Japanese comic-drama workshop Bu Skill kullanın Bir stüdyo taslağı hazırlayın. Çok aşamalı talimatlar referanslardır; bu nesil için çalıştırmıyor ya da şarj etmiyor.
适用于日系写实动漫风格的漫剧短片创作,涵盖青春情感、城市光影、错过与重逢等题材,支持中文(普通话/台湾华语)及日语等多语言风格的高密度对话短剧。
Workflow text orijinal Çin'de korunmuştur. Referans modelleri burada mevcut olanlardan farklı olabilir. Stüdyoyu desteklenen modeller ve gerçek kredi alıntıları için kontrol edin.
Tamamla iş akışı Tam iş akışı kopyalayın 1. Planlama Kopya bölümü
最高优先级: 以下流程以“多机位镜头叙事、物理光影、克制表演、前后连续、用户最终决定权”为共同约束,覆盖本技能的默认镜头描述。适用总片长10秒至10分钟;单个shot仍须受可用视频生成路径的时长上限约束,默认规划为7–15秒。
先用 Planner 解析用户的灵感、剧本与参考资料;若只有一句想法,扩展为短片脚本并明确标注“已自动扩展,待核实”。完整剧本以忠实解析为先,不擅自改写核心情节;没有故事输入时,先请用户提供灵感、梗概或剧本。
通过 text_editor 建立并锁定 Final_Video_Spec.md:确认总时长、16:9横屏、24 fps时间线、日式写实动漫青春光影、无bgm、无字幕、核心情绪、交付清晰度,以及是否为系列短剧。默认总时长60秒、2–3个element scene、最多4个element character。语言与口音风格 须主动询问用户,可选项为普通话、台湾华语、日语,默认普通话;完成"故事方向与语言风格确认"后暂停。
对用户提供的图像、视频、音频、文档先调用 resource_prepare_and_analyze ;再调用 storyboard_designer ,依次建立key_element、角色身份板、场景版、shot与audio_layer。角色确认后才提交场景版,场景确认后才提交完整分镜与镜头连续性表。
场景与分镜确认后,调用 media_generator :先注册并绑定用户资产,再生成角色与场景的key_element视觉资产;先生成一条最能代表人物、光影、运镜与对白节奏的final_shot作为样片。样片获确认后,才批量生成其余final_shot。
仅在全部shot与对白/环境声均获确认后,调用 video_assembler 组装成片。若用户选择4K交付,在1080p成片完成后调用 media_generator 的super_resolution,以MediaKit输出4K、24 fps;完成后再请用户确认成片。
确认与改稿: 每一节点均由用户最终决定:角色版、场景版、分镜表、样片、成片均可确认、修改、重新生成或跳过确认;分镜阶段还可指定单个shot或调整节奏/时长。单一生成尝试不符合已确认的角色、场景、镜头或连续性要求时,在同一路径重试一次;仍不符合则说明偏差并暂停。用户未确认时保持等待;连续三轮修改仍未通过时,提交三个明确创作方向,而不是继续自动生成。
2. Multimodal analizi Kopya bölümü
将剧本、灵感文档和用户参考资料整理成:故事梗概、情绪转折、角色关系、逐句dialogue、地点/道具、时间天气、可复用视觉锚点与环境声线索;区分用户已锁定的事实与可扩展内容。
对人物reference_image提取可见身份特征、服装、姿态、微表情、皮肤与材质细节;对地点资料提取空间布局、人物站位、道具位置、构图、主光方向、色温、阴影、反射、天空/天气。后续key_element与shot描述必须与这些可见事实一致,不得凭空矛盾。
对reference_video提取可延续的机位、光轴、动作方向、视线方向、运动终态、人物在画面中的位置、光线状态与环境声;对reference_audio识别说话人、语言、情绪、语速、咬字清晰度与可作为key_element_audio的短音色样本。仅把质量足够且归属明确的音频标为角色音色参考。
为每项输入标注可绑定的角色、场景、道具、start_frame、end_frame、reference_image、reference_video或reference_audio,并输出跨shot连续性线索;不把仅有氛围价值的素材误判为身份、空间或光线依据。
3. Görsel senaryo tasarımı Kopya bölümü
最高优先级:多机位镜头叙事与连续性
每个shot必须写明:引用的element character / element scene /道具、情绪动机、叙事动作、起止画面状态、景别、机位角度、镜头运动、主光方向、声音意图与衔接依据。任何镜头均不得完全静止超过1.5秒:即使是特写也应保留克制的手持呼吸感;空镜必须有缓慢横移、上下摇动或环境内运动。避免无角度的正面定止拍摄、无动机的中景、机械匀速推拉、过度平滑的稳定器轨迹,以及相邻shot重复机位或景别。
每部短片至少使用4种机位角度,并让景别形成远景、全景、中景、近景、特写的递进或反向递进。人物正面镜头应至少偏转15°;急推、急拉须含轻微惯性过冲,推拉、跟拍与环绕均需写明有机的加减速。按情绪选择镜头:无助/距离使用俯拍、侧拍与拉远;内心翻涌使用肩后与环绕;愤怒或转折使用仰拍、正反打与急推;温柔或思念使用侧拍、主观POV、跟拍与缓慢推近;错过使用俯拍、快速横移与急拉后撤。对话优先用肩后、正反打和视线切换,避免只用正面中景覆盖整段对话。
为相邻shot建立连续性表:保持30°规则、动作匹配、视线匹配、屏幕方向、人物画面位置、道具状态、主光方向和色温连续;同场景内相邻镜头时长差异原则上不超过3秒。上一shot结尾的动作、情绪、位置和光线应成为下一shot的start_frame依据。系列短剧还须锁定角色外观与key_element_audio、场景道具位置和光线状态,使跨集结尾自然接续下一集开头。
key_element、光影与场景版
为每个element character建立可跨shot复用的身份描述:精确年龄、身高、体型、脸型/五官、瞳色、发型、服装材质与标志细节。角色保持通透的日式写实动漫质感:2–3枚星点瞳光、逆光时半透明的分组发丝、随表情出现的克制眼周与唇部纹理、自然冷暖肤色过渡、可见的手部关节和服装材质。保留细腻生命感但不得转为真人照片、过度磨皮、塑胶皮肤、平涂或无来源的外发光。
每个element scene设计正拍、航拍与细节三类参考构图,并写清空间结构、人物活动区域、关键道具位置、主光方向、色温、阴影方向、反射、至少三层天空渐变与叙事作用。每束光都必须有可见或可推断的物理来源;相邻镜头的主光方向保持连贯,暗部保留材质细节,亮部保留纹理。全片在电车交错、雨滴玻璃、黄昏逆光、星空、云海、城市天台中至少采用三种,并落实铁轨透视、雨滴滑痕/背景虚化、拉长影子或清晰银河等可见细节。
角色身份板使用“四格”结构:一格胸像特写加正面、侧面、背面三格全身立绘;白底、16:9横版、无多余文字。场景与角色均先作为key_element供用户确认,再进入shot设计。
表演、dialogue与声音设计
默认将总时长拆为7–15秒的shot。每个shot的表演必须按可见顺序写出:开口前的眼神变化、呼吸、吞咽或移开视线等微反应,再到动作、口型和收束;情绪应克制而明确。悲伤表现为眼眶湿润、下唇微颤或停顿,愤怒表现为下颌收紧与目光变化,恐惧表现为呼吸和瞳孔变化;避免嘶吼、失控哭喊、摔砸或夸张肢体喜剧。
dialogue写在对应shot内,默认每3–5秒安排一句有效台词;每句标注说话的element character、情绪、表演节奏与重点字。台词语言风格按 Final_Video_Spec 锁定的语言/口音风格执行:台湾华语使用自然口语语感和少量"啦、齁、欸、喔"等语气词;普通话去掉上述语气词,保持自然口语节奏;日语按日语口语节奏与停顿习惯书写,并注明所需音色参考已绑定。重话以平静、放慢、收住的方式表达。要求逐字清晰、句末完整、关键词加重,并以偏慢、隐忍、质问、悲伤、爆发或温柔等情绪决定语速和停顿,避免吞音与生硬拼接。
不设计music或跨shot的bgm audio_layer,也不设计字幕。雨声、电车声、蝉鸣、风声等环境声写入相关shot的声音意图;只有确需跨镜延续的环境底噪才建立audio_layer,并注明覆盖范围与音量层级,且不得遮蔽dialogue。
4. Media nesil Kopya bölümü
资产、连续性与参考绑定
先为用户上传或既有的角色、场景、道具、音频注册asset_id,并绑定到相应key_element、shot或audio_layer;不重新生成已被用户确认且可直接使用的资产。为每个跨shot说话的element character准备并绑定一段key_element_audio:优先使用用户提供的清晰音色样本,否则用text to narrtion生成短音色参考。系列项目中持续复用同一角色、场景与音色资产,除非用户明确批准改版。
角色四格身份板与场景参考图使用 TextToImage 的Nano Banana Pro(Gemini 3 Pro Image),16:9、2K。人物或场景的后续变体优先用 ImageToImage 的同一模型,并引用已确认的key_element图,以保持脸、服装、道具位置、光影与材质连续。
final_shot生成与交付
每条final_shot优先使用 MultiModalToVideo 的Seedance 2.5,16:9、7–15秒;用户选择480p交付时设为480p。每条shot仅绑定所需的角色、场景、道具reference_image,保持总数不超过9;只有动作衔接、屏幕方向、画面状态或光线必须连续时,额外使用上一条final_shot的短reference_video。不要把所有历史素材都塞入参考,避免角色与场景漂移。
视频生成应严格继承Storyboard的机位、景别、手持呼吸感、加减速、动作终态、主光方向、色温、阴影、表演与dialogue规则。对有台词的shot,将该说话角色的key_element_audio作为audio_infos参考,并在prompt中保留逐字dialogue与口型/情绪动作;单条shot使用不超过3段audio reference且其总长度少于15秒。画面内只保留对白与指定环境声,明确禁止音乐、字幕与屏幕文字。
若Seedance 2.5首次失败,先以同配置重试一次;仍失败时暂停并征询用户是否改用同一MultiModalToVideo路径中的Kling 3.0 Omni。该替代路径可保持16:9与1080p,但不能接收audio reference,因此必须先说明角色音色连续性会降低;不得静默降级。该工具内所有候选模型均失败时,停止该shot并报告失败。
视频生成不直接输出4K。用户确认4K交付时,先完成并确认1080p成片,再用super_resolution的MediaKit按aigc场景、4K、24 fps放大最终视频;不要重复放大已经达到目标清晰度的资源。
5. Text reading writing yazma Kopya bölümü
所有prompt以中文写作,不直接使用具体影视作品、导演或角色名称作为风格指令;改用可执行的画面描述:日式写实动漫、通透高饱和色彩、黄昏金色逆光、蓝紫到橙金的天空渐变、玻璃雨滴反射、体积云与细腻环境细节。只描述镜头可见或可听见的内容。
key_element图像prompt按“身份与外观 → 姿态/构图 → 环境或白底 → 物理光源与方向 → 光线色彩 → 质感约束”组织。身份板明确“四格:左侧胸像特写,右侧正面/侧面/背面全身”,锁定星点瞳光、发丝透光、自然肤色微差、适度眼周/唇部/手部纹理、服装材质和标志细节;禁止额外人物、变形肢体、错误视角、文字、水印、磨皮塑胶感、平面色块和无光源光晕。
场景图像prompt按“空间与叙事道具 → 人物/道具相对位置 → 时间天气 → 主光源方向与色温 → 阴影、天空、反射和材质细节 → 构图”组织。每束光都须有物理来源,写出轮廓光、阴影与背景层次的关系;避免均匀环境光、死黑、死白与脱离光源的特效光晕。让电车、雨滴、影子、铁轨、云层或银河具有具体的空间关系与物理成因,而不是堆砌视觉名词。
final_shot prompt依照“引用素材占位符及用途 → 起始画面状态 → 景别/偏转机位/构图 → 手持呼吸感与镜头运动及加减速 → 人物动作、眼神和微表情 → 光线/环境变化 → dialogue与环境声 → 终止状态及下一镜衔接”写成按发生顺序的紧凑段落。使用<<<image_1>>>、<<<video_1>>>、<<<audio_1>>>等占位符,并说明每项引用的用途;全文连同占位符不超过2300个字符。
对话prompt须保留正确书写,按 Final_Video_Spec 锁定的语言/口音风格指导表演:台湾华语使用口语语感、逐字清晰、关键词重咬、语速、停顿、尾音、收放、情绪;普通话使用同等表演细节但去掉台湾腔语气词;日语按日语节奏与情感指导,且须确认说话角色已绑定 key_element_audio。台词与口型动作严格对应。每条有独立narration或audio_layer承载的内容,不要在视频prompt重复整段;本Skill默认无narration。所有final_shot prompt均附加"无音乐、无字幕、无屏幕文字"。
6. Video birleştirme Kopya bölümü
按Storyboard的shot顺序组装16:9、24 fps时间线;以30°规则、动作方向、视线、屏幕位置、光色、环境声和上一镜终态做剪接衔接。优先干净切换、动作匹配切、视线切或短促声音桥,避免会削弱张力的泛滥叠化。
保持7–15秒shot的既定呼吸与对话落点;在情绪转折处把切点落在动作、停顿、眼神或环境声变化上。同场景内相邻镜头时长差异原则上不超过3秒;不得为了凑时长冻结画面,也不得用变速破坏人物口型、手持质感与对白节奏。
只保留各shot确认过的dialogue和环境声;全片不得加入bgm、字幕、自动标题或额外旁白。对白优先级高于雨声、电车声、蝉鸣与风声,使用短淡入淡出消除环境声突变。
输出前检查:全程无完全静止超过1.5秒的镜头、至少4种机位角度、相邻镜头不同角度与景别、空镜具有叙事目的和运动、光源方向与人物/道具状态连续、角色外观与key_element_audio连续、台词清晰且语速符合情绪、至少两类张力镜头、至少三类标志性视觉母题、无字幕无音乐,以及总时长与用户已确认的规格一致。