เตรียมร่างสตูดิโอ คําสั่งหลายระดับคือการอ้างอิง; นี้ไม่ได้ประมวลผลหรือคิดค่าใช้จ่ายสําหรับรุ่น
适用于电商种草、消费者测评、开箱体验类商业短视频的生成。支持沉浸式开箱、快节奏测评、对比横评、场景化体验四种风格;覆盖3C数码、美妆护肤、个护清洁、服饰穿搭等20大品类
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
全片阶段逻辑与依赖关系:
收集用户决策参数 → 直接向用户提问
在创建 Final_Video_Spec.md 之前,须先向用户确认以下关键决策,可合并为一次提问:
① 测评品类: 提供以下选项供用户单选(或自定义描述):
② 视频时长: 提供以下选项供用户单选:
③ 画幅方向: 提供以下选项供用户单选:
④ 测评风格: 提供以下选项供用户单选:
⑤ 产品信息: 请用户提供:
收到用户全部确认项后再进入步骤2。
锁定全局参数 → text_editor
创建 Final_Video_Spec.md,写入:测评品类、视频时长、画幅方向、测评风格、分辨率(720p)、帧率(30fps)、产品信息、旁白风格(口语化/自然感)、音乐风格、语言。完成后请用户确认再继续。
分析产品素材 → resource_prepare_and_analyze
对用户上传的产品图片进行结构化分析,输出:产品外观特征、核心视觉卖点、材质/色彩关键词、可视觉化的功能逻辑、开箱触点(哪些位置适合特写展示)。分析结果作为分镜设计依据。
设计分镜 → storyboard_designer
设计关键元素、镜头序列(含开箱/体验/总结三幕)、音频层(BGM + 旁白 + SFX)、字幕层。完成后暂停,请用户确认分镜方案。
生成关键元素图 → media_generator
若用户已上传产品图,直接注册为 asset_id 并绑定;否则依据分镜生成产品场景图。完成后暂停,请用户确认视觉基调。
逐镜头生成视频 → media_generator
使用 MultiModalToVideo + Seedance 2.5,480p。每个镜头以对应元素图作为参考。手持实拍感镜头需在 prompt 中明确模拟手持微晃。
生成音频层 → media_generator
旁白:口语化自然风格(约4-5字/秒),像朋友推荐而非播音腔;BGM:轻快不抢戏,Lo-fi/轻电子/原声吉他;SFX:开箱关键声音(撕膜、开盖、按键等)。
时间线剪辑与字幕叠加 → video_assembler
按分镜顺序组装,叠加字幕图层,音画同步,导出最终成品。
依赖关系: 步骤2依赖步骤1;步骤3依赖步骤2;步骤4依赖步骤3;步骤5依赖步骤4;步骤6依赖步骤4和5;步骤7依赖步骤4;步骤8依赖步骤6和7。
暂停节点: 步骤1完成、步骤2完成、步骤4完成、步骤5完成后各暂停一次,等待用户确认再推进。步骤6可批量生成,完成后主动展示并询问用户意见。
强制约束:
产品图片分析规则:
情况A:仅上传单张产品图
情况B:上传多张产品图
测评场景匹配分析:
输出格式: 结构化摘要,字段包括:「产品外观特征」「核心视觉卖点」「材质与色彩关键词」「开箱触点列表」「使用场景建议」「测评风格匹配建议」「品类专项分析」。
元素资产生成:
镜头视频生成:
audio_infos,提示词上限 7000 字符,分辨率固定 2K;不支持 Seedance 2.5 <SFX>/{dialogue}/【字幕】 结构化标记,须将 SFX 改写为自然语言描述融入 prompt 正文)audio_infos,提示词上限 2000 字符,无法引入音频参考;视频参考须按 refer_type 规范声明;同样须改写 SFX 为自然语言)音频生成:
Asset Binding Contract(资产绑定合约):
manage_item_assets 工具合约规范,使用分镜板中实际的目标 ID,不在 Skill 中另行定义 ID 模板。query_assets_info 查询当前绑定状态;若目标绑定缺失,调用 manage_item_assets 并保留完整绑定数组,然后再次查询验证。asset_bindings 完整数组中保留所有适用绑定。文字防乱码策略(全流程顶层设计):
AI图像/视频生成模型在生成文字时存在固有的乱码、扭曲、模糊问题(中文尤其严重)。本 Skill 采用「生成与文字分离」架构从根本上规避此问题:
时间线组装规则:
字幕叠加规则:
片尾落版规则:
色调统一规则:
音画同步规则:
音频分层:
画质与导出:
成片质检清单:
开箱测评三幕结构(所有品类通用):
所有开箱测评视频必须遵循以下三幕节奏,不可跳过或打乱顺序:
第一幕:开箱初见(前20%时长)— 建立期待
第二幕:深度体验(中段约60%时长)— 多维度展示
第三幕:总结安利(末尾约20%时长)— 给出结论
Key Elements 设计规范:
镜头设计规范:
光影设计规范(按测评风格):
| 测评风格 | 主光方案 | 阴影方案 | 环境特征 |
|---|---|---|---|
| 沉浸式开箱 | 窗光或单一柔光,45°侧光,偏暖 | 中等阴影,阴影边缘柔和 | 桌面/床面/地板,真实家居环境 |
| 快节奏测评 | 环形灯或正面柔光,均匀照亮 | 轻度阴影,画面明亮清晰 | 干净桌面,可略带布置感但不刻意 |
| 对比横评 | 正面柔光均匀分布,无方向性 | 几乎无阴影,确保产品色彩准确 | 纯色桌面或背景纸,干净利落 |
| 场景化体验 | 自然窗光+环境光混合,随场景变化 | 自然阴影,随环境光线自然分布 | 真实生活场景,有生活痕迹 |
真实感光影核心原则(所有风格通用):
音频层设计:
description 中预定义 narration_speaker_profile,供音频生成直接引用:
narration_speaker_profile: [轻声细语 女声 语速慢 ASMR质感 像耳边轻声分享]narration_speaker_profile: [活力年轻声音 语速快 有感染力 带轻微兴奋感]narration_speaker_profile: [理性清晰声音 语速中等 有判断力 不偏不倚]narration_speaker_profile: [轻松自然声音 语速适中 像朋友聊天 有真实感]时长分配参考:
| 总时长 | 开箱初见(约20%) | 深度体验(约60%) | 总结安利(约20%) |
|---|---|---|---|
| 30s | 约6s | 约18s | 约6s |
| 60s | 约12s | 约36s | 约12s |
| 90s | 约18s | 约54s | 约18s |
全局优先级: 所有 prompt 正文以中文撰写;旁白内容跟随 Final_Video_Spec.md 的输出语言设定。
图片提示词(TextToImage / ImageToImage):
视频提示词(MultiModalToVideo / Seedance 2.5):
<撕膜声> 改写为"包装膜被缓缓撕开,发出清脆的撕膜声"。audio_infos 传入音频参考;Kling 3.0 Omni 无此参数,音频参考丢失,视觉一致性通过图像参考维持。旁白 prompt(TextToSpeech):
[narration_speaker_profile] + 旁白正文。narration_speaker_profile 直接引用分镜板旁白音频层(audio_layer_narration)中预定义的字段值,无需在此重新定义。