Glowing fairy cameo
เตรียมร่างสตูดิโอ คําสั่งหลายระดับคือการอ้างอิง; นี้ไม่ได้ประมวลผลหรือคิดค่าใช้จ่ายสําหรับรุ่น
真人实拍实景 + 平面手绘发光动画融合的混合影像生成。支持上传视频进行视频编辑(Video-to-Video)、上传图片分析环境并设计互动流程、或无素材纯文生视频。默认使用 MiniMax H3 模型,不生成分镜,直接输出单条视频素材
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
启动欢迎(Skill 激活时首先执行): 向用户发送简洁友好的使用说明,告知本 Skill 的能力与使用方式——支持上传视频/图片或纯文字描述来生成"实拍与手绘发光动画融合"的混合影像视频,并简要说明三种素材模式的区别。上传视频时可特别提示:运镜幅度可以大一点,模型会在此基础上叠加发光动画互动。语气轻松自然,不超过四句话。
任务流程:
- 判断上传素材类型:
- 有视频 → 调用 resource_prepare_and_analyze 分析视频内容(提取关键帧,识别场景类型、可交互物体清单、人物检测、光影质感、原始镜头运动),输出结构化环境描述。后续进入视频编辑路径(Video-to-Video)。
- 有图片(无视频) → 调用 resource_prepare_and_analyze 分析图片环境(场景类型、可交互物体清单、人物检测、光影质感),输出结构化环境描述。后续进入参考图生视频路径。
- 无素材 → 跳过分析,直接进入步骤3,走纯文生视频路径。
- 设计互动流程(基于分析结果或用户文字描述):
- 确定主角精灵的诞生位置与形态类别——根据用户上传素材的分析结果或文字描述,从主角形态库(⑦)中选定一个类别(如厨房/家居场景→萌趣生物系,书房/办公场景→抽象光体系,户外自然场景→萌趣生物系等),全片初始形态与所有变身形态均在该类别内选取。
- 根据视频总时长计算形态变化次数(不含主角诞生与收尾升华段落,仅计算中间变身段落),每 1.6 秒安排一次形态变化,每次变身对应一个具体环境物体(物体来自视频/图片分析或用户描述)。升华段落固定 3 秒。
- 规划小灵体点缀方式与收尾升华方式。升华段落须大面积出现手绘动画——发光光晕、线条纹路、光点铺满整片空间,手绘小花从环境中生长蔓延、层层绽放铺满全域,视觉密度达到全片最高,营造温柔治愈感。
- 规划镜头运动方式,手持镜头跟随主角运镜,全局一镜到底,全程无剪辑点,从参数库中匹配最合适的运动风格。
- 若素材中有人物,设计人物与精灵的互动环节(诞生锚点、二次互动)。
- 生成视频 → 调用 media_generator:
- 有视频 → MultiModalToVideo(Video-to-Video 模式),将用户视频通过
video_infos 绑定为参考视频,模型 MiniMax H3。提示词描述在实拍画面上叠加手绘动画互动。
- 有图片(无视频) → MultiModalToVideo,将用户图片绑定为参考图。
- 无素材 → TextToVideo。
- 默认模型 MiniMax H3,
resolution = "2k"。aspect_ratio 规则:有上传视频或图片时,输出画幅与上传素材的原始比例保持一致(从 resource_prepare_and_analyze 返回结果中获取素材宽高比,映射到模型支持的最近比例值);无上传素材时,由用户选择横屏 "16:9" 或竖屏 "9:16",未指定时默认 "16:9"。
duration 规则:有上传视频时,输出时长 = 上传视频时长(从资源分析结果中获取精确时长,四舍五入为 4-15 秒范围内的整数);有图片或无素材时,由用户指定(4-15 秒范围内整数,未指定时默认 15)。
- 提示词按
write_the_prompt 固定模板生成。
- 视频生成完成后展示结果,不进入分镜或后期剪辑流程。
不使用 storyboard_designer: 本任务不生成分镜,整条视频为单次生成。
暂停点: 步骤2完成后(互动流程设计完毕)、执行生成前,可向用户确认流程是否符合预期再继续。
2. การวิเคราะห์มัลติมอร์
素材环境分析要求:
视频分析(用户上传视频时):
- 提取关键帧: 从视频中提取具有代表性的关键帧,用于场景与物体识别。
- 场景识别: 识别具体场景类型(厨房、卧室、街道、公园等)及整体氛围(时间段、光照色调、生活化特征)。
- 可交互物体清单: 列出视频中适合精灵互动的具体物体(桌面水渍、悬挂抹布、玻璃瓶、马克杯、植物、栏杆等),标注位置与材质特征——这些将作为精灵变身和触碰的目标。
- 人物检测: 判断视频中是否有人物。若有人物,描述可见部位(如手部)、姿态、与环境中物体的关系,用于设计人物-精灵互动。
- 光影与质感: 描述光源方向、明暗分布、画面质感特征,确保提示词中实拍质感描述与原视频一致。
- 镜头运动: 描述原视频的镜头运动方式(手持跟拍、固定、平移等),提示词中的镜头描述需与原视频运动保持一致或延续。
- 输出格式: 以结构化文本输出上述信息,供提示词撰写阶段直接引用。
图片分析(用户上传图片时):
- 场景识别: 识别具体场景类型(厨房、卧室、街道、公园等)及整体氛围(时间段、光照色调、生活化特征)。
- 可交互物体清单: 列出画面中适合精灵互动的具体物体(桌面水渍、悬挂抹布、玻璃瓶、马克杯、植物、栏杆等),标注位置与材质特征——这些将作为精灵变身和触碰的目标。
- 人物检测: 判断画面是否有人物。若有人物,描述可见部位(如手部)、姿态、与环境中物体的关系,用于设计人物-精灵互动。
- 光影与质感: 描述光源方向、明暗分布、画面质感特征,确保提示词中实拍质感描述与原图一致。
- 输出格式: 以结构化文本输出上述信息,供提示词撰写阶段直接引用。
3. รุ่นของสื่อ
生成路径与模型:
- 有上传视频 → 使用 MultiModalToVideo(Video-to-Video 模式),模型 MiniMax H3。将用户视频注册为 asset 后通过
video_infos 绑定为参考视频(总数 ≤ 3,每段 2-15 秒,总时长 ≤ 15 秒)。提示词描述在实拍画面上叠加手绘动画互动效果,保留原视频场景与镜头运动。
- 有上传图片(无视频) → 使用 MultiModalToVideo,模型 MiniMax H3。将用户图片注册为 asset 后通过
image_infos 绑定为参考图(总数 ≤ 9)。
- 无上传素材 → 使用 TextToVideo,模型 MiniMax H3。
- 参数:
resolution = "2k"。aspect_ratio 规则:有上传视频或图片时,输出画幅与上传素材的原始比例保持一致(从 resource_prepare_and_analyze 返回结果中获取素材宽高比,映射到模型支持的最近比例值,MiniMax H3 支持 "21:9" / "16:9" / "9:16" / "4:3" / "3:4" / "1:1");无上传素材时,由用户选择横屏 "16:9" 或竖屏 "9:16",未指定时默认 "16:9"。
duration 规则:有上传视频时,输出时长 = 上传视频时长(取 resource_prepare_and_analyze 返回的精确时长,四舍五入为 4-15 秒范围内的整数);有图片或无素材时,由用户指定(4-15 秒范围内整数,未指定时默认 15)。
- MiniMax H3 提示词上限 7000 字符(含
<<<image_X>>> / <<<video_X>>> 标签),需控制描述长度避免超限。
参考素材绑定:
- 用户上传视频通过
manage_item_assets 注册 asset_id,再以 video_infos 绑定到生成调用。
- 用户上传图片通过
manage_item_assets 注册 asset_id,再以 image_infos 绑定到生成调用。
- 若素材含人物且需保持一致性,将该素材作为主要参考。
失败处理: 若 MiniMax H3 失败,优先切换同工具内其他可用模型(如 Seedance 2.5);若该工具所有模型均失败,停止任务并告知用户。
4. การเขียนการสอนข้อความ
5. การจัดทําวิดีโอ
本 Skill 直接输出单条生成视频素材,不进行多镜头剪辑或复杂时间线组装。保留生成视频的完整时长与原生同步音频。仅当用户在生成后明确要求追加剪辑时,才进行裁剪或组装。