Stardew Valley-style pixel memories
เตรียมร่างสตูดิโอ คําสั่งหลายระดับคือการอ้างอิง; นี้ไม่ได้ประมวลผลหรือคิดค่าใช้จ่ายสําหรับรุ่น
用于制作星露谷物语(Stardew Valley)16-bit 像素风格的情绪回忆短视频;以用户上传的照片为参考,先生成统一像素风格的关键帧场景图,再逐镜头转视频,配以治愈系 BGM,产出 30–60 秒温暖怀旧短片。适用于毕业纪念、旅行回忆、四季日常、友谊故事等一类怀旧治愈主题——根据用户素材与主题灵活匹配场景,以情绪弧线驱动叙事而非固定剧本。
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
全流程阶段与依赖:
- 建立 Final_Video_Spec.md(标题、类型:像素风情绪回忆短片、画幅 16:9、时长 30–60s(可选扩展至 90s,通过增加镜头数或延长关键镜头实现)、视觉风格:16-bit 像素艺术 / 星露谷物语田园暖色调、输出语言:中文)→ text_editor。
- 分析用户上传的回忆照片(场景、人物、构图、色调、情绪),输出结构化文字描述 → resource_prepare_and_analyze。
- 设计分镜(key_elements + shots + audio_layer)→ storyboard_designer。
- 生成像素风格 key_element 图像(角色设定图、场景设定图)→ media_generator。若用户上传了参考素材,先用 resource_prepare_and_analyze 提取特征后通过 ImageToImage 融合像素风格;否则用 TextToImage 从零生成。
- 逐镜头生成关键帧图片(每镜头一张 start_frame),保持与 key_element 的一致性 → media_generator。
- 逐镜头将关键帧转为视频(每镜头 4–10s,按叙事节拍灵活分配:过渡镜头 4s、标准叙事镜头 5–6s、情感高潮镜头 8–10s;单镜头上限 15s)→ media_generator。
- 生成治愈系 BGM → media_generator。
- 最终剪辑组装 + 导出 → video_assembler。
依赖: 2→1;3→2;4→3;5→4;6→5;7→3;8→6,7。
暂停检查点: 不要一次性跑完全流程。在以下里程碑暂停并向用户确认:Final_Video_Spec 锁定后、分镜完成后、key_element 图像完成后、全部镜头视频完成后、音频完成后。使用 cards 或 reply_to_user 邀请用户审阅。
用户上传素材处理: 在步骤 4–6 中,如果用户提供了照片或已有媒体,优先通过 media_generator 绑定到对应 Storyboard 槽位,避免重新生成用户已提供的内容;将上传照片的像素风格化融合交给 ImageToImage。
2. การวิเคราะห์มัลติมอร์
- 对用户上传的回忆照片进行整体内容理解,输出结构化描述:场景类型(教室/走廊/操场/林荫道等)、人物数量与大致姿态、构图(仰拍/平视/全景等)、主色调与光线方向、可识别的情绪氛围。
- 若用户上传多张照片,按场景归类汇总,标注每张照片最适合映射到哪个分镜场景。
- 提取的照片特征仅用于指导下游像素风格场景设计与角色设定,不直接作为最终画面;下游需将其"像素化重绘"而非原样使用。
3. ออกแบบกระดานข่าว
整体结构(30–60 秒短片,可选扩展至 90s):
- 建议分 5–7 个镜头,按情绪弧线四段式排列,而非固定场景序列:
- 起(引入): 1 个镜头,清新明亮的全景/天空,建立基调与视觉钩子;过渡镜头时长。
- 承(日常沉浸): 2–3 个镜头,温暖亲密的日常场景,让观众代入回忆情境;标准叙事镜头时长。
- 转(情绪升温): 1–2 个镜头,色温转暖或情绪密度升高,推向情感高点;可用情感高潮镜头时长。
- 合(余韵收束): 1 个镜头,画面溶解为天空/留白 + 寄语文字,营造告别感;情感高潮镜头时长。
- 场景选择原则: 根据用户上传素材与主题灵活匹配场景类型,而非固定为某一组场景。每个场景须能映射到情绪弧线中的对应相位(引入/日常/升温/收束),并从「逐场景配色与光线方案」中选取匹配的色温档位。
- 示例映射(毕业主题): 起=校园天空 → 承=教室伏案/走廊交谈 → 转=操场夕阳/林荫道骑行 → 合=寄语浮现天空。此为示例,其他主题(旅行/四季/友谊等)应按同一情绪弧线替换场景。
- 镜头时长分级(Seedance 2.5 支持 4–15s,按节拍灵活分配):
- 过渡镜头(4s): 引入相位或快速建立场景的镜头,节奏紧凑。
- 标准叙事镜头(5–6s): 日常沉浸相位中承载主要叙事的镜头。
- 情感高潮镜头(8–10s): 升温与收束相位中需要观众沉浸的情感高点,可拉长时长配合缓慢镜头运动。
- 单镜头上限 15s;如用户选择 90s 扩展时长,优先增加情感高潮镜头的时长或新增 1–2 个叙事镜头,而非均匀拉长所有镜头。
- 开篇镜头需在前 3 秒建立视觉钩子:清新全景/天空 + 一句与主题契合的寄语文字(内容由用户主题与素材决定,不固定为某一句话)。
- 结尾镜头以寄语文字 + 天空/留白收束,营造告别感;具体文字由用户主题决定。
Key Elements 设计:
- element character: 以像素风格定义主角角色外观(发型、校服、背包等),若有多人则每个角色单独设定,确保跨镜头一致性。
- element scene: 定义核心场景的像素化样貌——教室(课桌/窗户/阳光)、走廊、操场(跑道/铁丝网/草坪)、林荫道(树木/夕阳),描述重要物件的位置与朝向。
- key prop: 如有标志性道具(书本、自行车、试卷等),作为独立 element 定义。
逐场景配色与光线方案(element scene 描述须内嵌以下规格):
每个场景在 Storyboard 中须明确写入主色调(引用调色盘色值)与光线方案,确保镜头间色彩层次分明且整体色温统一。以下场景按色温分为三档,其他主题可参照同档位替换场景内容:暖色亲密场景(教室/林荫道)、冷色过渡场景(走廊)、暖色高潮场景(操场/天空)。
- 教室: 主色调暖黄(#F2C249)+ 暖棕(#8B6B3A),辅助草绿(#5BA84A)点缀窗台植物;光线为侧窗暖色自然光,光柱以半透明像素竖条穿过课桌区域,营造午后静谧感;阴影区用 dithering 表现课桌下方暗部。
- 走廊: 主色调天蓝(#7EC0E8)+ 暖白,辅助橙红(#E8804A)用于人物校服与海报点缀;光线为顶光漫射 + 走廊尽头窗光逆光,形成明暗对比纵深感;整体偏清冷通透,与教室暖色形成情绪转折。
- 操场: 主色调橙红(#E8804A)+ 草绿(#5BA84A),辅助暖黄(#F2C249)铺满夕阳天空;光线为低角度金色夕阳逆光,铁丝网投影用像素格状阴影落在跑道与草坪上;色温为全片最暖,强化怀旧高潮。
- 林荫道: 主色调草绿(#5BA84A)+ 暖黄(#F2C249),辅助暖棕(#8B6B3A)用于树干与路面;光线为穿透树冠的丁达尔光斑,以半透明像素圆环散落地面,逆光方向朝夕阳;整体温暖柔和,呼应骑行追夕阳的青春感。
- 开篇/结尾天空: 主色调天蓝(#7EC0E8)渐变至暖黄(#F2C249)地平线;光线为清晨/黄昏柔光,云朵用低饱和像素色块;开篇偏清新明亮,结尾偏黄昏温暖低沉。
Shot 设计:
- 每镜头须包含:场景(引用 scene element ID)、故事节拍(人物动作与情绪)、摄影语言(景别、机位角度、镜头运动——偏缓慢平移/推进/跟随,避免剧烈运动以契合怀旧氛围)、画面文字(如有寄语,写明精确文字内容与浮现方式)。
- 画面文字以天空、地面、光影等自然载体呈现,不使用现代字幕条。
Audio Layer 设计:
- BGM: 一条全局背景音乐 audio_layer,风格描述为"治愈系纯音乐,钢琴 + 木吉他 + 轻弦乐,温暖怀旧,略带感伤,参考星露谷物语原声氛围",时长与视频等长。
- 如视频含旁白/寄语旁白,另设 narration audio_layer,使用 narration_speaker_profile(如 [温暖女声])并写出旁白全文。
4. รุ่นของสื่อ
像素风格图像生成(key_element & 关键帧):
- 首张风格基准图用 TextToImage,推荐模型 Nano Banana Pro(Gemini 3 Pro Image)(最佳提示词遵循,适合像素风格精确控制),分辨率 2K,画幅 16:9。
- 后续场景图与角色变体用 ImageToImage,以首张风格基准图 + 用户上传照片(如有)为参考,保持像素风格统一;推荐模型同为 Nano Banana Pro。
- 像素风格一致性是本 Skill 的核心约束:每张新生成图必须引用已确立的风格基准图作为 reference_image。
镜头视频生成:
- 使用 MultiModalToVideo,推荐模型 Seedance 2.5,分辨率 480p,画幅 16:9,时长按分镜设计中的镜头时长分级取值(4s / 5–6s / 8–10s,上限 15s)。
- 每镜头的 image_infos 必须包含该镜头的关键帧图片(作为视觉风格锚点);如镜头中含角色,同时绑定对应 element character 图像作为参考。
- 相邻镜头如需强连续性(如同一场景的延续),可将上一镜头视频作为 reference_video 附加;通常情况下仅用图片参考即可。
BGM 生成:
- 使用 text_to_instrumental,推荐模型 Suno 5;提示词描述治愈系纯音乐风格,避免在提示词中出现知名音乐人名字(Suno 5 合规限制)。
- 若用户需要带歌词的完整歌曲,可用 lyrics_to_song 替代。
用户上传素材绑定:
- 用户上传的毕业照片经 resource_prepare_and_analyze 分析后,通过 media_generator 注册 asset_id 并绑定到对应 element/shot 槽位;这些照片作为 ImageToImage 的参考输入融入像素风格,而非直接出现在最终视频中。
5. การเขียนการสอนข้อความ
全局规则: 用户使用中文交互时,提示词正文用中文撰写;画面内文字与旁白内容遵循 Final_Video_Spec 的输出语言(中文)。
像素风格图像提示词(TextToImage / ImageToImage):
- 风格锚点词(必含):16-bit pixel art、Stardew Valley style、SNES-era JRPG aesthetic、limited color palette、dithering shading、tile-based environment;以自然语言描述主体 + 场景 + 动作,以短词组锁定风格/色调/光线/构图。
- 星露谷物语画面参考元素:等距俯视/45° 俯视角构图、网格化瓦片地图质感、简洁像素化植物(圆润树冠、方块灌木)、木栅栏与石板路径、像素化窗户透光光柱、低矮像素建筑剪影;角色为二头身比例(大头小身)、纯色块面部特征(像素眼/无鼻)、简单行走向左/向右侧面精灵姿态。
- 色彩限定:调色盘锁定在星露谷暖色系——暖黄(#F2C249)、橙红(#E8804A)、天蓝(#7EC0E8)、草绿(#5BA84A)、暖棕(#8B6B3A)为主,每帧主色不超过 5–6 色阶;整片保持一致色温,禁止镜头间色调跳变;阴影区用 dithering(棋盘/条纹抖动)而非平滑渐变模拟暗部。
- 光线描述:强调"金色夕阳逆光""柔和光晕""阳光洒落桌面"等温暖光线语言;光晕用半透明像素圆环表现,光柱用半透明像素竖条,避免柔和高斯模糊。
- 像素颗粒感:明确要求 16-bit 像素分辨率质感(约 64px–128px 精灵逻辑分辨率),线条为阶梯式像素边缘而非抗锯齿曲线;禁止高清写实细节、平滑渐变、矢量描边或赛璐璐上色。
- 画面文字:如需在画面中渲染寄语,引用精确字符串(如"致敬这场遇见"),并说明以像素位图字体(参考星露谷对话框字体风格)呈现在天空/光影中,字号与画面像素网格对齐。
视频提示词(MultiModalToVideo / Seedance 2.5):
- 参考图绑定:用 <<<image_1>>>、<<<image_2>>> 等占位符绑定每张参考图,并注明每张图引用的要素(角色/场景/风格)。
- 运动描述栈:镜头运动(缓慢平移/推进/跟随)→ 主体动作(人物动作与微表情)→ 空间变化(光影流转/树叶摇曳)→ 音频备注(如有环境音/SFX)。
- 像素风格保持:在视频提示词中重申"保持 16-bit 像素艺术风格,SNES-era JRPG aesthetic,limited color palette,dithering shading",防止模型在动画化过程中风格漂移为写实或半写实;动态元素(树叶摇曳、光影流转)须保持像素阶梯式运动,禁止出现运动模糊或景深虚化。
- 动态细节示例:教室——"镜头缓慢平移展示靠窗课桌上的书本,窗外金黄秋叶微动,阳光洒满桌面,光影流转";骑行——"镜头跟随学生骑行,迎着金色夕阳,温暖逆光,慢动作"。
- 站位否定项:no subtitles(字幕后期处理)、no realistic rendering(防止脱离像素风格)、no modern UI elements。
6. การจัดทําวิดีโอ
- 总时长 30–60 秒(可选扩展至 90s),按分镜叙事顺序排列镜头;各镜头时长按分镜设计的时长分级(4s / 5–6s / 8–10s)灵活组合,保持整体节奏舒缓,不使用快切。
- 转场以柔和淡入淡出(cross-dissolve)为主,契合怀旧治愈氛围;避免硬切或特效转场。转场时长与曲线由情绪流向 + 色温变化方向驱动,通用原则如下:
- 入戏过渡(起→承): 偏慢,1.0–1.5s,缓入缓出(ease-in-out),引导观众进入回忆情境。
- 同色温推进(承→承 / 转→转): 短促,0.5–0.8s,线性(linear),维持情绪连贯与节奏推进。
- 暖→冷转折: 略快,0.8s,缓出(ease-out),制造轻微情绪跳点但不可硬切。
- 冷→暖浸染: 拉长淡入,1.0–1.2s,缓入(ease-in),让暖色逐步浸染画面。
- 收束余韵(转→合): 全片最长,1.2–1.5s,缓入缓出(ease-in-out),画面缓慢溶解为天空/留白,营造告别感。
- 上述时长为参考区间;实际取值视镜头时长与情绪密度微调,但须遵循"首尾慢、中段快"的整体节奏曲线。
- BGM 与画面同步:开篇淡入、结尾淡出;在文字寄语浮现处适当降低 BGM 音量或留白。
- 画面文字(寄语)在时间线中对应镜头的中后段浮现,给观众阅读时间。
- 导出 16:9 画幅;如用户未指定更高分辨率,默认 720p 即可(1080p 需会员权限,由下游处理)。