Dramatic protagonist entrance
เตรียมร่างสตูดิโอ คําสั่งหลายระดับคือการอ้างอิง; นี้ไม่ได้ประมวลผลหรือคิดค่าใช้จ่ายสําหรับรุ่น
主角高燃登场视频生成:用户上传主角人物图和结算画面图,基于案例提示词模板替换画风,保留极限镜头语言,并使用 MiniMax H3 生成高燃登场视频。
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
本 Skill 统一启用分镜模式:无论用户指定多长的总时长,都走分镜规划 → 逐段生成 → 装配拼接流程。
前置条件收集(必须先完成再进入生成):
- 检查用户是否已上传两张图片:主角人物图、结算画面图。若缺少任意一张,用卡片或对话引导用户上传,说明缺哪张。
- 引导用户选择视频比例(横屏/竖屏)。横屏默认 16:9,竖屏默认 9:16;若用户需要其他比例,从 MiniMax H3 支持的值中选择:"21:9", "16:9", "9:16", "3:4", "4:3", "1:1"。
- 引导用户指定视频总时长。默认 15 秒。不设固定分镜数量公式,由 storyboard_designer 根据视觉能量递进划分分镜;每个分镜必须跑满 15 秒(MiniMax H3 单次上限),避免将多个镜头拆成不足 15 秒的短分镜。
生成流程:
- 两张图片就绪后,调用 resource_prepare_and_analyze 分析两张图片的画风、服装、道具、材质和视觉特点,输出结构化风格描述。
- 调用 storyboard_designer 规划分镜结构:根据视觉能量递进和镜头数量划分分镜(优先跑满 15 秒),划分视觉段落,确保跨分镜画风和主角外观一致,设计分镜间衔接与转场。分镜数量大于1时,同步设计一条贯穿全片的 BGM 独立音频层(audio_layer)。
- 调用 write_media_prompt(Media Generator 子工具)逐分镜生成提示词,每个分镜独立一条提示词,跑满 15 秒,含多镜头描述,保持镜头语言密度。
- 将所有分镜提示词展示给用户确认或修改。
- 用户确认后,调用 media_generator 逐分镜生成视频,每个分镜独立调用一次 MultiModalToVideo + MiniMax H3。主角图传入每个分镜,结算画面图仅传入最后一个分镜。分镜数量大于1时,同步调用 text_to_instrumental 生成一条贯穿全片的 BGM 音轨,绑定到 Storyboard 的 BGM 音频层。
- 所有分镜视频生成完毕后,调用 video_assembler 按排列顺序拼接为完整长视频,分镜数量大于1时将独立 BGM 音轨混入。仅一个分镜时直接输出,无需拼接。
暂停点: 第4步展示所有分镜提示词后必须暂停,等待用户确认或修改,再执行第5步逐段生成。
不做的事: 不创建 Final_Video_Spec.md,仅使用 storyboard_designer 做分镜段落规划。
2. การวิเคราะห์มัลติมอร์
分析对象: 用户上传的主角人物图和结算画面图,每张图独立分析。
分析维度(每张图都要覆盖):
- 画风风格: 整体美术风格(如3D CG、二次元、赛博朋克、油画质感等)、色彩基调、光照风格。
- 服装: 主角衣着款式、颜色、材质、配饰。
- 道具: 可识别的标志性道具、武器、卡牌、面具等。
- 材质: 金属、布料、皮革、发光体等材质特征。
- 人物特征: 发型、体型、姿态、面部特征(如适用)。
- 结算画面特有: 构图布局、文字/Logo排版、视觉氛围、特效风格。
输出要求: 以结构化文本输出,每张图独立成段并标注用途(主角图/结算图)。输出将作为提示词改写的素材来源,需足够具体以支撑画风词和外观描述的精确替换。
3. ออกแบบกระดานข่าว
4. รุ่นของสื่อ
生成路径与模型:
- 工具:MultiModalToVideo
- 模型:MiniMax H3(默认)
- resolution:
"2k"(MiniMax H3 固定值)
- duration:每个分镜必须跑满 15 秒(MiniMax H3 单次上限 4–15 秒整数)。仅当为最后一段剩余时长时,才允许短于 15 秒(不少于 4 秒)。
- aspect_ratio:用户选择的横屏/竖屏比例
图片引用:
- 每个分镜独立调用一次生成,主角图通过
image_infos 参数传入每个分镜;结算画面图仅通过 image_infos 传入最后一个分镜。
- image_infos 总数 ≤ 9,本 Skill 固定使用最多2张。
- 图片引用只通过
image_infos 参数传递,绝不写入提示词文本任何位置(包括正文和末尾)。 提示词文本自始至终只包含纯文字描述:正文用"主角"和"结算画面"作为文字指代,不出现任何 JSON、asset_id、resource_id、引用标记、内联素材等任何形式的图片标记。
BGM 生成(分镜数量 > 1 时): 调用 text_to_instrumental 生成一条贯穿全片的 BGM 音轨,风格与主角登场高燃节奏匹配,绑定到 Storyboard 的 BGM 独立音频层。仅1个分镜时不生成独立 BGM。
生成与装配: 逐分镜独立生成,全部完成后交由 video_assembler 拼接(仅一个分镜时直接输出)。多镜头切换通过提示词内的分镜描述实现,MiniMax H3 支持单条提示词内多镜头描述与丰富切镜转场。
5. การเขียนการสอนข้อความ
6. การจัดทําวิดีโอ
将逐段生成的分镜视频拼接为完整长视频。 仅一个分镜时直接输出,无需拼接。
拼接规则:
- 按排列顺序(分镜1 → 分镜2 → … → 最后分镜)依次拼接,不得调换顺序。
- 拼接点对齐各分镜结尾设计的视觉冲击点(闪白硬切至纯黑、爆炸定格等),利用分镜自带的转场锚点实现自然过渡。
- 若分镜结尾未自带天然转场锚点,在拼接处添加硬切或闪白/闪黑过渡,保持节奏紧凑。
节奏与音频:
- 整体节奏紧凑高燃,拼接后不得出现节奏断层或拖沓段落。
- 分镜数量大于1时,将独立 BGM 音轨混入拼接后的视频,BGM 须跨分镜连续,拼接处不得出现音乐断裂感。
- 仅1个分镜时,BGM 已内嵌于视频生成结果,无需额外混音。
- 保持整体视觉风格和节奏的连贯性。