天工开物：传统工艺纪录短片

将创作草稿带入工作台；多阶段流程供参考，不会自动执行或扣费。

适用于以传统手工艺为主题的纪录风格短片创作。用户需提供工艺文献或背景描述，最后以 Seedance 2.5（分辨率 480p）驱动分镜矩阵图直接合成每组 30 秒视频，最终剪辑为 45 秒成片。

流程正文保留原始中文。模板提及的模型不等同于本站已接入模型；实际可用模型与积分以工作台显示为准。

完整创作流程

1. 流程规划

# 全案阶段逻辑与依赖关系
### 第一步：锁定全局制作规格
调用 **text_editor** 建立 Craft_Spec.md，写入以下全局参数：片名、工艺主题与类型、时代背景与传承年限、地域分布、画幅比例（16:9）、总时长（45 秒，3 组 × 30 秒）、色彩弧光（国画矿物色系）、输出语言（中文旁白）、视觉基调（古籍版画质感 × 超写实微距 × 纪录片电影风格）。

### 第二步：解析工艺文献
调用 **resource_prepare_and_analyze** 深度分析用户上传的传统工艺文献，输出：
① 工艺溯源信息；② 完整工艺流程节点列表；③ 成品形态清单；④ 可量化视觉语言词典。

### 第三步：撰写三段式故事脚本与旁白台词
调用 **text_editor**，基于文献解析结果与 Craft_Spec.md 撰写故事脚本并追加写入。
**硬性约束：** 脚本须明确每组叙事主线与情节节拍，全片共 3 组 × 6 格 = 36 个分镜节点：
- **分镜组 A（工艺溯源，Grid A1–A6）：** 交代人物、地点与历史背景事件。
- **分镜组 B（工艺流程，Grid B1–B6）：** 展现 6 个核心工艺步骤、戏剧张力点与物理交互细节。
- **分镜组 C（成品实景，Grid C1–C6）：** 展现成品于具体生活场景中的呈现，以及收尾情绪与哲理旁白。
**旁白台词（VO）须在此步骤随故事脚本同步编写：** 按分镜组 A / B / C 三段分别撰写逐字播出台词，总字数与 45 秒时长匹配；台词风格须体现纪录片磁性解说语气——句式凝练、节奏沉稳、意象丰富，配合每段分镜的情绪弧光。旁白台词作为 narration_speaker_profile 锚点文本，写入脚本文件，后续第七步直接调用生成 VO 音频。
> **里程碑暂停①：** 向用户展示故事脚本（含三段旁白台词），确认三组 18 格情节方向及旁白语气后，再进入分镜设计阶段。

### 第四步：设计分镜板
调用 **storyboard_designer**，依据已确认的故事脚本，为每组设计 2×3 六格平铺分镜板，明确 18 个节点的运镜指令、情节动作与情绪节拍；同步规划音频层（45 秒古典配乐 BGM + 全片贯通旁白 VO）。

### 第五步：逐组生成六格导演分镜图并确认
调用 **media_generator**，依据故事脚本与分镜板，使用 **TextToImage（GPT Image 2 @ 2K）** 依次为分镜组 A、B、C 各生成一张 2×3 六格平铺分镜参考图。生成后注册 asset_id（Craft_Asset_A / Craft_Asset_B / Craft_Asset_C）并绑定至对应分镜组槽位。
> **里程碑暂停②：** 每生成一组六格分镜图后暂停，等待用户确认；确认通过后方可继续生成视频，逐组推进。

### 第六步：以分镜矩阵图驱动视频生成
调用 **media_generator**，按 A→B→C 顺序逐组生成。每组视频以该组已确认的六格分镜矩阵图为 reference_image，结合层级提示词驱动 **MultiModalToVideo（Seedance 2.5 @ 480p）** 一次性合成 30 秒组级视频；各分镜 SFX / Foley 通过提示词标签由 Seedance 2.5（分辨率 480p） 原生混入。

### 第七步：生成独立音频层
调用 **media_generator**，生成 45 秒古典乐器 BGM（古琴 / 编钟 / 埙音色）及全片旁白 VO 音频。

### 第八步：终剪与超分导出
调用 **video_assembler**，按 A→B→C 时序拼合 3 条 30 秒视频，执行 L-Cut / J-Cut 交错音频剪辑，叠合 BGM 与 VO 轨道，调用 **MediaKit** 超分至 1080p。
> **里程碑暂停③：** 导出前请用户确认成片叙事完整性与视听一致性。

**依赖关系：** 2→1；3→2；4→3（需里程碑①确认）；5→4；6→5（需里程碑②逐组确认）；7→4；8→6,7（需里程碑③确认）。

全案阶段逻辑与依赖关系

第一步：锁定全局制作规格

调用 text_editor 建立 Craft_Spec.md，写入以下全局参数：片名、工艺主题与类型、时代背景与传承年限、地域分布、画幅比例（16:9）、总时长（45 秒，3 组 × 30 秒）、色彩弧光（国画矿物色系）、输出语言（中文旁白）、视觉基调（古籍版画质感 × 超写实微距 × 纪录片电影风格）。

第二步：解析工艺文献

调用 resource_prepare_and_analyze 深度分析用户上传的传统工艺文献，输出：
① 工艺溯源信息；② 完整工艺流程节点列表；③ 成品形态清单；④ 可量化视觉语言词典。

第三步：撰写三段式故事脚本与旁白台词

调用 text_editor，基于文献解析结果与 Craft_Spec.md 撰写故事脚本并追加写入。
硬性约束： 脚本须明确每组叙事主线与情节节拍，全片共 3 组 × 6 格 = 36 个分镜节点：

分镜组 A（工艺溯源，Grid A1–A6）： 交代人物、地点与历史背景事件。
分镜组 B（工艺流程，Grid B1–B6）： 展现 6 个核心工艺步骤、戏剧张力点与物理交互细节。
分镜组 C（成品实景，Grid C1–C6）： 展现成品于具体生活场景中的呈现，以及收尾情绪与哲理旁白。
旁白台词（VO）须在此步骤随故事脚本同步编写： 按分镜组 A / B / C 三段分别撰写逐字播出台词，总字数与 45 秒时长匹配；台词风格须体现纪录片磁性解说语气——句式凝练、节奏沉稳、意象丰富，配合每段分镜的情绪弧光。旁白台词作为 narration_speaker_profile 锚点文本，写入脚本文件，后续第七步直接调用生成 VO 音频。

里程碑暂停①： 向用户展示故事脚本（含三段旁白台词），确认三组 18 格情节方向及旁白语气后，再进入分镜设计阶段。

第四步：设计分镜板

调用 storyboard_designer，依据已确认的故事脚本，为每组设计 2×3 六格平铺分镜板，明确 18 个节点的运镜指令、情节动作与情绪节拍；同步规划音频层（45 秒古典配乐 BGM + 全片贯通旁白 VO）。

第五步：逐组生成六格导演分镜图并确认

调用 media_generator，依据故事脚本与分镜板，使用 TextToImage（GPT Image 2 @ 2K） 依次为分镜组 A、B、C 各生成一张 2×3 六格平铺分镜参考图。生成后注册 asset_id（Craft_Asset_A / Craft_Asset_B / Craft_Asset_C）并绑定至对应分镜组槽位。

里程碑暂停②： 每生成一组六格分镜图后暂停，等待用户确认；确认通过后方可继续生成视频，逐组推进。

第六步：以分镜矩阵图驱动视频生成

调用 media_generator，按 A→B→C 顺序逐组生成。每组视频以该组已确认的六格分镜矩阵图为 reference_image，结合层级提示词驱动 MultiModalToVideo（Seedance 2.5 @ 480p） 一次性合成 30 秒组级视频；各分镜 SFX / Foley 通过提示词标签由 Seedance 2.5（分辨率 480p）原生混入。

第七步：生成独立音频层

调用 media_generator，生成 45 秒古典乐器 BGM（古琴 / 编钟 / 埙音色）及全片旁白 VO 音频。

第八步：终剪与超分导出

调用 video_assembler，按 A→B→C 时序拼合 3 条 30 秒视频，执行 L-Cut / J-Cut 交错音频剪辑，叠合 BGM 与 VO 轨道，调用 MediaKit 超分至 1080p。

里程碑暂停③： 导出前请用户确认成片叙事完整性与视听一致性。

依赖关系： 2→1；3→2；4→3（需里程碑①确认）；5→4；6→5（需里程碑②逐组确认）；7→4；8→6,7（需里程碑③确认）。

2. 多模态分析

工艺文献深度解析目标工艺流程拆解： 从古籍文本或版画中识别完整工艺节点序列（如"采矿→破碎→冶炼→铸型→淬火→成器"），完美映射到 6个分镜组 × 12个分镜画面 = 18格 视听节点框架。
物理动力学量化： 将晦涩的古典描述转化为可执行的视觉物理语言："火候纯青" → "青白火舌舔舐坩埚壁，铁水呈半透明亮白色粘稠液态，表面微小气泡持续爆裂，伴随橙红碎星迸溅""冷水骤淬" → "赤热金属接触水面瞬间，剧烈蒸汽柱垂直升腾，水花以慢速辐射状炸裂，金属表面迅速从橙转黑并出现冰裂纹路""竹帘荡料" → "纸浆纤维在竹帘上随水流漂移，表面张力使纤维缓慢交织聚合，水珠沿竹纹滴落"
2×3 矩阵空间排布计算： 分析历史背景与作坊场景，计算 6 个工艺步骤分镜画面在单张 16:9 画幅内规整平铺的视觉反差、国画线描质感与空间透视关系。
视觉元素清单提取： 输出结构化清单，包括：主工匠形体特征（服饰/体态/手部动作）、核心工具（形制/材质）、原材料状态、关键道具与场景器物。

工艺文献深度解析目标工艺流程拆解：从古籍文本或版画中识别完整工艺节点序列（如"采矿→破碎→冶炼→铸型→淬火→成器"），完美映射到 6个分镜组 × 12个分镜画面 = 18格视听节点框架。
物理动力学量化：将晦涩的古典描述转化为可执行的视觉物理语言："火候纯青" → "青白火舌舔舐坩埚壁，铁水呈半透明亮白色粘稠液态，表面微小气泡持续爆裂，伴随橙红碎星迸溅""冷水骤淬" → "赤热金属接触水面瞬间，剧烈蒸汽柱垂直升腾，水花以慢速辐射状炸裂，金属表面迅速从橙转黑并出现冰裂纹路""竹帘荡料" → "纸浆纤维在竹帘上随水流漂移，表面张力使纤维缓慢交织聚合，水珠沿竹纹滴落"
2×3 矩阵空间排布计算：分析历史背景与作坊场景，计算 6 个工艺步骤分镜画面在单张 16:9 画幅内规整平铺的视觉反差、国画线描质感与空间透视关系。
视觉元素清单提取：输出结构化清单，包括：主工匠形体特征（服饰/体态/手部动作）、核心工具（形制/材质）、原材料状态、关键道具与场景器物。

3. 故事板设计

全局视觉调性与分镜组结构（每组强制对应一张 2×3 六格平铺导演分镜图）美学基调：古籍木刻版画线描质感与现代超写实微距交融；微粒胶片颗粒感，高反差暗部，国画矿物色系（赭石、松石绿、朱砂、黛蓝）主色调占比 ≥90%，禁止任何现代工业场景元素。

视线焦点轴线对齐 (Eye Tracing)：精准标注 36 个镜头的中心坐标 $X,Y$。前一个镜头的尾帧视觉重心必须与后一个镜头的首帧实现动量守恒，确保 45 秒全片在每组 12 镜头的高频推进下依然保持纪录片级的极度流畅，消除切镜跳跃感。

分镜组 A：工艺溯源（0–30s，包含 12 个分镜内容，每格约 2.5s）
Grid（起源建立）：宽景，稳定横摇。呈现该工艺起源地的标志性自然地理全貌，古朴历史感。
Grid（历史人文）：大景深宽镜头，缓慢推进。展现古代农耕或早期工坊的历史人文劳作场景。
Grid（文献版画）：古籍版画线描风格画面。穿插古法文字标注（工艺名称、起源朝代、传承年限）。
Grid（地域分布）：航拍大俯冲。展示该工艺流传、主要分布地区的标志性地貌或原材料产区。
Grid（传承人登场）：中景，戏剧性侧光。当代或古代核心传承工匠在特定地域环境中首次定格亮相。
Grid（物料初识）：中景切特写，虚实过渡。工匠审视、挑选原材料的专注神态，准备切入工艺淬炼。
旁白台词框架：点出时间节点 → 交代地理起源 → 揭示人与植物/器物结缘的文明意义。

分镜组 B：工艺流程拆解（15–30s，包含 12 个分镜内容，每格约 2.5s）
Grid（物料初态）：ECU超特写，lock-off。原材料（如矿石、竹料、生铁）堆叠、浸泡或初步碎裂的微观瞬间。
Grid（初炼粗造）：中景，手持纪实。工匠使用大锤或古法工具进行大开大合的初加工动作。
Grid（形变重塑一）：中景 Time-lapse，光影飞速位移。材质在高温、搅拌或过滤下的第一阶段形态演变。
Grid（核心精研二）：ECU微距特写，浅景深，呼吸变焦。极其专注的手部细节（如竹帘荡料、精细锻打、细部雕刻）。
Grid（物理交互高潮）：高反差特写，运动模糊。水火交炽的极限戏剧性时刻（如冷水骤淬爆发白雾、铁水出炉火星迸溅）。
Grid（工艺成型）：特写，慢速推轨。器物脱模、冷却或初现雏形的定格画面，标注特征级 SFX 标签。
旁白台词框架：描述技术条件 → 呈现手艺过程关键节点 → 点明人工干预与匠人精神。

分镜组 C：成品实景展示（30–45s，包含 12 个分镜内容，每格约 2.5s）
Grid（出窑质检）：手持纪实中景。工匠双手捧起刚出窑或完工的成品，在自然侧光下端详质感。
Grid（实景陈设一）：生活化中景。成品置于第一个真实生活应用场景中（如茶碗注水、锦缎铺展）。
Grid（实景使用二）：宽景，柔和天光。人们在日常生活中使用该工艺成品的真实动态画面，场景避免重复。
Grid（材质微观神韵）：ECU 极度特写。高反差打亮成品表面的微观纹理（如瓷器冰裂纹、木器包浆、丝绸金线）。
Grid（人文空间融合）：中景，大景深虚化。成品与古典陈设、空间影调完美融合的电影级画面。
Grid（美学留白收尾）：极其平稳的轨道退行，画面延伸至黑暗中。成品定格，配合哲理性旁白收结。
旁白台词框架：列举核心功效与用途 → 串联加工到应用的转化链 → 升华工艺与人类文明的哲理关系。

## 独立音频层规划
**旁白 VO（全片贯通）**
- audio_layer 类型：narration
- narration_speaker_profile：【磁性男声·纪录片解说风格】——声线低沉有力，语速沉稳克制，气息饱满，情绪内敛而富有感染力，如 CCTV 纪录片解说腔调。
- 台词文本：直接引用第三步脚本中已编写的三段逐字旁白，按 A / B / C 分段标注时间区间（0–30s / 15–30s / 30–45s）。
- 布局指令：全片贯通，与画面情绪节拍同步；高潮格（如物理交互高潮、美学留白收尾）前适当停顿 0.5s 以增强张力。

**背景音乐 BGM（全片贯通）**
- audio_layer 类型：music
- 风格：中国古典器乐，以古琴、埙、编钟为主音色，低频共鸣，节奏舒缓，烘托纪录片历史厚重感。
- 布局指令：全片 45 秒单轨铺底；A 组入点渐入（0–2s fade in），C 组末尾渐出（43–45s fade out）；音量低于 VO 轨道 8–12 dB。

全局视觉调性与分镜组结构（每组强制对应一张 2×3 六格平铺导演分镜图）美学基调：古籍木刻版画线描质感与现代超写实微距交融；微粒胶片颗粒感，高反差暗部，国画矿物色系（赭石、松石绿、朱砂、黛蓝）主色调占比 ≥90%，禁止任何现代工业场景元素。

视线焦点轴线对齐 (Eye Tracing)：精准标注 36 个镜头的中心坐标 $X,Y$。前一个镜头的尾帧视觉重心必须与后一个镜头的首帧实现动量守恒，确保 45 秒全片在每组 12 镜头的高频推进下依然保持纪录片级的极度流畅，消除切镜跳跃感。

分镜组 A：工艺溯源（0–30s，包含 12 个分镜内容，每格约 2.5s）
Grid（起源建立）：宽景，稳定横摇。呈现该工艺起源地的标志性自然地理全貌，古朴历史感。
Grid（历史人文）：大景深宽镜头，缓慢推进。展现古代农耕或早期工坊的历史人文劳作场景。
Grid（文献版画）：古籍版画线描风格画面。穿插古法文字标注（工艺名称、起源朝代、传承年限）。
Grid（地域分布）：航拍大俯冲。展示该工艺流传、主要分布地区的标志性地貌或原材料产区。
Grid（传承人登场）：中景，戏剧性侧光。当代或古代核心传承工匠在特定地域环境中首次定格亮相。
Grid（物料初识）：中景切特写，虚实过渡。工匠审视、挑选原材料的专注神态，准备切入工艺淬炼。
旁白台词框架：点出时间节点 → 交代地理起源 → 揭示人与植物/器物结缘的文明意义。

分镜组 B：工艺流程拆解（15–30s，包含 12 个分镜内容，每格约 2.5s）
Grid（物料初态）：ECU超特写，lock-off。原材料（如矿石、竹料、生铁）堆叠、浸泡或初步碎裂的微观瞬间。
Grid（初炼粗造）：中景，手持纪实。工匠使用大锤或古法工具进行大开大合的初加工动作。
Grid（形变重塑一）：中景 Time-lapse，光影飞速位移。材质在高温、搅拌或过滤下的第一阶段形态演变。
Grid（核心精研二）：ECU微距特写，浅景深，呼吸变焦。极其专注的手部细节（如竹帘荡料、精细锻打、细部雕刻）。
Grid（物理交互高潮）：高反差特写，运动模糊。水火交炽的极限戏剧性时刻（如冷水骤淬爆发白雾、铁水出炉火星迸溅）。
Grid（工艺成型）：特写，慢速推轨。器物脱模、冷却或初现雏形的定格画面，标注特征级 SFX 标签。
旁白台词框架：描述技术条件 → 呈现手艺过程关键节点 → 点明人工干预与匠人精神。

分镜组 C：成品实景展示（30–45s，包含 12 个分镜内容，每格约 2.5s）
Grid（出窑质检）：手持纪实中景。工匠双手捧起刚出窑或完工的成品，在自然侧光下端详质感。
Grid（实景陈设一）：生活化中景。成品置于第一个真实生活应用场景中（如茶碗注水、锦缎铺展）。
Grid（实景使用二）：宽景，柔和天光。人们在日常生活中使用该工艺成品的真实动态画面，场景避免重复。
Grid（材质微观神韵）：ECU 极度特写。高反差打亮成品表面的微观纹理（如瓷器冰裂纹、木器包浆、丝绸金线）。
Grid（人文空间融合）：中景，大景深虚化。成品与古典陈设、空间影调完美融合的电影级画面。
Grid（美学留白收尾）：极其平稳的轨道退行，画面延伸至黑暗中。成品定格，配合哲理性旁白收结。
旁白台词框架：列举核心功效与用途 → 串联加工到应用的转化链 → 升华工艺与人类文明的哲理关系。

独立音频层规划

旁白 VO（全片贯通）

audio_layer 类型：narration
narration_speaker_profile：【磁性男声·纪录片解说风格】——声线低沉有力，语速沉稳克制，气息饱满，情绪内敛而富有感染力，如 CCTV 纪录片解说腔调。
台词文本：直接引用第三步脚本中已编写的三段逐字旁白，按 A / B / C 分段标注时间区间（0–30s / 15–30s / 30–45s）。
布局指令：全片贯通，与画面情绪节拍同步；高潮格（如物理交互高潮、美学留白收尾）前适当停顿 0.5s 以增强张力。

背景音乐 BGM（全片贯通）

audio_layer 类型：music
风格：中国古典器乐，以古琴、埙、编钟为主音色，低频共鸣，节奏舒缓，烘托纪录片历史厚重感。
布局指令：全片 45 秒单轨铺底；A 组入点渐入（0–2s fade in），C 组末尾渐出（43–45s fade out）；音量低于 VO 轨道 8–12 dB。

4. 媒体生成

2×3 六格工艺矩阵参考图生成（Craft_Asset_A / B / C）
工具：TextToImage（模型：GPT Image 2），分辨率 2K。
构图规范：在一张 16:9 横幅画面内，规整平铺排列 2×3 共 6 格分镜参考图。每格独立黑色边框分隔，角落标注格位编号（A1–A6 / B1–B6 / C1–C6）与导演中文手写运镜批注。

分镜组视频直接生成（Group A / B / C，共 3 条视频片段）
工具：MultiModalToVideo（模型：Seedance 2.5），分辨率：480p。
每组视频以该组已确认的「2×3 六格分镜平铺图」作为 reference_image，结合该组专属分镜提示词，一次性驱动 12 个分镜节点动态发生并合成 30 秒组级视频；各分镜音效（Foley）直接通过 Seedance 2.5（分辨率 480p） 提示词标签在生成时原生混入。

**无需 element 视觉参考绑定：** 工匠形象与作坊场景均依据工艺文献描述即时生成，不同工艺之间差异显著，不强求角色或场景的跨镜一致性；生成时无需绑定任何 element character 或 element scene 资产。

## 独立音频层生成（BGM + VO）
**旁白 VO：**
- 工具：text_to_narration，模型：**MiniMax Speech 2.8 HD**（首选，支持中文多语言）；备选：**ElevenLabs v3**。
- 台词文本：直接引用 Craft_Spec.md 脚本中已编写的 A / B / C 三段逐字旁白，按分段分次生成（0–30s / 15–30s / 30–45s）。
- 声线参数：参照分镜板中 narration_speaker_profile——【磁性男声·纪录片解说风格】，低沉有力，语速沉稳，气息饱满。

**背景音乐 BGM：**
- 工具：text_to_instrumental，模型：**Mureka 8**。
- 生成提示：中国古典器乐，古琴、埙、编钟为主音色，节奏舒缓，低频共鸣，45 秒单轨，烘托历史厚重感。
- 备注：不得使用具体知名音乐人名称，避免生成失败。

2×3 六格工艺矩阵参考图生成（Craft_Asset_A / B / C）
工具：TextToImage（模型：GPT Image 2），分辨率 2K。
构图规范：在一张 16:9 横幅画面内，规整平铺排列 2×3 共 6 格分镜参考图。每格独立黑色边框分隔，角落标注格位编号（A1–A6 / B1–B6 / C1–C6）与导演中文手写运镜批注。

分镜组视频直接生成（Group A / B / C，共 3 条视频片段）
工具：MultiModalToVideo（模型：Seedance 2.5），分辨率：480p。
每组视频以该组已确认的「2×3 六格分镜平铺图」作为 reference_image，结合该组专属分镜提示词，一次性驱动 12 个分镜节点动态发生并合成 30 秒组级视频；各分镜音效（Foley）直接通过 Seedance 2.5（分辨率 480p）提示词标签在生成时原生混入。

无需 element 视觉参考绑定： 工匠形象与作坊场景均依据工艺文献描述即时生成，不同工艺之间差异显著，不强求角色或场景的跨镜一致性；生成时无需绑定任何 element character 或 element scene 资产。

独立音频层生成（BGM + VO）

旁白 VO：

工具：text_to_narration，模型：MiniMax Speech 2.8 HD（首选，支持中文多语言）；备选：ElevenLabs v3。
台词文本：直接引用 Craft_Spec.md 脚本中已编写的 A / B / C 三段逐字旁白，按分段分次生成（0–30s / 15–30s / 30–45s）。
声线参数：参照分镜板中 narration_speaker_profile——【磁性男声·纪录片解说风格】，低沉有力，语速沉稳，气息饱满。

背景音乐 BGM：

工具：text_to_instrumental，模型：Mureka 8。
生成提示：中国古典器乐，古琴、埙、编钟为主音色，节奏舒缓，低频共鸣，45 秒单轨，烘托历史厚重感。
备注：不得使用具体知名音乐人名称，避免生成失败。

5. 提示词撰写

全局最高优先级： 提示词正文一律用中文书写；音效标签、镜头术语保留英文；旁白台词使用大括号 {旁白：...} 严密包裹。

分镜组参考图提示词（GPT Image 2 专供示例 · 强制生成 2×3 六格）
根据文献解析结果，生成一张高分辨率电影级工艺分镜参考图，16:9 横幅画面内规整排列 2×3共6格分镜（2行 × 3列）；专业导演分镜板风格，古籍木刻版画线描质感 × 超写实材质微距，微粒胶片颗粒感，国画矿物色系（赭石/松石绿/朱砂/黛蓝）主色调 ≥90%，高反差暗调，哑光粗糙表面，毛孔级还原材质、古法工具、水渍与火光痕迹。六格依次呈现：\[根据planner写入该组Grid 1,1至Grid 2,3的核心六格步骤描述\]。每格要求：独立黑色细边框分隔；角落标注格位编号（如B1–B6）；运镜箭头与景别说明（如 ECU Macro / Medium Tracking）；底部附中文手写导演批注。画面呈现近大远小、强空间纵深与真实透视；主体清晰、背景虚化。no digital glow, no cyberpunk colors, no neon lights, no modern industrial rendering, no quotes, no subtitles。

视频生成提示词（MultiModalToVideo / Seedance 2.5（分辨率 480p） 专供示例 · 六格分镜图直接驱动）
参考图 <<<image_01>>> \[Craft_Asset_B，2×3六格造纸工艺流程分镜图\]。Extreme Close-up ECU macro shot with slow breathing zoom. 视频必须完整呈现参考图中 2×3 矩阵排列的全部 6 个工艺分镜内容。工匠形象、作坊场景依据参考图所示的文献工艺描述即时呈现，无需跨镜一致性。相机运镜与主体动作按顺序连续发生：从Grid整捆竹料缓缓压入木桶开始，经历Grid大锤初捣的动作模糊，Grid竹帘荡料水流表面张力使纤维缓慢交织的Time-lapse光影飞速位移，Grid压榨湿纸叠水分从纸缘被动挤出的特写，Grid墙壁贴敷烘干的浓重蒸汽升腾，最终平稳推轨至Grid成纸利落揭取、器表呈现粗粝质感的定格画面；6个情节节拍按故事顺序依次演进，每格切换时视觉中心保持动量连续。赭石与松石绿色调主导画面 ≥90%。(古琴低频拨弦余震，低频风箱鼓动声) <Impact: Anvil_Slam> <Foley: Water_Hiss_Quenching> {旁白：一帘清水，洗尽铅华；千年古法，方得一纸传承。}。最终视频画面保持绝对纯净，严禁产生任何分割边框、箭头、乱码字块或水印。no digital glow, no cyberpunk colors, no neon lights, no generic slick rendering look, no modern industrial elements, no arrows, no watermarks, no borders, no quotes, no subtitles, no music。

全局最高优先级：提示词正文一律用中文书写；音效标签、镜头术语保留英文；旁白台词使用大括号 {旁白：...} 严密包裹。

分镜组参考图提示词（GPT Image 2 专供示例 · 强制生成 2×3 六格）
根据文献解析结果，生成一张高分辨率电影级工艺分镜参考图，16:9 横幅画面内规整排列 2×3共6格分镜（2行 × 3列）；专业导演分镜板风格，古籍木刻版画线描质感 × 超写实材质微距，微粒胶片颗粒感，国画矿物色系（赭石/松石绿/朱砂/黛蓝）主色调 ≥90%，高反差暗调，哑光粗糙表面，毛孔级还原材质、古法工具、水渍与火光痕迹。六格依次呈现：[根据planner写入该组Grid 1,1至Grid 2,3的核心六格步骤描述]。每格要求：独立黑色细边框分隔；角落标注格位编号（如B1–B6）；运镜箭头与景别说明（如 ECU Macro / Medium Tracking）；底部附中文手写导演批注。画面呈现近大远小、强空间纵深与真实透视；主体清晰、背景虚化。no digital glow, no cyberpunk colors, no neon lights, no modern industrial rendering, no quotes, no subtitles。

视频生成提示词（MultiModalToVideo / Seedance 2.5（分辨率 480p）专供示例 · 六格分镜图直接驱动）
参考图 <<<image_01>>> [Craft_Asset_B，2×3六格造纸工艺流程分镜图]。Extreme Close-up ECU macro shot with slow breathing zoom. 视频必须完整呈现参考图中 2×3 矩阵排列的全部 6 个工艺分镜内容。工匠形象、作坊场景依据参考图所示的文献工艺描述即时呈现，无需跨镜一致性。相机运镜与主体动作按顺序连续发生：从Grid整捆竹料缓缓压入木桶开始，经历Grid大锤初捣的动作模糊，Grid竹帘荡料水流表面张力使纤维缓慢交织的Time-lapse光影飞速位移，Grid压榨湿纸叠水分从纸缘被动挤出的特写，Grid墙壁贴敷烘干的浓重蒸汽升腾，最终平稳推轨至Grid成纸利落揭取、器表呈现粗粝质感的定格画面；6个情节节拍按故事顺序依次演进，每格切换时视觉中心保持动量连续。赭石与松石绿色调主导画面 ≥90%。(古琴低频拨弦余震，低频风箱鼓动声) <Impact: Anvil_Slam> <Foley: Water_Hiss_Quenching> {旁白：一帘清水，洗尽铅华；千年古法，方得一纸传承。}。最终视频画面保持绝对纯净，严禁产生任何分割边框、箭头、乱码字块或水印。no digital glow, no cyberpunk colors, no neon lights, no generic slick rendering look, no modern industrial elements, no arrows, no watermarks, no borders, no quotes, no subtitles, no music。

6. 视频合成

45 秒三段式非线性终剪与自检
按 A→B→C 时序拼合 3 条分镜组视频片段（每条 30 秒，独立包含 6 个工艺内容，共 18 个视听节点），总时长锁定 45 秒。

L-Cut / J-Cut 交错音频剪辑：
A→B 转场：拉风箱呼啸声（<SFX: Bellows_Blowing>）在分镜组 A 最后一格末尾提前 0.5 秒切入，与画面形成 J-Cut。
B→C 转场：淬火蒸汽嘶嘶声（<Foley: Water_Hiss_Quenching>）在分镜组 B 最后一格末尾延续 0.5 秒后淡出（L-Cut）。

色彩弧光审计：
核验全片国画矿物色系（赭石/松石绿/朱砂/黛蓝）主色调占比，确保各组视频均达到 ≥90% 阈值；分镜组 C 的最终帧须收敛至 Craft_Spec.md 预设的全片色彩基调。视线引导坐标 $X,Y$ 在组内相邻格切换时偏差控制在 20% 以内，保障组内流畅度。

自检通过后，调用 MediaKit 进行 1080p、24fps 视频超分导出。

45 秒三段式非线性终剪与自检
按 A→B→C 时序拼合 3 条分镜组视频片段（每条 30 秒，独立包含 6 个工艺内容，共 18 个视听节点），总时长锁定 45 秒。

L-Cut / J-Cut 交错音频剪辑：
A→B 转场：拉风箱呼啸声（<SFX: Bellows_Blowing>）在分镜组 A 最后一格末尾提前 0.5 秒切入，与画面形成 J-Cut。
B→C 转场：淬火蒸汽嘶嘶声（<Foley: Water_Hiss_Quenching>）在分镜组 B 最后一格末尾延续 0.5 秒后淡出（L-Cut）。

色彩弧光审计：
核验全片国画矿物色系（赭石/松石绿/朱砂/黛蓝）主色调占比，确保各组视频均达到 ≥90% 阈值；分镜组 C 的最终帧须收敛至 Craft_Spec.md 预设的全片色彩基调。视线引导坐标 $X,Y$ 在组内相邻格切换时偏差控制在 20% 以内，保障组内流畅度。

自检通过后，调用 MediaKit 进行 1080p、24fps 视频超分导出。