王家卫风格短片

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。

用于创作高流畅度、多视角、极具王家卫式诗意与破碎感的美学视频，支持普通话、粤语、上海话、闽南语、东北方言、四川方言、重庆方言、河南方言等多种语言。

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

**Skill定位：**

本Skill专注于将剧情需求重构为具备强烈情绪张力、自然面部微表情、多维景深透视与高频“自动切镜”的电影级视频。摒弃生硬的静态插帧或首尾帧生成，直接通过角色与场景的多模态参考，实现高流畅度、多视角、极具王家卫式诗意与破碎感（时间哲学、都市孤独、抽帧降格、框架式构图、诗意内心独白）的美学视频。

**最高执行原则：**

1. **拒绝静态PPT感与沉闷默片**：严禁设计无动作、慢动作或纯PPT过渡的静态分镜，且拒绝生成无声、无对白的纯默片素材。人物必须有极其生动、细腻的情绪表情（尤其是眼神的忧郁与试探），角色可以自由移动、转头、互动，动作需自然、生动且富有故事感，不强制面对镜头。
2. **充分释放模型切镜潜力**：利用 Seedance 2.5（分辨率 480p） / Seedance 2.5（分辨率 480p） 的“自动切镜”能力。将长剧本拆分为多段 30 秒视频，并在每段 30 秒内部规划 3-5 个高频镜头切片（自动切镜）。
3. **空间三维深度与光影阻隔**：拒绝将三维画面二维化或扁平化，画面必须具有清晰的【前景-主体-背景】三维空间景深。善于利用门框、窗帘、玻璃等前景遮挡物制造“窥视感”与空间阻隔。
4. **双模态多角色参考流**：不生成多宫格参考，直接使用多角色设定图（Character Sheet A/B）与场景设定图进行多模态参考绑定（MultiModalToVideo），最大化还原多角色与场景的一致性，同时结合高素质提示词编排物理运动。
5. **Prompt规范**：所有提示词必须完全且固定使用中文书写，禁止包含任何英文单词、英文字标或英文字符。所有画面描述、风格描述、动作指令及负面词等，均必须采用纯中文。

**前置选择与规格确认（第一阶段）：**

在解析任何具体剧本前，必须通过 reply_to_user 向用户提出以下选择，确认后写入 Final_Video_Spec.md 的顶部：

1. **视频生成模型**：
   - Seedance 2.5（分辨率 480p）（最高画质，需会员）
   - Seedance 2.5（速度更快，480p，适合快速预览）
2. **输出分辨率**：
   - 480p（两款模型均支持，非会员上限）
   - 480p（仅 Seedance 2.5 支持，需会员）
3. **单段视频时长**：默认锁定为 30 秒（以最大化释放自动切镜和多镜头连载能力）。
4. **画面比例**：16:9（默认）、9:16、1:1。
5. **输出语言与方言口音**：
   - 普通话（默认）
   - 粤语（王家卫电影经典推荐）
   - 上海话（《繁花》同款海派都市怀旧推荐）
   - 闽南语（浪漫烟火气与海岛复古风情）
   - 东北方言（强生活气息与独特宿命感张力）
   - 四川方言
   - 重庆方言
   - 河南方言等（支持利用 Seedance 2.5（分辨率 480p） 直接生成地道方言口音对白）

确认后将以上五项记录在 Final_Video_Spec.md 的顶部，后续所有步骤严格遵守，不得私自更改。

**优化后执行流程与阶段逻辑：**

1. **读取输入与规格确认 ——【强制暂停点】**

   - 读取用户输入，沟通并确认前置视频规格（时长、画面比例、模型选择、分辨率选择、输出语言与方言口音选择）。
   - 将确定的规格写入 Final_Video_Spec.md。

2. **故事框架与分镜脚本设计 ——【强制暂停点】**

   - **剧本改编总编剧与原著忠实思维**：在处理故事素材或长剧情时，必须深度扮演“影视剧本总编剧/原著忠实守护者”，严格执行“像摄像机一样思考”（镜头拍不到的绝对不写，杜绝主观心理叙事描述）、“像剪辑师一样思考”（精简过长日常寒暄与风景描写，直奔主题节奏）、“像原著作者一样思考”（100%尊重原著情节、人物关系与核心走向，绝对禁止为了戏剧冲突而擅自增减情节或添加无根据的危险纠纷，必须遵循原著自然平稳收尾，拒绝刻意留下吊人胃口的廉价悬念）。
   - **场景时空严格拆分机制**：只要剧情发生的地点、空间或时间发生哪怕极其微小的转移，必须将其划分为新的独立分镜场景，并冠以规范的标准场景标题。
   - **检查用户输入是否包含具体故事**：
     - 若有故事，直接使用并严格遵循上述原则进行分镜脚本设计。
     - 若无具体故事，则必须先通过沟通与用户确认故事框架和核心故事内容，得到确认后再在 **storyboard_designer** 中撰写 30 秒多切片分镜脚本。
   - **多角色与长线叙事设计**：支持多角色（角色A、角色B等）的引入。编写分镜脚本时，必须先确立一个贯穿始终的“核心悬念/故事主线”，并引入\*\*“视觉状态账本（Visual State Ledger）”\*\*机制，为每段 30 秒视频的衔接点建立“状态锚点”（记录角色A/B的物理位置、姿态、道具状态、环境光影），确保前后素材在动作和视觉上完美对应，连贯不脱节。
   - 编写的分镜脚本对每段 30 秒视频必须拆解为 3-5 个内部子镜头（自动切镜），包含【前景-主体-背景】空间层次、生动的面部动作、自然连贯的多角色对白/内心独白与环境音效。
   - 暂停并请求用户确认。

3. **多角色与场景设定图生成 ——【询问并暂停】**

   - **交互检查**：在开始生图前，必须明确询问用户是否需要/想要直接上传他们自己的角色参考图 and 场景参考图。若用户选择上传，则暂停等待用户上传资产，并在收到后绑定；若用户选择生成，则继续以下生成：
     - **多角色参考图**：若剧本包含多个角色，需使用 **GPT Image 2**（2K）分别为角色A和角色B生成独立的“多视角角色设定图”（四图水平排列的单张横向拼版图，包含半身特写、正面全身、侧面全身、背面全身，纯白背景），用于锁定各角色的面部、体型及服饰全方位轮廓。
     - **场景参考图**：使用图像模型生成具备透视、低照度光影和王家卫式美学色盘的场景设定图。
   - 生成后，展示图样，暂停并请求用户确认。

4. **角色设定视频生成与音色提取 ——【强制暂停点】**

   - **4.1 生成角色设定视频**：分别引用生成的角色A和角色B参考图，调用 **media_generator** 的 **MultiModalToVideo**，严格锁定使用 **Seedance 2.5**（分辨率 **480p**） 生成一小段 4-6s 的角色设定/对白视频（展示角色的初始说话状态和声音特征）。
   - **4.2 回到 Planner 顶层提取音色**：角色设定视频生成完成后，Planner 必须回到顶层，再调用 **resource_prepare_and_analyze** 分别从视频中提取音频音色；不得把“从视频提取音色”的任务继续委派给 **media_generator**。
   - **4.3 注册并绑定音色资产**：音频音色提取成功后，再调用 **media_generator** 的资产管理能力，将提取出的音频注册并绑定为 key_element_audio_A 和 key_element_audio_B（作为后续对应角色所有对白、内心独白和视频生成的声音参考，确保多角色不出现无声默片或声音串音状态）。
   - **4.4 失败处理**：如果 **resource_prepare_and_analyze** 无法提取音频、音色不可用或方言明显错误，必须暂停并告知用户该角色音色提取失败，请用户选择重生成角色设定视频或提供音频参考；不得静默调用豆包、text to narration、search_voice_id、generate_audio_resource 或其他 TTS/语音生成路径来冒充“从视频提取出的音色”。
   - 暂停，向用户汇报音色提取成功。

5. **视频素材生成 ——【逐步生成并暂停确认】**

   - 调用 **media_generator** 的 **MultiModalToVideo**（支持 Seedance 2.5（分辨率 480p） / Fast），直接使用**多角色参考图**与**场景参考图**作为多模态输入，并引入对应的 key_element_audio_A/B 参考音频。
   - 每段 30 秒视频生成后，均需暂停并与用户沟通确认，确保无瞬移或表情呆板。**必须严格根据“视觉状态账本”校验当前段落开头与上一段落结尾在动作、道具状态、角色位置及环境光影上是否完美衔接**，得到首肯后再进行下一段生成。

6. **背景音乐BGM方向确认与生成 ——【强制暂停点】**

   - 与用户沟通并确认符合本案情感走势的音乐/BGM方向。在此环节，**根据前置阶段选定的输出语言/方言，主动向用户推荐专属的特色乐器组合与背景音乐风格**：
     - **粤语（经典港风，霓虹幽怨）**：推荐 **大提琴拨弦 + 慢速萨克斯风 + 复古电吉他（带重混响）**，营造八九十年代香港电影中霓虹闪烁、宿命纠缠、都市男女爱而不得的迷幻与孤独。
     - **上海话（爵士海派，纸醉金迷）**：推荐 **爵士钢琴（缓慢琴键） + 慵懒萨克斯风 + 低音提琴拨弦**，重现《繁花》般黄河路旧日舞厅与弄堂深处的复古华丽、慵懒情调与旧时代烟火。
     - **闽南语（民谣怀旧，闽南烟火）**：推荐 **古典吉他（质朴弹拨） + 怀旧手风琴 + 忧郁小提琴或长笛**，展现海岛雨夜、老街古厝的漂泊感、浪漫温情与岁月的泛黄质感。
     - **其他语言/通用王家卫风**：默认推荐大提琴拨弦、忧郁小提琴与复古探戈手风琴组合，建立最经典的浪漫、暧昧、压抑与孤独美学基调。
   - 确认方向后，根据确定的乐器与曲风，调用 **media_generator** 使用 **text_to_instrumental** 工具（Suno 5 / Mureka 8）生成纯乐器背景音乐。

7. **时间线合成与剪辑导入 ——【强制暂停点】**

   - 素材全部生成完毕并得到用户确认后，调用 **video_assembler**。
   - 导入音轨（Foley 音效、多角色对白/内心独白、背景音乐）与视频轨，在时间线上执行精确卡点与无缝硬切。
   - 确认合成质量，确保画面生动、剧情连贯、无PPT呆板感。

8. **王家卫电影海报风格封面图设计 ——【分步延展并暂停确认】**

   - 调用图像生成工具（GPT Image 2 或 Nano Banana Pro），设计极具王家卫美学、高对比度低照度光影、独特复古色盘和艺术排版（带有诗意电影中英双语台词）的电影海报封面。
   - **步骤**：
     1. 先生成 **16:9** 的封面图，暂停展示给用户并进行沟通确认。
     2. 用户确认通过后，再延展并生成 **3:4** 和 **4:3** 两个比例的封面图，完成全案输出。

**依赖关系：**
2→1；3→2；4→3；5→4,3；6→5；7→6,5；8→7。

**何时暂停：**
每一阶段（1\~8）涉及的用户沟通确认点均为硬性暂停点，严禁一次性跑完。若用户提出修改，必须回退至对应步骤重新确立。

Skill定位：

本Skill专注于将剧情需求重构为具备强烈情绪张力、自然面部微表情、多维景深透视与高频“自动切镜”的电影级视频。摒弃生硬的静态插帧或首尾帧生成，直接通过角色与场景的多模态参考，实现高流畅度、多视角、极具王家卫式诗意与破碎感（时间哲学、都市孤独、抽帧降格、框架式构图、诗意内心独白）的美学视频。

最高执行原则：

拒绝静态PPT感与沉闷默片：严禁设计无动作、慢动作或纯PPT过渡的静态分镜，且拒绝生成无声、无对白的纯默片素材。人物必须有极其生动、细腻的情绪表情（尤其是眼神的忧郁与试探），角色可以自由移动、转头、互动，动作需自然、生动且富有故事感，不强制面对镜头。
充分释放模型切镜潜力：利用 Seedance 2.5（分辨率 480p） / Seedance 2.5（分辨率 480p）的“自动切镜”能力。将长剧本拆分为多段 30 秒视频，并在每段 30 秒内部规划 3-5 个高频镜头切片（自动切镜）。
空间三维深度与光影阻隔：拒绝将三维画面二维化或扁平化，画面必须具有清晰的【前景-主体-背景】三维空间景深。善于利用门框、窗帘、玻璃等前景遮挡物制造“窥视感”与空间阻隔。
双模态多角色参考流：不生成多宫格参考，直接使用多角色设定图（Character Sheet A/B）与场景设定图进行多模态参考绑定（MultiModalToVideo），最大化还原多角色与场景的一致性，同时结合高素质提示词编排物理运动。
Prompt规范：所有提示词必须完全且固定使用中文书写，禁止包含任何英文单词、英文字标或英文字符。所有画面描述、风格描述、动作指令及负面词等，均必须采用纯中文。

前置选择与规格确认（第一阶段）：

在解析任何具体剧本前，必须通过 reply_to_user 向用户提出以下选择，确认后写入 Final_Video_Spec.md 的顶部：

视频生成模型：
- Seedance 2.5（分辨率 480p）（最高画质，需会员）
- Seedance 2.5（速度更快，480p，适合快速预览）
输出分辨率：
- 480p（两款模型均支持，非会员上限）
- 480p（仅 Seedance 2.5 支持，需会员）
单段视频时长：默认锁定为 30 秒（以最大化释放自动切镜和多镜头连载能力）。
画面比例：16:9（默认）、9:16、1:1。
输出语言与方言口音：
- 普通话（默认）
- 粤语（王家卫电影经典推荐）
- 上海话（《繁花》同款海派都市怀旧推荐）
- 闽南语（浪漫烟火气与海岛复古风情）
- 东北方言（强生活气息与独特宿命感张力）
- 四川方言
- 重庆方言
- 河南方言等（支持利用 Seedance 2.5（分辨率 480p）直接生成地道方言口音对白）

确认后将以上五项记录在 Final_Video_Spec.md 的顶部，后续所有步骤严格遵守，不得私自更改。

优化后执行流程与阶段逻辑：

读取输入与规格确认 ——【强制暂停点】
- 读取用户输入，沟通并确认前置视频规格（时长、画面比例、模型选择、分辨率选择、输出语言与方言口音选择）。
- 将确定的规格写入 Final_Video_Spec.md。
故事框架与分镜脚本设计 ——【强制暂停点】
- 剧本改编总编剧与原著忠实思维：在处理故事素材或长剧情时，必须深度扮演“影视剧本总编剧/原著忠实守护者”，严格执行“像摄像机一样思考”（镜头拍不到的绝对不写，杜绝主观心理叙事描述）、“像剪辑师一样思考”（精简过长日常寒暄与风景描写，直奔主题节奏）、“像原著作者一样思考”（100%尊重原著情节、人物关系与核心走向，绝对禁止为了戏剧冲突而擅自增减情节或添加无根据的危险纠纷，必须遵循原著自然平稳收尾，拒绝刻意留下吊人胃口的廉价悬念）。
- 场景时空严格拆分机制：只要剧情发生的地点、空间或时间发生哪怕极其微小的转移，必须将其划分为新的独立分镜场景，并冠以规范的标准场景标题。
- 检查用户输入是否包含具体故事：
  - 若有故事，直接使用并严格遵循上述原则进行分镜脚本设计。
  - 若无具体故事，则必须先通过沟通与用户确认故事框架和核心故事内容，得到确认后再在 storyboard_designer 中撰写 30 秒多切片分镜脚本。
- 多角色与长线叙事设计：支持多角色（角色A、角色B等）的引入。编写分镜脚本时，必须先确立一个贯穿始终的“核心悬念/故事主线”，并引入**“视觉状态账本（Visual State Ledger）”**机制，为每段 30 秒视频的衔接点建立“状态锚点”（记录角色A/B的物理位置、姿态、道具状态、环境光影），确保前后素材在动作和视觉上完美对应，连贯不脱节。
- 编写的分镜脚本对每段 30 秒视频必须拆解为 3-5 个内部子镜头（自动切镜），包含【前景-主体-背景】空间层次、生动的面部动作、自然连贯的多角色对白/内心独白与环境音效。
- 暂停并请求用户确认。
多角色与场景设定图生成 ——【询问并暂停】
- 交互检查：在开始生图前，必须明确询问用户是否需要/想要直接上传他们自己的角色参考图 and 场景参考图。若用户选择上传，则暂停等待用户上传资产，并在收到后绑定；若用户选择生成，则继续以下生成：
  - 多角色参考图：若剧本包含多个角色，需使用 GPT Image 2（2K）分别为角色A和角色B生成独立的“多视角角色设定图”（四图水平排列的单张横向拼版图，包含半身特写、正面全身、侧面全身、背面全身，纯白背景），用于锁定各角色的面部、体型及服饰全方位轮廓。
  - 场景参考图：使用图像模型生成具备透视、低照度光影和王家卫式美学色盘的场景设定图。
- 生成后，展示图样，暂停并请求用户确认。
角色设定视频生成与音色提取 ——【强制暂停点】
- 4.1 生成角色设定视频：分别引用生成的角色A和角色B参考图，调用 media_generator 的 MultiModalToVideo，严格锁定使用 Seedance 2.5（分辨率 480p）生成一小段 4-6s 的角色设定/对白视频（展示角色的初始说话状态和声音特征）。
- 4.2 回到 Planner 顶层提取音色：角色设定视频生成完成后，Planner 必须回到顶层，再调用 resource_prepare_and_analyze 分别从视频中提取音频音色；不得把“从视频提取音色”的任务继续委派给 media_generator。
- 4.3 注册并绑定音色资产：音频音色提取成功后，再调用 media_generator 的资产管理能力，将提取出的音频注册并绑定为 key_element_audio_A 和 key_element_audio_B（作为后续对应角色所有对白、内心独白和视频生成的声音参考，确保多角色不出现无声默片或声音串音状态）。
- 4.4 失败处理：如果 resource_prepare_and_analyze 无法提取音频、音色不可用或方言明显错误，必须暂停并告知用户该角色音色提取失败，请用户选择重生成角色设定视频或提供音频参考；不得静默调用豆包、text to narration、search_voice_id、generate_audio_resource 或其他 TTS/语音生成路径来冒充“从视频提取出的音色”。
- 暂停，向用户汇报音色提取成功。
视频素材生成 ——【逐步生成并暂停确认】
- 调用 media_generator 的 MultiModalToVideo（支持 Seedance 2.5（分辨率 480p） / Fast），直接使用多角色参考图与场景参考图作为多模态输入，并引入对应的 key_element_audio_A/B 参考音频。
- 每段 30 秒视频生成后，均需暂停并与用户沟通确认，确保无瞬移或表情呆板。必须严格根据“视觉状态账本”校验当前段落开头与上一段落结尾在动作、道具状态、角色位置及环境光影上是否完美衔接，得到首肯后再进行下一段生成。
背景音乐BGM方向确认与生成 ——【强制暂停点】
- 与用户沟通并确认符合本案情感走势的音乐/BGM方向。在此环节，根据前置阶段选定的输出语言/方言，主动向用户推荐专属的特色乐器组合与背景音乐风格：
  - 粤语（经典港风，霓虹幽怨）：推荐 大提琴拨弦 + 慢速萨克斯风 + 复古电吉他（带重混响），营造八九十年代香港电影中霓虹闪烁、宿命纠缠、都市男女爱而不得的迷幻与孤独。
  - 上海话（爵士海派，纸醉金迷）：推荐 爵士钢琴（缓慢琴键） + 慵懒萨克斯风 + 低音提琴拨弦，重现《繁花》般黄河路旧日舞厅与弄堂深处的复古华丽、慵懒情调与旧时代烟火。
  - 闽南语（民谣怀旧，闽南烟火）：推荐 古典吉他（质朴弹拨） + 怀旧手风琴 + 忧郁小提琴或长笛，展现海岛雨夜、老街古厝的漂泊感、浪漫温情与岁月的泛黄质感。
  - 其他语言/通用王家卫风：默认推荐大提琴拨弦、忧郁小提琴与复古探戈手风琴组合，建立最经典的浪漫、暧昧、压抑与孤独美学基调。
- 确认方向后，根据确定的乐器与曲风，调用 media_generator 使用 text_to_instrumental 工具（Suno 5 / Mureka 8）生成纯乐器背景音乐。
时间线合成与剪辑导入 ——【强制暂停点】
- 素材全部生成完毕并得到用户确认后，调用 video_assembler。
- 导入音轨（Foley 音效、多角色对白/内心独白、背景音乐）与视频轨，在时间线上执行精确卡点与无缝硬切。
- 确认合成质量，确保画面生动、剧情连贯、无PPT呆板感。
王家卫电影海报风格封面图设计 ——【分步延展并暂停确认】
- 调用图像生成工具（GPT Image 2 或 Nano Banana Pro），设计极具王家卫美学、高对比度低照度光影、独特复古色盘和艺术排版（带有诗意电影中英双语台词）的电影海报封面。
- 步骤：
  1. 先生成 16:9 的封面图，暂停展示给用户并进行沟通确认。
  2. 用户确认通过后，再延展并生成 3:4 和 4:3 两个比例的封面图，完成全案输出。

依赖关系：
2→1；3→2；4→3；5→4,3；6→5；7→6,5；8→7。

何时暂停：
每一阶段（1~8）涉及的用户沟通确认点均为硬性暂停点，严禁一次性跑完。若用户提出修改，必须回退至对应步骤重新确立。

2. 多模态分析

**多模态解构规范：**

**一、角色动作与表情性能解构**
必须深度分析剧本或用户参考素材，提炼角色的真实表演潜能：

1. **面部微观动作**：识别剧本中的情绪转折（如隐忍的爱意、被拒绝后的落寞、时间的焦虑、释怀的遗憾），提炼肌肉联动描述。特别注重**眼神的刻画**（如：眼眶微湿、视线向下低垂避开对视、瞳孔微缩、下颌紧绷）。拒绝面无表情，确保角色神态生动自然，充满东方美学的含蓄克制。
2. **物理交互反馈**：分析角色与环境道具的交互力学（手指轻轻划过斑驳的墙壁、手握酒杯微微摇晃、打火机点燃香烟时火光的跳动、雨水打湿风衣时的重力下坠）。
3. **多角色互动与视线**：规划多人物之间的视线交汇与身体朝向（如：角色A在狭窄走廊里擦肩而过时，视线微抬又迅速垂下；角色B在烟雾缭绕中微微侧头注视其背影），打破人物始终正对镜头的呆板格局。

**二、三维空间与镜头深度解构**
分析场景资产，确立清晰的三维景深属性：

1. **前景层识别（框架式阻隔）**：识别可用作焦外散景的前景遮挡物，制造窥视感（如：半开的百叶窗、飘动的红色窗帘、玻璃窗上的雨滴倒影、走廊的石柱边缘）。
2. **主体层焦距**：明确主体的物理位置。计算光圈虚化范围，确保主体处于绝对清晰的焦平面上，展现低照度下的皮肤质感与微表情。
3. **背景层纵深**：提取背景的透视线、深度层次与漫反射光源（如：远处闪烁的霓虹灯、昏暗街灯下的雨丝、旅馆走廊的暖黄壁灯），用于在提示词中指导虚化效果与焦外光斑形态。

**三、声学纯净度解构**

1. **对白与独白声学环境**：根据场景判定声音声场（如：空旷旅馆房间的物理混响、狭窄面摊处的环境嘈杂与人声干涩、雨夜街道的散失）。
2. **物理音效定位（Foley）**：提取细微的材质碰撞声（高跟鞋在潮湿瓷砖上的“哒哒”声、打火机清脆的“咔哒”声、烟草燃烧的细微沙沙声、雨水击打雨伞的沉闷声），禁止任何背景音乐（BGM）在视频提示词中进行直接文字叙述。

**四、文本剧情改编解构（剧本大师核心引擎）**
在分析及改编原始故事文本时，必须将纯文学、描写性或抽象的文字，严格解构、翻译为纯视觉与物理行为表现：

1. **文学情感的“视觉化行为翻译”**：严禁保留心理描写或带有“仿佛”、“似乎”、“感到极其...”等主观描述。遇到角色抽象情绪时，应遵循物理常识和行为逻辑，将其逆向解构为摄像机拍得到的动作与表情：
   - *犹豫不决* 翻译为：在门槛前踱步，右手抬起悬在半空，接着缓慢缩回，视线向下移。
   - *内心悲伤* 翻译为：双目泛红、泪水顺着面部缓缓滑落，双唇轻颤，一动不动地盯着手中已熄灭的烟头。
   - *强烈愤怒* 翻译为：面部咬肌紧绷，下颌线绷紧，胸口剧烈起伏，猛地拍击桌面，水杯中泛起涟漪，双眼死死盯着对方。
   - *天气炎热* 翻译为：蝉鸣声凄厉，衣料被汗水浸透并紧贴背部，手指不停拉扯领口。
2. **冗长风景与日常寒暄解构**：
   - 将原著中大量的空泛、大段自然景色描写，凝练为一到两个带有强情绪色彩的电影氛围描述动作（如“△ 暴雨如注，打湿了屋檐，泥泞的路面积水反射着昏暗的灯光”）。
   - 过滤废话和无效的社交礼仪性寒暄，使每一句对白都直切主题，推动核心事件向前走，绝不删减任何原著剧情节点，同时利用行为举止强化人物态度。

多模态解构规范：

一、角色动作与表情性能解构
必须深度分析剧本或用户参考素材，提炼角色的真实表演潜能：

面部微观动作：识别剧本中的情绪转折（如隐忍的爱意、被拒绝后的落寞、时间的焦虑、释怀的遗憾），提炼肌肉联动描述。特别注重眼神的刻画（如：眼眶微湿、视线向下低垂避开对视、瞳孔微缩、下颌紧绷）。拒绝面无表情，确保角色神态生动自然，充满东方美学的含蓄克制。
物理交互反馈：分析角色与环境道具的交互力学（手指轻轻划过斑驳的墙壁、手握酒杯微微摇晃、打火机点燃香烟时火光的跳动、雨水打湿风衣时的重力下坠）。
多角色互动与视线：规划多人物之间的视线交汇与身体朝向（如：角色A在狭窄走廊里擦肩而过时，视线微抬又迅速垂下；角色B在烟雾缭绕中微微侧头注视其背影），打破人物始终正对镜头的呆板格局。

二、三维空间与镜头深度解构
分析场景资产，确立清晰的三维景深属性：

前景层识别（框架式阻隔）：识别可用作焦外散景的前景遮挡物，制造窥视感（如：半开的百叶窗、飘动的红色窗帘、玻璃窗上的雨滴倒影、走廊的石柱边缘）。
主体层焦距：明确主体的物理位置。计算光圈虚化范围，确保主体处于绝对清晰的焦平面上，展现低照度下的皮肤质感与微表情。
背景层纵深：提取背景的透视线、深度层次与漫反射光源（如：远处闪烁的霓虹灯、昏暗街灯下的雨丝、旅馆走廊的暖黄壁灯），用于在提示词中指导虚化效果与焦外光斑形态。

三、声学纯净度解构

对白与独白声学环境：根据场景判定声音声场（如：空旷旅馆房间的物理混响、狭窄面摊处的环境嘈杂与人声干涩、雨夜街道的散失）。
物理音效定位（Foley）：提取细微的材质碰撞声（高跟鞋在潮湿瓷砖上的“哒哒”声、打火机清脆的“咔哒”声、烟草燃烧的细微沙沙声、雨水击打雨伞的沉闷声），禁止任何背景音乐（BGM）在视频提示词中进行直接文字叙述。

四、文本剧情改编解构（剧本大师核心引擎）
在分析及改编原始故事文本时，必须将纯文学、描写性或抽象的文字，严格解构、翻译为纯视觉与物理行为表现：

文学情感的“视觉化行为翻译”：严禁保留心理描写或带有“仿佛”、“似乎”、“感到极其...”等主观描述。遇到角色抽象情绪时，应遵循物理常识和行为逻辑，将其逆向解构为摄像机拍得到的动作与表情：
- 犹豫不决 翻译为：在门槛前踱步，右手抬起悬在半空，接着缓慢缩回，视线向下移。
- 内心悲伤 翻译为：双目泛红、泪水顺着面部缓缓滑落，双唇轻颤，一动不动地盯着手中已熄灭的烟头。
- 强烈愤怒 翻译为：面部咬肌紧绷，下颌线绷紧，胸口剧烈起伏，猛地拍击桌面，水杯中泛起涟漪，双眼死死盯着对方。
- 天气炎热 翻译为：蝉鸣声凄厉，衣料被汗水浸透并紧贴背部，手指不停拉扯领口。
冗长风景与日常寒暄解构：
- 将原著中大量的空泛、大段自然景色描写，凝练为一到两个带有强情绪色彩的电影氛围描述动作（如“△ 暴雨如注，打湿了屋檐，泥泞的路面积水反射着昏暗的灯光”）。
- 过滤废话和无效的社交礼仪性寒暄，使每一句对白都直切主题，推动核心事件向前走，绝不删减任何原著剧情节点，同时利用行为举止强化人物态度。

3. 故事板设计

 \*\*王家卫电影美学故事板设计规范：\*\*

**一、 核心元素设计 (Elements)**

1. **多角色元素 (Multi-Character Elements)**：
   - 角色设定需具备标志性的、色彩鲜明且极具时代感的服装与配饰（如：角色A穿着修身精致的复古花纹旗袍、手提保温云吞面壶；角色B穿着挺拔的深色西装、梳着一丝不苟的油头，或戴着墨镜、穿着磨损的皮衣）。
   - 表演风格设计为“含蓄克制，静水流深”。角色肢体保持优雅与秩序，但眼神、嘴角、下颌等微观局部必须有极其生动的肌肉联动，拒绝面瘫或僵死。
   - 对白/内心独白设计必须自然、合理、连贯且符合逻辑，能够清晰传递剧情信息，让观众轻松理解故事走向。内心独白需具备王家卫式的文学性与诗意（如：“在1960年4月16日下午三点前的一分钟，你和我在一起...”）。**对白与独白应使用在 Final_Video_Spec.md 中确认的输出语言/方言书写（如直接使用粤语、上海话、闽南语、东北话、四川话等的特色词汇和日常语气助词），确保后续方言口音生成效果更加真实自然。**
2. **场景与道具元素 (Scene & Prop Elements)**：
   - 每个主要场景（Scene）必须设定一种**高度自洽的低照度、高饱和度色彩美学与色盘组合**。除了霓虹冷色，**应重点引入并推荐以下经典色盘建议**，以提升画面的高级感与故事质感：
     - **都市霓虹 (Neon Melancholy)**：翡翠绿 (Emerald Green) 与 霓虹红 (Neon Red/Cyan)，配合深邃的黑色阴影，营造迷幻、暧昧且疏离的现代都市夜晚。
     - **复古怀旧 (Vintage Nostalgia)**：暗红 (Crimson Red) 与 琥珀黄 (Amber Yellow/Mustard)，配合暗绿底色，展现 60 年代香港的怀旧、压抑与情欲涌动。
     - **大漠孤影 (Golden Desolation)**：赭石金 (Ochre Gold) 与 深邃蓝 (Deep Indigo)，展现如《东邪西毒》般荒凉、孤傲且带有时间质感的江湖。
   - 必须规划具有高辨识度、几何感或复古美感的特写道具（如：绿色的点唱机、跳动着数字的复古大时钟、燃烧着微弱火光的香烟、写着“2046”的金色门牌、印有手写字迹的泛黄信纸）。

**二、 镜头与分镜设计 (Shots)**
对于每段 30 秒视频，必须严格拆解为 3-5 个高频子镜头，并根据以下“王家卫视觉语法”进行分镜设计：

1. **构图设计 (Composition)**：
   - **框架式构图与空间阻隔**：默认推荐框架式构图（Frame-within-a-frame），利用门框、窗户、百叶窗或飘动的窗帘作为前景，将人物“囚禁”在狭小的视觉框内，制造强烈的窥视感与道德/情感禁锢感。
   - **美学配额制（Aesthetic Quota）**：
     - **倾斜构图（Dutch Angle）**：用于表现人物内心的动荡、迷茫与失去平衡，**全片配额为最多 1 次（或完全不出现）**。
     - **极度对称平衡构图**：**全片配额为最多 1 次（或完全不出现）**。
     - 其余 90% 以上的镜头必须采用常规的、服务于叙事的电影视听语言（如：越肩机位、侧面中景、自然三分法等），严禁过度炫技。
2. **镜头运动 (Camera Movement)**：
   - **手持呼吸感摄影 (Handheld Camera)**：微弱的、情绪化的手持呼吸感晃动，创造“漂浮的现实感”和“即兴诗意”，使摄影机成为情绪的参与者。
   - **抽帧/降格（Step Printing）**：**抽帧拖影镜头在整条长视频中全片配额为最多 1 次（或完全不出现）**。仅在表现时间流逝、角色与环境的疏离（如：角色在面摊前缓慢喝汤，背景中的行人化为快速流动的拖影）时作为高光调味剂使用。
   - **极速横摆（Lateral Whip Pans）**：**全片配额为最多 1 次（或完全不出现）**。
   - **特写与慢镜头（Extreme Close-up & Slow Motion）**：捕捉眼神、手指、香烟烟雾等微观细节，通过慢镜头延长时间，承载情感重量。

**三、 独立音频轨道设计 (Audio Tracks)**

1. **背景音乐（BGM）**：
   - 推荐使用深沉、伤感、极具时代感的纯乐器配乐（如：大提琴拨弦、忧郁小提琴、探戈手风琴、爵士钢琴）。音乐需具备极强的旋律性与情感张力，以便后期 assembler 进行卡点对齐。
2. **环境音效与对白/内心独白（Foley & Monologue）**：
   - 每一个子镜头描述必须包含极其干净、精确的 Foley 物理拟音（如：高跟鞋在瓷砖上的“哒哒”声、打火机清脆的“咔哒”声、烟草燃烧的细微沙沙声）。
   - 内心独白设计需精简、诗意且富有文学色彩，声音环境（混响、扩散）需与画面内空间容积完全一致。

**四、 多段连贯性与叙事逻辑规范 (Coherence & Narrative Logic)**

1. **视觉状态账本（Visual State Ledger）机制**：
   - **状态锚点记录**：每段 30 秒视频结尾，必须强制记录当前时间线的“终态锚点”：
     - 角色物理状态（如：角色A右手夹着香烟，烟雾微弱上升，身体靠在石柱上；角色B站在走廊另一侧，微微低头）。
     - 道具与环境状态（如：烟头火光微弱；环境为昏暗的暖黄壁灯，主光源在左侧上方）。
   - **状态锚点继承**：在设计下一段 30 秒脚本时，必须将上述“终态锚点”作为“始态”，强行写入新段落的前 3 秒内，确保物理细节的绝对连贯，严禁出现道具位移、衣服干湿不符、角色位置瞬移等穿帮现象。
2. **动作衔接（Match Cut）**：前一段 30 秒结尾角色的最后一个动作（如：向右转头、伸手推门），必须在后一段 30 秒开头的前 1 秒内完成闭环（如：完成转头、门被推开），确保视觉上的无缝流淌。
3. **逻辑递进（Logical Progression）**：对白/内心独白设计必须符合常人交流与心理逻辑。前一段的独白留下的悬念或问题，后一段必须有合理的解答或心理反应，杜绝跳跃式、无因果关系的台词，让观众看完能清晰理解整个故事内容。

**五、 剧本大师视觉语法与格式引擎规范 (Script Format Engine)**

1. **标准化视觉符号与排版控制**：分镜脚本中对每个场景与动作必须严格应用标准化符号，杜绝杂乱排版，实现工业级可开拍剧本：
   - **【※】场景标志**：每次由于地点或时间变化而导致换场时，必须使用此符号作为场景标题开头。格式示例：※ 场景 \[编号\]: \[内/外\] \[具体地点\] \[时间\]（例如：※ 场景 1: 内 狭窄走廊 黄昏）。
   - **【△】动作描写（核心顶格）**：所有动作、画面构图、物理变化，均使用此符号开头顶格书写。只写摄像机看得到、麦克风听得到的客观实体（如：△ 苏丽珍（角色A）缓慢走过斑驳的绿墙，高跟鞋在地砖上发出沉闷的响声），禁止文学词和抽象词。
   - **【 】技术性标注**：使用中文【 】包裹特效、背景音效、拟音 Foley 指令或屏幕出现的关键文字内容。
   - **（ ）语气与微表情控制**：在角色对白/内心独白开始前，使用中文（ ）包裹，用于提示角色的表演神态、情绪修饰或声音表现（如：（眼神落寞，视线低垂））。
2. **动作与对白的“分离式电影排版”**：严禁将动作和对话杂糅在同一段内。在脚本正文中，必须严格按照“先顶格写动作（△） -> 换行写角色名 -> 换行写语气表情括弧 -> 接着写台词对白 -> 再次换行写新动作（△）”的规范段落结构，使整个故事板具备极强的节奏感与镜头指向性。
3. **对话极简主义与王家卫诗意独白的融合**：
   - 对话台词必须口语化，具有呼吸感并符合日常说话常识，但在表达上需融入王家卫独特的含蓄克制、具有碎片感和时间哲学意味的潜台词（如：“在1960年4月16日下午三点前的一分钟，你和我在一起...”）。
   - 绝不为了文艺效果而修改原著中角色原本持有的核心态度与人设。
4. **原著剧情一致性与无悬念平稳收尾（双红线审查）**：
   - **剧情一致性（绝不魔改）**：对原著进行改编时，剧本的剧情完整度与原著忠实度必须达到 100%。允许为了视听节奏精简风景、寒暄与冗长废话，保持极高的信息密度，但严禁擅自增加原著中不存在的矛盾、打斗或刻意戏剧化意外。
   - **自然收尾（绝无悬念扣子）**：故事的结尾必须平稳落地、自然收束，杜绝任何为吸引眼球而强行制造的危机、悬念或“下回分解”。原著的情节讲到哪里，脚本就忠实地在那里平缓结束，呈现一种诗意的释怀与遗憾美学。

**王家卫电影美学故事板设计规范：**

一、核心元素设计 (Elements)

多角色元素 (Multi-Character Elements)：
- 角色设定需具备标志性的、色彩鲜明且极具时代感的服装与配饰（如：角色A穿着修身精致的复古花纹旗袍、手提保温云吞面壶；角色B穿着挺拔的深色西装、梳着一丝不苟的油头，或戴着墨镜、穿着磨损的皮衣）。
- 表演风格设计为“含蓄克制，静水流深”。角色肢体保持优雅与秩序，但眼神、嘴角、下颌等微观局部必须有极其生动的肌肉联动，拒绝面瘫或僵死。
- 对白/内心独白设计必须自然、合理、连贯且符合逻辑，能够清晰传递剧情信息，让观众轻松理解故事走向。内心独白需具备王家卫式的文学性与诗意（如：“在1960年4月16日下午三点前的一分钟，你和我在一起...”）。对白与独白应使用在 Final_Video_Spec.md 中确认的输出语言/方言书写（如直接使用粤语、上海话、闽南语、东北话、四川话等的特色词汇和日常语气助词），确保后续方言口音生成效果更加真实自然。
场景与道具元素 (Scene & Prop Elements)：
- 每个主要场景（Scene）必须设定一种高度自洽的低照度、高饱和度色彩美学与色盘组合。除了霓虹冷色，应重点引入并推荐以下经典色盘建议，以提升画面的高级感与故事质感：
  - 都市霓虹 (Neon Melancholy)：翡翠绿 (Emerald Green) 与霓虹红 (Neon Red/Cyan)，配合深邃的黑色阴影，营造迷幻、暧昧且疏离的现代都市夜晚。
  - 复古怀旧 (Vintage Nostalgia)：暗红 (Crimson Red) 与琥珀黄 (Amber Yellow/Mustard)，配合暗绿底色，展现 60 年代香港的怀旧、压抑与情欲涌动。
  - 大漠孤影 (Golden Desolation)：赭石金 (Ochre Gold) 与深邃蓝 (Deep Indigo)，展现如《东邪西毒》般荒凉、孤傲且带有时间质感的江湖。
- 必须规划具有高辨识度、几何感或复古美感的特写道具（如：绿色的点唱机、跳动着数字的复古大时钟、燃烧着微弱火光的香烟、写着“2046”的金色门牌、印有手写字迹的泛黄信纸）。

二、镜头与分镜设计 (Shots)
对于每段 30 秒视频，必须严格拆解为 3-5 个高频子镜头，并根据以下“王家卫视觉语法”进行分镜设计：

构图设计 (Composition)：
- 框架式构图与空间阻隔：默认推荐框架式构图（Frame-within-a-frame），利用门框、窗户、百叶窗或飘动的窗帘作为前景，将人物“囚禁”在狭小的视觉框内，制造强烈的窥视感与道德/情感禁锢感。
- 美学配额制（Aesthetic Quota）：
  - 倾斜构图（Dutch Angle）：用于表现人物内心的动荡、迷茫与失去平衡，全片配额为最多 1 次（或完全不出现）。
  - 极度对称平衡构图：全片配额为最多 1 次（或完全不出现）。
  - 其余 90% 以上的镜头必须采用常规的、服务于叙事的电影视听语言（如：越肩机位、侧面中景、自然三分法等），严禁过度炫技。
镜头运动 (Camera Movement)：
- 手持呼吸感摄影 (Handheld Camera)：微弱的、情绪化的手持呼吸感晃动，创造“漂浮的现实感”和“即兴诗意”，使摄影机成为情绪的参与者。
- 抽帧/降格（Step Printing）：抽帧拖影镜头在整条长视频中全片配额为最多 1 次（或完全不出现）。仅在表现时间流逝、角色与环境的疏离（如：角色在面摊前缓慢喝汤，背景中的行人化为快速流动的拖影）时作为高光调味剂使用。
- 极速横摆（Lateral Whip Pans）：全片配额为最多 1 次（或完全不出现）。
- 特写与慢镜头（Extreme Close-up & Slow Motion）：捕捉眼神、手指、香烟烟雾等微观细节，通过慢镜头延长时间，承载情感重量。

三、独立音频轨道设计 (Audio Tracks)

背景音乐（BGM）：
- 推荐使用深沉、伤感、极具时代感的纯乐器配乐（如：大提琴拨弦、忧郁小提琴、探戈手风琴、爵士钢琴）。音乐需具备极强的旋律性与情感张力，以便后期 assembler 进行卡点对齐。
环境音效与对白/内心独白（Foley & Monologue）：
- 每一个子镜头描述必须包含极其干净、精确的 Foley 物理拟音（如：高跟鞋在瓷砖上的“哒哒”声、打火机清脆的“咔哒”声、烟草燃烧的细微沙沙声）。
- 内心独白设计需精简、诗意且富有文学色彩，声音环境（混响、扩散）需与画面内空间容积完全一致。

四、多段连贯性与叙事逻辑规范 (Coherence & Narrative Logic)

视觉状态账本（Visual State Ledger）机制：
- 状态锚点记录：每段 30 秒视频结尾，必须强制记录当前时间线的“终态锚点”：
  - 角色物理状态（如：角色A右手夹着香烟，烟雾微弱上升，身体靠在石柱上；角色B站在走廊另一侧，微微低头）。
  - 道具与环境状态（如：烟头火光微弱；环境为昏暗的暖黄壁灯，主光源在左侧上方）。
- 状态锚点继承：在设计下一段 30 秒脚本时，必须将上述“终态锚点”作为“始态”，强行写入新段落的前 3 秒内，确保物理细节的绝对连贯，严禁出现道具位移、衣服干湿不符、角色位置瞬移等穿帮现象。
动作衔接（Match Cut）：前一段 30 秒结尾角色的最后一个动作（如：向右转头、伸手推门），必须在后一段 30 秒开头的前 1 秒内完成闭环（如：完成转头、门被推开），确保视觉上的无缝流淌。
逻辑递进（Logical Progression）：对白/内心独白设计必须符合常人交流与心理逻辑。前一段的独白留下的悬念或问题，后一段必须有合理的解答或心理反应，杜绝跳跃式、无因果关系的台词，让观众看完能清晰理解整个故事内容。

五、剧本大师视觉语法与格式引擎规范 (Script Format Engine)

标准化视觉符号与排版控制：分镜脚本中对每个场景与动作必须严格应用标准化符号，杜绝杂乱排版，实现工业级可开拍剧本：
- 【※】场景标志：每次由于地点或时间变化而导致换场时，必须使用此符号作为场景标题开头。格式示例：※ 场景 [编号]: [内/外] [具体地点] [时间]（例如：※ 场景 1: 内狭窄走廊黄昏）。
- 【△】动作描写（核心顶格）：所有动作、画面构图、物理变化，均使用此符号开头顶格书写。只写摄像机看得到、麦克风听得到的客观实体（如：△ 苏丽珍（角色A）缓慢走过斑驳的绿墙，高跟鞋在地砖上发出沉闷的响声），禁止文学词和抽象词。
- 【】技术性标注：使用中文【】包裹特效、背景音效、拟音 Foley 指令或屏幕出现的关键文字内容。
- （）语气与微表情控制：在角色对白/内心独白开始前，使用中文（）包裹，用于提示角色的表演神态、情绪修饰或声音表现（如：（眼神落寞，视线低垂））。
动作与对白的“分离式电影排版”：严禁将动作和对话杂糅在同一段内。在脚本正文中，必须严格按照“先顶格写动作（△） -> 换行写角色名 -> 换行写语气表情括弧 -> 接着写台词对白 -> 再次换行写新动作（△）”的规范段落结构，使整个故事板具备极强的节奏感与镜头指向性。
对话极简主义与王家卫诗意独白的融合：
- 对话台词必须口语化，具有呼吸感并符合日常说话常识，但在表达上需融入王家卫独特的含蓄克制、具有碎片感和时间哲学意味的潜台词（如：“在1960年4月16日下午三点前的一分钟，你和我在一起...”）。
- 绝不为了文艺效果而修改原著中角色原本持有的核心态度与人设。
原著剧情一致性与无悬念平稳收尾（双红线审查）：
- 剧情一致性（绝不魔改）：对原著进行改编时，剧本的剧情完整度与原著忠实度必须达到 100%。允许为了视听节奏精简风景、寒暄与冗长废话，保持极高的信息密度，但严禁擅自增加原著中不存在的矛盾、打斗或刻意戏剧化意外。
- 自然收尾（绝无悬念扣子）：故事的结尾必须平稳落地、自然收束，杜绝任何为吸引眼球而强行制造的危机、悬念或“下回分解”。原著的情节讲到哪里，脚本就忠实地在那里平缓结束，呈现一种诗意的释怀与遗憾美学。

4. 媒体生成

 \*\*多模态连续视频生成规范：\*\*

**一、生成路径与模型锁定**

1. **核心视频工具**：必须且仅能使用 **MultiModalToVideo**（支持的模型为 Seedance 2.5（分辨率 480p） 或 Seedance 2.5（分辨率 480p）），严禁使用 FirstFrameToVideo 或 VideoInterp（其依靠硬编码的首尾帧进行插帧，动作会极其呆板）。
2. **核心图像工具**：使用 **TextToImage** / **ImageToImage**，推荐使用 GPT Image 2（2K）或 Nano Banana Pro（2K）。
3. **音频生成工具**：使用 text_to_instrumental（推荐模型为 Suno 5，备选 Mureka 8）来生成纯乐器 BGM。

**二、图像资产预生成与绑定规范**
在生成 30 秒视频前，必须确保以下资产已注册并绑定至 key_element：

1. **多角色参考图**：
   - 使用 **GPT Image 2**（2K），默认采用真人实拍风格，分别为角色A和角色B生成四图水平排列的“多视角角色设定图”（左侧大幅半身特写，往右依次为正面全身、侧面全身、背面全身，采用纯白背景和柔和环境光），用于精确定位各角色的全方位面部、体型和服饰细节。
   - 将其分别注册为对应的角色 logical asset（如 character_sheet_A、character_sheet_B），保证跨镜头面部、身材与服装纹理的高度一致性。
2. **场景参考图**：
   - 使用图像模型生成具备真实物理透视、低照度光影、细节逼真、符合美学色盘的背景/场景参考图。

**三、声音资产提取与角色视频预生成规范**

1. **多角色设定视频生成**：分别引用生成的角色A/B参考图，调用 **MultiModalToVideo**（锁定使用 **Seedance 2.5**，分辨率 480p，时长 4s-6s），结合一段简短的角色台词/语气描述的中文提示词，生成一小段专门展示该角色初始说话状态和声音特征的短视频。
2. **音频音色提取的路由边界**：**media_generator** 只负责生成角色设定短视频，以及在 Planner 传回已提取音频后执行资产注册与绑定；它不能直接调用 **resource_prepare_and_analyze**。若收到“从刚生成的视频提取音色”的委派，必须返回需要 Planner 调用 **resource_prepare_and_analyze**，不得改用豆包、text to narration、search_voice_id、generate_audio_resource 或其他 TTS/语音生成路径来生成替代音色样本。
3. **音频音色绑定**：只有在 Planner 完成 **resource_prepare_and_analyze** 提取并传回可用音频后，才将其注册并命名绑定为对应的 key_element_audio_A 和 key_element_audio_B 资产，作为后续对应角色所有对白和视频生成的声音参考，彻底杜绝无声默片与串音。

**四、多镜头切片视频生成逻辑**

1. **多参数注入**：调用 **MultiModalToVideo**（模型：Seedance 2.5（分辨率 480p） 或 Seedance 2.5（分辨率 480p））生成 30 秒的主体视频。必须同时传入绑定的**多角色参考图**（绑定到各自的角色 element 占位符，如 <<<character_sheet_A>>>、<<<character_sheet_B>>>）与**场景参考图**（作为 scene 占位符）进行多模态联合控制，不使用任何多宫格故事板。
2. **多角色声音同步与口型对齐（Lip-Sync）与方言驱动**：在 audio_infos 中，必须根据当前镜头说话主体的不同，精准引用对应的 key_element_audio_A 或 key_element_audio_B 资产 ID。**在调用 MultiModalToVideo 时，必须将对应的音频资产作为口型驱动源（audio_prompt）输入，确保生成的角色在说出对白/内心独白时，嘴部动作与提取的音色高精度同步（Lip-Sync），呈现极其生动的说话状态。同时，需依据 Final_Video_Spec.md 的输出语言配置，在提示词和模型参数中显式指定所需的方言语调口音（如：粤语、上海话、闽南语、东北话、四川话、重庆话、河南话），以发挥 Seedance 2.5（分辨率 480p） 优秀的原生方言口音直接生成能力。**
3. **参数硬性约束**：
   - Seedance 2.5：支持 480p / 480p（480p 需会员），默认推荐 480p。
   - Seedance 2.5：固定支持 480p。
   - 单段时长必须为物理整数（4s-30s范围，建议锁定为 30s 以实现段内切镜）。

**五、王家卫电影海报风格封面设计规范**

1. **美学设计目标**：生成符合王家卫电影海报美学（高对比度低照度光影、强烈的色彩饱和度与冷暖对比、手持微晃的动感或优雅静止、艺术排版与手写字/中英双语台词装饰感、平视视角及暧昧孤独氛围）的艺术封面。
2. **多尺寸出图控制（分步执行）**：
   - **第一步**：使用图像生成工具（GPT Image 2 或 Nano Banana Pro），先设计并生成 **16:9** 比例的主封面图，提交给用户进行视觉审核与确认。
   - **第二步**：待用户确认通过后，再以此 16:9 图及风格为参考基础，延展并生成 **3:4** 和 **4:3** 两个比例的封面图，达成全端、全比例覆盖。

**多模态连续视频生成规范：**

一、生成路径与模型锁定

核心视频工具：必须且仅能使用 MultiModalToVideo（支持的模型为 Seedance 2.5（分辨率 480p）或 Seedance 2.5（分辨率 480p）），严禁使用 FirstFrameToVideo 或 VideoInterp（其依靠硬编码的首尾帧进行插帧，动作会极其呆板）。
核心图像工具：使用 TextToImage / ImageToImage，推荐使用 GPT Image 2（2K）或 Nano Banana Pro（2K）。
音频生成工具：使用 text_to_instrumental（推荐模型为 Suno 5，备选 Mureka 8）来生成纯乐器 BGM。

二、图像资产预生成与绑定规范
在生成 30 秒视频前，必须确保以下资产已注册并绑定至 key_element：

多角色参考图：
- 使用 GPT Image 2（2K），默认采用真人实拍风格，分别为角色A和角色B生成四图水平排列的“多视角角色设定图”（左侧大幅半身特写，往右依次为正面全身、侧面全身、背面全身，采用纯白背景和柔和环境光），用于精确定位各角色的全方位面部、体型和服饰细节。
- 将其分别注册为对应的角色 logical asset（如 character_sheet_A、character_sheet_B），保证跨镜头面部、身材与服装纹理的高度一致性。
场景参考图：
- 使用图像模型生成具备真实物理透视、低照度光影、细节逼真、符合美学色盘的背景/场景参考图。

三、声音资产提取与角色视频预生成规范

多角色设定视频生成：分别引用生成的角色A/B参考图，调用 MultiModalToVideo（锁定使用 Seedance 2.5，分辨率 480p，时长 4s-6s），结合一段简短的角色台词/语气描述的中文提示词，生成一小段专门展示该角色初始说话状态和声音特征的短视频。
音频音色提取的路由边界：media_generator 只负责生成角色设定短视频，以及在 Planner 传回已提取音频后执行资产注册与绑定；它不能直接调用 resource_prepare_and_analyze。若收到“从刚生成的视频提取音色”的委派，必须返回需要 Planner 调用 resource_prepare_and_analyze，不得改用豆包、text to narration、search_voice_id、generate_audio_resource 或其他 TTS/语音生成路径来生成替代音色样本。
音频音色绑定：只有在 Planner 完成 resource_prepare_and_analyze 提取并传回可用音频后，才将其注册并命名绑定为对应的 key_element_audio_A 和 key_element_audio_B 资产，作为后续对应角色所有对白和视频生成的声音参考，彻底杜绝无声默片与串音。

四、多镜头切片视频生成逻辑

多参数注入：调用 MultiModalToVideo（模型：Seedance 2.5（分辨率 480p）或 Seedance 2.5（分辨率 480p））生成 30 秒的主体视频。必须同时传入绑定的多角色参考图（绑定到各自的角色 element 占位符，如 <<<character_sheet_A>>>、<<<character_sheet_B>>>）与场景参考图（作为 scene 占位符）进行多模态联合控制，不使用任何多宫格故事板。
多角色声音同步与口型对齐（Lip-Sync）与方言驱动：在 audio_infos 中，必须根据当前镜头说话主体的不同，精准引用对应的 key_element_audio_A 或 key_element_audio_B 资产 ID。在调用 MultiModalToVideo 时，必须将对应的音频资产作为口型驱动源（audio_prompt）输入，确保生成的角色在说出对白/内心独白时，嘴部动作与提取的音色高精度同步（Lip-Sync），呈现极其生动的说话状态。同时，需依据 Final_Video_Spec.md 的输出语言配置，在提示词和模型参数中显式指定所需的方言语调口音（如：粤语、上海话、闽南语、东北话、四川话、重庆话、河南话），以发挥 Seedance 2.5（分辨率 480p）优秀的原生方言口音直接生成能力。
参数硬性约束：
- Seedance 2.5：支持 480p / 480p（480p 需会员），默认推荐 480p。
- Seedance 2.5：固定支持 480p。
- 单段时长必须为物理整数（4s-30s范围，建议锁定为 30s 以实现段内切镜）。

五、王家卫电影海报风格封面设计规范

美学设计目标：生成符合王家卫电影海报美学（高对比度低照度光影、强烈的色彩饱和度与冷暖对比、手持微晃的动感或优雅静止、艺术排版与手写字/中英双语台词装饰感、平视视角及暧昧孤独氛围）的艺术封面。
多尺寸出图控制（分步执行）：
- 第一步：使用图像生成工具（GPT Image 2 或 Nano Banana Pro），先设计并生成 16:9 比例的主封面图，提交给用户进行视觉审核与确认。
- 第二步：待用户确认通过后，再以此 16:9 图及风格为参考基础，延展并生成 3:4 和 4:3 两个比例的封面图，达成全端、全比例覆盖。

5. 提示词撰写

 \*\*【优先级最高：所有 Prompt 必须完全且固定使用中文书写，严禁出现任何英文单词、英文字标或英文字符。所有画面描述、正向风格词、负面提示词、以及音频乐器提示词等均必须翻译为纯中文描述。】\*\*

**一、 图像提示词与参考图逆向工程规范（GPT Image 2 / Nano Banana Pro）**

1. **多模态视觉逆向解析逻辑**
   在编写图像提示词前，必须隐式读取和分析用户上传的任何多模态参考图特征，并在提示词中复刻这些视觉线索：

   - **角色参考图**：提取五官比例、骨相特征、妆容（如：复古红唇、精致眼线）、特定服饰的材质纹理（如：重磅真丝旗袍的刺绣纹理、呢子大衣的粗糙质感）与穿搭特征。
   - **场景参考图**：提取建筑流派、空间几何结构、低照度主光源方向、色温、环境磨损度（如：斑驳的墙纸、潮湿反光的石砖地面）与大气透视。
   - **道具参考图**：提取表面材质（如：绿瓷点唱机、黄铜烟灰缸）、物理体积与高光反射率。
   - **分镜参考图**：提取摄影机机位（如：低角度仰拍、窥视视角）、构图法则（如：框架式构图、三分法则）与景深畸变特征。

2. **美学风格自适应机制**
   根据剧本题材或参考图，自动映射视觉流派词汇库：

   - **真人实拍风格**：次表面散射、毛孔细节、真实光学景深、物理级光线追踪、85mm定焦、胶片颗粒、低照度高对比度。
   - **2D动漫风格**：赛璐璐平涂、边缘线勾勒（Lineart）、动漫式夸张透视（大张一刀流）、手绘水彩背景、非真实感渲染（NPR）。
   - **3D动画风格**：皮克斯风格、柔和全局漫反射、夸张的材质高光（如黏土/塑料质感）、卡通比例面部绑定。
   - **水墨流派风格**：宣纸晕染、焦墨枯笔、留白构图、水墨粒子消散、低饱和度国风色卡。
   - *默认兜底：若无明确倾向，强制采用【真人实拍风格】。*

3. **三维空间景深解算与微观描述**

   - **空间深度**：提示词必须显式规定【前景】、【主体】、【背景】三层结构。通过物理级焦平面描述（如：85mm F1.2大光圈、极浅景深、焦外圆形光斑、百叶窗光影阻隔）建立画面的空间秩序。
   - **微观细节**：特写镜头中必须描述瞳孔倒影、肌肉微表情、皮肤次表面散射、毛孔结构、衣物纤维纹理、缭绕的香烟烟雾。
   - **情绪与动作**：拒绝僵硬状态，描述生动且富有情绪张力的动态神情（如：下颌紧绷、眼眶湿润、手指骨节因用力而泛白、眼神快速扫视、视线向下低垂避开对视）。

4. **角色参考图（Character Sheet）提示词规范**

   - **默认美学风格**：默认采用真人实拍风格，强调真实的皮肤毛孔、发丝质感与次表面散射，防止产生二次元或3D塑料感。
   - **排版布局**：纯白背景，四张子图水平横向排列，从左到右依次为：①左侧大幅半身特写（占整图约40%宽度），②正面全身，③侧面全身，④背面全身。
   - **视角精细分工**：
     - **① 半身特写**：面部占画幅上部 2/3，眼神带有一丝忧郁，不直视镜头（或直视镜头但眼神复杂），精准呈现皮肤、发丝与五官细节。
     - **② 正面全身**：头顶至足部完整入画，标准站立姿态，还原服装正面剪裁。
     - **③ 侧面全身**：完整左侧身体剪影，保留服装侧面轮廓及层次。
     - **④ 背面全身**：服装背面细节完整、材质纹理清晰可见。
   - **环境光影控制**：绝对纯白背景，柔和均匀的环境工作室光，无强方向性的生硬阴影，面部使用柔和软光补光。
   - **视觉质感与负向过滤**：
     - **正向风格词**：极度超写实摄影、照片级真实感、电影画质、8K分辨率、影棚光照、清晰聚焦。
     - **负向排除词**：无文字、无水印、无标识、无多余人物、无动漫、无插画、无彩色背景、无背景道具、无床、无窗帘、无烟雾。

5. **王家卫电影海报封面提示词规范**

   - **美学核心**：高对比度、暗调光照，强烈的冷暖色彩对比（如绿与红、蓝与黄），主体处于幽暗的环境中，带有朦胧的烟雾或雨水反光。
   - **排版排字描述**：画面下方或上方带有精美、干净的复古衬线体电影标题，以及极具诗意的中英双语电影台词排版（艺术排版、干净的电影演职员表文字、诗意双语字幕）。平视、暧昧的自然采光，呈现出带有怀旧、精致、孤独电影感的海报风格。
   - **负向排除词**：无混乱排版、无杂乱文字、低画质、混乱色彩。

6. **电影级光影与曝光微调规范（低照度明暗对照与特定方向漫反射）**

   - **低照度面部软光**：人物面部光照必须避免生硬、高对比度的直射强光。强制使用具有包覆感、柔和过渡的低照度漫射软光，柔和勾勒皮肤与发丝的次表面散射质感，在黑暗背景中突出面部轮廓，明暗交界线过渡丝滑，杜绝曝光过度导致的细节丢失。
   - **特定方向漫反射与霓虹反射**：场景与环境必须建立单一且方向明确的实用光源（如：壁灯、台灯、霓虹灯）。光线在非光滑表面（如复古墙纸、布料、哑光木质）上呈现定向漫反射，在潮湿地面或玻璃上呈现斑驳的霓虹倒影。明确规定光线随距离的自然衰减（光衰减），确保前景、主体、背景的光亮层级与光源方向逻辑绝对自洽。

**二、 Seedance 2.5（分辨率 480p） 30s多镜头分段提示词模板（核心重头戏）**
生成 30 秒视频的提示词时，**必须且只能**严格采用以下【四个Markdown模块】结构进行书写。单次输出纯提示词文本控制在 **1500字至3000字** 之间，以充实空间景深、材质、微观细节与前后段落的叙事连贯性。

# 【全局视觉与美学基调】

- **美学风格**：\[明确指出，如：真人实拍风格，王家卫式都市怀旧美学，强调低照度高对比度光影，融入强烈的冷暖色彩对比与空间阻隔。**严格遵守美学配额制：全片倾斜构图、抽帧降格、极度对称构图与90度横摆镜头配额各最多1次，其余镜头均采用常规电影视听语言**\]
- **镜头与景深**：\[符合风格的镜头特性，如：35mm大光圈电影镜头，T1.2浅景深，精准的焦平面控制与焦外散景，框架式构图\]
- **色彩与光照**：\[全局光照与色彩空间，如：柯达Vision3胶片调色，暖调橘黄主色与潮湿暗色背景对比，主光源方向明确且在物体表面产生柔和的定向漫反射，面部使用温润包裹的自然漫射软光塑造立体轮廓，杜绝高对比度曝焦与死黑\]

# 【人物与场景设定】

- **人物资产**：引用 <<<character_sheet_A>>>、<<<character_sheet_B>>>（绑定多角色资产占位符），指定各角色的五官微观、瞳孔反光、湿漉发丝与衣物材质（如：真丝旗袍、呢子大衣）。
- **场景资产**：引用 <<<scene_layout>>>，明确狭窄走廊、斑驳墙纸、金属门把手的物理反光率与深度。

# 【剧本与动作时间线】

- **\[00.0s - 03.5s\]**
  - **镜头机位**：\[镜头类型与机位，如：中景，固定机位，透过百叶窗的前景窥视。**视觉状态账本继承**：必须精准继承上一段落结尾的“状态锚点”，确保角色A和角色B的初始位置、姿态、道具状态及光影与上一段完全对应，实现无缝硬切衔接\]
  - **视觉画面**：
    - **\[前景\]**：\[镜头与主体之间的物体，常处于重度失焦状态，如：失焦的、半开的百叶窗，占据画面左侧1/3，形成柔和的阻隔感\]
    - **\[主体\]**：\[画面的视觉中心，焦平面所在。动作描述需通过“行为逻辑常识防火墙”，拒绝浮夸动作，如：角色苏丽珍（角色A）缓缓走入画幅中央，眼神流露出隐忍与落寞，双唇微闭，其动作重力感和身体倾斜真实，且衣物状态与上一段落结尾完全一致\]
    - **\[背景\]**：\[主体后方环境，根据景别虚化，如：远处走廊尽头的暖黄壁灯，在烟雾中形成朦胧的光晕\]
  - **听觉声效**：\[禁用BGM描述！仅写物理音效，如：高跟鞋在潮湿瓷砖上的“哒哒”声，微弱的雨滴拍击窗户声\]
- **\[03.5s - 07.5s\]**
  - **镜头机位**：\[自动切镜：近景特写，伴随手持呼吸感微颤\]
  - **视觉画面**：
    - **\[前景\]**：\[如：无前景\]
    - **\[主体\]**：\[如：焦点转移至苏丽珍右眼。她视线向下低垂，避开镜头，眼角微湿。面部肌肉微微颤动，神态极其生动自然，展现出内心的挣扎与克制\]
    - **\[背景\]**：\[如：墙上的老旧时钟完全失焦，变成圆形的焦外光圈\]
  - **听觉声效**：\[如：时钟秒针沉闷的“嗒、嗒”声，微弱的呼吸声\]
- **\[07.5s - 12.0s\]**
  - **镜头机位**：\[自动切镜：过肩中景，焦点从肩膀转移至走廊深处\]
  - **视觉画面**：
    - **\[前景\]**：\[如：苏丽珍精致的旗袍肩膀边缘，最初清晰，后随焦点转移快速失焦\]
    - **\[主体\]**：\[如：走廊深处的周慕云（角色B）微微侧头，眼神深邃地注视着苏丽珍的背影，面部呈现复杂的肌肉联动，神情极其生动，手中夹着香烟，烟雾缭绕\]
    - **\[背景\]**：\[如：斑驳的绿色墙纸，保持中度虚化\]
  - **听觉声效**：\[如：烟草燃烧的细微沙沙声。内心独白：“粤语{周慕云：‘如果有多一张船票，你同唔同我一齐走？’}”（独白需与上下文紧密呼应，符合逻辑递进，若选择方言输出，则在括号前标注方言名称如“粤语”，且台词书写使用方言词汇，声音驱动源绑定为 key_element_audio_B）\]
- **\[12.0s - 15.0s\]**
  - **镜头机位**：\[自动切镜：近景，环绕运镜。**视觉状态账本锚定**：为下一段落建立清晰的“终态锚点”\]
  - **视觉画面**：
    - **\[前景\]**：\[如：失焦的烟雾扫过，形成过渡\]
    - **\[主体\]**：\[如：苏丽珍缓缓低下头，眼皮垂下，脸颊肌肉紧绷。她缓缓伸出右手，手指轻轻抚摸着冰冷的石柱（此抚摸石柱姿态、手指位置、暖黄壁灯左侧斜射光影，将作为下一段落开头的状态锚点强行记录）\]
    - **\[背景\]**：\[如：潮湿地面反射壁灯黄光，散景柔和\]
  - **听觉声效**：\[如：高跟鞋在地面上轻微的摩擦声\]

# 【生成约束与负面提示词】

- **绝对禁止项**：禁止生成任何形式的背景音乐（BGM）、旋律 or 节奏音轨。禁止出现任何关于分辨率（4K/1080p）、帧率（60fps/24fps）、画幅比例的UI参数描述。禁止角色出现反关节扭曲、瞬移 or 违背重力的漂浮。禁止使用夸张的动作（如踢门、砸门）。禁止画面出现卡通化、动漫化 or 廉价的3D塑料质感（因本片为真人实拍风格）。禁止光影逻辑冲突。

**三、 语音与声效包装符与常识防火墙（Seedance 2.5（分辨率 480p） 执行铁律）**

1. **环境与物理音效（Foley）**：使用 <...> 包装。必须详细描述音效的物理属性（如：衣料摩擦、金属撞击、水渍踩踏），严禁出现任何“背景音乐”、“BGM”或“旋律”描述。
2. **多角色对话/内心独白（Dialogue/Monologue）**：使用 **方言前缀{角色名：“对白文本”}** 格式包装（若为普通话则前缀可省略，若为方言则强制加前缀，例如：粤语{角色A：“对白文本”}、上海话{角色B：“对白文本”}、闽南语{角色A：“对白文本”}、东北话{角色B：“对白文本”}、四川话{角色B：“对白文本”}、河南话{角色A：“对白文本”}）。对白文本必须完全符合 Final_Video_Spec.md 的 Output Language（输出语言），且尽量使用该方言地道的文字、叹词和特殊句式书写。**角色A的对白必须绑定 key_element_audio_A，角色B的对白必须绑定 key_element_audio_B**。内心独白内容必须前后呼应、逻辑严密，极具文学色彩与诗意，严禁出现无意义或跳跃性的台词。
3. **屏幕文字**：使用 【...】 包装。
4. **行为常识防火墙**：拒绝一切无逻辑的夸张奇观。强制动作描写符合重力、惯性和摩擦力等物理学常规交互（如：推门需描述施力、门开启匀速、重心前倾）。
5. **负向约束尾缀**：每段视频描述尾部必须带上纯中文负向词：【无字幕，无音乐，无文字，无标识】（确保视频纯净无杂质，音乐和字幕后续由 assembler 进行合成）。

**四、 纯乐器背景音乐（BGM）提示词与乐器库规范（Suno 5 / Mureka 8）**

1. **曲风与情绪定位 (Style & Mood)**：

   - **核心基调**：突出暧昧、缠绵、孤独且带有时代怀旧感的原声器乐重奏。节奏必须具备强烈的旋律性与情感张力（慢速、忧郁、宏大、浪漫的节拍）以便剪辑卡点。
   - **风格标签词**：原声、忧郁弦乐、复古探戈、性感萨克斯风、浪漫、怀旧、亲密重奏、剧场级原声录音。
   - **禁止项**：绝对禁止在提示词中写入任何知名音乐人、歌手或特定乐队的名字，防止 Suno 5 等底层模型因版权审核拦截而生成失败。

2. **王家卫标志性乐器库 (Signature Instrument Library)**：
   在编写提示词时，必须组合调用以下至少 2-3 种特色乐器，以营造其标志性的深沉、优雅、伤感和复古交响感：

   - **大提琴 / 低音提琴**：提供深沉、忧郁且极具顿挫感的大提琴拨弦，作为节奏或情感的主旋律。
   - **小提琴 / 中提琴**：提供绵延不绝、如泣如诉的弦乐拉奏，渲染极致的伤感与压抑。
   - **手风琴**：注入阿根廷探戈般的暧昧、缠绵、激情与忧伤。
   - **萨克斯风**：用于点缀都市深夜的孤独、慵懒与情欲暗流。
   - **古典吉他**：提供质朴、慵懒且带有一丝漂泊感的西班牙/拉丁风格弹拨。
   - **爵士钢琴**：用缓慢、克制的琴键敲击，营造深夜小酒馆的幽闭与亲密感。

3. **方言美学特色背景音乐（BGM）提示词配方**：
   当项目选定特定方言后，在撰写纯乐器 BGM 提示词时，必须严格套用以下对应的中文乐器与意境组合，确保声画美学完美契合：

   - **粤语（经典港风）配方**：纯乐器，忧郁电影主题，缓慢低沉的大提琴拨弦，迷幻慵懒的萨克斯风，复古电吉他弹拨，重混响，八九十年代港片霓虹灯光影意境，暧昧，都市孤独，慢速，剧场级干音影棚录制
   - **上海话（爵士海派）配方**：纯乐器，爵士乐，缓慢克制的爵士钢琴琴键敲击，性感而慵懒的萨克斯风，低音提琴拨弦，老上海舞厅复古调性，华丽，夜色，暧昧情调，剧场级原声录音
   - **闽南语（民谣怀旧）配方**：纯乐器，民谣吉他弹拨，怀旧复古的手风琴，忧郁小提琴，沿海小镇雨夜意境，浪漫，孤独，烟火气，温润，剧场级干音影棚录制

4. **器乐与编曲结构控制 (Arrangement)**：

   - 必须在提示词中显式声明【纯乐器】或【无声乐】，避免模型随机产生合成人声。
   - 描述音场质感（如：亲密原声录音棚录音、温暖黑胶唱片质感、干声混音、无重度电子合成器），避免大空间混响或现代电子合成器。
   - **推荐提示词结构/示例**：纯乐器，忧郁电影主题，缓慢泣诉的小提琴，深邃的大提琴拨弦，复古探戈手风琴，浪漫且怀旧，剧场级干音影棚录制。

**【优先级最高：所有 Prompt 必须完全且固定使用中文书写，严禁出现任何英文单词、英文字标或英文字符。所有画面描述、正向风格词、负面提示词、以及音频乐器提示词等均必须翻译为纯中文描述。】**

一、图像提示词与参考图逆向工程规范（GPT Image 2 / Nano Banana Pro）

多模态视觉逆向解析逻辑
在编写图像提示词前，必须隐式读取和分析用户上传的任何多模态参考图特征，并在提示词中复刻这些视觉线索：
- 角色参考图：提取五官比例、骨相特征、妆容（如：复古红唇、精致眼线）、特定服饰的材质纹理（如：重磅真丝旗袍的刺绣纹理、呢子大衣的粗糙质感）与穿搭特征。
- 场景参考图：提取建筑流派、空间几何结构、低照度主光源方向、色温、环境磨损度（如：斑驳的墙纸、潮湿反光的石砖地面）与大气透视。
- 道具参考图：提取表面材质（如：绿瓷点唱机、黄铜烟灰缸）、物理体积与高光反射率。
- 分镜参考图：提取摄影机机位（如：低角度仰拍、窥视视角）、构图法则（如：框架式构图、三分法则）与景深畸变特征。
美学风格自适应机制
根据剧本题材或参考图，自动映射视觉流派词汇库：
- 真人实拍风格：次表面散射、毛孔细节、真实光学景深、物理级光线追踪、85mm定焦、胶片颗粒、低照度高对比度。
- 2D动漫风格：赛璐璐平涂、边缘线勾勒（Lineart）、动漫式夸张透视（大张一刀流）、手绘水彩背景、非真实感渲染（NPR）。
- 3D动画风格：皮克斯风格、柔和全局漫反射、夸张的材质高光（如黏土/塑料质感）、卡通比例面部绑定。
- 水墨流派风格：宣纸晕染、焦墨枯笔、留白构图、水墨粒子消散、低饱和度国风色卡。
- 默认兜底：若无明确倾向，强制采用【真人实拍风格】。
三维空间景深解算与微观描述
- 空间深度：提示词必须显式规定【前景】、【主体】、【背景】三层结构。通过物理级焦平面描述（如：85mm F1.2大光圈、极浅景深、焦外圆形光斑、百叶窗光影阻隔）建立画面的空间秩序。
- 微观细节：特写镜头中必须描述瞳孔倒影、肌肉微表情、皮肤次表面散射、毛孔结构、衣物纤维纹理、缭绕的香烟烟雾。
- 情绪与动作：拒绝僵硬状态，描述生动且富有情绪张力的动态神情（如：下颌紧绷、眼眶湿润、手指骨节因用力而泛白、眼神快速扫视、视线向下低垂避开对视）。
角色参考图（Character Sheet）提示词规范
- 默认美学风格：默认采用真人实拍风格，强调真实的皮肤毛孔、发丝质感与次表面散射，防止产生二次元或3D塑料感。
- 排版布局：纯白背景，四张子图水平横向排列，从左到右依次为：①左侧大幅半身特写（占整图约40%宽度），②正面全身，③侧面全身，④背面全身。
- 视角精细分工：
  - ① 半身特写：面部占画幅上部 2/3，眼神带有一丝忧郁，不直视镜头（或直视镜头但眼神复杂），精准呈现皮肤、发丝与五官细节。
  - ② 正面全身：头顶至足部完整入画，标准站立姿态，还原服装正面剪裁。
  - ③ 侧面全身：完整左侧身体剪影，保留服装侧面轮廓及层次。
  - ④ 背面全身：服装背面细节完整、材质纹理清晰可见。
- 环境光影控制：绝对纯白背景，柔和均匀的环境工作室光，无强方向性的生硬阴影，面部使用柔和软光补光。
- 视觉质感与负向过滤：
  - 正向风格词：极度超写实摄影、照片级真实感、电影画质、8K分辨率、影棚光照、清晰聚焦。
  - 负向排除词：无文字、无水印、无标识、无多余人物、无动漫、无插画、无彩色背景、无背景道具、无床、无窗帘、无烟雾。
王家卫电影海报封面提示词规范
- 美学核心：高对比度、暗调光照，强烈的冷暖色彩对比（如绿与红、蓝与黄），主体处于幽暗的环境中，带有朦胧的烟雾或雨水反光。
- 排版排字描述：画面下方或上方带有精美、干净的复古衬线体电影标题，以及极具诗意的中英双语电影台词排版（艺术排版、干净的电影演职员表文字、诗意双语字幕）。平视、暧昧的自然采光，呈现出带有怀旧、精致、孤独电影感的海报风格。
- 负向排除词：无混乱排版、无杂乱文字、低画质、混乱色彩。
电影级光影与曝光微调规范（低照度明暗对照与特定方向漫反射）
- 低照度面部软光：人物面部光照必须避免生硬、高对比度的直射强光。强制使用具有包覆感、柔和过渡的低照度漫射软光，柔和勾勒皮肤与发丝的次表面散射质感，在黑暗背景中突出面部轮廓，明暗交界线过渡丝滑，杜绝曝光过度导致的细节丢失。
- 特定方向漫反射与霓虹反射：场景与环境必须建立单一且方向明确的实用光源（如：壁灯、台灯、霓虹灯）。光线在非光滑表面（如复古墙纸、布料、哑光木质）上呈现定向漫反射，在潮湿地面或玻璃上呈现斑驳的霓虹倒影。明确规定光线随距离的自然衰减（光衰减），确保前景、主体、背景的光亮层级与光源方向逻辑绝对自洽。

二、 Seedance 2.5（分辨率 480p） 30s多镜头分段提示词模板（核心重头戏）
生成 30 秒视频的提示词时，必须且只能严格采用以下【四个Markdown模块】结构进行书写。单次输出纯提示词文本控制在 1500字至3000字 之间，以充实空间景深、材质、微观细节与前后段落的叙事连贯性。

【全局视觉与美学基调】

美学风格：[明确指出，如：真人实拍风格，王家卫式都市怀旧美学，强调低照度高对比度光影，融入强烈的冷暖色彩对比与空间阻隔。严格遵守美学配额制：全片倾斜构图、抽帧降格、极度对称构图与90度横摆镜头配额各最多1次，其余镜头均采用常规电影视听语言]
镜头与景深：[符合风格的镜头特性，如：35mm大光圈电影镜头，T1.2浅景深，精准的焦平面控制与焦外散景，框架式构图]
色彩与光照：[全局光照与色彩空间，如：柯达Vision3胶片调色，暖调橘黄主色与潮湿暗色背景对比，主光源方向明确且在物体表面产生柔和的定向漫反射，面部使用温润包裹的自然漫射软光塑造立体轮廓，杜绝高对比度曝焦与死黑]

【人物与场景设定】

人物资产：引用 <<<character_sheet_A>>>、<<<character_sheet_B>>>（绑定多角色资产占位符），指定各角色的五官微观、瞳孔反光、湿漉发丝与衣物材质（如：真丝旗袍、呢子大衣）。
场景资产：引用 <<<scene_layout>>>，明确狭窄走廊、斑驳墙纸、金属门把手的物理反光率与深度。

【剧本与动作时间线】

[00.0s - 03.5s]
- 镜头机位：[镜头类型与机位，如：中景，固定机位，透过百叶窗的前景窥视。视觉状态账本继承：必须精准继承上一段落结尾的“状态锚点”，确保角色A和角色B的初始位置、姿态、道具状态及光影与上一段完全对应，实现无缝硬切衔接]
- 视觉画面：
  - [前景]：[镜头与主体之间的物体，常处于重度失焦状态，如：失焦的、半开的百叶窗，占据画面左侧1/3，形成柔和的阻隔感]
  - [主体]：[画面的视觉中心，焦平面所在。动作描述需通过“行为逻辑常识防火墙”，拒绝浮夸动作，如：角色苏丽珍（角色A）缓缓走入画幅中央，眼神流露出隐忍与落寞，双唇微闭，其动作重力感和身体倾斜真实，且衣物状态与上一段落结尾完全一致]
  - [背景]：[主体后方环境，根据景别虚化，如：远处走廊尽头的暖黄壁灯，在烟雾中形成朦胧的光晕]
- 听觉声效：[禁用BGM描述！仅写物理音效，如：高跟鞋在潮湿瓷砖上的“哒哒”声，微弱的雨滴拍击窗户声]
[03.5s - 07.5s]
- 镜头机位：[自动切镜：近景特写，伴随手持呼吸感微颤]
- 视觉画面：
  - [前景]：[如：无前景]
  - [主体]：[如：焦点转移至苏丽珍右眼。她视线向下低垂，避开镜头，眼角微湿。面部肌肉微微颤动，神态极其生动自然，展现出内心的挣扎与克制]
  - [背景]：[如：墙上的老旧时钟完全失焦，变成圆形的焦外光圈]
- 听觉声效：[如：时钟秒针沉闷的“嗒、嗒”声，微弱的呼吸声]
[07.5s - 12.0s]
- 镜头机位：[自动切镜：过肩中景，焦点从肩膀转移至走廊深处]
- 视觉画面：
  - [前景]：[如：苏丽珍精致的旗袍肩膀边缘，最初清晰，后随焦点转移快速失焦]
  - [主体]：[如：走廊深处的周慕云（角色B）微微侧头，眼神深邃地注视着苏丽珍的背影，面部呈现复杂的肌肉联动，神情极其生动，手中夹着香烟，烟雾缭绕]
  - [背景]：[如：斑驳的绿色墙纸，保持中度虚化]
- 听觉声效：[如：烟草燃烧的细微沙沙声。内心独白：“粤语{周慕云：‘如果有多一张船票，你同唔同我一齐走？’}”（独白需与上下文紧密呼应，符合逻辑递进，若选择方言输出，则在括号前标注方言名称如“粤语”，且台词书写使用方言词汇，声音驱动源绑定为 key_element_audio_B）]
[12.0s - 15.0s]
- 镜头机位：[自动切镜：近景，环绕运镜。视觉状态账本锚定：为下一段落建立清晰的“终态锚点”]
- 视觉画面：
  - [前景]：[如：失焦的烟雾扫过，形成过渡]
  - [主体]：[如：苏丽珍缓缓低下头，眼皮垂下，脸颊肌肉紧绷。她缓缓伸出右手，手指轻轻抚摸着冰冷的石柱（此抚摸石柱姿态、手指位置、暖黄壁灯左侧斜射光影，将作为下一段落开头的状态锚点强行记录）]
  - [背景]：[如：潮湿地面反射壁灯黄光，散景柔和]
- 听觉声效：[如：高跟鞋在地面上轻微的摩擦声]

【生成约束与负面提示词】

绝对禁止项：禁止生成任何形式的背景音乐（BGM）、旋律 or 节奏音轨。禁止出现任何关于分辨率（4K/1080p）、帧率（60fps/24fps）、画幅比例的UI参数描述。禁止角色出现反关节扭曲、瞬移 or 违背重力的漂浮。禁止使用夸张的动作（如踢门、砸门）。禁止画面出现卡通化、动漫化 or 廉价的3D塑料质感（因本片为真人实拍风格）。禁止光影逻辑冲突。

三、语音与声效包装符与常识防火墙（Seedance 2.5（分辨率 480p）执行铁律）

环境与物理音效（Foley）：使用 <...> 包装。必须详细描述音效的物理属性（如：衣料摩擦、金属撞击、水渍踩踏），严禁出现任何“背景音乐”、“BGM”或“旋律”描述。
多角色对话/内心独白（Dialogue/Monologue）：使用 方言前缀{角色名：“对白文本”} 格式包装（若为普通话则前缀可省略，若为方言则强制加前缀，例如：粤语{角色A：“对白文本”}、上海话{角色B：“对白文本”}、闽南语{角色A：“对白文本”}、东北话{角色B：“对白文本”}、四川话{角色B：“对白文本”}、河南话{角色A：“对白文本”}）。对白文本必须完全符合 Final_Video_Spec.md 的 Output Language（输出语言），且尽量使用该方言地道的文字、叹词和特殊句式书写。角色A的对白必须绑定 key_element_audio_A，角色B的对白必须绑定 key_element_audio_B。内心独白内容必须前后呼应、逻辑严密，极具文学色彩与诗意，严禁出现无意义或跳跃性的台词。
屏幕文字：使用【...】包装。
行为常识防火墙：拒绝一切无逻辑的夸张奇观。强制动作描写符合重力、惯性和摩擦力等物理学常规交互（如：推门需描述施力、门开启匀速、重心前倾）。
负向约束尾缀：每段视频描述尾部必须带上纯中文负向词：【无字幕，无音乐，无文字，无标识】（确保视频纯净无杂质，音乐和字幕后续由 assembler 进行合成）。

四、纯乐器背景音乐（BGM）提示词与乐器库规范（Suno 5 / Mureka 8）

曲风与情绪定位 (Style & Mood)：
- 核心基调：突出暧昧、缠绵、孤独且带有时代怀旧感的原声器乐重奏。节奏必须具备强烈的旋律性与情感张力（慢速、忧郁、宏大、浪漫的节拍）以便剪辑卡点。
- 风格标签词：原声、忧郁弦乐、复古探戈、性感萨克斯风、浪漫、怀旧、亲密重奏、剧场级原声录音。
- 禁止项：绝对禁止在提示词中写入任何知名音乐人、歌手或特定乐队的名字，防止 Suno 5 等底层模型因版权审核拦截而生成失败。
王家卫标志性乐器库 (Signature Instrument Library)：
在编写提示词时，必须组合调用以下至少 2-3 种特色乐器，以营造其标志性的深沉、优雅、伤感和复古交响感：
- 大提琴 / 低音提琴：提供深沉、忧郁且极具顿挫感的大提琴拨弦，作为节奏或情感的主旋律。
- 小提琴 / 中提琴：提供绵延不绝、如泣如诉的弦乐拉奏，渲染极致的伤感与压抑。
- 手风琴：注入阿根廷探戈般的暧昧、缠绵、激情与忧伤。
- 萨克斯风：用于点缀都市深夜的孤独、慵懒与情欲暗流。
- 古典吉他：提供质朴、慵懒且带有一丝漂泊感的西班牙/拉丁风格弹拨。
- 爵士钢琴：用缓慢、克制的琴键敲击，营造深夜小酒馆的幽闭与亲密感。
方言美学特色背景音乐（BGM）提示词配方：
当项目选定特定方言后，在撰写纯乐器 BGM 提示词时，必须严格套用以下对应的中文乐器与意境组合，确保声画美学完美契合：
- 粤语（经典港风）配方：纯乐器，忧郁电影主题，缓慢低沉的大提琴拨弦，迷幻慵懒的萨克斯风，复古电吉他弹拨，重混响，八九十年代港片霓虹灯光影意境，暧昧，都市孤独，慢速，剧场级干音影棚录制
- 上海话（爵士海派）配方：纯乐器，爵士乐，缓慢克制的爵士钢琴琴键敲击，性感而慵懒的萨克斯风，低音提琴拨弦，老上海舞厅复古调性，华丽，夜色，暧昧情调，剧场级原声录音
- 闽南语（民谣怀旧）配方：纯乐器，民谣吉他弹拨，怀旧复古的手风琴，忧郁小提琴，沿海小镇雨夜意境，浪漫，孤独，烟火气，温润，剧场级干音影棚录制
器乐与编曲结构控制 (Arrangement)：
- 必须在提示词中显式声明【纯乐器】或【无声乐】，避免模型随机产生合成人声。
- 描述音场质感（如：亲密原声录音棚录音、温暖黑胶唱片质感、干声混音、无重度电子合成器），避免大空间混响或现代电子合成器。
- 推荐提示词结构/示例：纯乐器，忧郁电影主题，缓慢泣诉的小提琴，深邃的大提琴拨弦，复古探戈手风琴，浪漫且怀旧，剧场级干音影棚录制。

6. 视频合成

 5. **时间轴无缝拼接与剧情连贯性质检**

    - 必须以 30 秒为一个大视频层单元进行时间轴拼合。
    - **核心质检指标（视觉状态账本核对）**：必须站在观众视角，完整审视拼接后的长视频。检查剧情是否通顺、对白/内心独白是否连贯、前后段落是否存在逻辑断层。**严格核对相邻30秒段落的接缝处，角色A/B的物理位置、姿态、衣物细节、手中道具状态以及环境光源方向是否完全契合状态账本记录**。若发现穿帮或逻辑断层，必须精准定位并打回重制对应段落。
    - 检查相邻 30 秒段落的接缝处，物理动作（如前一段结尾的伸手，必须在后一段开头完成抚摸动作）是否完全契合，实现视觉无缝硬切。

 6. **多镜头节奏控制**

    - 检查每个 30 秒视频内部的“自动切镜”节点，其画面切换必须自然。
    - 严禁出现无切镜的、像 PPT 幻灯片或慢动作静态画一样的生硬长轴视频。
    - 对白/内心独白出现时，镜头焦点或景别切换必须与说话者同步。

 7. **三维空间与光影阻隔质检指标**

    - 逐镜头检测：前景（百叶窗、窗帘、石柱等）是否实现了合理的散景（Bokeh）与窥视感，主体是否在焦平面上清晰锐利，背景是否有明确的透视深度与低照度虚化。
    - 凡是画面扁平、像二维拼贴、无焦深层次的生成段落，必须打回重制。

 8. **动作与表情质量把关**

    - 严禁通过静态插帧或首尾帧生成的生硬镜头。
    - 角色必须有正常的物理质量惯性运动与连贯、生动的肌肉微表情，特别是眼神的忧郁、低垂与视线闪躲，拒绝僵硬呆板的面部表现。
    - 人物不能总是呆立或始终死板地盯着镜头，要有符合剧本动机的肢体交互。

 9. **多轨声音拼合与 Foley 渲染**

    - 视频轨自带的对白/内心独白与音效（Foley）必须无损提取并单独编入 Dialogue 轨与 SFX 轨。
    - 音乐轨（BGM）：在 video_assembler 中导入通过 Suno 5 / Mureka 8 生成的纯净背景音乐。音乐剪辑点、强重音、乐器段落必须与画面内部自动切镜的重拍完全对齐。
    - 对白、内心独白声场必须与对应的景别大小匹配（特写声音干脆、全景带有场景空间混响）。

10. **转场与出片管理**

    - 多镜头切片内部采用自然的硬切（Hard Cut），30秒段落之间可采用动作衔接切、门开合、镜头横摆等电影化硬转。
    - 严禁使用各种现代短视频的花字、闪白、无物理依据的转场特效。
    - 最终输出：完整的连载视频文件、内部镜头切片清单、物理声效（Foley）对齐节点以及音轨层级分配清单。

时间轴无缝拼接与剧情连贯性质检
- 必须以 30 秒为一个大视频层单元进行时间轴拼合。
- 核心质检指标（视觉状态账本核对）：必须站在观众视角，完整审视拼接后的长视频。检查剧情是否通顺、对白/内心独白是否连贯、前后段落是否存在逻辑断层。严格核对相邻30秒段落的接缝处，角色A/B的物理位置、姿态、衣物细节、手中道具状态以及环境光源方向是否完全契合状态账本记录。若发现穿帮或逻辑断层，必须精准定位并打回重制对应段落。
- 检查相邻 30 秒段落的接缝处，物理动作（如前一段结尾的伸手，必须在后一段开头完成抚摸动作）是否完全契合，实现视觉无缝硬切。
多镜头节奏控制
- 检查每个 30 秒视频内部的“自动切镜”节点，其画面切换必须自然。
- 严禁出现无切镜的、像 PPT 幻灯片或慢动作静态画一样的生硬长轴视频。
- 对白/内心独白出现时，镜头焦点或景别切换必须与说话者同步。
三维空间与光影阻隔质检指标
- 逐镜头检测：前景（百叶窗、窗帘、石柱等）是否实现了合理的散景（Bokeh）与窥视感，主体是否在焦平面上清晰锐利，背景是否有明确的透视深度与低照度虚化。
- 凡是画面扁平、像二维拼贴、无焦深层次的生成段落，必须打回重制。
动作与表情质量把关
- 严禁通过静态插帧或首尾帧生成的生硬镜头。
- 角色必须有正常的物理质量惯性运动与连贯、生动的肌肉微表情，特别是眼神的忧郁、低垂与视线闪躲，拒绝僵硬呆板的面部表现。
- 人物不能总是呆立或始终死板地盯着镜头，要有符合剧本动机的肢体交互。
多轨声音拼合与 Foley 渲染
- 视频轨自带的对白/内心独白与音效（Foley）必须无损提取并单独编入 Dialogue 轨与 SFX 轨。
- 音乐轨（BGM）：在 video_assembler 中导入通过 Suno 5 / Mureka 8 生成的纯净背景音乐。音乐剪辑点、强重音、乐器段落必须与画面内部自动切镜的重拍完全对齐。
- 对白、内心独白声场必须与对应的景别大小匹配（特写声音干脆、全景带有场景空间混响）。
转场与出片管理
- 多镜头切片内部采用自然的硬切（Hard Cut），30秒段落之间可采用动作衔接切、门开合、镜头横摆等电影化硬转。
- 严禁使用各种现代短视频的花字、闪白、无物理依据的转场特效。
- 最终输出：完整的连载视频文件、内部镜头切片清单、物理声效（Foley）对齐节点以及音轨层级分配清单。