เตรียมร่างสตูดิโอ คําสั่งหลายระดับคือการอ้างอิง; นี้ไม่ได้ประมวลผลหรือคิดค่าใช้จ่ายสําหรับรุ่น
输入模特/首饰/环境/品牌参考图,按固定12镜头叙事逻辑,自动生成一支影视风格首饰广告短视频。
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
[planner]* 启动时必须询问用户(在执行任何步骤前):*
*"请问您希望输出的视频比例是?
A. 9:16 竖屏(适合小红书/抖音/Reels)
B. 16:9 横屏(适合YouTube/品牌官网)"
等待用户回答后,将比例写入 Final_Video_Spec.md,全流程沿用。
输入说明:
用户可上传1至多张参考图,按以下类别分组。未提供某类别时,对应元素由AI根据
已有参考图风格自行推断生成。
类别标签说明[Character_Input]模特参考图(可多张,含不同角度/造型)[Jewelry_Input]首饰参考图(可多张,含细节/佩戴状态)[Environment_Input]环境参考图(可多张,含建筑/街景/室内)[Brand_Input]品牌参考图(可多张,含logo/slogan/视觉调性)
流程步骤:
① 视频比例:
A. 9:16 竖屏(适合小红书/抖音/Reels)
B. 16:9 横屏(适合YouTube/品牌官网)
② 每个镜头生成的候选视频数量:
A. 按照Skill原有设定,每个镜头生成 3个候选版本(生成后逐镜筛选,效果最优,积分消耗较多)
B. 每个镜头生成 1个版本(节约积分,生成速度快)
将选择写入 Final_Video_Spec.md,字段:shot_candidates(值为 3 或 1)
"未检测到环境参考图。请选择环境设计方式:
A. 我来描述:请输入您的环境风格需求(风格/城市/光线/色调等)
B. Flova自动设计:基于角色与首饰参考图自动推断并扩展环境"
等待用户回应,将结果写入 Final_Video_Spec.md 作为 [Environment_Ref] 来源
A. 纯黑背景 + logo居中
B. 品牌色调低饱和纯色背景(推荐高级感)
C. 由Flova设计带logo的创意收尾帧
将选择写入 Final_Video_Spec.md
依赖关系: 1优先;2→1;3→2;4→3;5→4;6→5;7→4,3;8→3;9→6,7,8
注: 用户已提供某类别图片时,直接绑定为该类别参考;未提供时由AI基于已有参考推断。
未提供 [Brand_Input] 时,013镜头自动跳过,不进入故事板与生成流程。*
对用户上传的每一类参考图分别进行分析。严禁主观解读或美化,只做客观特征提取。
提取结果作为后续所有分区的内容依据。
输出格式:按四类分别输出结构化文本,每项单独一行。
未提供某类别时,注明"未提供,后续由AI根据已有参考推断"。
## 生成模型与参考规范
人物元素 [Character_Main]
工具:TextToImage → Nano Banana 2(Gemini 3.1 Flash Image),2K
直接以 [Character_Input] 中的参考图作为生成依据
生成全身三视图(头顶至鞋,Full Body):正面 / 侧面 / 背面
核验:面部特征、发型、肤色、服装、体型与输入图一致
首饰元素 [Jewelry_Hero]
工具:ImageToImage → Nano Banana 2(Gemini 3.1 Flash Image),2K
直接以 [Jewelry_Input] 中的参考图作为生成依据
生成:正面特写 / 佩戴于人体状态图
核验:金属光泽、吊坠形态、工艺细节与输入图完全一致
环境元素 [Environment_Ref]
工具:TextToImage → Nano Banana 2(Gemini 3.1 Flash Image),2K
来源:*
工具:ImageToImage → Nano Banana 2(Gemini 3.1 Flash Image),2K
每个A类镜头参考图同时包含:*
工具:TextToImage → Nano Banana 2,2K
以 [Environment_Input] 和/或 [Brand_Input] 作为直接参考:*
用户已提供满意库存图的B类镜头,直接绑定,跳过生成。*
013镜头生成(条件性,需 [Brand_Input])
根据用户在故事板确认时选定的方案执行:
方案A · 纯黑
工具:text_editor 输出纯色图层规格
背景:#000000,logo以原色或白色居中,尺寸为画面宽度的30-40%
输出:静态图像帧,后续在 video_assembler 叠加淡入效果
方案B · 品牌色调
工具:TextToImage → Nano Banana 2,2K
从 [Brand_Input] 提取主色调,指定饱和度 S ≤ 20%,输出纯色背景
logo居中,以高对比度色值呈现(通常为深色背景配浅logo,或浅色配深logo)
生成1个版本,若不满意可调整色值重试
方案C · Flova创意设计
工具:TextToImage → Nano Banana 2,2K
以 [Brand_Input] 作为直接参考,AI自由设计带logo的高端品牌收尾帧
风格标签:cinematic, high-end jewelry brand, editorial, minimal, luxury
生成3个候选版本供用户选择*
工具:MultiModalToVideo → Kling 3.0 Omni,1080p
比例:根据 Final_Video_Spec.md 中用户选择(9:16 或 16:9)
每个镜头同时参考:[Character_Main] 元素图 + 该镜头关键帧图
每镜头候选版本数量:读取 Final_Video_Spec.md 中的 shot_candidates 字段:
工具:text_to_instrumental → Suno 5
风格标签:依据 [Environment_Input] 提取的环境调性推断,
基准为 ambient cinematic, no lyrics, no percussion
时长:与最终视频总时长匹配
全片持续回避直给——面孔被发丝遮挡、主体被虚焦、人物被光晕淹没。
这种策略制造贯穿始终的观看欲望,是本Skill的核心美学。
全片严禁:
[风格标签] + [主体描述] + [镜头语言] + [光影色彩] + [质感情绪] + [负向提示词]
全片统一风格标签:
cinematic film still, analog photography, 35mm film grain,
editorial fashion photography, natural candid moment
光影色彩:
从 [Environment_Input] 提取色温与光线方向,转化为prompt语言。
基准描述:
natural side lighting, [环境色温描述], low contrast highlights,
visible skin texture, no harsh flash, no studio lighting
例:若 [Environment_Input] 为热带正午强光 →
harsh tropical noon side light, warm ivory and amber tones
例:若 [Environment_Input] 为室内柔光 →
soft diffused interior light, cool neutral tones, window-lit
001 / 010 · ECU特写类:
macro lens, f/1.4 extreme shallow depth of field,
soft bokeh, jewelry/accessory catchlight visible
002 / 007 / 009 · MS中景类:
50mm lens, slight foreground obstruction,
environmental context from reference, natural atmosphere
005 · 剪影类:
strong backlight, silhouette, underexposed -1.5 stops,
swirly bokeh background, female figure outline only
003 · 低角度类:
ground level POV, extreme low angle, environmental ground details foreground,
legs in slight motion blur
004 · 情绪类:
anamorphic lens flare, warm light leak, slight motion blur,
optical aberration, side profile, hand-held feel
012 · 背影远景类:
focus on background environment, subject defocused foreground,
woman walking away, rear view, depth leading lines
jewelry/accessory in sharp focus as hero element,
product as primary subject, face partially visible below chin,
metal/stone surface catchlight, product structure clearly defined,
skin softly lit, face not fully revealed
<<<image_1>>> [Character_Main 正面元素图]
<<<image_2>>> [该镜头关键帧图]
运动描述规范:
001 → 002 → 003 → 004 → 005 → 006 → 007 → 008 → 009 → 010 → 011 → 012 → 013(条件性)
衔接方式时长001→002直切—002→003直切—003→004直切,节拍点对齐—004→005叠化 dissolve0.5秒005→006叠化 dissolve0.8秒006→007直切—007→008直切—008→009直切—009→010直切,节拍点对齐—010→011直切—011→012叠化 dissolve,渐出1秒012→013渐黑至纯黑(fade to black)1.5秒,仅当013存在
013结尾:淡出至黑(fade out),0.8秒
原则:001-004节奏紧;004-008叠化放缓;009-012重新收紧后渐弱收尾;013独立收束,与前片留有黑场间隔。
## 固定12镜头叙事逻辑模板
核心原则: 本模板只规定每个镜头的景别、叙事位置、情绪功能和影像技法。
所有内容(人物外形、首饰款式、环境风貌、品牌元素)均从输入图提取,
不套用固定的场景、服装或道具描述。
分析完输入图后,按以下格式定义本次项目的关键元素:
[Character_Main]
来源:[Character_Input]
提取内容:面部特征、发型、肤色、体型、造型(若有多套造型,注明 Look 1/Look 2)
**[Jewelry_Hero]
来源:[Jewelry_Input]
提取内容:首饰完整视觉档案(形态、材质、细节、佩戴状态)
**[Environment_Ref]
来源:[Environment_Input]
提取内容:本次项目的环境基调、光线特征、可用场景层次
**[Brand_Ref]
来源:[Brand_Input](若未提供则为空)
提取内容:品牌文字、Logo、品牌视觉元素*
叙事结构:局部悬念 → 人物建立 → 情绪爆发 → 呼吸转场 → 再现收束 → 离场
001 — ECU · 首饰局部特写(A类)
景别:极近景,身体局部(锁骨/手/耳颈)。面部上半(眼睛、额头)不入画。根据首饰类型,面部仅出现一小部分。例如,对于项链,聚焦于面部下半部分至胸口区域。
内容:[Jewelry_Hero] 作为画面核心,[Character_Main] 身体局部入画提供皮肤/服装质感
构图:角色面部朝向:完全侧脸(Full Profile)。身体角度:四分之三转体(Three-Quarter) 躯干相对于镜头有约四分之三的旋转偏折,整体略微侧向/背离镜头,与侧脸方向一致,形成从面部到胸口的流畅斜线构图。当首饰是戒指、手镯这些类型时,仅展现手部。
运动:镜头以首饰挂坠为中心支点,沿弧形轨迹缓慢横向移动,模拟摄影师手持相机围绕主体做弧线位移。整体运动幅度克制,属于「微环绕」,非大角度旋转。景深保持稳定:运动过程中主体(项链挂坠)始终维持对焦,浅景深背景持续虚化。
功能:感官引入,悬念建立,产品首次曝光
提取依据:首饰形态与佩戴方式来自 [Jewelry_Input]
002 — MS · 环境站姿(A类)
景别:中景,腰部以上,半身。角色面部:四分之三侧面(3/4 Profile),脸朝向画面一侧,非完全正脸也非全侧脸,介于两者之间,表情自然。身体躯干基本正对镜头,与面部朝向形成轻微扭转感,姿态放松自然。
内容:[Character_Main] 在 [Environment_Ref] 对应的环境氛围中自然站立或行走,
[Jewelry_Hero] 可见但非焦点,人物与环境形成真实共存感。
构图:角色位于画面一侧,不居中。环境沿着透视汇聚线(Leading Lines)向画面纵深延伸,赋予画面强烈的空间纵深感。浅景深,角色清晰,远端背景轻微虚化。首饰清晰可见,视觉层次分明。
光线:环境侧光从画面一侧上方打入,在角色发丝与肩部形成柔和的轮廓光。环境光影层次丰富,整体氛围有质感。
运动:镜头以平稳、匀速的方式运动。当角色向镜头方向走来(向前行走),镜头同步向后退让,两者速度基本匹配。角色前进速度与镜头后退速度接近平衡,画面景别在整个片段中维持在中景(MS)→ 中近景(MCU) 的相对稳定区间。
功能:人物与场景建立
提取依据:背景环境视觉语言来自 [Environment_Input]
003 — 低角度CU · 动态细节(A类)
景别:地面或极低视角,[Character_Main] 局部(腿/脚/手)。展现角色腿脚时,画面截取地面至小腿下段区域,仅呈现脚部、鞋子与服装小腿区域,为身体局部极近特写。
内容:环境地面细节(地砖/落花/草地/落叶/环境/地面,取决于[Environment_Input])
与 [Character_Main] 局部动态同框,轻微运动模糊
运动:镜头从极低角度(虫视 Worm's-Eye View)以平稳、有节奏感的方式向后移动(Dolly Out),镜头后退速度与角色向前行走的步伐速度精准匹配,形成「脚步迎面而来 × 镜头同步退让」的动态平衡。运动模糊(Motion Blur),动感真实。运动平稳、有节律,与步伐韵律同步,无明显抖动。
功能:行进感,在地氛围
提取依据:地面质感与环境细节来自 [Environment_Input]
004 — MCU · 光晕情绪帧(A类)
景别:中近景,肩部以上侧面。画面截取肩部至头顶区域,呈现角色肩颈、侧脸与发丝,为上半身特写。面部朝向:完全侧脸(Full Profile) ,角色面部朝向画面侧方,呈现标准正侧面——鼻梁、嘴唇、下巴的侧面轮廓清晰,眼眸微闭或半闭,神情迷离空灵,非正对镜头。身体角度:四分之三转体(3/4 Rotation) 躯干相对于镜头有约四分之三的旋转角度,与侧脸朝向保持一致,颈部延伸线与肩部弧度自然流畅。极浅景深,角色轮廓与发丝为焦点,背景完全虚化,前景有若有若无的虚化遮挡物。
内容:[Character_Main] 侧脸,画面叠加暖色光晕(物理遮挡或光泄漏),轻微运动模糊
光线色调参照 [Environment_Input] 的光线特征延伸处理
光线:光源来自角色身后偏上方,强光打出清晰的发丝轮廓光(Rim Light)。光晕(Halo):光源周围形成明显的光晕,包裹角色头部与肩部,营造近乎梦幻的视觉氛围。镜头光斑(Lens Flare):逆光触发横向或放射状的镜头光晕/光斑,增强电影感与自然感。光泄漏(Light Leak):画面边缘有轻微的光泄漏效果,进一步强化光线的物理真实感。
运动:轻微手持晃动
功能:情绪爆发,电影感最强帧
005 — MS · 逆光剪影(A类)
景别:中景,背对镜头。角色虚焦前景(Out-of-Focus Foreground),角色身体呈现为虚化的前景剪影,位于画面一侧边缘。虚焦处理使角色退为环境叙事的「框架元素」,而非视觉主体,角色姿态隐约可见为站立状,背部或侧背对镜头。
内容:[Character_Main] 背影轮廓(面部特征不需要),以 [Environment_Ref] 的
自然环境元素(植被/天空/光源)形成散景背景,逆光欠曝
构图:采用肩上构图(Over-the-Shoulder)逻辑,角色虚焦前景占据画面一侧或一角,视觉重心引导至实焦的背景,强烈的透视纵深感。
光线:从画面侧面/斜前方打入,形成光影分界,提升画面戏剧张力,画面层次丰富。
运动:微动态,电影运镜,画面靠植被轻摆与光束营造「活的静止」感。
功能:情绪顶点,去个体化
提取依据:背景散景的色调与植被类型来自 [Environment_Input]
006 — ECU · 环境微距(B类)
景别:极近景,纯环境细节,无人物
内容:从 [Environment_Input] 中提取的代表性材质或自然元素(植物/纹理/水面/
玻璃/砖墙),极浅景深,全画面虚化
运动:电影运镜,手持质感,赋予画面自然的呼吸感与真实在场感。
功能:强制呼吸,叙事减速
提取依据:微距对象来自 [Environment_Input] 中的材质特征
007 — LS · 纯环境空镜(B类)
景别:全景,纯场景,无人物
内容:从 [Environment_Input] 中提取最具代表性的建筑或空间全貌,
突出环境的纵深感与光线特征
运动:电影运镜
功能:场景转场,叙事呼吸
提取依据:建筑风格与空间全貌来自 [Environment_Input]
008 — MS · 人物/环境叙事帧(B类)
景别:复合景别(Composite Framing) 画面采用前景虚焦人物 × 背景实焦长景的复合结构——前景角色以MCU近距离存在,但背景呈现为全景(LS)规模的纵深空间,两者形成景深上的强烈对比。
内容:以 [Environment_Ref] 提取的空间元素为主体(可以是橱窗/拱廊/庭院/走廊/
任何具有纵深的空间),[Character_Main] 作为虚焦前景存在
构图:角色存在方式:虚焦前景框架元素(Out-of-Focus Foreground),角色位于画面一侧三分之一处,仅呈现头部、颈部与上肩区域,角色细节模糊,服务于「环境叙事」而非「人物叙事」。角色有一定的轮廓光,为虚焦剪影增添质感。
运动:电影运镜
功能:场所标定,环境叙事
提取依据:空间类型与构图层次来自 [Environment_Input]
009 — FS · 全身造型帧(A类)
景别:全身景,头顶至鞋。人物位于画面一侧三分线位置,另一侧留白展现环境深度。
内容:[Character_Main] 在 [Environment_Ref] 场景中完整呈现,
造型可完整读取,[Jewelry_Hero] 清晰可辨
运动:呈现角色慢步走动的动态,体态轻盈自然,视线看向画面一侧光源处(避开镜头),电影运镜。
功能:造型信息完整呈现,全片最"可读"的人物帧
010 — MCU · 首饰+面部,焦在首饰(A类)⭐核心广告帧
景别:中近景,面部下半至胸口,面部朝向画面一侧,呈标准正侧面,视线投向镜头外,非直视镜头,神情沉静内敛。身体姿态亦呈侧面站立,与面部朝向一致,重心自然分布,无明显倾斜,站姿松弛且有气质。
内容:[Jewelry_Hero] 为对焦主体,呈现工艺细节;
[Character_Main] 面部下半部分在焦平面内可见;
侧光在首饰金属/宝石面形成高光反射点
运动:缓慢推进(Slow Dolly-in),有机手持微抖动(Organic Handheld Micro-movement),赋予画面自然的呼吸感。随镜头运动光影斑驳纹路在角色身上的位移会更加明显,进一步强化光与肌肤的互动叙事。
功能:产品信息植入,面孔揭示前最高注意力帧
011 — CU · 面孔正面特写(A类)
景别:近景,胸部以上,面部为核心
内容:[Character_Main] 正面或略低头,发丝轻扫面部,
[Jewelry_Hero] 可见,眼神自然,非刻意对镜头pose
运动:极缓慢推进(Slow Dolly-in / Push-in) 镜头以极度克制、匀速的节奏缓慢向前推进,沿镜轴方向逐步靠近角色面部,随着推进过程「人物揭示」的情感张力持续升温,亲密感逐帧加深。镜头动态包括且不限于角色呈现自然的「生命感」微动态、发丝飘动与斑驳投影位移(Hair Sway & Dappled Shadow Shift)、光晕与镜头光斑波动(Halo & Lens Flare Fluctuation)、首饰闪烁(Jewelry Glint)、在方向性强光下产生局部镜面反光的首饰细微闪烁(Specular Glint)等。
功能:人物揭示,情感高潮,与001首尾呼应
012 — LS · 背影离场(A类)
景别:全景,[Character_Main] 虚焦前景,背景实焦。人物全身镜头(Full Shot / LS),根据环境,人物位于居中或镜头一侧。
内容:[Character_Main] 背对镜头走向 [Environment_Ref] 场景纵深,
背景环境元素(路牌/建筑/光源)保持实焦
运动:人物行进,电影运镜,
功能:开放式结尾,与001首尾呼应
013 — 品牌标识帧(条件性 · 仅当提供 [Brand_Input] 时生成)
景别:平面图形构图,无透视,无景深
内容:[Brand_Ref] 品牌logo居中,背景方案由用户在故事板确认时选择:*
BGM_Main
类型:ambient cinematic,无歌词
情绪弧:开篇舒缓 → 004-005升温 → 006-008平静 → 011-012渐弱
色调参照 [Environment_Input] 的整体氛围(暖/冷/热带/都市)匹配音乐风格*