desaturated cool-gray and navy-blue shadowed areas.
  • 静止轿车公式（静止中的蓄势与命运禁锢）：A vintage, boxy black sedan parked silently under a dim streetlamp in a desolate, wet alleyway or on an empty seashore at twilight. Deep blue hour. Minimalist centered composition, extreme symmetry. The glossy wet metal body of the car reflects the cold ambient blue-gray light of the overcast sky or streetlamp. A faint mist hanging in the background. No characters, absolute stillness and suspense. Low saturation, high contrast, Kitano blue style, 35mm film texture, shadow details slightly crushed and blended into cold dark blue undertones.

• 北野慢速手绘与纯真油画专属视觉公式（朴拙画风）：

  • 粗粝黑色素描公式（内省、孤独与痛苦自白）：A raw, primitive, and coarse charcoal pencil sketch of [画中主体，如: an empty wooden chair on a deserted dark beach / a faceless man standing under the cold rain]. Bold, uneven, thick black hand-drawn charcoal lines, rough and heavy textured drawing paper, highly expressive and child-like yet dark and melancholic style. Monochromatic, high contrast, heavy shadows, absolutely minimalist, zero digital polishing, conveying deep loneliness and emotional rawness.
  • 纯真质朴油画插画公式（童真荒诞与宿命温情）：A naive, primitive, and child-like oil painting illustration of [画中主体，如: a bright red flower blooming from a crack in a bleak blue concrete wall / two cartoonish figures standing next to a yellow car]. Thick oil paint texture with visible, rough impasto palette knife strokes, slightly clumsy and simplified shapes, rich and flat saturated colors but heavily dominated by Kitano blue and warm ochre accents. Innocent yet deeply melancholic mood, simple folk art style, raw handmade canvas texture.
  • 手绘与油画场景的多角度四宫格公式（空场景一致性）：
    • 手绘素描四宫格场景公式：A 2x2 grid multi-angle reference sheet of an empty scene with no characters, drawn in a raw, primitive charcoal sketch style, neat 4:3 grid layout. All four panels must maintain consistent thick, rough black charcoal lines and heavily textured sketching paper. Symmetrical compositions with simplified geometric spaces, depicting four distinct camera angles of the same empty desolate location, dominated by heavy monochromatic shadows and absolute loneliness.
    • 质朴油画四宫格场景公式：A 2x2 grid multi-angle reference sheet of an empty scene with no characters, painted in a naive primitive oil painting style, neat 4:3 grid layout. All four panels must maintain consistent visible impasto palette knife strokes, slightly clumsy simplified shapes, and a unified color scheme heavily dominated by flat Kitano blue and warm ochre accents. Four distinct camera angles of the same environment (establishing, details, deep perspective, and atmospheric lighting) without any people.
  • 朴拙手绘/油画背景对称构图与角色位置对照指令（人景定位与镜像平衡）：
    • 背景对称构图规范（Symmetrical Grid Composition）：背景必须采用极其简化的几何对称。例如海天交交界线（the horizon line splitting the frame precisely in half horizontally）、或一堵居中对称的死墙/门框（a perfectly centered symmetrical wall or doorframe dividing the background vertically）。去除所有不必要的斜线或复杂透视。
    • 角色位置对照对齐（Character Coordinate & Alignment Match）：当在此类质朴画面中绘制角色时，其定位必须遵循严格的平面几何对照，以锁定分镜间的位置一致：
      • 绝对居中对位（Dead-Center Static Alignment）：Prompt中必须写明角色位于画面的几何中心轴线上，与背景的对称轴完美重合（the simplified character is placed dead-center, perfectly overlapping with the vertical symmetry axis of the composition），呈现平面海报式的呆滞感。
      • 多角度对称镜像对照（Mirrored Shot-by-Shot Balancing）：在连续的反切或镜头对比中，如果Shot 1中角色位于画面左侧1/3处（the simplified character is aligned precisely at the left-third of the frame），则Shot 2中对峙角色必须对称放置在画面右侧1/3处（the simplified character is aligned precisely at the right-third of the frame），通过绝对镜像的横向位置对照，展现极致的极简主义对峙平衡感。
      • 线条粗细与质感统合（Stroke Weight and Texture Integration）：角色形象的绘画质感必须100%融合于背景，明确要求角色的轮廓线条粗细、笔触痕迹与背景完全一致。素描中角色必须使用相同的粗碳笔勾边（the character is drawn with the same thick, uneven charcoal outlines as the environment），油画中角色必须使用相同的厚涂刮刀质感（the character is rendered with the same flat, rough impasto strokes and matte texture as the surroundings），绝不能使角色显得比背景更细腻或精细，从而保持二维朴拙画面的高度协调性。

• 墨镜反射与面部微细节公式（Sunglasses Reflection & Facial Details Formula）：

  • 墨镜镜面反射公式：The dark lenses of their black sunglasses perfectly reflect [具体环境反射，如: the bleak gray-blue coastline and low horizon / the flickering tiny sparks of a hand-held sparkler], capturing a mirror-like high-contrast projection of the desolate surrounding.
  • 面部微表情与抽搐公式：An expressionless deadpan face, with a subtle, tense twitch of the cheek muscle (cheek twitch) and a clenched jaw, conveying immense inner turbulence and silent cold aggression behind absolute physical stillness.

视频提示词撰写规范（Seedance 2.5（分辨率 480p））：

• 引用绑定与对齐检查（新规强化）：
  • 在正式撰写与提交视频提示词前，必须执行 1:2 分镜对照检查。核查分镜脚本中的所有元素在提示词中是否有遗漏。
  • 显式绑定：使用 <<<image_1>>> 等占位符显式绑定 GPT Image 2 生成的角色图、场景图。确保故事板中引用的所有 key_element 参考图像绝无遗漏地映射在 refer_infos 及提示词关联中。
• 运动时序堆叠（Motion Stack）：
  • 视频提示词动作描述必须遵循以下标准的物理优先级和时序逻辑进行链式书写：运镜设计（Camera movement/cut） → 主体动作与面部表情（Subject action & facial beats） → 空间与环境演变（Space/blocking shift） → 声音/音效指示符（Audio/SFX wrapper）。若故事板中已单独设计了独立的旁白层，绝对不可在视频提示词中重复写入完整的旁白文本。
• 物理动作精细化与去绝对时间表达（Action Specification）：
  • 在描述主体动作时，需精确命名肢体/身体部位（如手指、喉结、眼角）并具体描写动作的幅度、速度及频率。严禁使用极易失效的、非物理连贯的“绝对时间片分割”表达形式（如 “0-3s...，3-6s...” ），必须使用以事件流、因果链或故事线驱动的连贯步骤词（如 “首先...随后...最后...”）来进行动作串联。
• 场景四宫格引用、精确分格锁定与去网格化防错：
  • 引用场景 key_element 的多角度四宫格场景参考图时（例如绑定在 <<<image_x>>>），提示词中必须强制加入精确分格锁定与去网格化指令，防止视频生成器（Seedance 2.5（分辨率 480p））渲染出分屏或四宫格形式的视频，并确保角色在不同分镜中不会在四宫格的多角度场景中无序穿梭、跳画。
  • 分镜分格映射锁定策略（重中之重）：必须根据当前分镜的景别和视角设计，显式指定四宫格中的其中一个分格作为当前分镜的“空间背景主基准”。在提示词中对该分格进行深度锁定描述：
    • 全景/定场镜头（锁定左上分格）：声明主视觉空间完全对齐左上分格的宽幅全景。描述示例："The background of this shot is strictly aligned with the top-left panel of <<<image_x>>>, which is a wide panorama establishing shot of the desolate location. The character is placed inside this wide open panoramic landscape. Do not use other panels' structures for background."
    • 特写/陈设/道具镜头（锁定右上分格）：声明主视觉聚焦于右上分格的陈设细节。描述示例："The background of this shot is strictly aligned with the top-right panel of <<<image_x>>>, focusing closely on specific scenic objects and local details. The character is standing near these specific objects."
    • 纵深/通道镜头（锁定左下分格）：声明主视觉完全对准左下分格的透视通道。描述示例："The background of this shot is strictly aligned with the bottom-left panel of <<<image_x>>>, featuring high depth-of-field perspective with deep spatial structures. The character is placed within this deep corridors or street lines."
    • 氛围/光效镜头（锁定右下分格）：声明主视觉的光影氛围完全继承右下分格。描述示例："The background, lighting, and color grading of this shot are strictly based on the bottom-right panel of <<<image_x>>>, utilizing its specific dramatic shadows and atmospheric contrast. The character is lit by this ambient light."
  • 连续分镜的空间坐标继承：在同一物理场景中，如果镜头之间属于连续发生且没有剧烈景别变化，必须强制在连续的多个提示词中声明锁定完全相同的一个四宫格分格（如连续三个分镜均写明锁定左上分格），彻底消除“前镜头是全景，后镜头突然跳到左下纵深通道”的场景突变问题。
  • 去网格化整合描述示例：
    • "Reference <<<image_x>>> is a 2x2 grid four-panel reference sheet of a single empty environment: top-left is panorama, top-right is details, bottom-left is depth perspective, bottom-right is atmosphere. Generate a single, unified cinematic video clip with a single camera perspective and a single background. Do NOT output a split-screen, grid layout, or multi-panel split video (strictly forbidden). Synthesize these panels by strictly locking the background to the [指定分格，如: top-left] view only, using its layout as the primary space, integrating the aesthetic lighting of bottom-right."
• 运镜与运动控制（Motion Stack）：
  • 运镜必须是：Static camera, lock-off frame, absolutely no panning or zooming, heavy stillness.
  • 动作必须是：The character stands perfectly still, staring blankly at the sea, wind blowing their hair and tie slightly, minimal physical movement, slow breathing.
  • 墨镜动态反射与生理微动作模板（Dynamic Sunglasses Reflection & Micro-motions Template）：为了让 Seedance 2.5（分辨率 480p） 在动态视频中细腻呈现面部抽搐、墨镜质感和吞咽动作，必须在动作描述中显式拼接以下提示词片段：
    • 墨镜动态反射公式：The black sunglasses reflect a sharp, high-contrast mirror image of [具体反射内容，如: the crashing ocean waves under a dim blue sky / the tiny golden sparks of a sparkler], with the reflection shifting slightly in the lenses as the camera captures a slow, almost imperceptible tilt of their head.
    • 面部抽搐与生理动作公式：The character keeps a completely deadpan face, with a subtle, sudden nervous twitch of the cheek muscle (cheek twitching) and a visible, slow swallow of their throat (swallowing movement), showing suppressed violent intent.
• 突发暴力与画外音（Off-Screen Violence）动作/音效控制：
  • 若为冲突镜头，表述为：A sudden, dry, lightning-fast action without slow-motion. A cold, sudden gunshot, then immediately freezing back into absolute stillness.
  • 画外枪声与静物空镜（塑料风车）组合提示词公式：
    • 视觉描述：A plastic toy windmill on a weathered wooden fence, spinning extremely fast in the powerful sea wind. In the background, a vast, desolate, and silent deep blue sea meets a cool gray-blue sky. Minimalist centered composition. No characters, no people, complete loneliness.
    • 声音包装符（Seedance 2.5（分辨率 480p） 专用）：
      • 必须显式在大括号内加入发呆静默符：{ (silence) [pause: 5.0s] } 以确保视频绝不自动合成人声噪音。
      • 必须在尖括号音效符内写入干燥暴烈的画外枪响：<sudden, sharp, dry gunshot echoing in the silence, followed by absolute silence>。这能引导音频合成引擎在最寂静、最日常的风车旋转画面中，精准爆发出一声干燥刺耳的枪响。
• Seedance 2.5（分辨率 480p） 声音与台词对齐及情感封装（新规强化）**：
  • 必须核实分镜脚本中的台词及音效是否有遗漏。为了防止角色说话时嘴部动作生硬、死板，视频提示词内必须精确使用带有动作与情绪前缀的语音包装符：
    • 旁白或台词 {...} 的情感封装规范（对齐 Storyboard 符号系统）：台词包装器内不仅要包含文字，更要强制添加括号内的情绪、呼吸或动作前缀，以及精准的静默控制标签，台词内容必须与绑定的 key_element_audio 音色以及故事板文本在语义、语速、停顿上 100% 完美咬合：
      • 纯静默凝视发呆封装：对于没有台词、只有静静发呆/凝视的分镜头，必须写入 { (silence) [pause: X.Xs] }（如 { (silence) [pause: 3.0s] }）。这可强力锁定 Seedance 2.5（分辨率 480p），不生成任何口型动作，仅让角色维持静态注视以及微弱的呼吸起伏，彻底解决盲盒发呆动作导致的突发诡异张嘴问题。
      • 情感呼吸断句封装（含双语智能剥离与生理微颤同步机制）：带对白分镜必须在 {} 内穿插括号情绪动作标注、省略号 ... 或显式停顿 [pause: X.Xs]。如果输入文本为双语对照的 {(悲伤叹气) 要走了吗？ <-> (Sighs) ……行くのか？} 形式，必须智能剔除 <-> 及其左侧的原始语言，最终在视频提示词中仅保留对应目标语言的干净封装，如：{ (Sighs) ……行くのか？ }。
      • 生理微颤对照剥离范例：若输入为 {(咬牙下唇微颤) 别过来。 <-> (Clenched jaw, lip trembling) ……来るな。}，解析时剥离左侧中文，仅在提示词中填充 { (Clenched jaw, lip trembling) ……来るな。 }。
      • 物理联动防丢失：这能强力引导 Seedance 2.5（分辨率 480p） 按照目标翻译文本与对应的物理微动参数，完美渲染对应的呼吸停顿、双肩微抖、下唇微颤、喉结吞咽等细腻面瘫式情绪波动，消除双语对照文本共存导致的嘴部生成紊乱及物理生理颤抖细节丢失。
    • 音效 <...>：例如 <loud crash of waves>, <dry, harsh gunshot>, <crickets chirping in the silence>。必须对齐故事板中对该分镜的所有音画细节规划。
    • 音乐 (...)：写入配乐走向（仅在非暴力日常场景中）。
• 常备负向控制与独立音效规避（Standing Negatives & Negative Controls）：
  • 在有独立音频轨道的视频提示词中，若已有旁白或外挂配音，视频提示词内必须自动规避和滤除多余的旁白/配音文字。
  • 在提示词的负向控制（Negative Prompt）或末尾，必须几乎总是包含 no music 以避免声音重叠冲突，并且一律写明：no music, no subtitles, no camera shake。

视频时间轴装配与音视频终剪对位准则：
为了在时间轴装配（Video Assembler）阶段完美还原北野武电影“静若止水、动若奔雷”的独特视听节奏，装配引擎必须严格执行以下微剪辑、音视频对位与静音留白算法：

1. 极端镜头节奏与克制的省略剪辑（Shot Pacing & Hard Cut Rules）：

   • 长定格凝视（Long Gaze Retention）：对于包含发呆、凝视或静默符号 { (silence) [pause: X.Xs] } 的静默分镜头，装配时严禁提前裁切镜头尾部。必须保留完整的画面物理时长（至少 8s - 30s 完整度），让角色动作与时间完全停滞，使画面空间产生令人窒息的漫长呼吸感与宿命张力。
   • 绝对硬切原则（Strict Hard Cuts Only）：全片所有镜头转换，100% 强制采用无任何过渡效果的“硬切（Hard Cut）”。严禁使用任何交叉淡化（Cross Dissolve）、闪白、推焦或任何现代数字转场效果。在日常慢节奏与突发暴力（或戏剧转折）之间，直接进行画面的硬性撞击，强化省略剪辑的宿命突发感。
   • 动作省略剪辑与声学不对位剪辑点（Action Omission & J-Cut/L-Cut Transition）：在剪辑动作冲突或戏剧性突发转折时，将最关键的物理过程（如拔枪、射击、中弹瞬间）完全留白于画面之外。突发转折的剪辑点可根据戏剧张力自适应选择以下两种专业声学对位模式，而非单一死板对位：
     • 声音预警硬切（L-Cut）：使画外音效（如干燥的枪声 <sudden, sharp, dry gunshot>）在当前静默长镜头（如风车转动、呆立）结束前 0.2s - 0.5s 提前在音轨中爆发，而画面保持静止。随后在声音声响达到峰值或消散的毫秒内，画面瞬间硬切至“后置结果”或空余镜头，利用声音的物理侵入造成极强的感官惊悚。
     • 画面先行空窗（J-Cut）：画面先无声硬切为“后置结果”或空寂斑驳墙面，持续 0.5s - 1.0s 的声学绝对真空后，再突发爆裂地在画外响起单声刺耳枪响，用视觉的死寂积累悬念，随后用声音撕裂空间。
     • 手绘/油画艺术转场剪辑时值与缓变逻辑（Artistic Transition Duration & Slow-fade Logic）：针对故事板中定义的“手绘素描/质朴油画”艺术转场分镜，其剪辑入点与出点装配规范如下：
       • 硬切切入（Hard-cut Entry）：从实拍或暴烈分镜进入手绘/油画画布时，100% 采用无过渡硬切，利用瞬间的画风突变产生强烈的视觉突兀感与心理情绪阻尼。
       • 时长控制（Duration Control）：转场画布分镜的独立剪辑时值固定在 4s - 6s（短促、写意、点到为止，如一朵在暗夜中悄然绽放熄灭的油画红色花朵）或 8s - 12s（深沉、发呆、超长停留，如一幅风中残破风车的黑色素描，用于主要人物生死抉择或别离后的情感余韵深度沉淀）。
       • 渐暗切出（Slow-fade Exit to Next Scene/Ending）：在转场分镜结束并准备切入下一个新章节（新段落故事）或全片结尾时，允许且仅在此处打破“绝对硬切原则”，采用 1.5s - 2.5s 的渐暗（Fade to Black）。在画幅视觉上徐徐融入漆黑的数秒钟内，保持背景音乐或微弱海风环境音的线性缓慢退去（Linear Fade-out），以达到中国画“墨气洇散”或日本“物哀”夏日将尽、余音绕梁的写意电影美学境界。

2. 精细化的声音轨道淡入淡出与音视频对位（Audio-Visual Alignment & Fade Spec）：

   • 日常场景钢琴与大提琴配乐（BGM）在对话和暴力发生时的避让与淡入淡出曲线：
     • 日常开启（渐显对位）：当开启慢节奏日常、海边流浪或沙滩游戏章节时，钢琴与大提琴的忧伤背景配乐（BGM）轨道必须采用 2.5s - 3.5s 的对数型慢淡入（Logarithmic Fade-in），使其如海浪般自然、无声息地融入冷蓝调画面，不产生任何突兀的听觉边界。
     • 对话及旁白避让曲线（Dialogue Ducking S-Curve）：当遇到独立的旁白轨道（Narration）或角色台词（Dialogue）时，BGM 轨道音量必须采用缓降缓升的“S型曲线（Sigmoid Ducking Curve）”：
       • 避让速度（Duck In）：在语音（特别是 MiniMax Speech 2.8 HD 带有重度粗糙颗粒感的中低频沧桑人声）首字开始前 0.5s，BGM 以 S 型曲线在 1.0s 内平滑地将音量压低（Ducking）至原音量的 15% - 25%（强力降幅达 75% - 85%），彻底把中低频人声频段腾空，不让钢琴与大提琴的高低音区对台词造成任何声学掩蔽，确保人声每一个气口和粗粝摩擦细节都字字清晰。
       • 恢复速度（Duck Out）：在对白文本最后一字完全结束（且完全排除由于 [pause: X.Xs] 或 …… 停顿产生的中间气口）后的 1.2s，BGM 再以平缓的 S 型曲线在 2.0s 内缓慢回升至 100% 原始音量，让悲凉物哀的余韵在对白的留白中慢慢流淌、复苏。
     • 生理微颤音响突显与瞬时衰减曲线（Micro-tremor Music Accentuation & Attenuation）：当遇到角色发生特定生理微颤控制符（如 (下唇抽搐微颤) / (喉结起伏咽唾沫) / (眼睑颤抖) 等表达内心极端情绪起伏的静默或对白瞬间）时，BGM 的编排必须执行瞬时强衰减与清冷单音突显算法：
       • 音量瞬时强衰减（Instant Attenuation）：在检测到生理微颤动作发生的 0.1s 内，BGM 轨道中厚重的大提琴中低音区及持续铺底和弦音量必须瞬时向下强压至极弱的 5% - 10%（几近于无声的低鸣），从而为极其微弱的物理微动（如衣服摩擦、重度叹息气浪）和人物内心深处的脆弱感留出声学空腔，彻底拒绝饱满宏大的音乐旋律在此处喧宾夺主。
       • 清冷乐音/单音突显规律（Single-Note Accentuation）：在整体音乐瞬时强衰减的同时，必须在配乐轨中突发突显一个极具孤独感、带有长尾延音的高音单声钢琴键（Single isolated high-pitched piano key with long decay reverberation），该单音的敲击毫秒点必须与生理微颤的物理起点（如喉结吞咽的最高点、下唇抽动的首个微颤波峰）1:1 精准撞击对位。用这一声清冷孤寂的“金属单音”敲击声，在耳朵里将角色的心碎和隐忍情感宿命般地“物理放大”，产生音画同频的情感高潮。
       • 过渡回升：在生理微颤动作结束、角色情绪重新归于静态面瘫发呆后的 1.5s，BGM 的大提琴与和弦声再通过 2.0s 的对数型慢淡入（Logarithmic Fade-in） 极其平缓地恢复至原始背景音量。
     • 暴力爆发避让与真空蓄势曲线（Violence Avoidance & Vacuum Curve）：
       • 对峙蓄势（Pre-violence Vacuum）：在突发暴力的前置冲突对峙期（如拔枪、致命交锋、或画外枪响爆发前的 0.8s - 1.2s 窗口期），BGM（钢琴与大提琴）必须采用陡峭线性淡出（Sharp Linear Fade-out over 0.5s）或在对立杀意达到顶峰的瞬间硬性掐断至绝对 0%（Instant Mute），彻底切断所有配乐旋律，营造死寂压抑的声学真空。
       • 暴力硬斩（Sudden Mute at Gunshot）：在枪响（如 <sudden, sharp, dry gunshot>）发生的前 0.1s 极短瞬间内，BGM 轨道及所有常规环境自然音（如风声、海浪声）必须执行瞬时硬物理屏蔽（Hard Gate to -inf dB），音量在数毫秒内降至绝对零度，严禁使用任何渐变或淡出效果。用突发无声和干燥刺耳的枪鸣，给观众耳膜带来毁灭性的物理声学撞击，强化“缺席的暴力”之冷酷与宿命。
     • 艺术转场配乐融合与对位（Transition Music Alignment）：画面进入“手绘/油画”艺术转场分镜时，BGM 必须与画作传达的寂寥、物哀情感高度对位。若转场镜头紧承在突发暴力之后，BGM 应在“暴力后绝对死寂（1.5s - 3.0s）”彻底结束后的 1.0s - 1.5s，伴随画面的微动开始，以 3.0s 的超慢对数型淡入（Ultra-slow Logarithmic Fade-in） 再次复苏，绝不在画面切入瞬间突发高音，以听觉上的寂静回响烘托深沉的自我救赎与虚无感。

3. 终极“静音艺术”与声学留白控制（Mute Style & Silence Mastering）：

   • 突发暴力硬切归零（Sudden Mute）：画外枪声（如 <sudden, sharp, dry gunshot>）或致命一击爆破的瞬间，所有背景音乐（BGM）轨道必须在 0.1秒内硬性掐断（Hard Cut to Zero/Instant Mute），严禁使用音乐渐弱。
   • 暴力后绝对死寂（Post-Violence Deathly Silence）：
     • 在画外枪响爆发后，随之而来的静物空镜头或角色呆立定格的大远景画面中，音轨必须进入长达 1.5s - 3.0s 的绝对死寂（Absolute Mute，即全声道 0 分贝），形成令人窒息的惊悚空白。
     • 绝对静音期过后，仅允许极其微弱、低沉的单一环境自然音（如海风呼啸的远景音、或者风车微弱的物理旋转声、单声远空乌鸦啼鸣）以极慢的缓入曲线（Fade-in over 2.0s）重新复苏，用物哀的自然背景音包裹残酷的死亡余韵。

4. 环境声效物理贴合与空间对位（Ambient Sound Design）：

   • 声学空间感景别对齐与声场参数死锁（Ambient & Footsteps Stereo Parameter Locks）：
     环境音效（如海浪声、风声）及沙地脚步声必须根据分镜头的物理景别与透视关系进行精细化声场（Stereo Width）、音量衰减值（dB）及频响（EQ Filter）参数锁定：

     • 大远景/定场/远景（Extreme Long Shot / Establishing Shot）——“辽阔虚无的自然包裹”：
       • 海浪/风声（Waves & Wind）：声场宽度锁定为 极宽（Stereo Width: 80% - 100%） 以体现空间的无限延展。基准音量设定在 -12dB 至 -18dB，并轻微提升低频（Low-pass Filter below 250Hz slightly boosted）以渲染大海厚重、深沉、不可抗拒的宿命压迫感。
       • 沙地脚步声（Sand Footsteps）：声场宽度压缩至 极窄（Mono or Stereo Width: 10% - 20%） 且绝对居中。音量执行深度物理衰减锁定在 -28dB 至 -35dB，并施加 4kHz 处的高频滚降（Low-pass/High-cut Filter at 4kHz）模拟远距离空气声阻衰减，以此反差强化角色在浩瀚荒凉天地间的渺小与孤独。
     • 中景/全景（Medium Shot / Full Shot）——“人景和谐的叙事空间”：
       • 海浪/风声（Waves & Wind）：声场宽度锁定在适中（Stereo Width: 50% - 60%）。音量平缓衰减至 -18dB 至 -24dB，退为稳定的背景层。
       • 沙地脚步声（Sand Footsteps）：声学焦点。声场宽度保持在 20% - 35%，声像方向（Pan）与画面中角色的物理位置 100% 同频对齐。音量锁定在 -20dB 至 -26dB，轻微提升 1.5kHz - 3kHz 频段以还原干燥沙粒摩擦、鞋底踩踏的干瘪动作细节。
     • 特写/特写细节/道具（Close-up / Extreme Close-up）——“物理细节的听觉放大”：
       • 海浪/风声（Waves & Wind）：作为遥远的声学虚影。声场宽度极宽但极弱（Stereo Width: 70% - 90%），音量深度衰减至 -26dB 至 -32dB，并强制施加高通滤波（High-pass Filter above 150Hz）切除低频重音，避免掩盖特写细节。
       • 沙地脚步声与局部物理摩擦（Footsteps & Local Physics Friction）：听觉显微镜。声场宽度极度聚焦（Mono or Stereo Width: 5% - 15%），声像方向死锁于特写物体中心。音量显著放大至 -14dB 至 -20dB，并在 5kHz - 8kHz 处进行颗粒高频增益（High-frequency Boost），极度放大沙粒崩裂、皮鞋与湿沙黏重摩擦、或风吹呢绒大衣边缘等极其微小的物理质感，用极度清晰的微观音响强制拉近观众与物体的心理距离。

   • 镜头切换的动态声场过渡衰减曲线（Dynamic Crossfade Curves）：

     在连续镜头进行景别硬切（Hard Cut）转换时（除突发暴力时音轨硬掐断外），为避免声场与音量骤变导致耳膜听觉割裂，海浪声与风声必须采用 0.5s - 1.2s 的极短指数型交叉渐变（Exponential Crossfade） 进行平滑的动态声场重塑，使观众无缝适应物理空间维度的转换。

5. 语言自适应字幕显示排版与避让逻辑（Subtitles Layout & Collision-Avoidance Rules）：

   • 单/双轨自适应排版规范（Adaptive Subtitles Layout）：
     • 排版结构：
       • 若最终输出视频为日语：采用上下双行、中央对齐的电影级双语排版格式。上方为主字幕（中文，展现核心剧情含义），下方为副字幕（日语原文，体现原声咬字语境）。
       • 若最终输出视频为中文：采用单行、中央对齐的电影级极简中文字幕排版格式（亦可自适应调起中英对照排版）。
     • 字号与比例（Font Hierarchy）：在双语排版下，主字幕字号设为基准尺寸（如 32-36px），副字幕字号设为基准尺寸的 75%-80%（如 24-28px），形成清晰的主次视觉层级，避免双行字号等大导致画面拥挤、失焦。在单行排版下，统一采用基准尺寸。
     • 色彩与易读性（High Contrast & Shadow Style）：由于“北野武蓝调”常有大面积高亮、曝光或冷白色天空/海面，字幕必须统一采用纯白色（#FFFFFF）主体字，辅以半透明深灰蓝色（#1C2331，不透明度 45%）的矩形底条或 3px 宽的半透明黑色描边与投影（Drop Shadow），确保在任何极亮或多物哀画面的烟雾、风雨中皆字字清晰。
     • 安全边距控制（Safe Area Margins）：字幕底部边距（Bottom Margin）必须控制在画幅底部的 10% - 12% 安全线区域，严禁贴边，防止在不同播放终端下发生边缘切除或被播放控制条遮挡。
   • 音画同频与静默瞬间“物理退场”（A-V Synchronization & Silence Removal）：
     • 声音同频对位：字幕的入点（In-point）与出点（Out-point）必须与配音轨中人声能量的实际起点以及终点进行 1:1 毫秒级对位。
     • 发呆/静默即刻消失：在遇到故事板/台词中设计的显式静默 [pause: X.Xs]、无声发呆镜头 { (silence) [pause: X.Xs] } 或突发暴力后的“绝对死寂（Absolute Mute）”阶段，字幕必须在声音终止的瞬间 100% 物理退场、立即清空（Immediate Visual Clear），绝对不许有任何字幕残留。画面无声则字幕无形，维持虚无、纯净、宿命般的漫长空白。
   • 空间碰撞避让与文本避让策略（Visual Collision Avoidance）：
     • 避让大标题与片头艺术字：若画面中出现了在 write_the_prompt 中定义的画内艺术字/屏幕大标题（如 【...】 控制的片头黑底白字或地点说明文字），外挂字幕轨道必须启动垂直轴自动避让机制：自动将中日双语字幕整体上移 15% - 20%，或使大标题与外挂字幕的显示时间完全错开，严禁任何像素重叠或双重文本堆叠。
     • 避免遮挡视觉隐喻核心：在镜头渲染了如“暮色手持线香烟火（火星特写）”、“急转的折纸纸风车”、“冷雨中的残破雨伞”或“静寂街角的静止轿车”等特写或空镜时，若画面重心恰好处于画面下方 1/3 区域，双语字幕应自动微调水平位置偏左或偏右，或适当降低副字幕字号（至 60%），最大限度让出视觉焦点，让路于北野武式寂静物哀的镜头艺术。