Animated poster awakening
เตรียมร่างสตูดิโอ คําสั่งหลายระดับคือการอ้างอิง; นี้ไม่ได้ประมวลผลหรือคิดค่าใช้จ่ายสําหรับรุ่น
将用户上传的静态海报图片生成为动态海报视频;使用 MiniMax H3,适用于需要把平面海报快速转化为动态视频宣传物料的场景。
มี การ เก็บ รักษา ข้อ ความ ที่ มี การ ทํา งาน ไว้ ใน ภาษา จีน ดั้งเดิม. ตัว อย่าง ที่ มี การ อ้าง ถึง อาจ แตก ต่าง จาก ตัว อย่าง ที่ มี อยู่ ใน ที่ นี้. เช็คสตูดิโอหาโมเดลที่สนับสนุน และคําพูดจากเครดิตจริง
การ ไหล ของ งาน ครบ ถ้วน
1. การ วาง แผน
前置校验(强制):
- 用户必须上传至少一张海报图片才能启动本 Skill。若用户未上传海报,直接通过
reply_to_user 提示"请先上传一张海报图片",不要继续后续步骤。
工作流程:
- 分析海报 → 调用
resource_prepare_and_analyze:提取海报的宽高比、视觉主体、构图、风格色调、文字版式、动效潜力等信息;同时判定海报类型(人物 / 产品 / 食品 / 建筑 / 纯文字 / 抽象图形 / 无明确主体)。比例分析采用「直接数值估算 + 数学映射」方式(详见 multimodal_analyze_tool 中「宽高比映射」),分析结果须同时包含方向判断和宽高比数值估算。接受任意比例海报,不拒绝、不需要用户确认比例。
- 方向交叉验证(自动,在分析结果返回后立即执行): 检查分析输出的方向判断与数值估算是否一致——数值 >1 应对应横版,<1 应对应竖版,≈1 应对应正方形。若两者矛盾(如数值 ≈0.80 但方向判为横版,或数值 ≈1.78 但方向判为竖版),说明至少一个判断有误,Planner 须立即重新调用
resource_prepare_and_analyze 做一次聚焦重分析——提示词聚焦于"请直接对比这张图片的宽度和高度,哪个更大?宽是高的大约多少倍?给出一个宽÷高的数值估算",以第二次结果为准。重分析仅执行一次,不无限循环;第二次结果无论是否仍存在矛盾均采纳,下游通过扩展背景填充兜底。
- 提供两个方向供用户二选一 → 通过
reply_to_user 向用户呈现两个动态方向,使用 cards 让用户选择:
- 方向一「视觉元素渐进激活成版」: 从简洁初始画面开始,原海报元素按视觉层级和重要程度逐步从无到有显现并回到原位,围绕视觉锚点展开纵深运动,最终形成与原海报一致的完整版式。
- 方向二「纸卷展开成版」: 完全卷紧的实体纸质卷轴从画面上方坠落进入,落定后短暂蓄力,以果断的弹开动作猛然舒展,纸面快速展开后减速铺平,形成"坠落→紧绷→爆发→收束"的开场冲击力;展开过程中纸面空白无内容,卷轴出现时背景简洁纯净,纸张铺平后铺满全画幅。纸张铺平后,海报元素通过前后层次、运动视差、材质变化、局部动作、镜头推进和光影变化形成视觉高潮,最终恢复原海报完整构图与文字版式。
- 两个方向均支持人物、产品、食品、建筑、纯文字、抽象图形和无明确主体海报;海报无人物时,由主标题、产品、Logo、图形、纹理、光线或颜色层次承担核心运动。
- 暂停等待用户选择,不要在用户选择前继续。
- 建立全局规格 → 通过
text_editor 写入 Final_Video_Spec.md:锁定 aspect_ratio(=步骤 1 映射到的最近支持比例)、模型 MiniMax H3、分辨率 2k、时长(根据动态方案节奏灵活设定,8–15s 均可,不默认拉满 15s——8s 为下限以确保元素有足够时间完成动作化入场,以元素出场 + 海报还原 + 收束过渡 + 持续微动态为准——还原后不要留过长时间的大幅运动(避免模型继续放大主体),但须保留持续轻微动态到视频结束)、镜头模式(一镜到底,单条连续镜头不拆分内部剪辑)、动态方向(=用户在步骤 2 选择的方向)。
- 设计动态方案 → 调用
storyboard_designer:仅为用户选中的方向设计单镜头动态方案(镜头运动、元素动效、氛围变化),按海报类型适配动效主体。
- 生成视频 → 调用
media_generator:使用 MultiModalToVideo + MiniMax H3 全能参考模式(image_infos + video_infos + audio_infos 均可作为引用同时传入),将海报图片作为 image_infos 主引用,按 Storyboard 方案以一镜到底方式在单次生成调用中完成动态海报视频(不拆分为多次生成)。注册输出 asset 并绑定到对应 shot。
- 交付 → 调用
video_assembler:将生成的单条视频按 Storyboard 时长与节奏做最终组装,引导用户导出。
依赖关系: 步骤 2 依赖步骤 1。步骤 3 依赖步骤 2(需要用户选择的方向)。步骤 4 依赖步骤 3。步骤 5 依赖步骤 3 和 4。步骤 6 依赖步骤 5。
交互节奏: 步骤 1 执行后直接进入步骤 2(方向选择)——必须暂停等待用户选择。用户选择方向后连续执行步骤 3–5;在步骤 5 生成完成后暂停,向用户展示结果并确认是否需要调整或导出。
语言一致性: 按照用户对话使用的语言执行全部规则——若用户用中文交互,则 Agent 回复、方向选择卡片文案、Final_Video_Spec.md 内容等所有面向用户的输出均使用中文;若用户用英文交互则全部使用英文。生成提示词的语言同样跟随用户对话语言(与 write_the_prompt 中的语言规则一致)。
2. การวิเคราะห์มัลติมอร์
海报分析要点:
- 宽高比映射(直接数值估算 + 数学映射 + 方向交叉验证): 接受任意比例的海报图片,不拒绝、不需要用户确认比例。分析须同时输出以下三项,供 Planner 做交叉验证:
- 方向判断: 海报属于横版(宽>高)、竖版(高>宽)还是正方形(宽≈高)。
- 宽高比数值估算: 直接估算海报的宽÷高数值(>1 为横版,<1 为竖版,≈1 为正方形),输出一个小数(如 1.78、0.80、1.00)。不要走"先判大类再在候选中细分"的多步推理链——直接给出数值估算,一步到位,减少中间环节累积错误。视觉模型估一个"大约 1.8 还是 0.8"的数值,比让它精确区分"高度是宽度的 1.3 倍还是 1.8 倍"可靠得多。
- 数学映射: 将估算数值与 MiniMax H3 支持的 6 种比例的十进制值逐一比对,选绝对差最小的一个作为输出视频比例:
- 21:9 = 2.3333
- 16:9 = 1.7778
- 4:3 = 1.3333
- 1:1 = 1.0000
- 3:4 = 0.7500
- 9:16 = 0.5625
示例:估算 1.78 → 最接近 16:9(1.7778);估算 0.80 → 最接近 3:4(0.7500);估算 2.30 → 最接近 21:9(2.3333);估算 0.56 → 最接近 9:16(0.5625)。
- 输出结论格式:"方向:[横版/竖版/正方形],宽高比估算值:≈[X.XX],映射到支持比例 [最终比例]"。
- 标注偏差程度: 若海报真实比例与映射比例存在明显偏差(如 4:5 海报映射到 3:4),标注"存在比例偏差,需通过扩展背景填充适配"——供下游在生成和提示词中执行背景延伸。无明显偏差时标注"比例基本一致"。
- 同时标注海报内容的实际填满范围——海报内容是否已铺满整张图片画幅(即是否存在白边/留白),供下游确保动态视频内容铺满全画幅、不产生黑边。
- 海报类型判定: 将海报归类为以下类型之一——人物 / 产品 / 食品 / 建筑 / 纯文字 / 抽象图形 / 无明确主体。该判定决定后续两个方向中哪些元素承担核心运动。
- 视觉主体识别: 识别人物、产品、建筑、自然景观等核心视觉元素的位置、占比和朝向,为动态化设计提供动效依据。海报无人物时,额外标注主标题、产品、Logo、图形、纹理、光线或颜色层次中最适合承担核心运动的元素。
- 构图与空间分析: 描述画面的主体位置(居中 / 三分法 / 偏置)、前景-中景-背景层次、留白区域,以便动态化时合理规划元素聚合或纸卷展开的运动方向。
- 风格与色调: 提取海报的整体风格(如极简、复古、赛博朋克、手绘等)和主色调,确保动态视频保持视觉一致性。
- 文字版式: 标注海报中的标题、标语等文字区域的位置、层级与排版结构,动态化时避免文字区域产生扭曲或不可读的形变。
- 视觉层级拆分: 将海报画面拆分为五层——背景与基础色块、核心识别元素、主标题与Logo、辅助信息、装饰图形与氛围效果。标注各层的可分离性与动效潜力,供两个方向设计逐层激活顺序。
- 视觉锚点识别: 根据海报类型确定最具识别度的视觉锚点——人物海报为人物、产品海报为产品、食品海报为主食品、纯文字海报为主标题或核心字体、抽象或无明确主体海报为最具辨识度的图形/纹理/色块/光线/颜色关系。供两个方向围绕锚点设计核心纵深运动与尺度变化。
- 动效潜力评估: 针对两个方向分别评估可动元素:方向一「视觉元素渐进激活成版」需要哪些元素可逐步显现及其适宜的显现方式,按类别评估——空间类(从远处由小变大靠近、从平面进入空间)、遮挡类(从遮挡后显露、从雾气/阴影中走出)、生长类(从背景生长、沿轮廓展开、碎片聚合)、光影类(被追光瞬间照亮后立即动起来)、动作类(人物跑/走/转身/迈步、产品旋转/上升/组装、文字逐字书写/滑入)、材质类(从线稿上色成形、哑光到光泽变化);方向二「纸卷展开成版」需要哪些内容可按顺序逐层显现、哪些元素适合空间激活及动作化入场。输出结论供 Storyboard 设计直接引用。
- 逐元素出场顺序与轨迹建议(两个方向通用): 为每个可动元素给出建议出场顺序(基于视觉层级与重要程度排序)、入场轨迹方向建议(基于该元素在原海报中的最终位置——如位于画面左下则建议从左下方进入)和入场动作建议(基于元素类型和海报中的最终姿态——如人物呈奔跑姿态则建议从远处跑来入场、产品则建议旋转或上升入场、文字则建议逐字书写或沿排版方向滑入)。确保轨迹方向与最终落位一致、入场动作与最终姿态存在因果联系,不出现方向矛盾。
- 按海报类型推荐出场方式组合: 根据海报类型给出推荐的显现方式组合建议——人物海报以动作类+空间类为主、产品海报以动作类+材质类为主、食品海报以光影类+生长类为主、建筑海报以生长类+空间类为主、纯文字海报以动作类为主、抽象/无主体海报由 Agent 灵活组合光影类+遮挡类+生长类。供 Storyboard 设计时参考。
- 前后景深层次分析: 分析各视觉元素在海报中的前后景深关系(前景/中景/背景),标注核心视觉锚点应有的景深推进路径(远景→中景→近景),以及辅助元素适宜切入的景深层级。供 Storyboard 设计 z 轴空间纵深上的层次递进。
- 海报外形轮廓检测(方向二专用): 检测海报的实际外轮廓是否为标准矩形——若海报边缘存在缺口、异形裁切、圆角或其他非矩形轮廓特征,须逐一标注其位置、形状与尺寸,供方向二设计纸卷外形时如实还原。标准矩形海报则标注为"规则矩形"。
- 纸卷轴线与展开方向建议(方向二专用): 根据海报比例、主体朝向和排版结构,建议纸卷轴线方向(横版海报优先横向展开、竖版海报优先纵向展开)和展开方向,确保展开方向与海报主视觉流向一致。同时标注最适合进行空间激活的核心元素(依据海报类型——人物/产品/食品/主标题/核心图形等),供方向二设计引用。
3. ออกแบบกระดานข่าว
4. รุ่นของสื่อ
模型与工具选择:
- 使用 MultiModalToVideo,模型固定为 MiniMax H3(用户明确指定)。
- 分辨率: MiniMax H3 固定输出 2k。
- 时长: 不设固定默认值,根据动态方案节奏在 8–15s 整数范围内灵活设定——8s 为下限,因为更短的时间会压缩元素入场时序、导致主体来不及完成动作化入场就草草就位,甚至出现主体直接飞出而无姿态变化的问题;避免无必要地拉满 15s,以海报还原完成 + 收束过渡 + 持续微动态即可。整支视频须在单次生成调用中完成,不拆分为多次生成再拼接。
- 比例: 使用
multimodal_analyze_tool 视觉估算后映射到的最近支持比例作为 aspect_ratio。MiniMax H3 支持的比例为:"21:9"、"16:9"、"9:16"、"3:4"、"4:3"、"1:1"。接受任意比例的海报图片,映射到最接近的支持比例后直接继续生成,不拒绝、不需要用户确认比例。比例偏差时通过扩展背景填充适配——延伸海报背景色调与纹理填满多出区域,核心内容不动,不裁切、不加黑边、不拉伸变形。须在提示词中显式要求画面内容填满整个画幅、不得产生黑边或留白(详见 write_the_prompt 基准声明)。
引用策略(全能参考模式):
- MiniMax H3 支持在单次生成中同时传入
image_infos(≤9)、video_infos(≤3,每段 2–15s,总时长 ≤15s)、audio_infos(≤3,每段 2–15s,总时长 ≤15s;纯音频引用不支持,至少需配一条 image 或 video 引用)。
- 将用户上传的海报图片注册为 asset,作为
image_infos 主引用传入 MultiModalToVideo,确保动态视频在视觉上忠实于原海报。
- 若用户额外上传辅助参考图、参考视频或参考音频,按全能参考模式一并传入对应 infos 槽位,充分利用 MiniMax H3 的多模态条件能力;未上传则不额外添加。
Asset Binding Contract:
- 遵循当前
manage_item_assets 契约,使用 Storyboard 中的实际目标 ID;不在 Skill 中定义独立的 ID 模板。
- 用户上传的海报图片:先注册 asset_id,再绑定到对应 shot 的 image_infos 引用;绑定前调用
query_assets_info 确认,绑定后重新查询验证。
- 生成的动态海报视频输出:注册 asset_id 并绑定到对应 shot 的 final_shot 角色。
5. การเขียนการสอนข้อความ
6. การจัดทําวิดีโอ
单镜头动态海报组装:
- 动态海报为单条视频,组装以直接放置该视频为主,不做复杂多轨剪辑。
- 保留视频完整时长,不裁剪——单镜头一镜到底的每一秒都有时序安排,裁剪会破坏完整的出场序列。
- MiniMax H3 生成的视频自带同步音频,保留原生音频即可。