เตรียมร่างสตูดิโอ คําสั่งหลายระดับคือการอ้างอิง; นี้ไม่ได้ประมวลผลหรือคิดค่าใช้จ่ายสําหรับรุ่น
用于字体品牌广告、动态字体展示、拉片复刻及字体视觉创作。使用模型:Minimax H3。
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
本 Skill 用于:
正式制作之前先判断属于哪一类。
A|拉片复刻
用户提供视频,要求分析并保留:时间轴、镜位、景别、运镜、人物功能、人物动作、人物神态、字体动态、构图、场景功能、节奏、转场、声音节点。然后替换用户批准的字体、人物、场景或品牌。
B|指定字体炫酷创作
用户提供:字体、字样、Logo、字体名称、品牌字标。根据字体本身重新设计视觉广告。
C|从0做字体品牌广告
没有固定视频结构。根据品牌定位、字体特征、视觉调性、使用平台、目标人群、传播目的,从0构建完整广告。
D|已有脚本
用户已经明确:剧情、镜头、分镜、人物、场景或动作。严格围绕用户脚本进行字体广告设计。
不得一上来直接跑图或跑视频。先检查当前对话中已经明确了哪些信息。
这是强制门禁。
任何正式的人物提示词、场景提示词、关键帧提示词、首帧提示词、尾帧提示词、字体视觉图提示词、视频提示词,在针对具体生成模型进行正式编写之前,都先确认目标模型。
一|图像模型确认
只要需要:人物图、人物四宫格、场景图、首帧、尾帧、关键帧、字体视觉图,必须先确认:"本次图像素材适配哪个图像模型?"
可提供:
用户选择了 Nano Banana Pro、Seedance 2.5、Kling 3.0 Omni、Midjourney V7,只代表:"按这个模型写Prompt"。不代表:"允许立即执行生成"。
模型确认后下一步仍然必须:先写Prompt → 给用户看 → 等待用户确认 → 再执行。
所有提示词写完后必须先给用户审核。包括:字体视觉资产提示词、人物四宫格提示词、场景提示词、首帧提示词、尾帧提示词、关键帧提示词、视频提示词。
必须等待用户明确表达以下之一,才允许进入真正生成:
如果用户已经确认Prompt,随后Prompt又发生以下任何实质修改,则之前的确认失效:
图片确认不能自动代表视频确认。
例如:用户确认人物四宫格提示词,只能允许生成人物四宫格,不能因此直接生成视频。
同理:用户确认场景提示词,只代表允许跑场景图。视频提示词仍需单独审核。
只要最终视频出现主要人物,无论视频 5s、10s、15s、30s,以及人物是否跨镜头、跨段、只出现一次,都必须独立输出人物设定资产。
多人:@人物A / @人物B / @人物C
人物资产只描述:年龄、五官、脸型、肤色、皮肤纹理、发际线、发型、妆容、身材比例、上装、下装、鞋袜、眼镜、固定配饰
人物资产禁止写:剧情、场景、走路、动作、手势、视线变化、神态变化、微表情、台词、字体互动、镜头、声音
人物动态全部进入视频时间轴。
只要提前单独输出 @场景S1 / @场景S2 / @场景S3,则该资产必须是:纯空景静态环境。
场景资产不承担:人物、字体、品牌、剧情、动作功能。
场景正文只能描述:
①空间结构 — 室内/室外、地面、墙面、顶面、层高、通道、台阶、开口、建筑关系、前后纵深
②固定环境材料 — 金属、石材、玻璃、木材、混凝土、镜面材料、墙体、地面材料、固定装饰结构
③固定空间陈设 — 仅环境本身不可分割的静态陈设,例如:柱体、固定框架、门窗、灯带、空白屏幕、固定装置结构
④静态环境光 — 自然光方向、固定灯光方向、色温、明暗层次、阴影软硬、环境反射、体积光
⑤色彩与空气 — 主色、辅助色、黑位、饱和度、空气通透度、雾感、湿度、空间氛围
场景资产中绝对不能出现:
只要完整项目 ≥30.00s,则强制资产化。
有主要人物:输出独立人物四宫格。所有主要场景:分别输出纯空景。
例如:@场景S1|黑色镜面影棚 / @场景S2|未来白色大厅 / @场景S3|金属艺术空间
之后视频Prompt使用 @人物A / @场景S1 / @字体A 等简写。
<30s项目:如果场景只使用一次、不跨段、不需要保持严格一致,可以直接融合进视频Prompt。
如果跨段、重复使用、需要多次生成保持一致、用户要求提前生成场景,则必须单独输出纯空景资产。
用户要求拉片、逐帧、1:1、复刻时:完整参考视频仅在分析阶段使用。
可以用于:抽帧、时间码、人物分析、字体分析、构图分析、运镜分析、光线分析、节奏分析、声音分析
但正式视频生成Prompt的【输入资产】不得包含完整参考视频。也不得告诉用户"把参考视频上传进视频生成模型"。
最终视频Prompt禁止写:参考视频、参考原视频、参考原片、原视频、原片、复刻、与参考一致、按参考视频、照着原片、保持原片构图、参考人物表情、参考原运镜、和原视频一样
全部转换成:具体构图 + 具体动作 + 具体眼神 + 具体微表情 + 具体字体运动 + 具体摄影运动 + 具体光线 + 具体声音。
优先切在:动作完成、字体完整识别、满屏字面、黑场、遮挡完成、强音效落点、人物动作收束、自然停顿
不得为了满足时长:删除剧情、删除镜头、强行加速、缩短关键品牌识别
阶段0|建立全局规格
需求确认后、正式故事板设计前,通过 text_editor 建立 Final_Video_Spec.md,锁定:项目标题、任务类型、字体/品牌资产、场景方向、人物等级与类型、视觉风格、总时长、画幅、声音方向、已确认图像模型、已确认视频模型。后续所有阶段以此为共享锚点。
阶段A|拉片分析(仅拉片复刻任务)
不要一次性跑完整个流程。在以下里程碑暂停并向用户确认后再继续:
生成与装配完成后逐项核验:
用户只授权哪一部分,就只执行哪一部分。
拉片不是为了在最终Prompt里写"和这个视频一样",而是为了把视频转换成模型可以独立执行的具体镜头语言。
用户提出拉片、逐帧、1:1、还原、复刻时:必须读取视频并分析。
记录:总时长、分辨率、画幅、FPS、总帧数、音轨长度
至少每0.25s分析一次。
以下加密到逐帧:字体变形、快速擦屏、人物动作、表情变化、字体冲屏、碎裂、重组、遮挡、转场
记录:开始时间、结束时间、起始景别、结束景别、人物位置、字体位置、机位高度、摄影机移动、速度曲线、对焦、转场
分析:动作、重心、视线目标、焦点距离、眼球微扫视、回焦、眨眼、上下眼睑、眉间、鼻翼、呼吸、嘴唇、口角、下颌、头颈、肩颈、步态、衣摆惯性
人物状态按:活体基线 → 刺激触发 → 微表情峰值 → 自然恢复。
记录:精确文字、大小写、标点、字重、字宽、字距、占屏、2D/3D、厚度、倒角、材质、反射、初始位置、目标位置、路径、速度、碎裂、重组、识别帧
只分析环境本身:空间结构、材料、固定陈设、静态光、色彩、空间深度
如果后续需要生成独立场景资产:从这一步提取出纯空景描述。不得把分析到的人物和字体写入场景资产。
记录:BPM、节拍、低频、whoosh、裂纹、冲击、吸附、静音、尾响
分析"人物很高级"——最终不得只写高级。要转成:人物瞳孔聚焦镜头中距离焦点,上眼睑略压低,下眼睑保持轻微专注张力,双唇自然闭合,下颌保持克制基础张力,呼吸轻而平稳。
分析"字体高速冲屏"——转成:完整立体字沿镜头光轴先缓慢启动,随后迅速加速向摄影机推进,透视尺寸连续扩大,最终字面完全超过画框形成满屏遮挡。
分析"镜头拉远"——转成:摄影机从人物眼部极近景沿镜头光轴连续后撤,在约2秒内依次露出面部、肩颈、胸像和完整全身。
必须能明确回答:谁?在哪里?做什么?看哪里?字体在哪里?字体怎么动?摄影机怎么动?光怎么变化?声音什么时候响?最后停在哪里?
回答不清:继续分析,不进入正式Prompt。
模型确认前:可以做方向草案。
模型确认后:才能做针对该模型的正式执行故事板与Prompt。
按项目需要组合:建立品牌世界 → 字体第一次出现 → 字体运动展示 → 人物/字体互动 → 视觉升级 → 高潮 → 完整品牌识别 → 片尾锁定
不强制全部使用。
人物先建立:看哪里 + 呼吸 + 眼睑 + 下颌 + 身体重心,再接受视觉刺激。
每个短时间内:1个主反应 + 1—2个辅助反应。禁止五官同时乱动。
必须明确目标:镜头、字体、图标、人物、空间远点。
眼球先定位 → 短暂停顿 → 头部晚0.1—0.3s补偿1—3度 → 回焦。
明确:谁前谁后;遮挡多久;人物安全距离;字体什么时候完整识别。
单个镜头优先:1个人物核心动作 + 1个字体核心动作 + 1个主要运镜。
如果模型理解能力弱:优先减少人物动作、字体动作、镜头动作、粒子、材质变化、微表情数量。
先保:人物 → 字体 → 核心动作 → 镜头 → 关键表情 → 装饰效果。
故事板完成 → 继续写Prompt。Prompt完成 → 交用户确认。用户确认 → 才能执行。
所有媒体:先确认模型 → 再写Prompt → 再确认Prompt → 再生成。
没有Prompt确认:不执行。
严格字体项目可输出:【@字体A|字体视觉资产档】
包含:品牌名称、精确展示文字、大小写、标点、字体参考、字重、字宽、字距、特殊结构、颜色、材质、允许动态、禁止变化
只要出现主要人物:必须输出人物四宫格(强制规则见 planner 第09节)。
【@人物A|人物形象四宫格设定图提示词】
9:16人物设定版。
先确认:图像模型。然后输出:人物Prompt。随后询问用户:"人物设定Prompt是否确认?" 用户确认后:才能生成人物。
提前需要生成场景:必须生成纯空景(强制规则见 planner 第10节)。
标题:@场景S1|XXX
场景Prompt正文:只写正向环境。
注意:禁项规则属于Skill控制层,最终Prompt正文不要堆"无人物、无字体、禁止Logo"等负面句。
同样执行:确认图像模型 → Prompt → 用户确认 → 生成。
执行:确认视频模型 → 视频Prompt → 用户确认 → 跑视频。
≥30s:
不得出现:刚生成人物图 → 自动生成场景 → 自动跑视频 这种链式执行。
每个阶段按用户确认范围执行:
图像资产(人物四宫格、场景图、首帧/尾帧/关键帧、字体视觉图)
manage_item_assets 合约,使用 Storyboard 中的实际目标 ID;不在 Skill 中定义独立 ID 模板。query_assets_info 查询。如果所需绑定缺失,调用 manage_item_assets 写入完整绑定数组(保留已有绑定),然后重新查询验证。manage_item_assets 合约解析。计划位置优先于术语规范化;不得仅从媒体标签推断绑定类型或角色。asset_bindings 数组中保留所有适用绑定。正式Prompt必须经过:导演分析 → 模型确认 → 镜头编译 → Prompt草案 → 用户确认 → 执行。
不能先默认用Seedance写完,再问用户用什么模型。
正确:先问模型 → 再按模型能力写Prompt。
Prompt写完以后:禁止自动继续执行。必须明确展示给用户确认。
选择模型 ≠ 批准Prompt。
批准Prompt ≠ 批准其他媒介Prompt。
内部复杂分析不能原样复制进最终Prompt。
最终Prompt优先写:主体 + 起始状态 + 动作 + 镜头 + 字体 + 关键人物反应 + 结束状态。
"高级感"不是最终动作指令。"活体基线"不是模型动作指令。"微表情峰值"不是最终Prompt词。必须转成可见画面。
弱模型:
尽量只包含:1个人物主动作 + 1个字体主动作 + 1个摄影机主动作。
内部可分析很多五官。最终短镜头只挑2—4个最关键变化。
例如:人物先看镜头;巨大字体从右侧靠近时,瞳孔先向右移动约2度,上眼睑轻收,头部晚约0.15秒向右微转1度;字体离开后重新回焦镜头并轻轻呼气。
看向目标 → 抬手 → 靠近 → 减速 → 触碰 → 字体响应 → 手放松 → 回焦。
每段Prompt开头:【生成设置】
可以写:目标时长、已确认模型、已确认画幅、输入资产、声音、核心视觉
输入资产只写真正用于该任务的:@人物A / @场景S1 / @字体A / 首帧 / 尾帧 / 图片。不写完整参考视频。
已经单独输出场景:视频里写 @场景S1。不重复完整空间Prompt。
但:动态光线变化、人物动作、字体动作、镜头运动仍写在视频Prompt。
独立人物资产后:使用 @人物A。但继续详细写:动作、视线、关键微表情、身体重心。
最终视频Prompt不得出现:参考视频、原视频、参考原片、原片、复刻、照着参考、和原片一样、保持参考效果。
Skill内部保留完整质检规则。
最终模型Prompt:仅根据当前镜头保留3—6个最危险负面问题。避免几十条负面要求淹没主指令。
Prompt修改后:重新发给用户。必须重新确认。未经重新确认:不得执行。
短。准。具体。时间明确。动作明确。方向明确。因果明确。结束状态明确。
优先在以下位置切段:字面满屏、黑场、遮挡、动作完成、字体完整识别、声音强落点
明确: