yeha.ai
返回模板库

海报觉醒

将创作草稿带入工作台;多阶段流程供参考,不会自动执行或扣费。

将用户上传的静态海报图片生成为动态海报视频;使用 MiniMax H3,适用于需要把平面海报快速转化为动态视频宣传物料的场景。

流程正文保留原始中文。模板提及的模型不等同于本站已接入模型;实际可用模型与积分以工作台显示为准。

完整创作流程

1. 流程规划

前置校验(强制):

  • 用户必须上传至少一张海报图片才能启动本 Skill。若用户未上传海报,直接通过 reply_to_user 提示"请先上传一张海报图片",不要继续后续步骤。
    工作流程:
  1. 分析海报 → 调用 resource_prepare_and_analyze:提取海报的宽高比、视觉主体、构图、风格色调、文字版式、动效潜力等信息;同时判定海报类型(人物 / 产品 / 食品 / 建筑 / 纯文字 / 抽象图形 / 无明确主体)。比例分析采用「直接数值估算 + 数学映射」方式(详见 multimodal_analyze_tool 中「宽高比映射」),分析结果须同时包含方向判断和宽高比数值估算。接受任意比例海报,不拒绝、不需要用户确认比例。
    • 方向交叉验证(自动,在分析结果返回后立即执行): 检查分析输出的方向判断与数值估算是否一致——数值 >1 应对应横版,<1 应对应竖版,≈1 应对应正方形。若两者矛盾(如数值 ≈0.80 但方向判为横版,或数值 ≈1.78 但方向判为竖版),说明至少一个判断有误,Planner 须立即重新调用 resource_prepare_and_analyze 做一次聚焦重分析——提示词聚焦于"请直接对比这张图片的宽度和高度,哪个更大?宽是高的大约多少倍?给出一个宽÷高的数值估算",以第二次结果为准。重分析仅执行一次,不无限循环;第二次结果无论是否仍存在矛盾均采纳,下游通过扩展背景填充兜底。
  2. 提供两个方向供用户二选一 → 通过 reply_to_user 向用户呈现两个动态方向,使用 cards 让用户选择:
    • 方向一「视觉元素渐进激活成版」: 从简洁初始画面开始,原海报元素按视觉层级和重要程度逐步从无到有显现并回到原位,围绕视觉锚点展开纵深运动,最终形成与原海报一致的完整版式。
    • 方向二「纸卷展开成版」: 完全卷紧的实体纸质卷轴从画面上方坠落进入,落定后短暂蓄力,以果断的弹开动作猛然舒展,纸面快速展开后减速铺平,形成"坠落→紧绷→爆发→收束"的开场冲击力;展开过程中纸面空白无内容,卷轴出现时背景简洁纯净,纸张铺平后铺满全画幅。纸张铺平后,海报元素通过前后层次、运动视差、材质变化、局部动作、镜头推进和光影变化形成视觉高潮,最终恢复原海报完整构图与文字版式。
    • 两个方向均支持人物、产品、食品、建筑、纯文字、抽象图形和无明确主体海报;海报无人物时,由主标题、产品、Logo、图形、纹理、光线或颜色层次承担核心运动。
    • 暂停等待用户选择,不要在用户选择前继续。
  3. 建立全局规格 → 通过 text_editor 写入 Final_Video_Spec.md:锁定 aspect_ratio(=步骤 1 映射到的最近支持比例)、模型 MiniMax H3、分辨率 2k、时长(根据动态方案节奏灵活设定,8–15s 均可,不默认拉满 15s——8s 为下限以确保元素有足够时间完成动作化入场,以元素出场 + 海报还原 + 收束过渡 + 持续微动态为准——还原后不要留过长时间的大幅运动(避免模型继续放大主体),但须保留持续轻微动态到视频结束)、镜头模式(一镜到底,单条连续镜头不拆分内部剪辑)、动态方向(=用户在步骤 2 选择的方向)。
  4. 设计动态方案 → 调用 storyboard_designer:仅为用户选中的方向设计单镜头动态方案(镜头运动、元素动效、氛围变化),按海报类型适配动效主体。
  5. 生成视频 → 调用 media_generator:使用 MultiModalToVideo + MiniMax H3 全能参考模式(image_infos + video_infos + audio_infos 均可作为引用同时传入),将海报图片作为 image_infos 主引用,按 Storyboard 方案以一镜到底方式在单次生成调用中完成动态海报视频(不拆分为多次生成)。注册输出 asset 并绑定到对应 shot。
  6. 交付 → 调用 video_assembler:将生成的单条视频按 Storyboard 时长与节奏做最终组装,引导用户导出。
    依赖关系: 步骤 2 依赖步骤 1。步骤 3 依赖步骤 2(需要用户选择的方向)。步骤 4 依赖步骤 3。步骤 5 依赖步骤 3 和 4。步骤 6 依赖步骤 5。
    交互节奏: 步骤 1 执行后直接进入步骤 2(方向选择)——必须暂停等待用户选择。用户选择方向后连续执行步骤 3–5;在步骤 5 生成完成后暂停,向用户展示结果并确认是否需要调整或导出。
    语言一致性: 按照用户对话使用的语言执行全部规则——若用户用中文交互,则 Agent 回复、方向选择卡片文案、Final_Video_Spec.md 内容等所有面向用户的输出均使用中文;若用户用英文交互则全部使用英文。生成提示词的语言同样跟随用户对话语言(与 write_the_prompt 中的语言规则一致)。
2. 多模态分析

海报分析要点:

  • 宽高比映射(直接数值估算 + 数学映射 + 方向交叉验证): 接受任意比例的海报图片,不拒绝、不需要用户确认比例。分析须同时输出以下三项,供 Planner 做交叉验证:
    1. 方向判断: 海报属于横版(宽>高)、竖版(高>宽)还是正方形(宽≈高)。
    2. 宽高比数值估算: 直接估算海报的宽÷高数值(>1 为横版,<1 为竖版,≈1 为正方形),输出一个小数(如 1.78、0.80、1.00)。不要走"先判大类再在候选中细分"的多步推理链——直接给出数值估算,一步到位,减少中间环节累积错误。视觉模型估一个"大约 1.8 还是 0.8"的数值,比让它精确区分"高度是宽度的 1.3 倍还是 1.8 倍"可靠得多。
    3. 数学映射: 将估算数值与 MiniMax H3 支持的 6 种比例的十进制值逐一比对,选绝对差最小的一个作为输出视频比例:
      • 21:9 = 2.3333
      • 16:9 = 1.7778
      • 4:3 = 1.3333
      • 1:1 = 1.0000
      • 3:4 = 0.7500
      • 9:16 = 0.5625
        示例:估算 1.78 → 最接近 16:9(1.7778);估算 0.80 → 最接近 3:4(0.7500);估算 2.30 → 最接近 21:9(2.3333);估算 0.56 → 最接近 9:16(0.5625)。
    4. 输出结论格式:"方向:[横版/竖版/正方形],宽高比估算值:≈[X.XX],映射到支持比例 [最终比例]"。
    5. 标注偏差程度: 若海报真实比例与映射比例存在明显偏差(如 4:5 海报映射到 3:4),标注"存在比例偏差,需通过扩展背景填充适配"——供下游在生成和提示词中执行背景延伸。无明显偏差时标注"比例基本一致"。
    6. 同时标注海报内容的实际填满范围——海报内容是否已铺满整张图片画幅(即是否存在白边/留白),供下游确保动态视频内容铺满全画幅、不产生黑边。
  • 海报类型判定: 将海报归类为以下类型之一——人物 / 产品 / 食品 / 建筑 / 纯文字 / 抽象图形 / 无明确主体。该判定决定后续两个方向中哪些元素承担核心运动。
  • 视觉主体识别: 识别人物、产品、建筑、自然景观等核心视觉元素的位置、占比和朝向,为动态化设计提供动效依据。海报无人物时,额外标注主标题、产品、Logo、图形、纹理、光线或颜色层次中最适合承担核心运动的元素。
  • 构图与空间分析: 描述画面的主体位置(居中 / 三分法 / 偏置)、前景-中景-背景层次、留白区域,以便动态化时合理规划元素聚合或纸卷展开的运动方向。
  • 风格与色调: 提取海报的整体风格(如极简、复古、赛博朋克、手绘等)和主色调,确保动态视频保持视觉一致性。
  • 文字版式: 标注海报中的标题、标语等文字区域的位置、层级与排版结构,动态化时避免文字区域产生扭曲或不可读的形变。
  • 视觉层级拆分: 将海报画面拆分为五层——背景与基础色块、核心识别元素、主标题与Logo、辅助信息、装饰图形与氛围效果。标注各层的可分离性与动效潜力,供两个方向设计逐层激活顺序。
  • 视觉锚点识别: 根据海报类型确定最具识别度的视觉锚点——人物海报为人物、产品海报为产品、食品海报为主食品、纯文字海报为主标题或核心字体、抽象或无明确主体海报为最具辨识度的图形/纹理/色块/光线/颜色关系。供两个方向围绕锚点设计核心纵深运动与尺度变化。
  • 动效潜力评估: 针对两个方向分别评估可动元素:方向一「视觉元素渐进激活成版」需要哪些元素可逐步显现及其适宜的显现方式,按类别评估——空间类(从远处由小变大靠近、从平面进入空间)、遮挡类(从遮挡后显露、从雾气/阴影中走出)、生长类(从背景生长、沿轮廓展开、碎片聚合)、光影类(被追光瞬间照亮后立即动起来)、动作类(人物跑/走/转身/迈步、产品旋转/上升/组装、文字逐字书写/滑入)、材质类(从线稿上色成形、哑光到光泽变化);方向二「纸卷展开成版」需要哪些内容可按顺序逐层显现、哪些元素适合空间激活及动作化入场。输出结论供 Storyboard 设计直接引用。
  • 逐元素出场顺序与轨迹建议(两个方向通用): 为每个可动元素给出建议出场顺序(基于视觉层级与重要程度排序)、入场轨迹方向建议(基于该元素在原海报中的最终位置——如位于画面左下则建议从左下方进入)和入场动作建议(基于元素类型和海报中的最终姿态——如人物呈奔跑姿态则建议从远处跑来入场、产品则建议旋转或上升入场、文字则建议逐字书写或沿排版方向滑入)。确保轨迹方向与最终落位一致、入场动作与最终姿态存在因果联系,不出现方向矛盾。
  • 按海报类型推荐出场方式组合: 根据海报类型给出推荐的显现方式组合建议——人物海报以动作类+空间类为主、产品海报以动作类+材质类为主、食品海报以光影类+生长类为主、建筑海报以生长类+空间类为主、纯文字海报以动作类为主、抽象/无主体海报由 Agent 灵活组合光影类+遮挡类+生长类。供 Storyboard 设计时参考。
  • 前后景深层次分析: 分析各视觉元素在海报中的前后景深关系(前景/中景/背景),标注核心视觉锚点应有的景深推进路径(远景→中景→近景),以及辅助元素适宜切入的景深层级。供 Storyboard 设计 z 轴空间纵深上的层次递进。
  • 海报外形轮廓检测(方向二专用): 检测海报的实际外轮廓是否为标准矩形——若海报边缘存在缺口、异形裁切、圆角或其他非矩形轮廓特征,须逐一标注其位置、形状与尺寸,供方向二设计纸卷外形时如实还原。标准矩形海报则标注为"规则矩形"。
  • 纸卷轴线与展开方向建议(方向二专用): 根据海报比例、主体朝向和排版结构,建议纸卷轴线方向(横版海报优先横向展开、竖版海报优先纵向展开)和展开方向,确保展开方向与海报主视觉流向一致。同时标注最适合进行空间激活的核心元素(依据海报类型——人物/产品/食品/主标题/核心图形等),供方向二设计引用。
3. 故事板设计

动态海报单镜头设计(二选一方向):

  • 镜头类型: 固定为单镜头一镜到底(single continuous take),将静态海报转化为一支 8–15s 的动态视频,全程一条连续镜头、不设内部剪辑切点。
  • 全画幅填充(关键约束,两个方向统一): 视频画面须铺满整个画幅,不得出现黑边、上下留白、左右留白或信箱模式(letterbox/pillarbox)。当海报真实比例与映射的输出比例存在偏差时,通过延伸海报背景色调与纹理填满多出的画幅区域——海报核心内容(人物、产品、文字等)保持完整不动,不裁切、不拉伸变形。即使比例无偏差,仍须确保内容填满全部画幅——方向一的空白白色初始画面也须是全画幅白色背景(非黑色或留白);方向二在卷轴坠落阶段允许卷轴周围露出简洁纯净背景(卷轴未展开时自然无法填满矩形画幅),但纸张一旦展开铺平后须立即铺满全画幅、纸张之外不得露出任何背景。最终锁版帧的海报内容须与原海报一样占满全画面。
  • 海报类型适配: 分析阶段判定的海报类型(人物 / 产品 / 食品 / 建筑 / 纯文字 / 抽象图形 / 无明确主体)决定动效主体。两个方向均须支持以上全部类型;海报无人物时,由主标题、产品、Logo、图形、纹理、光线或颜色层次承担核心运动。
  • 仅为用户选中的方向设计 Storyboard,不为未选方向生成。
  • 时长与节奏规划: 视频时长根据动态方案节奏灵活设定(8–15s,8s 为下限——更短会压缩入场时序导致主体来不及完成动作化入场就草草就位),不默认拉满 15s。海报还原(成型/锁版)应安排在视频末段完成——还原后先经历约 1–2s 收束过渡(运动减速稳定),之后微动态持续到视频结束(详见「成型/锁版后动态」约束),不要在还原后留出过长时间的大幅运动——否则模型倾向于让主体继续放大或位移从而破坏海报。
    元素出场通用原则(两个方向共享,方向二的阶段三·核心元素出现同样适用):
  • 视觉层级拆分: 将海报拆分为五层——背景与基础色块、核心识别元素、主标题与Logo、辅助信息、装饰图形与氛围效果,按层级设计出场顺序。两个方向均须执行此拆分。
  • 视觉锚点: 整个出现过程围绕一个最具识别度的视觉锚点展开——人物海报以人物为锚点,产品海报以产品为锚点,食品海报以主食品为锚点,纯文字海报以主标题或核心字体为锚点,抽象或无明确主体海报以最具辨识度的图形、纹理、色块、光线或颜色关系为锚点。
  • 入场动作化(核心原则): 每个元素的入场不应是简单的位置平移(如"从远处飞来"),而须包含与元素自身特性匹配的动作与姿态变化——人物可以跑、走、转身、迈步进入画面并摆出海报中的最终姿态(如海报中人物呈奔跑姿态则从远处跑来,呈站立姿态则从蹲姿起身或从遮挡后迈步而出);产品可旋转、上升、逐层组装;文字沿笔画逐字书写或沿排版方向滑入拼合;建筑与风景沿空间层次逐层升起或展开。入场动作须与元素在原海报中的最终姿态存在因果联系。鼓励不同元素采用不同的入场方式以增加层次感和视觉丰富度,但同一元素只采用一种主要入场逻辑。禁止主体浮现式入场(红线): 核心视觉锚点/主体禁止使用逐渐浮现、透明度渐显、渐变显形、从雾气/光影中慢慢浮现等被动渐现方式入场——主体必须以主动的、有方向和速度的动态动作出场(跑入、走出、旋转上升、逐层组装、从空间纵深冲近、从纸面动态破出等)。次要元素(辅助信息、装饰图形)可以保留淡入,但主体绝对不行。
  • 出场顺序(严格逐个递进,禁止同时涌现): 背景与主要视觉结构先建立 → 视觉锚点随后以纵深运动或尺度变化入场 → 主标题与Logo在高潮附近完成强化 → 辅助文字和装饰信息在结尾进入原本位置。前一个元素完全就位并保持约 0.5–1s 稳定后,下一个元素才开始入场。关键约束:核心视觉主体入场期间,其周围的辅助文字、装饰信息等次要元素绝不可同步出现——次要元素必须等到核心主体完全就位后才按顺序逐一进入。这是实际测试中最常见的时序混乱来源,须显式遵守。 前一个元素完成入场动作进入减速收束阶段(运动减速、趋于稳定)的过程中,下一个元素方可开始入场;但两个元素不得同时处于主动运动阶段——即在任一时刻,画面中只有一个元素正在执行入场动作。
  • 运动轨迹合理性: 每个元素的入场轨迹必须与其在原海报中的最终位置存在空间逻辑——位于画面下方的从下方进入,位于左侧的从左侧进入,远处的由远及近靠近。轨迹方向不得与落位矛盾(如右下角元素不应从左上方飞入)。所有元素须遵循同一套主要运动逻辑,使整体观感统一。
  • 元素显现方式(鼓励多样化以增加层次感): 由 Agent 根据海报内容、风格和构图灵活选择,鼓励不同元素采用不同方式以丰富视觉层次——空间类(从远处由小变大靠近、从平面进入立体空间)、遮挡类(从遮挡物后显露、从雾气中走出、从阴影步入光线)、生长类(从背景中生长、沿轮廓展开、从碎片聚合成形)、光影类(被追光瞬间照亮后立即动起来)、动作类(人物跑/走/转身/迈步、产品旋转/上升/组装、文字逐字书写/滑入拼合)、材质类(从线稿上色成形、从哑光到光泽变化中显形)。每个元素的出现须与海报内容存在因果联系。
  • 按海报类型推荐出场方式组合(供 Agent 参考,非强制):
    • 人物海报 → 以动作类 + 空间类为主(人物从远处跑来/走出/转身入场,搭配纵深靠近与尺度变化),辅以遮挡类增加戏剧感。
    • 产品海报 → 以动作类 + 材质类为主(产品旋转上升/逐层组装,搭配从哑光到光泽的材质变化),辅以光影类突出质感。
    • 食品海报 → 以光影类 + 生长类为主(被追光或暖光照亮显形,从背景中生长涌出),辅以材质类表现食物细节。
    • 建筑海报 → 以生长类 + 空间类为主(沿空间层次逐层升起或展开,从平面进入立体空间),辅以遮挡类增强纵深感。
    • 纯文字海报 → 以动作类为主(逐字书写、沿排版方向滑入拼合),辅以光影类逐字照亮。
    • 抽象/无明确主体海报 → 由 Agent 灵活组合光影类 + 遮挡类 + 生长类(依据图形、纹理、色块、光线特性选择最契合方式)。
  • 前后景深层次: 核心视觉锚点出场须有明确的前后景深度推进(远景→中景→近景),辅助元素在锚点就位后从相应景深层级切入。每个元素入场时声明其所在景深层级,使画面在 z 轴空间深度上有层次递进,而非所有元素在同一平面层上平移。
  • 时间分配参考(以 10s 为例): 背景铺底 1–2s → 核心锚点入场 2–3s → 主标题与Logo 1–2s → 辅助+装饰 1s(淡入即可)→ 收束+微动态 1–2s。若元素较多,优先压缩辅助和装饰层的出场时间,不得压缩核心元素间的稳定间隔。
  • 运镜语言(共享原则): 按海报类型选择最契合的运镜方式——人物海报→推近+微环绕、产品海报→环绕展示立体感、建筑海报→摇臂上升配合逐层升起、食品海报→推近+微俯视、纯文字海报→锁定或微横移、抽象/无主体海报→灵活选择。竖版海报优先纵向运镜(crane/tilt),横版海报优先横向运镜(tracking)。
  • 节奏曲线(共享原则): 开场缓慢建立氛围 → 中段随核心锚点入场加速形成高潮 → 末段收束放缓至轻微微动态(非完全静止)。不要全程匀速、不要全程高速,节奏变化本身即是视觉层次。
  • 动效层级默认策略: 默认仅为背景与基础色块、核心识别元素、主标题与Logo三个主要层级设计动态出场,辅助信息装饰图形与氛围效果层改为静态淡入(透明度渐显、直接就位,不设计独立运动轨迹)。仅当海报结构极简(≤2 层有实质内容)时才为所有层设计动态出场。目的是优先保证主要层级出场时序清晰、逐个递进不混叠,避免元素过多时模型因时序编排负荷过大导致运动混乱或画面闪烁。
  • 成型/锁版后动态(关键约束): 所有元素回到原位后进入收束状态——文字完全静止,核心视觉主体禁止继续放大、缩小或位移超出原海报中的尺寸和位置,仅允许极微幅动态(呼吸感、微表情、发丝微动、光影流动、材质微变)。先经历约 1–2s 收束过渡(运动减速稳定),之后微动态持续到视频结束,呈现"活的海报"质感而非死帧——但幅度极轻微、不改变主体占比与构图。无人物海报中由核心图形、纹理、光线或颜色层次承担轻微动态。
  • 文字处理: 海报中的文字区域应保持稳定可读;动态过程中文字可逐字书写或沿排版方向滑入,但就位后完全静止,不产生扭曲或不可读的形变。
    方向一「视觉元素渐进激活成版」:
  • 从简洁、克制的空白白色画面开始(全画幅白色背景)。
  • 按视觉层级顺序逐个描述各元素显现过程:背景与基础结构先建立 → 视觉锚点纵深入场(远景→中景→近景)→ 主标题与Logo在高潮附近强化 → 辅助信息结尾进入(淡入就位)。
  • 运镜遵循运镜语言原则按海报类型选择最契合方式、配合节奏曲线起伏,全程连续不切。
  • 成型后进入「成型/锁版后动态」约束状态。
    方向二「纸卷展开成版」:
  • 一镜到底(关键约束): 四个阶段是同一连续镜头内的时间段落,不是四个独立镜头。禁止任何剪辑切点、画面跳转、渐变转场、闪白闪黑。阶段过渡仅通过镜头运动的加速/减速/方向变化来完成。须具体描述每个阶段交界的镜头过渡方式(如"镜头从卷轴特写平滑后拉至全景,不切"),而非仅笼统写"连续不切"。
  • 阶段一·坠落弹开式启封: 完全卷紧的圆柱形卷轴从画面上方坠落进入,带重量感和惯性、伴轻微旋转或摆动。落定后短暂静止蓄力(约 0.5–1s),以果断有力的弹开动作猛然舒展,纸面快速展开带惯性抖动,随后减速铺平。形成"坠落→紧绷→爆发→收束"的节奏反差。卷轴外形轮廓须与海报实际外形一致——标准矩形海报则卷轴为规则圆柱体;若海报边缘有缺口或异形轮廓,卷轴端面与侧面须如实反映这些边缘特征。卷轴出现时背景简洁纯净(纯色或深色暗背景),使卷轴成为绝对视觉焦点。纸张铺平后须立即铺满全画幅,纸张之外不得露出任何背景。
  • 阶段二·纸张展开完成: 纸面完全铺平、铺满全画幅,内容尚未出现。保留约 0.5s 静止/屏息瞬间,让观众期待感从"纸卷展开"收束到"内容即将出现"。
  • 阶段三·核心元素出现(视觉高潮): 背景与基础色块先铺底(可淡入),核心元素随后从纸面上动态破出——以主动的、有方向和速度的动作从纸面弹起或冲出进入 3D 空间(而非在纸面上慢慢浮现轮廓),经历"动态破出 → 立体激活 → 回到平面"的微循环。材质转化作为微循环过渡(光泽度从哑光纸张过渡到海报印刷质感)。通过前后层次、运动视差、局部动作、镜头推进和光影变化形成视觉高潮。元素出场遵循上述「元素出场通用原则」——入场动作化、逐个递进不混叠、轨迹与落位一致、按类型推荐方式、前后景深层次。若海报有多个核心元素,每个元素须完整经历微循环(破出→激活→回平面)后,下一个元素才开始破出;微循环之间不得重叠。
  • 阶段四·最终海报锁版: 所有元素回到原海报位置、比例、层级,恢复完整构图与文字版式。进入「成型/锁版后动态」约束状态。
  • 镜头运动(分阶段过渡): 阶段一跟随卷轴坠落动势(俯视或微仰角捕捉坠落感),落定后贴近卷轴特写;弹开瞬间镜头随展开快速后拉或横移。阶段一到二:镜头从卷轴特写平滑后拉至全景,不切。阶段二到三:屏息瞬间镜头稳定,元素破出时镜头自然启动。阶段三:按运镜语言原则选择最契合方式,配合节奏曲线起伏。阶段三到四:镜头逐渐减速至静止,平滑过渡到锁版。全程一镜到底、连续不切。
  • 纸质质感与材质转化: 卷紧时卷边切面可见纸张层叠的螺旋纹理;弹开时惯性抖动与弧度回弹,卷曲弧面上高光快速滑动、折痕阴影随铺平渐消;纸张展开时边缘带有纸张特有的毛边/纤维质感而非锐利切边。材质转化须与元素逐个出场同步——光泽度从哑光纸张过渡到海报印刷质感,不可一次性铺满。
  • 纸卷轴线与展开方向: 根据海报比例和排版结构选择——横版海报优先横向展开(优先从左到右,符合阅读方向),竖版海报优先纵向展开(如传统画轴垂展)。确保展开方向与海报主视觉流向一致。
    音频设计(默认开启):
  • 默认利用 MiniMax H3 的同步音频能力为动态海报生成音效,在 Storyboard 中须规划音频与视觉节拍的对应关系。
  • BGM 氛围: 一条贯穿全程的氛围底音,音量克制、不喧宾夺主,随节奏曲线同步起伏(开场轻柔铺底→高潮段适度加强→收束段渐弱至低声量持续),收束后不完全静音、保留极低声量的持续氛围底音以配合"活的海报"微动态。
  • 元素入场音效: 每个核心元素入场时配合与元素类型和入场动作匹配的音效——人物入场→脚步声或衣料摩擦声、产品入场→机械转动或部件咬合声、文字入场→笔尖书写沙沙声或纸张滑动声、图形/纹理入场→轻微材质音效、背景铺底→低频环境氛围。方向二纸卷阶段额外标注纸张展开的物理音效序列(坠落冲击、弹开舒展、纸张抖动、铺平回落)。
  • 微动态音效(锁版后): 锁版后核心视觉主体保持轻微动态期间,配合极低声量的细微音效(如呼吸感环境声、材质微变声),音量须远低于入场音效。
  • 音效纪律: 音效须严格跟随元素逐个递进的时序——不得出现与当前未入场元素对应的音效,不得多元素音效同时响起。每个音效仅在该元素入场动作启动时触发、就位后自然衰减。
4. 媒体生成

模型与工具选择:

  • 使用 MultiModalToVideo,模型固定为 MiniMax H3(用户明确指定)。
  • 分辨率: MiniMax H3 固定输出 2k
  • 时长: 不设固定默认值,根据动态方案节奏在 8–15s 整数范围内灵活设定——8s 为下限,因为更短的时间会压缩元素入场时序、导致主体来不及完成动作化入场就草草就位,甚至出现主体直接飞出而无姿态变化的问题;避免无必要地拉满 15s,以海报还原完成 + 收束过渡 + 持续微动态即可。整支视频须在单次生成调用中完成,不拆分为多次生成再拼接。
  • 比例: 使用 multimodal_analyze_tool 视觉估算后映射到的最近支持比例作为 aspect_ratio。MiniMax H3 支持的比例为:"21:9"、"16:9"、"9:16"、"3:4"、"4:3"、"1:1"。接受任意比例的海报图片,映射到最接近的支持比例后直接继续生成,不拒绝、不需要用户确认比例。比例偏差时通过扩展背景填充适配——延伸海报背景色调与纹理填满多出区域,核心内容不动,不裁切、不加黑边、不拉伸变形。须在提示词中显式要求画面内容填满整个画幅、不得产生黑边或留白(详见 write_the_prompt 基准声明)。
    引用策略(全能参考模式):
  • MiniMax H3 支持在单次生成中同时传入 image_infos(≤9)、video_infos(≤3,每段 2–15s,总时长 ≤15s)、audio_infos(≤3,每段 2–15s,总时长 ≤15s;纯音频引用不支持,至少需配一条 image 或 video 引用)。
  • 将用户上传的海报图片注册为 asset,作为 image_infos 主引用传入 MultiModalToVideo,确保动态视频在视觉上忠实于原海报。
  • 若用户额外上传辅助参考图、参考视频或参考音频,按全能参考模式一并传入对应 infos 槽位,充分利用 MiniMax H3 的多模态条件能力;未上传则不额外添加。
    Asset Binding Contract:
  • 遵循当前 manage_item_assets 契约,使用 Storyboard 中的实际目标 ID;不在 Skill 中定义独立的 ID 模板。
  • 用户上传的海报图片:先注册 asset_id,再绑定到对应 shot 的 image_infos 引用;绑定前调用 query_assets_info 确认,绑定后重新查询验证。
  • 生成的动态海报视频输出:注册 asset_id 并绑定到对应 shot 的 final_shot 角色。
5. 提示词撰写

动态海报视频提示词规则(MultiModalToVideo / MiniMax H3):

  • 引用绑定: 使用 <<<image_1>>> 占位符绑定海报图片,在提示词中明确说明"以 <<<image_1>>> 为基准画面,将其动态化"。
  • 元素出场通用提示词原则(两个方向共享,写提示词时统一遵守):
    • 入场动作化: 每个元素的入场须包含与其自身特性匹配的动作与姿态变化,而非简单位置平移——人物可以跑、走、转身、迈步进入并摆出海报中的最终姿态(如海报中是奔跑姿态则从远处跑来,是站立姿态则从蹲姿起身或从遮挡后迈步而出);产品可旋转、上升、逐层组装;文字沿笔画逐字书写或沿排版方向滑入拼合;建筑与风景沿空间层次逐层升起或展开。入场动作须与元素在原海报中的最终姿态存在因果联系。禁止主体浮现式入场(红线): 核心视觉锚点/主体禁止使用逐渐浮现、透明度渐显、渐变显形、从雾气/光影中慢慢浮现等被动渐现方式入场——主体必须以主动的、有方向和速度的动态动作出场(跑入、走出、旋转上升、逐层组装、从空间纵深冲近等)。次要元素可以保留淡入,但主体绝对不行。提示词中不得将主体描述为"gradually appears""慢慢浮现""渐显"等被动渐现用语。
    • 逐个递进、禁止同时涌现: 用"先…然后…接着…最后…"的时序语言逐个描述每个元素的入场,明确每个元素在前一个完全就位并稳定后才出现。特别禁止核心主体入场时周围辅助文字和装饰信息同步出现,必须等核心主体完全就位后才逐一进入。
    • 轨迹与落位一致: 每个元素须说明入场轨迹方向与其最终落位的空间逻辑关系(左下角从左下方进入、远处元素由远及近等),轨迹方向不得与落位矛盾。
    • 按海报类型选择出场方式: 根据海报类型优先采用推荐的显现方式组合——人物海报以动作类+空间类为主、产品海报以动作类+材质类为主、食品海报以光影类+生长类为主、建筑海报以生长类+空间类为主、纯文字海报以动作类为主、抽象/无主体海报由 Agent 灵活组合光影类+遮挡类+生长类。鼓励不同元素采用不同显现方式以增加层次感。
    • 前后景深层次: 核心视觉锚点出场须有明确的前后景深度推进(远景→中景→近景),辅助元素在锚点就位后从相应景深层级切入。每个元素入场时声明其所在景深层级,使画面在 z 轴空间深度上有层次递进,而非所有元素在同一平面层上平移。
  • 方向适配(根据用户选择的方向撰写,在通用原则基础上叠加方向专属内容):
    • 方向一「视觉元素渐进激活成版」: 先描述空白白色初始画面,再按视觉层级顺序(背景与基础结构→视觉锚点纵深入场→主标题与Logo高潮强化→辅助信息结尾进入)逐个描述各元素显现过程。运镜遵循运镜语言原则按海报类型选择最契合方式、配合节奏曲线起伏,全程连续不切。成型后进入收束状态:文字完全静止,核心视觉主体仅保持极轻微动态(呼吸感、光影微变、材质微动),明确写明主体不得继续放大、缩小或位移超出原海报尺寸,还原后先经历约 1–2s 收束过渡,之后微动态持续到视频结束(呼吸感、微表情、光影微变等),呈现"活的海报"质感而非死帧——但幅度极轻微、不改变主体占比与构图。
    • 方向二「纸卷展开成版」: 按四阶段时序撰写——阶段一描述完全卷紧的圆柱形卷轴从画面上方坠落进入(带重量感和惯性、伴轻微旋转或摆动),落定后短暂静止蓄力,以果断的弹开动作猛然舒展(纸面快速展开带惯性抖动、随后减速铺平),形成"坠落→紧绷→爆发→收束"的节奏反差;须写明卷轴外形轮廓与海报实际外形一致——若海报有缺口或异形边缘,卷轴端面与侧面须如实反映这些轮廓特征,而非简单规则圆柱体; 写明卷轴出现时背景简洁纯净、纸张铺平后铺满全画幅;写明纸卷轴线方向(基于海报比例与排版结构选择,横版优先横向展开、竖版优先纵向展开),展开过程中纸面空白无内容,保留纸张质感、折痕光影、弹开时的弧度回弹与纸张边缘毛边/纤维质感;阶段二描述纸张完全铺平、画面仍为空白;阶段三按上述通用原则逐个描述核心元素(根据海报类型选择最具识别度的元素)的显现过程——入场动作化、逐个递进不混叠、轨迹与落位一致、按类型推荐方式、前后景深层次,每个核心元素经历"动态破出 → 立体激活 → 回到平面"的微循环(背景与基础色块先铺底,核心元素从纸面上动态破出进入 3D 空间纵深激活和入场动作——而非在纸面上慢慢浮现轮廓,最后回到平面就位),材质转化作为微循环过渡(光泽度从哑光纸张过渡到海报印刷质感),通过前后层次、运动视差、局部动作、镜头推进和光影变化形成视觉高潮;阶段四描述所有元素回到原海报位置形成锁版,明确写明主体不得继续放大、缩小或位移超出原海报尺寸,文字完全静止,核心视觉主体仅保持极轻微动态,锁版后先经历约 1–2s 收束过渡,之后微动态持续到视频结束(呼吸感、微表情、光影微变等),呈现"活的海报"质感而非死帧——但幅度极轻微、不改变主体占比与构图。须在提示词中显式写明"single continuous shot, no cuts, no transitions"——四个阶段是同一连续镜头内的时间段落,阶段之间的过渡仅通过镜头运动的加速/减速/方向变化来完成,不得出现任何画面跳转或剪辑切点。 须具体描述每个阶段交界的镜头过渡方式(如"镜头从卷轴特写平滑后拉至全景,不切"),而非仅笼统写"连续不切"。运镜遵循运镜语言原则按海报类型选择最契合方式、分阶段配合节奏曲线起伏,全程一镜到底、连续不切。
  • 提示词结构(按顺序):
    1. 基准声明: 指明以海报为视觉基准,最终画面须还原海报的构图、色彩、文字。画面内容须铺满整个视频画幅,不得出现黑边、上下留白、左右留白或信箱模式(letterbox/pillarbox)——须显式写明"画面内容填满全部画幅,无黑边、无留白"。 若海报真实比例与映射的输出比例存在偏差,须在提示词中显式写明:"以海报核心内容为主体居中,向多出区域延伸背景色调与纹理填满全画幅,不裁切核心内容、不加黑边、不拉伸变形。" 方向一的空白白色初始画面须为全画幅白色背景;方向二在卷轴坠落阶段允许卷轴周围露出简洁纯净背景,但纸张一旦展开铺平后须立即铺满全画幅、纸张之外不得露出任何背景。
    2. 方向运动: 按所选方向描述运动方式与元素出场顺序。一镜到底要求运镜连续流畅、不得出现剪辑切点,整段运动以渐变过渡为主。运镜须遵循运镜语言原则按海报类型选择最契合方式,节奏须遵循节奏曲线(开场舒缓→高潮加速→收束放缓)。两个方向均须以"先…然后…接着…最后…"的时序语言逐个描述每个元素的入场,每个元素须包含入场动作描述(跑、走、旋转、书写等)而非仅写位置移动,明确每个元素在前一个完全就位并稳定后才出现,禁止描述多个元素同时涌现,特别禁止核心主体入场时周围辅助文字同步出现;须说明每个元素的入场轨迹方向与其最终落位一致,并声明其所在景深层级(远景/中景/近景)。方向二须在元素显现前先描述卷轴从上方坠落进入、蓄力弹开与纸张展开两阶段,并须写明四个阶段之间通过镜头连续运动过渡、不设剪辑切点。
    3. 元素动效: 按主次顺序逐个列出需要产生动态的视觉元素及其动效方式,每个元素单独描述其入场动作(与元素特性匹配的姿态变化)、运动轨迹与景深层级,不合并描述。根据海报类型优先采用推荐的显现方式组合。禁止在提示词中描述跨元素联动效果(如光影扫过同时照亮多个元素、一个元素的动作触发另一个元素出现等),以避免模型将其理解为多个元素同时运动。海报无人物时,由主标题、产品、Logo、图形、纹理、光线或颜色层次承担核心运动。动效层级默认策略: 默认仅为背景与基础色块、核心识别元素、主标题与Logo三个主要层级撰写动态出场描述;辅助信息和装饰图形与氛围效果层不单独写运动轨迹,仅用简短语句描述为"淡入就位"或"渐显",以减少提示词中的时序编排量、降低模型执行混乱风险。仅当海报结构极简(≤2 层有实质内容)时才为所有层撰写动态出场。
    4. 氛围变化: 描述光线、色彩或环境的细微变化。
  • 约束: 总字符数(含 <<<>>> 标签)不超过 7000 字符。保持描述性文字精炼。
  • 文字保护: 明确指示"保持海报中的文字清晰可读,不产生变形或模糊"。
  • 音频(默认开启,通用规则): 默认利用 MiniMax H3 的同步音频能力为动态海报生成音效,在提示词中须包含一个音频描述段落,按以下结构组织:
    • BGM 氛围: 一条贯穿全程的氛围底音,音量克制、不喧宾夺主,随节奏曲线同步起伏(开场轻柔铺底→高潮段适度加强→收束段渐弱至低声量持续),收束后不完全静音、保留极低声量的持续氛围底音以配合"活的海报"微动态。
    • 元素入场音效(逐个标注,与出场时序严格同步): 每个核心元素入场时须标注与元素类型和入场动作匹配的音效,音效节拍须与该元素的入场动作启动时刻对齐。通用映射参考——人物入场(奔跑/走/转身)→ 脚步声或衣料摩擦声 <footsteps><fabric rustling>;产品入场(旋转/上升/组装)→ 机械转动或部件咬合声 <mechanical rotation><parts clicking>;文字入场(书写/滑入)→ 笔尖书写沙沙声或纸张滑动声 <pen scratching><paper sliding>;图形/纹理入场 → 轻微材质音效 <subtle texture sound>;背景铺底 → 低频环境氛围 <ambient drone>。方向二纸卷阶段额外标注纸张展开的物理音效序列(坠落冲击、弹开舒展、纸张抖动、铺平回落)<paper unfurling><impact>
    • 微动态音效(锁版后): 锁版后核心视觉主体保持轻微动态期间,配合极低声量的细微音效(如呼吸感环境声、材质微变声),音量须远低于入场音效,不干扰画面整体氛围。
    • 音效纪律: 音效须严格跟随元素逐个递进的时序——不得出现与当前未入场元素对应的音效,不得多元素音效同时响起。每个音效仅在该元素入场动作启动时触发、就位后自然衰减。若已有独立 BGM 轨道计划,在视频提示词中不重复完整音乐描述,但仍须标注上述关键音效节拍点。
  • 语言: 若用户使用中文交互,提示词正文用中文撰写。
6. 视频合成

单镜头动态海报组装:

  • 动态海报为单条视频,组装以直接放置该视频为主,不做复杂多轨剪辑。
  • 保留视频完整时长,不裁剪——单镜头一镜到底的每一秒都有时序安排,裁剪会破坏完整的出场序列。
  • MiniMax H3 生成的视频自带同步音频,保留原生音频即可。