準備工作室草稿。多階段說明僅供參考;此操作不會執行生成或扣費。
用于制作大卫·芬奇导演风格的叙事短片——冷峻黑暗的风格化现实主义,低饱和黄绿色调,固定机位与极缓慢推轨,封闭压抑空间。使用 GPT Image 2 生成图像元素,使用 Seedance 2.5 生成视频
工作流程文字保留原始中文。引用的模型可能與本站可用模型不同。請在工作室檢視支援的模型和實際積分報價。
全片阶段逻辑与依赖关系:
依赖关系: 2→1;3→2;4→3;5→4;6→3;7→5;8→4,5,6,7。
暂停节点: 不要一次性运行全部步骤。除在每个主要里程碑(规格锁定、剧本定稿、Storyboard 完成、元素完成、镜头视频完成、音频完成)后暂停等待确认外,每次生成新资产之前(元素图像、镜头视频、音频层、超分辨率等均适用)都必须先向用户说明即将生成的内容,获得明确同意后再执行生成,完成后再进入下一步——不连续自动生成多项资产。超分辨率步骤本身即为用户自主选择环节——须先询问是否超分,用户确认后才执行。
素材分工(概览): 各素材类型的详细处理规则见步骤 2(剧本)和步骤 4(元素资产)。核心原则:用户提供的素材优先使用——风格/格式相符则直接绑定,不符则以用户素材为参考重新生成;用户未提供的由系统生成。避免无谓地重新生成用户已提供且格式风格均匹配的内容。
编剧指引(芬奇风格叙事原则)
用户参考材料分析:
超分资产处理
剪辑与节奏
音频混音
导演指引(从剧本到画面)
视觉叙事优先: 能用画面传达的信息不用对白——桌上的文件、角色的微表情、空间中的物件位置都是叙事工具。设计每个镜头时先问"这个画面在讲什么故事",确保画面本身承载叙事功能。
走位与权力关系: 角色在空间中的位置反映权力动态——审讯室中谁坐着谁站着、办公桌两侧的距离、角色被墙壁和天花板挤压的程度,都在无声传递权力与压迫信息。设计走位时将空间政治纳入考量。
静止即张力: 芬奇的张力来自凝视而非运动。让固定机位的长时间凝视承担情绪积累——观众被迫在沉默和静止中感受不安,而非靠快速剪辑制造虚假紧张。
信息揭示节奏: 视觉信息揭示须与剧本的信息控制配合——关键道具(文件上的文字、桌上的照片)在恰当时机才进入景深或被推近,过早揭示消解悬念,过晚失去冲击力。
环境即角色: 将空间视为半个角色——荧光灯嗡鸣、雨水模糊的窗户、低矮压迫的天花板都在参与叙事。设计场景时赋予环境情绪表达功能,而非仅作为背景板。
色调统一与孤立色彩: 同一场景内将整体色调压向统一的暗、中性基底——同一房间同一时段的所有镜头共享同一色调基准(同一组低饱和黄绿/烟灰底色、同一光源色温)。正因如此,偶尔出现的单一强调色(一件红色衬衫、一盏橙色台灯、一张黄色便条)才会在整体中性背景中格外刺眼——这种"割裂感"是芬奇用色彩制造孤独与异化的核心手法。设计场景时规划:哪些场景维持完全中性无重点色,哪些场景允许引入一个强调色作为叙事焦点——强调色须与场景的信息揭示节点对应,而非随机出现。
总时长与镜头数量规划
关键元素设计
镜头设计
景别偏好: 大量使用中景和远景,以冷静、冷漠的观察者距离审视角色。特写镜头极为克制,仅在情绪爆发或关键信息传递时推近——这种距离感制造窥视般的观看体验。
构图原则: 严格几何构图,人物置于画面几何中心或三分法交叉点;背景建筑线条、家具边缘、门窗框架形成引导线。经常纳入天花板,低角度拍摄让人物被天花板和墙壁"挤压",强化幽闭感。使用前景遮挡物(门框、窗框、栏杆、家具)框住主体,营造偷窥式视觉隐喻。
镜头运动: 优先固定机位,以监控摄像头般的冷静凝视注视场景。运动时仅用极缓慢推轨(dolly in)或平稳跟拍(tracking shot),速度慢到观众几乎察觉不到——压迫感在不知不觉中累积。禁止手持晃动、快速变焦、花哨环绕。
变焦镜头(zoom)的克制使用: 芬奇惯用变焦镜头拍摄而非定焦——但变焦的使用极度克制,速度极缓,在画面上近乎不可见,靠空间感的微妙挤压/拉伸持续作用于观众潜意识,制造隐性心理张力。当分镜需要时可规划缓慢变焦,在镜头描述中标注"极缓变焦(几乎不可见)";禁止快速推拉或明显的变焦感——变焦若被观众清晰察觉即为失败。
广角克制: 避免夸张广角——广角带来的空间畸变会破坏芬奇压抑但真实的空间感;优先使用标准焦段至中长焦。广角仅在少数特定场合使用:需要强化封闭幽闭感的俯视全景,或明确的构图需要。
视点剪辑(POV-driven cuts): 镜头切换的时机紧密跟随人物的注意力转移——当角色视线或注意力发生变化时,随即切换到下一镜头,让观众与角色共享感知视角,看到角色在意的事物。设计 Storyboard 时在镜头描述中标注"触发切换的人物视点变化"(如"角色视线转向桌上文件→切入文件特写"、"角色听见门响→切至门口"),使剪辑节奏服从角色的内心节奏而非机械时间分割。视点切换的连续性使观众下意识地代入角色感知,是芬奇制造窥视感与认知悬念的重要剪辑手段。
镜头时长与节奏动态规划: 不要机械地统一时长,而是根据每个镜头的叙事功能和情绪角色动态分配。积累势能的凝视镜头、复杂动作或多角色对话场景可分配较长时长(10–15s);信息快速传递、冲击性反应或内部剪辑节奏紧凑的镜头可适当缩短(4–10s)。每条镜头视频须遵守 Seedance 2.5 时长限制——最低 4 秒、最高 15 秒,超出此范围无法生成;Storyboard 中为每个镜头显式标注规划时长。
单镜头叙事容量控制: 一条 4–15 秒的视频只能可靠地执行有限的故事节拍。每个镜头应聚焦 1–3 个核心动作或叙事节拍——若分镜中塞入过多独立事件,模型将不可避免地丢失部分内容。设计镜头时先确定该镜头最重要的 1–2 个节拍作为必须呈现的核心内容,其余降为辅助;若核心节拍过多,拆分为多个镜头而非挤在一条视频中。故事节拍描述须具体到可见的身体动作和面部表情,而非抽象概括——"他缓慢翻开文件,目光停在第三行,手指无意识地敲击桌面"优于"他查看文件并陷入思考"。
每个镜头描述必须包含:
镜头内部剪辑(in-shot cuts)
单镜头内使用内部剪辑时,切点必须跟随叙事节拍,而非均匀时间分割——服务于"积累—爆发—收束"的情绪曲线。
典型节奏模式:先以固定机位中远景长时间凝视场景积累势能(约占镜头时长 60–70%),在角色做出关键动作或真相揭示时硬切到更近景别释放张力,再切回原景别或以极缓慢推轨收束。
内部切点一律硬切,景别跳跃要明确(如中景→特写),制造视觉冲击;禁止花哨转场。
当镜头存在内部剪辑时,在镜头描述中按剪辑顺序依次列出每个片段的场景/故事节拍/摄影,并标注切点意图(如"切点:揭示桌上文件内容")。
跨镜头连续性标注: 当连续多个镜头发生在同一场景同一时段时,在镜头描述中标注"连续镜头组"并标明组内顺序。组内所有镜头必须引用同一场景元素 ID(即同一张四宫格场景参考图),确保场景布局、道具位置、光线方向跨镜头一致;仅靠 end_frame 衔接不足以锁定场景,四宫格场景参考图是场景一致性的首要锚点。组内相邻镜头可将前序镜头的 end_frame 作为后续镜头的 start_frame 参考,作为额外的连续性保障。
场景转换与匹配剪辑
画面内时间地点标注
跨镜头音频设计
模型锁定: 全程仅使用 GPT Image 2 生成所有图像,仅使用 Seedance 2.5(通过 MultiModalToVideo)生成所有视频。禁止替换为其他模型——若生成失败,优先使用同一模型重试;若多次重试仍失败,停止任务并向用户说明情况,由用户决定后续处理,不得自行切换到其他模型。
元素图像生成
角色音色绑定(key_element_audio)
旁白生成(narration / VO)
背景音乐生成(BGM)
镜头视频生成
生成前提示词校验: 每次生成镜头视频前,将写好的提示词与 Storyboard 中该镜头的分镜脚本逐项比对,确认以下内容均已包含且与分镜脚本一致——若发现遗漏或不一致,先补齐提示词再执行生成,禁止在提示词不完整的情况下直接生成:
使用 MultiModalToVideo,模型 Seedance 2.5,分辨率 480p。时长根据 Storyboard 中该镜头的动态规划设定,每条视频须在 4–15 秒范围内(Seedance 2.5 下限 4s、上限 15s),不得超限。
每个镜头的参考输入须包含该镜头涉及的所有 元素图像(角色 + 场景/道具),以及有对白角色的 key_element_audio。其中场景四宫格参考图为强制项——无论镜头是否含角色、是否使用 end_frame 衔接,都必须绑定当前场景的四宫格参考图;场景参考图缺失时模型会自行脑补场景,导致与前后镜头场景不一致(跳画)。
同一元素复用: 同一角色/场景/道具在所有涉及该元素的镜头中必须引用同一组元素图像,禁止为同一元素在不同镜头中使用不同参考图。
相邻同场景镜头连续性: 当相邻镜头属同一"连续镜头组"(同一场景同一时段)时,将前序镜头的 end_frame 作为后续镜头的 start_frame 或 reference_image,维持空间布局、光线方向与色温的一致过渡。
长视频风格锚定: 长视频(3 分钟以上)应在元素生成阶段确立一张芬奇风格基准图,作为所有镜头视频生成的隐性风格参照,防止后期镜头风格漂移。
仅当与前序镜头连续性极强(同一场景连续动作)时,添加前序镜头视频作为额外参考;通常以元素图像 + end_frame 参考为主,避免过度依赖视频参考导致风格退化。
超分辨率(super_resolution)
全局语言规则: 用户使用中文交互时,提示词正文用中文撰写;对白/旁白台词遵循 Final_Video_Spec 输出语言。
图像提示词(TextToImage / ImageToImage)
视频提示词(MultiModalToVideo / Seedance 2.5)
提示词与分镜保真度(首要原则): 视频提示词是对 Storyboard 镜头描述的忠实翻译,而非概括性改写——分镜中的每个核心故事节拍、角色动作和摄影设定都必须在提示词中找到对应表述。保真度优先于文采:宁可直白重复分镜中的具体动作描述,也不要用笼统的文学化语言替代。具体规则:
参考图像绑定: 用产品占位符 <<<image_1>>>、<<<image_2>>> 等,按角色绑定参考图像。
四宫格防泄漏: 场景参考图为多角度无人物四宫格格式,仅作为空间参考使用,不得复制到视频输出。视频提示词中必须明确指示输出单一连续画面——加入"single continuous shot, no grid layout, no split screen, no collage"等约束,防止模型将四宫格参考图直接渲染为分屏或拼贴式视频。
四宫格场景一致性声明(关键): 四宫格场景参考图展示的是同一个场景的多个拍摄角度(正面、侧面、俯视、细节特写),绝非四个不同的房间或地点。模型极易将四宫格中的不同格子误解为不同场景,导致同一"连续镜头组"内角色出现在不同空间中。因此视频提示词中必须包含以下两类声明:
运动堆栈: 摄影机(固定/极缓慢推轨/平稳跟拍)→ 主体(动作与面部节拍)→ 空间(走位/环境变化)→ 音频(对白/SFX 备注;若有独立旁白轨,不在视频提示词中重复完整旁白)。
对白与音色: 视频提示词中用 {...} 标注的对白台词,其音色由该角色的 key_element_audio 绑定控制,不在提示词中描述基础音色特征;确保每个有对白的角色在生成前已绑定 key_element_audio。但对白的情绪表达须写入提示词——在 {...} 前以方括号标注情绪与说话方式(如 [压抑低语] {台词}、[疲惫但试图镇定, 语速偏快] {台词}),情绪标签取自 Storyboard 中该镜头的对白情绪标注。台词内容应保留自然说话的节奏痕迹——停顿用省略号、打断用破折号、语尾消散用省略号收尾——使对白听起来有真人说话的呼吸感而非机械朗读。
芬奇风格核心描述模板: 大卫·芬奇电影风格,冷峻黑暗的风格化现实主义,低饱和度黄绿色调,画面整体偏暗偏灰,去饱和色彩处理,如同被时间褪色的影像。自然光源照明,大面积阴影,低照度环境,人物半隐于暗处。精密几何构图,冷静克制的固定机位或极缓慢推轨镜头,中远景为主。空间封闭压抑,雨夜城市或灰暗室内。大景深,前后景全部清晰锐利。细腻数字胶片颗粒质感。整体氛围:不祥、紧张、压抑、暗流涌动。
Seedance 2.5 包装符号(按需使用): 音乐 (...)、SFX <...>、对白 {...}(非项目语言时在花括号前标注语言)、屏幕文字 【...】;{...} 内仅放逐字台词。
画面内时间地点字幕渲染: 当 Storyboard 指定某镜头包含时间地点标注时,用 【...】 包装标注文本(如 【1995年1月14日 凌晨3:17】、【萨克拉门托 警局地下室】)。在提示词中说明字幕显示位置(画面左下或底部居中)、字体风格(无衬线、无装饰、灰白色)和显示时机(镜头开头短暂出现后淡出),确保字幕作为叙事元素而非视觉干扰。
镜头内部剪辑表达: 当 Storyboard 指定镜头包含内部剪辑时,在提示词中按剪辑顺序分段描述每个片段的摄影与动作,段落间明确标注切点(如"硬切至:");不要用时间戳分割,以叙事节拍为切分依据。
环境音效标注: 在 SFX <...> 中标注芬奇风格环境音(如 <荧光灯嗡鸣>、<雨声>、<远处车流>),与 Storyboard 音频层规划保持一致;若有独立 BGM 轨,视频提示词中仍包含 no music。
负面约束(适用于所有生成)