เตรียมร่างสตูดิโอ คําสั่งหลายระดับคือการอ้างอิง; นี้ไม่ได้ประมวลผลหรือคิดค่าใช้จ่ายสําหรับรุ่น
为产品创建逼真的数字人宣传视频。使用 Nano Banana + Omni Human1.5。在关键阶段暂停以供用户确认;采用人机协作的一键式流程。
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
完整视频的阶段逻辑与依赖关系:
Final_Video_Spec.md(标题、类型、比例、时长、视觉风格、模型偏好)→ text_editor。依赖关系: 2→1; 3→2; 4→2; 5→2; 6→4,5。
何时暂停: 不要一次性执行所有步骤。在上述每个关键阶段(例如:规格确定后、故事板完成后、元素生成后、镜头视频生成后、音频生成后)停下来,与用户确认,然后再继续。在继续之前,使用卡片或 reply_to_user 邀请用户进行审阅。
如何设计关键元素
数字人 (digital avatar)
TextToImage 根据规格(年龄、性别、服装和与用户简报一致的语调)创建全新的数字人。产品资产 (product assets)
如何设计镜头
如何设计独立音频
narration):声音标识、语调、确切脚本,以及针对相关镜头的 layout_instruction。元素图像生成
关键帧图像生成(每个镜头)
最终镜头视频生成
使用 ImageToVideoByAudio。推荐模型:OmniHuman1.5,分辨率 1080p。引用关键帧 + 对齐的音频片段。
优先级最高、适用于所有prompt编写情况:当用户使用中文输入或是加载中文语言环境时,提示词prompt需要用中文书写。但是prompt中有关旁白/对话的内容要严格遵循Final_Video_Spec中的Output Language。
图像生成提示词 (TextToImage, ImageToImage)
所有图像提示词的一般原则
提示词不仅仅是描述“画面里有什么”,更像是一位真正的电影导演和调色师在给团队下达指令。
使用连贯的自然语言来描述场景内容(主体 + 行为 + 环境等),并使用短语来描述视觉美学(风格、颜色、灯光、构图)。拒绝文学修辞: 不要向 AI 解释角色的动机或内心状态(例如“好像他并不关心这张照片”)。不要描述画面外或不可见的元素。只描述物理上可见的内容。
当目标角色是 key_element 时
提供清晰、详细的元素视觉定义,以确保其在不同镜头中保持一致。围绕以下结构构建提示词:
当目标角色是关键帧时
视频生成提示词
对于基于关键帧参考的视频生成,提示词的主要目的是描述**“变化”和“动态”**。重点在于让场景生动起来,而不是重新描述参考图中已经存在的静态细节。高质量的视频提示词必须描述场景在以下维度上的动态演变:
no music(或同等指令),以免生成的片段与最终混音冲突;如果工具支持文本对齐,则包含确切的台词或对音频片段的意译。对于 ImageToVideoByAudio
当使用音频驱动(口型同步/表演)模型时,提示词必须遵循上述维度,同时还必须遵守以下独特结构: