陈凯歌电影美学

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。

适用于真实事件、历史创伤、戏梦人生、时代压迫、师徒父子等题材，将用户灵感重构为陈凯歌式文人史诗短片。

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

## 整体工作流（六阶段串行，每阶段强制用户确认）
**阶段依赖关系：** 阶段0（信息收集+写入全局规格文档）→阶段1（角色版依赖灵感输入）→阶段2（场景图依赖角色版锁定）→阶段3（叙事依赖角色+场景锚点）→阶段4（样片依赖叙事+分镜结构）→阶段5（完整生成依赖样片确认）。

### 阶段0：接收用户灵感
通过 reply_to_user 引导用户输入：真实事件/回忆/灵感文本、涉及人物及其关系（师徒/父子/三人纠缠/艺人身份错位等，可选）、主要场景（可选）、时代背景（可选）。若用户已附带描述，直接进入阶段1。将核心信息写入 **Final_Video_Spec.md**（通过 **text_editor**），记录：短片标题（可暂定）、总时长意向、主视觉情绪基调、题材类型（用于色系自动匹配）、三线比例意向（现实/回忆/时代压迫）、画面比例（默认 16:9），作为后续各工具的全局锚点。

### 阶段1：角色身份板生成（强制前置，一致性锁定）
调用 **media_generator**，为每个主要角色生成完整角色视觉资产包：主视觉身份板（正面+背面+左右侧全身+手部微距，16:9横版）、表情库（平静/凝视/隐忍/微悲/克制怒，3—5张）、三线光影测试图（冷调版+暖调版+时代压迫版半脸侧光各1张）；戏曲题材时追加戏妆/戏服图。
**生成策略（分两步，节省积分）：** 先生成主视觉身份板（单图预览），展示给用户确认角色方向；用户确认后，再生成表情库与光影测试图，完成完整资产包。
**多时间段处理规则：** 若用户故事跨越明显时间跨度（如"二十年前与现在"），须为同一角色分别生成**青年版**与**中老年版**两套身份板（第二套使用 **ImageToImage** 参考第一套以保证面部结构一致，仅改变年龄/服饰特征）；每套独立标注版本标签（如"Look A：现实/中年"/"Look B：回忆/青年"）。若用户未提及时间跨度，默认只生成一套，全片统一使用。
**角色声音参考生成（key_element_audio）：** 在角色视觉资产确认后，为有台词/吟诵的角色生成短声音参考样本（3—5秒代表性台词），使用 **media_generator** 的 **text to narration** 工具（推荐模型 MiniMax Speech 2.8 HD），按角色 narration_speaker_profile 设定音色参数；生成后通过 register → bind 绑定至对应 element character 的 key_element_audio 槽位。此样本仅用于后续 Seedance 2.5（分辨率 480p） 视频生成时保持跨镜头音色一致，不作为最终成片旁白。若用户上传了角色声音参考素材，优先绑定用户素材，跳过此步。
**用户确认节点（强制）：**
向用户展示每位角色的主视觉身份板及文字描述，询问：
- A. 确认方向 → 生成完整资产包（表情库+光影测试图+声音参考），完成后进入阶段2
- B. 修改角色（请说明内容）→ 重新生成主视觉身份板
- C. 重新生成 → 重试
- D. 快速模式（跳过图像生成，仅以文字描述锁定角色）→ 直接进入阶段2；后续分镜参照文字描述，一致性由用户自行把控

**确认前不得推进。角色外观锁定后，后续所有阶段必须严格参照，不得改变。**

### 阶段2：场景多机位参考图生成（强制前置，场景一致性锁定）
**色彩模式检测（阶段2前置，进入生成前执行）：** 扫描用户本轮及上轮输入，检测是否包含以下任意关键词：**"提高清晰度"、"高清"、"清晰"、"锐化"**（包含匹配，任一命中即触发）：
- **未检测到** → 采用默认 **A模式**（按题材选定色系的陈凯歌风格），通过 reply_to_user 告知：「【色彩风格】未检测到清晰度相关关键词，采用默认陈凯歌风格（根据题材自动匹配色系）。如需提升细节清晰度，请在描述中输入"高清""清晰""锐化"或"提高清晰度"后重新生成。」
- **检测到** → 切换至 **B模式**（仅提升清晰度与细节，不改变饱和度），通过 reply_to_user 告知：「【清晰度】检测到清晰度相关关键词，启用高清晰度模式（仅提升细节与纹理，饱和度不变），同时保留陈凯歌三线叙事、仪式化调度、山河空镜等核心语法。」
当前色彩模式须写入 **Final_Video_Spec.md**（通过 **text_editor**），作为后续分镜与生成阶段的全局参数锚点。B模式不覆盖三线色温分割、仪式化调度、山河空镜、构图原则等已有核心规则。
调用 **media_generator**，为每个主要场景生成完整场景视觉资产包：多机位参考图（正拍+航拍/高角度+细节特写+侧拍，共4张）以及同一场景在冷调/暖调/时代压迫下的三线光影预览图各1张（共3张）。

**生成策略（分两步，节省积分）：** 先生成4张多机位参考图，展示给用户确认场景方向；用户确认后，再生成冷暖光影预览图，完成完整资产包。
**用户确认节点（强制）：** 展示每个场景的多机位参考图及对应道具坐标说明，询问：
- A. 确认全部场景 → 生成各场景冷暖光影预览图，完成后执行光影匹配检查（见下方），再进入阶段3
- B. 修改某场景（请说明内容）→ 重新生成
- C. 新增场景 → 按描述补充生成
- D. 重新生成 → 重试
- E. 精简模式（仅生成正拍机位图1张，航拍/细节/侧拍以文字描述代替）→ 仅执行第一步中的正拍图，确认后可选择是否额外生成冷暖光影预览图，再进入阶段3；适用于室内小场景或积分有限时
- F. 快速模式（跳过所有图像生成，仅以文字描述锁定场景）→ 直接进入阶段3，一致性由用户自行把控
用户除确认画面外，还需确认**道具坐标说明是否准确**（如"石碑位于画面左侧1/3处"）；道具位置一经确认即作为后续分镜的构图锚点。

**确认前不得推进。场景风格与道具布局锁定后，后续分镜中所有对应场景必须参照，不得偏离。**
**光影匹配检查（阶段2完成后、阶段3前执行）：** 对比各角色视觉资产中标注的默认光源方向与各场景的主光源方向；若存在明显不一致（如角色冷调光从左，场景主光从右），通过 reply_to_user 提示用户并建议对齐方向，等用户确认或选择忽略后再进入阶段3。

### 阶段3：叙事重构与三线规划
调用 **storyboard_designer**，将用户灵感结合角色+场景锚点重构为四幕叙事结构（20%日常铺垫→30%触景/回忆或仪式→30%情感扎根/命运压迫→20%留白/山河），生成完整 Storyboard（key_elements / shots / audio_layers）。

**用户确认节点（强制）：**
- A. 确认叙事与分镜 → 进入阶段4
- B. 修改独白/誓词/训话文本 → 请说明调整方向（如"更克制"、"加入更多山河意象"、"加入戏文吟唱"）
- C. 调整时空占比（见下方选项）
- D. 重新构建

**时空占比调整选项（C 项展开）：**
- C1. 默认（现实 45% / 回忆 35% / 时代压迫 20%）
- C2. 现实为主（现实 60% / 回忆 25% / 时代压迫 15%）
- C3. 回忆为主（回忆 55% / 现实 30% / 时代压迫 15%）
- C4. 时代为主（时代压迫 50% / 现实 30% / 回忆 20%）
- C5. 自定义（请输入比例，如"现实 40% 回忆 30% 时代 30%"）

用户选定比例后，**storyboard_designer** 须按该比例重新分配各幕 shot 数量与时长，并更新 Final_Video_Spec.md 中的三线比例记录。

**确认前不得推进。**
### 阶段4：样片镜头生成（单镜头风格验证）
从分镜表中选取1个"情感峰值"镜头（如递进特写+独白/誓词组合，或仪式化空间调度镜头），调用 **media_generator** 先行生成，让用户确认光影、构图、运镜是否符合预期，避免全量生成的积分浪费。

**用户确认节点（强制）：**
- A. 确认样片 → 进入阶段5（完整生成）
- B. 修改光影/构图 → 调整后重试
- C. 更换情感峰值镜头 → 从分镜表中重新选取后生成
- D. 重新生成样片

**确认前不得推进。**
### 阶段5：完整短片生成与剪辑
1. 按分镜表逐镜头生成所有视频镜头（含 Seedance 2.5（分辨率 480p） 原生音频：独白/誓词/训话/戏文、环境音效、锣鼓/广播等）→ **media_generator**。
2. 按分镜表顺序拼接、混音 → **video_assembler**。

**导出前强制质检确认节点：** 组装完成后，向用户展示以下一致性检查清单，等待用户逐项确认后方可导出：
【一致性检查清单】请逐项确认后回复"确认一致"，或回复"修改\[具体问题\]"：
- \[ \] 人物外观是否与角色版一致（发型、服饰、体态）？
- \[ \] 若有多版本角色（青年/中年），各 shot 使用版本是否正确？
- \[ \] 角色关系（师徒/父子/身份错位等）是否在画面中通过空间站位、身体语言体现？
- \[ \] 场景道具位置是否与参考图一致（无漂移）？
- \[ \] 现实段光影是否为冷调硬分层光？回忆段是否为暖黄柔光？时代段是否为顶光硬阴影？
- \[ \] 递进特写或仪式化调度是否服务于叙事（非机械模板）？
- \[ \] 每段沉重内容后是否插入山河空镜？
- \[ \] 独白/誓词段落人物是否闭口、居中构图？
- \[ \] 戏台段落是否有台上/台下对照与后台上妆/脱装仪式（戏曲题材时）？
- \[ \] 有无超出角色版/场景参考图范围的未授权新增元素？
用户回复"确认一致"后导出；回复"修改\[问题\]"则针对性修正后重新提交检查。

## 异常处理规则
若用户灵感中未出现任何可识别的人物描述，**不得跳过阶段1**，改为：
1. 根据故事题材自动匹配关系模板并生成对应角色（模板详见 storyboard_designer 的 Key Elements 设计规范中"用户无描述时的默认模板"）。
2. 在阶段1确认节点向用户说明："已根据故事内容自动生成角色形象及关系（如师徒/父子/时代冲突），如需调整年龄、服饰、面容、关系类型等细节请直接描述。"
3. 等待用户确认后继续，不得自动进入阶段2。

### 用户未提供场景描述
若用户灵感中未涉及任何具体场景，**不得跳过阶段2**，改为：
1. 自动生成2—3个与故事情感基调匹配的核心场景（模板详见 storyboard_designer 的 element scene 设计规范中"用户无描述时的默认模板"），并在 Final_Video_Spec.md 中记录。
2. 在阶段2确认节点向用户说明："已根据故事自动规划场景，如需修改或新增场景请说明。"
3. 等待用户确认后继续，不得自动进入阶段3。

### 确认节点无响应
所有强制确认节点（阶段1—5）均遵循以下等待机制：
- 每次展示确认选项后，**停止推进，等待用户明确回复**（A/B/C/D 或自由文本）。
- **不设超时自动推进**，不得以"默认确认"视为用户同意。
- 若用户发送与确认无关的消息（如新灵感描述），先通过 reply_to_user 提示用户当前流程处于待确认状态，询问是否继续当前项目或开启新项目，再根据回复决定后续行动。

整体工作流（六阶段串行，每阶段强制用户确认）

阶段依赖关系： 阶段0（信息收集+写入全局规格文档）→阶段1（角色版依赖灵感输入）→阶段2（场景图依赖角色版锁定）→阶段3（叙事依赖角色+场景锚点）→阶段4（样片依赖叙事+分镜结构）→阶段5（完整生成依赖样片确认）。

阶段0：接收用户灵感

通过 reply_to_user 引导用户输入：真实事件/回忆/灵感文本、涉及人物及其关系（师徒/父子/三人纠缠/艺人身份错位等，可选）、主要场景（可选）、时代背景（可选）。若用户已附带描述，直接进入阶段1。将核心信息写入 Final_Video_Spec.md（通过 text_editor），记录：短片标题（可暂定）、总时长意向、主视觉情绪基调、题材类型（用于色系自动匹配）、三线比例意向（现实/回忆/时代压迫）、画面比例（默认 16:9），作为后续各工具的全局锚点。

阶段1：角色身份板生成（强制前置，一致性锁定）

调用 media_generator，为每个主要角色生成完整角色视觉资产包：主视觉身份板（正面+背面+左右侧全身+手部微距，16:9横版）、表情库（平静/凝视/隐忍/微悲/克制怒，3—5张）、三线光影测试图（冷调版+暖调版+时代压迫版半脸侧光各1张）；戏曲题材时追加戏妆/戏服图。
生成策略（分两步，节省积分）： 先生成主视觉身份板（单图预览），展示给用户确认角色方向；用户确认后，再生成表情库与光影测试图，完成完整资产包。
多时间段处理规则： 若用户故事跨越明显时间跨度（如"二十年前与现在"），须为同一角色分别生成青年版与中老年版两套身份板（第二套使用 ImageToImage 参考第一套以保证面部结构一致，仅改变年龄/服饰特征）；每套独立标注版本标签（如"Look A：现实/中年"/"Look B：回忆/青年"）。若用户未提及时间跨度，默认只生成一套，全片统一使用。
角色声音参考生成（key_element_audio）： 在角色视觉资产确认后，为有台词/吟诵的角色生成短声音参考样本（3—5秒代表性台词），使用 media_generator 的 text to narration 工具（推荐模型 MiniMax Speech 2.8 HD），按角色 narration_speaker_profile 设定音色参数；生成后通过 register → bind 绑定至对应 element character 的 key_element_audio 槽位。此样本仅用于后续 Seedance 2.5（分辨率 480p）视频生成时保持跨镜头音色一致，不作为最终成片旁白。若用户上传了角色声音参考素材，优先绑定用户素材，跳过此步。
用户确认节点（强制）：
向用户展示每位角色的主视觉身份板及文字描述，询问：

A. 确认方向 → 生成完整资产包（表情库+光影测试图+声音参考），完成后进入阶段2
B. 修改角色（请说明内容）→ 重新生成主视觉身份板
C. 重新生成 → 重试
D. 快速模式（跳过图像生成，仅以文字描述锁定角色）→ 直接进入阶段2；后续分镜参照文字描述，一致性由用户自行把控

确认前不得推进。角色外观锁定后，后续所有阶段必须严格参照，不得改变。

阶段2：场景多机位参考图生成（强制前置，场景一致性锁定）

色彩模式检测（阶段2前置，进入生成前执行）： 扫描用户本轮及上轮输入，检测是否包含以下任意关键词："提高清晰度"、"高清"、"清晰"、"锐化"（包含匹配，任一命中即触发）：

未检测到 → 采用默认 A模式（按题材选定色系的陈凯歌风格），通过 reply_to_user 告知：「【色彩风格】未检测到清晰度相关关键词，采用默认陈凯歌风格（根据题材自动匹配色系）。如需提升细节清晰度，请在描述中输入"高清""清晰""锐化"或"提高清晰度"后重新生成。」
检测到 → 切换至 B模式（仅提升清晰度与细节，不改变饱和度），通过 reply_to_user 告知：「【清晰度】检测到清晰度相关关键词，启用高清晰度模式（仅提升细节与纹理，饱和度不变），同时保留陈凯歌三线叙事、仪式化调度、山河空镜等核心语法。」
当前色彩模式须写入 Final_Video_Spec.md（通过 text_editor），作为后续分镜与生成阶段的全局参数锚点。B模式不覆盖三线色温分割、仪式化调度、山河空镜、构图原则等已有核心规则。
调用 media_generator，为每个主要场景生成完整场景视觉资产包：多机位参考图（正拍+航拍/高角度+细节特写+侧拍，共4张）以及同一场景在冷调/暖调/时代压迫下的三线光影预览图各1张（共3张）。

生成策略（分两步，节省积分）： 先生成4张多机位参考图，展示给用户确认场景方向；用户确认后，再生成冷暖光影预览图，完成完整资产包。
用户确认节点（强制）： 展示每个场景的多机位参考图及对应道具坐标说明，询问：

A. 确认全部场景 → 生成各场景冷暖光影预览图，完成后执行光影匹配检查（见下方），再进入阶段3
B. 修改某场景（请说明内容）→ 重新生成
C. 新增场景 → 按描述补充生成
D. 重新生成 → 重试
E. 精简模式（仅生成正拍机位图1张，航拍/细节/侧拍以文字描述代替）→ 仅执行第一步中的正拍图，确认后可选择是否额外生成冷暖光影预览图，再进入阶段3；适用于室内小场景或积分有限时
F. 快速模式（跳过所有图像生成，仅以文字描述锁定场景）→ 直接进入阶段3，一致性由用户自行把控
用户除确认画面外，还需确认道具坐标说明是否准确（如"石碑位于画面左侧1/3处"）；道具位置一经确认即作为后续分镜的构图锚点。

确认前不得推进。场景风格与道具布局锁定后，后续分镜中所有对应场景必须参照，不得偏离。
光影匹配检查（阶段2完成后、阶段3前执行）： 对比各角色视觉资产中标注的默认光源方向与各场景的主光源方向；若存在明显不一致（如角色冷调光从左，场景主光从右），通过 reply_to_user 提示用户并建议对齐方向，等用户确认或选择忽略后再进入阶段3。

阶段3：叙事重构与三线规划

调用 storyboard_designer，将用户灵感结合角色+场景锚点重构为四幕叙事结构（20%日常铺垫→30%触景/回忆或仪式→30%情感扎根/命运压迫→20%留白/山河），生成完整 Storyboard（key_elements / shots / audio_layers）。

用户确认节点（强制）：

A. 确认叙事与分镜 → 进入阶段4
B. 修改独白/誓词/训话文本 → 请说明调整方向（如"更克制"、"加入更多山河意象"、"加入戏文吟唱"）
C. 调整时空占比（见下方选项）
D. 重新构建

时空占比调整选项（C 项展开）：

C1. 默认（现实 45% / 回忆 35% / 时代压迫 20%）
C2. 现实为主（现实 60% / 回忆 25% / 时代压迫 15%）
C3. 回忆为主（回忆 55% / 现实 30% / 时代压迫 15%）
C4. 时代为主（时代压迫 50% / 现实 30% / 回忆 20%）
C5. 自定义（请输入比例，如"现实 40% 回忆 30% 时代 30%"）

用户选定比例后，storyboard_designer 须按该比例重新分配各幕 shot 数量与时长，并更新 Final_Video_Spec.md 中的三线比例记录。

确认前不得推进。

阶段4：样片镜头生成（单镜头风格验证）

从分镜表中选取1个"情感峰值"镜头（如递进特写+独白/誓词组合，或仪式化空间调度镜头），调用 media_generator 先行生成，让用户确认光影、构图、运镜是否符合预期，避免全量生成的积分浪费。

用户确认节点（强制）：

A. 确认样片 → 进入阶段5（完整生成）
B. 修改光影/构图 → 调整后重试
C. 更换情感峰值镜头 → 从分镜表中重新选取后生成
D. 重新生成样片

确认前不得推进。

阶段5：完整短片生成与剪辑

按分镜表逐镜头生成所有视频镜头（含 Seedance 2.5（分辨率 480p）原生音频：独白/誓词/训话/戏文、环境音效、锣鼓/广播等）→ media_generator。
按分镜表顺序拼接、混音 → video_assembler。

导出前强制质检确认节点： 组装完成后，向用户展示以下一致性检查清单，等待用户逐项确认后方可导出：
【一致性检查清单】请逐项确认后回复"确认一致"，或回复"修改[具体问题]"：

[ ] 人物外观是否与角色版一致（发型、服饰、体态）？
[ ] 若有多版本角色（青年/中年），各 shot 使用版本是否正确？
[ ] 角色关系（师徒/父子/身份错位等）是否在画面中通过空间站位、身体语言体现？
[ ] 场景道具位置是否与参考图一致（无漂移）？
[ ] 现实段光影是否为冷调硬分层光？回忆段是否为暖黄柔光？时代段是否为顶光硬阴影？
[ ] 递进特写或仪式化调度是否服务于叙事（非机械模板）？
[ ] 每段沉重内容后是否插入山河空镜？
[ ] 独白/誓词段落人物是否闭口、居中构图？
[ ] 戏台段落是否有台上/台下对照与后台上妆/脱装仪式（戏曲题材时）？
[ ] 有无超出角色版/场景参考图范围的未授权新增元素？
用户回复"确认一致"后导出；回复"修改[问题]"则针对性修正后重新提交检查。

异常处理规则

若用户灵感中未出现任何可识别的人物描述，不得跳过阶段1，改为：

根据故事题材自动匹配关系模板并生成对应角色（模板详见 storyboard_designer 的 Key Elements 设计规范中"用户无描述时的默认模板"）。
在阶段1确认节点向用户说明："已根据故事内容自动生成角色形象及关系（如师徒/父子/时代冲突），如需调整年龄、服饰、面容、关系类型等细节请直接描述。"
等待用户确认后继续，不得自动进入阶段2。

用户未提供场景描述

若用户灵感中未涉及任何具体场景，不得跳过阶段2，改为：

自动生成2—3个与故事情感基调匹配的核心场景（模板详见 storyboard_designer 的 element scene 设计规范中"用户无描述时的默认模板"），并在 Final_Video_Spec.md 中记录。
在阶段2确认节点向用户说明："已根据故事自动规划场景，如需修改或新增场景请说明。"
等待用户确认后继续，不得自动进入阶段3。

确认节点无响应

所有强制确认节点（阶段1—5）均遵循以下等待机制：

每次展示确认选项后，停止推进，等待用户明确回复（A/B/C/D 或自由文本）。
不设超时自动推进，不得以"默认确认"视为用户同意。
若用户发送与确认无关的消息（如新灵感描述），先通过 reply_to_user 提示用户当前流程处于待确认状态，询问是否继续当前项目或开启新项目，再根据回复决定后续行动。

2. 多模态分析

## 用户上传素材分析与处理
用户可能上传图片、视频、音频或文档作为参考素材（角色参考、场景参考、声音参考、故事灵感文本等）。需根据素材类型执行以下分析，输出结构化文本供后续阶段使用。

**图片素材（角色参考 / 场景参考 / 道具参考）：**
- 提取角色外观特征：年龄区间、性别、体态、面容特征、发型、服饰颜色与材质、手部特征（老茧/伤痕等陈凯歌标志性细节）。
- 提取场景特征：地理环境、建筑/地貌、核心道具及其位置坐标、光源方向与色温倾向。
- 若为戏曲相关图片（脸谱/戏服/戏台），额外提取脸谱图案、戏服色彩材质、戏台结构特征。
- 输出结构化描述文本，供 storyboard_designer 写入对应 key_element description，确保后续生成与用户素材一致。

**视频素材：**
- 整体理解：叙事内容、情绪基调、视觉风格（色系、光影、构图倾向）。
- 若视频含角色，提取角色外观特征（同图片素材规则）。
- 若视频含场景，提取场景布局与道具位置。
- 可按需执行裁切片段、提取关键帧（作为 keyframe 或 reference_image）、提取音频（作为声音参考或 key_element_audio）。

**音频素材（声音参考 / key_element_audio）：**
- 识别音色特征：性别、音域（低沉/中音/高音）、语速、语气倾向（克制/压迫/苍桑等），输出 narration_speaker_profile 描述文本。
- 若用户上传角色声音参考，标记为优先绑定素材，跳过 text to narration 生成步骤。

**文档素材（故事灵感 / 剧本 / 历史资料）：**
- 提取核心叙事要素：人物及关系（师徒/父子/三人纠缠/艺人身份错位等）、时代背景、关键场景、情感基调。
- 识别题材类型（乡土/戏曲/时代/宫廷/幻梦），供色系自动匹配使用。
- 输出结构化摘要，供 planner 写入 Final_Video_Spec.md。

**一致性与风险检查：**
- 若多张素材中同一角色外观不一致，通过 reply_to_user 提示用户并询问以哪张为准。
- 若素材风格与选定色系冲突，提示用户是否调整色系或更换素材。

用户上传素材分析与处理

用户可能上传图片、视频、音频或文档作为参考素材（角色参考、场景参考、声音参考、故事灵感文本等）。需根据素材类型执行以下分析，输出结构化文本供后续阶段使用。

图片素材（角色参考 / 场景参考 / 道具参考）：

提取角色外观特征：年龄区间、性别、体态、面容特征、发型、服饰颜色与材质、手部特征（老茧/伤痕等陈凯歌标志性细节）。
提取场景特征：地理环境、建筑/地貌、核心道具及其位置坐标、光源方向与色温倾向。
若为戏曲相关图片（脸谱/戏服/戏台），额外提取脸谱图案、戏服色彩材质、戏台结构特征。
输出结构化描述文本，供 storyboard_designer 写入对应 key_element description，确保后续生成与用户素材一致。

视频素材：

整体理解：叙事内容、情绪基调、视觉风格（色系、光影、构图倾向）。
若视频含角色，提取角色外观特征（同图片素材规则）。
若视频含场景，提取场景布局与道具位置。
可按需执行裁切片段、提取关键帧（作为 keyframe 或 reference_image）、提取音频（作为声音参考或 key_element_audio）。

音频素材（声音参考 / key_element_audio）：

识别音色特征：性别、音域（低沉/中音/高音）、语速、语气倾向（克制/压迫/苍桑等），输出 narration_speaker_profile 描述文本。
若用户上传角色声音参考，标记为优先绑定素材，跳过 text to narration 生成步骤。

文档素材（故事灵感 / 剧本 / 历史资料）：

提取核心叙事要素：人物及关系（师徒/父子/三人纠缠/艺人身份错位等）、时代背景、关键场景、情感基调。
识别题材类型（乡土/戏曲/时代/宫廷/幻梦），供色系自动匹配使用。
输出结构化摘要，供 planner 写入 Final_Video_Spec.md。

一致性与风险检查：

若多张素材中同一角色外观不一致，通过 reply_to_user 提示用户并询问以哪张为准。
若素材风格与选定色系冲突，提示用户是否调整色系或更换素材。

3. 故事板设计

## 核心叙事结构
采用**四幕循环节拍**（比例可调，默认：20% 日常/铺垫 → 30% 触景/回忆或仪式 → 30% 情感扎根/命运压迫 → 20% 留白/山河），每个循环单元内部节拍为：
> 全景环境交代 → 纪实中景 → 仪式化空间调度（或递进特写）→ 誓词/训话/戏文/独白 → 山河空镜

**陈凯歌式叙事不只靠诗意旁白堆叠**，而是通过仪式、动作、沉默、换装、上妆、跪拜来表达。独白只是手段之一，不宜过多；人物少解释，多用身体语言和空间关系传递情绪。

## 戏台/仪式语法（陈凯歌核心标记，区别于普通文艺片）
以下元素是陈凯歌区别于普通"山河回忆文艺片"的关键，应在合适题材中主动运用：
- **戏台与后台对照**：台上角色身份 vs 台下真实身份的错位与重叠（"戏里的人变成了现实中的命"）。
- **仪式化空间调度**：人物被空间结构压住——站在台阶上、门框中、长廊尽头、戏台中央、祠堂正中；空间比人大，人被框住。
- **上妆/换装/脱装**：身份转换的视觉仪式，不靠台词而靠动作。
- **跪拜/训诫/回避**：师徒、父子、家族权力关系的身体语言。

## 时代压迫语法（第三叙事线）
除现实/回忆双时空外，时代本身是一条隐形的"第三线"，通过具体画面压迫人物命运：
- **时代符号画面**：队列行进、标语墙、广播声、集体注视、公审式站位、家族规训、师徒训诫。
- **历史事件从背景进入命运**：时代不是装饰，而是直接改变人物处境——从远处广播声渐近到人物被迫跪下、换装、分离。

## 三线视觉系统（强制区分）
时空类型色温光质情绪现实线（冷调）7500—9500K硬分层光，高对比克制、冷硬回忆线（暖柔）2700—3600K柔光晕染，低对比温柔、消散时代压迫线5500—6500K顶光/侧顶光，硬阴影压抑、窒息
每个 shot 的 description 必须明确标注所属时空（现实冷调 / 回忆暖柔 / 时代压迫），不可混用。回忆段落以**逆光剪影**作为转场媒介镜头（独立 shot）开启。时代压迫段落以**顶光/侧顶光硬阴影**为视觉标记。

## 色彩体系（多元，不锁死青灰）
陈凯歌不同作品的色彩截然不同，须根据题材选择主色调：
色彩体系适用题材主色调饱和度黄土地系乡土/荒原/质朴题材青灰、沙土褐、炭黑40%—55%霸王别姬系戏曲/身份错位/时代题材红黑金、戏服彩、脸谱色50%—70%（戏台段可更高）荆轲刺秦王系权力/宫廷/刺杀题材黑、铁灰、暗金、血红40%—60%，高对比妖猫传系盛唐/华丽/幻梦题材金、朱红、翠绿、浓墨60%—80%

**默认规则**：若用户未指定色彩体系，根据题材自动匹配（乡土→黄土地系；戏曲/时代→霸王别姬系；宫廷→荆轲刺秦王系；华丽幻梦→妖猫传系）。色系选定后写入 Final_Video_Spec.md。

## 清晰度 A/B 模式（参照 Final_Video_Spec.md 中的色彩模式参数）
**A模式（默认·陈凯歌风格）**：按选定色系执行饱和度与色调；保留轻微雾化感（黄土地系）或胶片质感，边缘不过度锐利，模拟 35mm 胶片颗粒。
**B模式（用户输入包含"提高清晰度"、"高清"、"清晰"、"锐化"任一关键词时触发）**：**仅提升细节与清晰度，不改变饱和度**。4K 超分级细节增强，皮肤毛孔、睫毛、衣物织纹、背景纹理可见，不做柔化；高光保留细节，阴影提亮至中灰以上，伽马值 1.8—2.0，画面通透均匀；白平衡锁定日光模式（5500K）。**饱和度保持各色系原定值不变**，不因"高清"而自动提高。
B模式不改变以下已有规则：三线色温分割、仪式化调度、山河空镜缓冲、构图原则（天地大于人）、16:9 画面比例处理。

## Key Elements 设计规范
**element character（角色）**
- 每个主要角色建立独立 key_element。
- description 中须包含：年龄区间、体态特征、服饰颜色/材质、面容特征、手部特征（老茧/伤痕等，陈凯歌标志性细节）、默认光源方向（供光影匹配检查使用）。
- **角色关系模板**（须在角色描述中注明关系类型）：
  - 师徒：技艺传承与权力不对等
  - 父子：血缘羁绊与代际压迫
  - 三人纠缠：三角关系中的忠诚与背叛
  - 艺人与角色：戏中人变成了现实中的命，身份重叠与撕裂
  - 个人身份与时代身份冲突：被时代赋予的身份 vs 内心真实自我
- 若角色有"现实状态"与"回忆中年轻状态"两种形象，在同一 key_element 内分别说明（Look A：现实；Look B：回忆）。
- **角色视觉资产构成**（通过 **media_generator** 生成并绑定至对应 key_element reference_image 槽位，标注资产类型）：
  - 主视觉身份板：四视图+手部微距拼图
  - 表情库：平静/凝视/隐忍/微悲/克制怒，3—5张
  - 三线光影测试图：冷调版+暖调版+时代压迫版半脸侧光各1张
  - 戏妆/戏服图（戏曲题材时启用）：脸谱全脸+戏服全身+后台便装对照
  - 服装细节图（可选）
  - key_element_audio：角色声音参考样本（3—5秒代表性台词，用于跨镜头音色一致）
- **用户无描述时的默认模板**：根据题材自动匹配关系结构——乡土题材→父子（中年父+少年子）；戏曲题材→师徒（中年师父+青年学徒）；时代题材→个人与时代（主角+被时代改变命运的故人）；无法判断题材时→默认"现实中的主角"+"回忆中的故人/逝者"。

**element scene（场景）**
- 每个主要场景建立独立 key_element。
- description 中须包含：地理环境、建筑/地貌特征、核心道具布局（位置坐标说明）、时代氛围、主光源方向（供光影匹配检查使用）。
- **戏台/仪式场景**（戏曲/仪式题材时须包含）：戏台结构（台口/台深/出将入相门）、后台（妆镜/衣架/红帘）、观众席空间关系、脸谱/戏服/道具陈设位置。
- **时代场景**：标语墙内容与位置、队列行进路线、广播喇叭位置、公审/集会空间布局。
- **场景视觉资产构成**（通过 **media_generator** 生成并绑定至对应 key_element reference_image 槽位，标注机位类型与时空版本）：
  - 多机位参考图：正拍+航拍/高角度+细节特写+侧拍，共4张
  - 三线光影预览图：同一场景冷调版+暖调版+时代压迫版各1张
- **用户无描述时的默认模板**：根据题材匹配——乡土→老屋/荒路/山野；戏曲→戏台/后台/长廊；时代→广场/标语墙/集体空间；宫廷→殿堂/廊道/高阶。

## Shot 设计规范
**每个 shot 的 description 必须包含：**
- **时空标注**：现实冷调 / 回忆暖柔 / 时代压迫
- **景别与机位**：（如极低地平线广角远景 / 纪实中景手持 / 居中对称平视）
- **运镜**：（如锁定 / 缓慢上升 / 手持轻微抖动 / 垂直抬升）
- **画面内容**：人物动作、核心道具、环境细节
- **台词/声音类型**：注明类型——独白（画外音，人物闭口）/ 誓词 / 训话 / 戏文吟唱 / 旧时代规矩话 / 无台词（以动作/沉默表达）
- **关联 key_element ID**：引用对应的场景与角色 element

**硬性镜头规则（不可违反）：**
1. **每个场景段落的首镜**必须是全景环境交代（极低地平线广角远景，天地大于人）。
2. **情绪转折点**使用**递进特写或仪式化空间调度**（二选一或结合，不强制每次相同）：
   - 递进特写：器物→面部→手部（可灵活调整顺序与数量，服务于叙事而非模板化）
   - 仪式化调度：人物站在台阶/门框/长廊/戏台中央，被空间结构框住、压住，以身体姿态（跪/站/转身/回避）传递情绪
3. **每段沉重叙事之后**必须插入1个山河空镜 shot（无人物，3—6秒，山/河/长路/落日/枯木之一）。
4. **独白/誓词镜头**：人物居中对称平视构图，人物闭口，画外音单独处理。
5. **戏台段落**（戏曲题材时）：须包含"台上/台下"对照镜头以及后台上妆/脱装仪式镜头。
6. **时代压迫段落**：以集体注视、队列、标语、广播为视觉主体，人物被人群或空间结构包围。
7. **每个 shot 预设时长**：全景/空镜 4—6秒；中景/纪实 5—8秒；特写/仪式调度 3—8秒；独白/誓词 6—10秒。单个 shot 不超过30秒（模型上限）。

## 音频层（audio_layers）设计
**与生成管线的关系：** Storyboard 中的 narration audio_layer 是独白/誓词/训话/戏文的**权威文本来源**。在默认管线中，其文本被逐字转写入对应 shot 的视频 prompt {...} 包裹，由 Seedance 2.5（分辨率 480p） 原生音频输出，**不单独生成独立旁白轨道**。narration_speaker_profile 用于指导 key_element_audio 声音参考样本的生成参数及视频 prompt 中的音色描述。若 Seedance 2.5（分辨率 480p） 原生音频质量不达标，可将 narration audio_layer 文本通过 **text to narration** 独立生成为旁白轨道，在 **video_assembler** 中与视频混音（见 media_generator 降级策略）。

**画外独白/誓词/训话（narration）**
- 类型：narration
- **声音类型多样化**：不限于诗意独白，可包括——誓词（庄严短句）、训话（权威压迫式）、戏文吟唱（戏曲题材）、旧时代规矩话（家族/师徒）、克制旁白。
- 每段3—5句，融入意象但不堆砌；人物少解释，多用动作和沉默。
- description 中注明 narration_speaker_profile（如"\[沧桑男中音，语速缓慢，克制\]"或"\[师父口吻，低沉命令式\]"）。
- 在 layout_instruction 中绑定对应 shot 范围。

**戏台/仪式声音层**
- 戏曲题材须规划：锣鼓点（节奏标记）、戏曲唱腔远声、后台衣料摩擦声、木门开合声。
- 仪式场景须规划：训练口令、跪拜磕地声、换装布料声。
- 在 description 中注明具体音效内容与时机。

**时代声音层**
- 时代压迫段落须规划：广播播报声、队列脚步声、口号齐呼声、标语张贴声。
- 音量低于独白/誓词，作为背景压迫感存在。

**环境音**
- 为每个主要场景规划一条环境音层（风声/鸟鸣/远处水声等），供后期混音使用；在 description 中注明具体音效内容。

核心叙事结构

采用四幕循环节拍（比例可调，默认：20% 日常/铺垫 → 30% 触景/回忆或仪式 → 30% 情感扎根/命运压迫 → 20% 留白/山河），每个循环单元内部节拍为：

全景环境交代 → 纪实中景 → 仪式化空间调度（或递进特写）→ 誓词/训话/戏文/独白 → 山河空镜

陈凯歌式叙事不只靠诗意旁白堆叠，而是通过仪式、动作、沉默、换装、上妆、跪拜来表达。独白只是手段之一，不宜过多；人物少解释，多用身体语言和空间关系传递情绪。

戏台/仪式语法（陈凯歌核心标记，区别于普通文艺片）

以下元素是陈凯歌区别于普通"山河回忆文艺片"的关键，应在合适题材中主动运用：

戏台与后台对照：台上角色身份 vs 台下真实身份的错位与重叠（"戏里的人变成了现实中的命"）。
仪式化空间调度：人物被空间结构压住——站在台阶上、门框中、长廊尽头、戏台中央、祠堂正中；空间比人大，人被框住。
上妆/换装/脱装：身份转换的视觉仪式，不靠台词而靠动作。
跪拜/训诫/回避：师徒、父子、家族权力关系的身体语言。

时代压迫语法（第三叙事线）

除现实/回忆双时空外，时代本身是一条隐形的"第三线"，通过具体画面压迫人物命运：

时代符号画面：队列行进、标语墙、广播声、集体注视、公审式站位、家族规训、师徒训诫。
历史事件从背景进入命运：时代不是装饰，而是直接改变人物处境——从远处广播声渐近到人物被迫跪下、换装、分离。

三线视觉系统（强制区分）

时空类型色温光质情绪现实线（冷调）7500—9500K硬分层光，高对比克制、冷硬回忆线（暖柔）2700—3600K柔光晕染，低对比温柔、消散时代压迫线5500—6500K顶光/侧顶光，硬阴影压抑、窒息
每个 shot 的 description 必须明确标注所属时空（现实冷调 / 回忆暖柔 / 时代压迫），不可混用。回忆段落以逆光剪影作为转场媒介镜头（独立 shot）开启。时代压迫段落以顶光/侧顶光硬阴影为视觉标记。

色彩体系（多元，不锁死青灰）

陈凯歌不同作品的色彩截然不同，须根据题材选择主色调：
色彩体系适用题材主色调饱和度黄土地系乡土/荒原/质朴题材青灰、沙土褐、炭黑40%—55%霸王别姬系戏曲/身份错位/时代题材红黑金、戏服彩、脸谱色50%—70%（戏台段可更高）荆轲刺秦王系权力/宫廷/刺杀题材黑、铁灰、暗金、血红40%—60%，高对比妖猫传系盛唐/华丽/幻梦题材金、朱红、翠绿、浓墨60%—80%

默认规则：若用户未指定色彩体系，根据题材自动匹配（乡土→黄土地系；戏曲/时代→霸王别姬系；宫廷→荆轲刺秦王系；华丽幻梦→妖猫传系）。色系选定后写入 Final_Video_Spec.md。

清晰度 A/B 模式（参照 Final_Video_Spec.md 中的色彩模式参数）

A模式（默认·陈凯歌风格）：按选定色系执行饱和度与色调；保留轻微雾化感（黄土地系）或胶片质感，边缘不过度锐利，模拟 35mm 胶片颗粒。
B模式（用户输入包含"提高清晰度"、"高清"、"清晰"、"锐化"任一关键词时触发）：仅提升细节与清晰度，不改变饱和度。4K 超分级细节增强，皮肤毛孔、睫毛、衣物织纹、背景纹理可见，不做柔化；高光保留细节，阴影提亮至中灰以上，伽马值 1.8—2.0，画面通透均匀；白平衡锁定日光模式（5500K）。饱和度保持各色系原定值不变，不因"高清"而自动提高。
B模式不改变以下已有规则：三线色温分割、仪式化调度、山河空镜缓冲、构图原则（天地大于人）、16:9 画面比例处理。

Key Elements 设计规范

element character（角色）

每个主要角色建立独立 key_element。
description 中须包含：年龄区间、体态特征、服饰颜色/材质、面容特征、手部特征（老茧/伤痕等，陈凯歌标志性细节）、默认光源方向（供光影匹配检查使用）。
角色关系模板（须在角色描述中注明关系类型）：
- 师徒：技艺传承与权力不对等
- 父子：血缘羁绊与代际压迫
- 三人纠缠：三角关系中的忠诚与背叛
- 艺人与角色：戏中人变成了现实中的命，身份重叠与撕裂
- 个人身份与时代身份冲突：被时代赋予的身份 vs 内心真实自我
若角色有"现实状态"与"回忆中年轻状态"两种形象，在同一 key_element 内分别说明（Look A：现实；Look B：回忆）。
角色视觉资产构成（通过 media_generator 生成并绑定至对应 key_element reference_image 槽位，标注资产类型）：
- 主视觉身份板：四视图+手部微距拼图
- 表情库：平静/凝视/隐忍/微悲/克制怒，3—5张
- 三线光影测试图：冷调版+暖调版+时代压迫版半脸侧光各1张
- 戏妆/戏服图（戏曲题材时启用）：脸谱全脸+戏服全身+后台便装对照
- 服装细节图（可选）
- key_element_audio：角色声音参考样本（3—5秒代表性台词，用于跨镜头音色一致）
用户无描述时的默认模板：根据题材自动匹配关系结构——乡土题材→父子（中年父+少年子）；戏曲题材→师徒（中年师父+青年学徒）；时代题材→个人与时代（主角+被时代改变命运的故人）；无法判断题材时→默认"现实中的主角"+"回忆中的故人/逝者"。

element scene（场景）

每个主要场景建立独立 key_element。
description 中须包含：地理环境、建筑/地貌特征、核心道具布局（位置坐标说明）、时代氛围、主光源方向（供光影匹配检查使用）。
戏台/仪式场景（戏曲/仪式题材时须包含）：戏台结构（台口/台深/出将入相门）、后台（妆镜/衣架/红帘）、观众席空间关系、脸谱/戏服/道具陈设位置。
时代场景：标语墙内容与位置、队列行进路线、广播喇叭位置、公审/集会空间布局。
场景视觉资产构成（通过 media_generator 生成并绑定至对应 key_element reference_image 槽位，标注机位类型与时空版本）：
- 多机位参考图：正拍+航拍/高角度+细节特写+侧拍，共4张
- 三线光影预览图：同一场景冷调版+暖调版+时代压迫版各1张
用户无描述时的默认模板：根据题材匹配——乡土→老屋/荒路/山野；戏曲→戏台/后台/长廊；时代→广场/标语墙/集体空间；宫廷→殿堂/廊道/高阶。

Shot 设计规范

每个 shot 的 description 必须包含：

时空标注：现实冷调 / 回忆暖柔 / 时代压迫
景别与机位：（如极低地平线广角远景 / 纪实中景手持 / 居中对称平视）
运镜：（如锁定 / 缓慢上升 / 手持轻微抖动 / 垂直抬升）
画面内容：人物动作、核心道具、环境细节
台词/声音类型：注明类型——独白（画外音，人物闭口）/ 誓词 / 训话 / 戏文吟唱 / 旧时代规矩话 / 无台词（以动作/沉默表达）
关联 key_element ID：引用对应的场景与角色 element

硬性镜头规则（不可违反）：

每个场景段落的首镜必须是全景环境交代（极低地平线广角远景，天地大于人）。
情绪转折点使用递进特写或仪式化空间调度（二选一或结合，不强制每次相同）：
- 递进特写：器物→面部→手部（可灵活调整顺序与数量，服务于叙事而非模板化）
- 仪式化调度：人物站在台阶/门框/长廊/戏台中央，被空间结构框住、压住，以身体姿态（跪/站/转身/回避）传递情绪
每段沉重叙事之后必须插入1个山河空镜 shot（无人物，3—6秒，山/河/长路/落日/枯木之一）。
独白/誓词镜头：人物居中对称平视构图，人物闭口，画外音单独处理。
戏台段落（戏曲题材时）：须包含"台上/台下"对照镜头以及后台上妆/脱装仪式镜头。
时代压迫段落：以集体注视、队列、标语、广播为视觉主体，人物被人群或空间结构包围。
每个 shot 预设时长：全景/空镜 4—6秒；中景/纪实 5—8秒；特写/仪式调度 3—8秒；独白/誓词 6—10秒。单个 shot 不超过30秒（模型上限）。

音频层（audio_layers）设计

与生成管线的关系： Storyboard 中的 narration audio_layer 是独白/誓词/训话/戏文的权威文本来源。在默认管线中，其文本被逐字转写入对应 shot 的视频 prompt {...} 包裹，由 Seedance 2.5（分辨率 480p）原生音频输出，不单独生成独立旁白轨道。narration_speaker_profile 用于指导 key_element_audio 声音参考样本的生成参数及视频 prompt 中的音色描述。若 Seedance 2.5（分辨率 480p）原生音频质量不达标，可将 narration audio_layer 文本通过 text to narration 独立生成为旁白轨道，在 video_assembler 中与视频混音（见 media_generator 降级策略）。

画外独白/誓词/训话（narration）

类型：narration
声音类型多样化：不限于诗意独白，可包括——誓词（庄严短句）、训话（权威压迫式）、戏文吟唱（戏曲题材）、旧时代规矩话（家族/师徒）、克制旁白。
每段3—5句，融入意象但不堆砌；人物少解释，多用动作和沉默。
description 中注明 narration_speaker_profile（如"[沧桑男中音，语速缓慢，克制]"或"[师父口吻，低沉命令式]"）。
在 layout_instruction 中绑定对应 shot 范围。

戏台/仪式声音层

戏曲题材须规划：锣鼓点（节奏标记）、戏曲唱腔远声、后台衣料摩擦声、木门开合声。
仪式场景须规划：训练口令、跪拜磕地声、换装布料声。
在 description 中注明具体音效内容与时机。

时代声音层

时代压迫段落须规划：广播播报声、队列脚步声、口号齐呼声、标语张贴声。
音量低于独白/誓词，作为背景压迫感存在。

环境音

为每个主要场景规划一条环境音层（风声/鸟鸣/远处水声等），供后期混音使用；在 description 中注明具体音效内容。

4. 媒体生成

## 角色视觉资产包生成（阶段1）
使用 **TextToImage** / **ImageToImage**，推荐模型 **GPT Image 2**，分辨率 **2K**。

**生成顺序（分两步，先预览确认方向，再生成扩展资产）：**
**第一步 — 主视觉身份板**（TextToImage）：16:9横版拼图，正面/背面/左侧/右侧全身+手部微距；纯白背景，均匀正面漫射光。展示给用户确认后再继续。
**第二步 — 扩展资产**（用户确认主视觉方向后执行）：
1. **表情库**（ImageToImage，参考主视觉身份板）：陈凯歌式5种表情——平静、凝视、隐忍、微悲、克制怒；每张正面半身肖像，背景统一。共3—5张。
2. **三线光影测试图**（ImageToImage，参考主视觉身份板）：冷调版（7500—9500K硬分层光）、暖调版（2700—3600K柔晕光）和时代压迫版（5500—6500K顶光硬阴影）半脸侧光各1张。
3. **戏妆/戏服图**（戏曲题材时启用，ImageToImage，参考主视觉身份板）：脸谱全脸正面图+戏服全身图+后台便装对照图各1张，描述脸谱图案、戏服色彩材质、头饰细节。
4. **角色声音参考样本**（key_element_audio）：使用 **text to narration**（推荐模型 MiniMax Speech 2.8 HD），按角色 narration_speaker_profile 生成3—5秒代表性台词音频。生成后通过 register → bind 绑定至对应 element character 的 key_element_audio 槽位。若用户已上传声音参考素材，优先绑定用户素材，跳过此步。
若角色有两种造型（现实/回忆），第二套主视觉身份板使用 **ImageToImage**（参考第一套）生成，面部结构一致，仅改变年龄/服饰特征；扩展资产同步生成第二套对应版本。声音参考样本每角色仅需一份（不随造型版本重复）。
生成后通过 **register → bind** 将所有视觉资产绑定至对应 element character reference_image 槽位，描述中标注资产类型（主视觉/表情库/光影测试）。

## 场景视觉资产包生成（阶段2）
使用 **TextToImage** / **ImageToImage**，推荐模型 **GPT Image 2**，分辨率 **2K**。
**生成顺序（分两步，先多机位确认方向，再生成冷暖光影预览）：**
**第一步 — 多机位参考图**（TextToImage）：
1. 正拍机位（平视正面，全貌+核心道具布局与坐标）
2. 航拍/高角度俯拍（空间关系+环境压迫感）
3. 细节特写（场景内关键器物微距）
4. 侧拍机位（场景侧面结构+纵深感）
共4张，展示给用户确认场景方向后继续。

**第二步 — 三线光影预览图**（ImageToImage，参考正拍机位图）：同一场景冷调版（青灰冷硬光）、暖调版（暖黄柔晕光）和时代压迫版（顶光硬阴影）各1张，构图与道具位置保持与正拍机位一致。
生成后通过 **register → bind** 将所有资产绑定至对应 element scene reference_image 槽位，标注机位类型与时空版本。

## 视频镜头生成（阶段5）
**默认路径：** 使用 **MultiModalToVideo**，推荐模型 **Seedance 2.5**，分辨率 **480p**（默认）；用户明确要求更高质量时可切换至 **480p**（需会员）。
**模型降级策略：** 若 **Seedance 2.5**（分辨率 **480p**） 生成失败，优先切换至同工具内 **Seedance 2.5**（仅支持 480p）重试；若 Seedance 2.5（分辨率 480p） 也失败，停止当前 shot 生成并通过 reply_to_user 告知用户失败情况，询问是否切换至 **ImagesToVideo**（推荐模型 Vidu(Q3)）作为替代路径——但需提示该路径不支持原生音频输出，音频需改用 text to narration 独立生成。不得静默切换至不同工具。
**每个 shot 的参考输入规则：**
1. **scene reference_images**：绑定该 shot 对应的 element scene 参考图（正拍/航拍/细节，按景别选择最匹配的1—2张）。
2. **element character reference_images**：绑定该 shot 中出现的所有角色的身份板图片。
3. **key_element_audio（角色声音参考）**：若角色有台词/吟诵，绑定对应角色的 key_element_audio 以保持音色一致。
4. **前镜头视频参考（reference_video）**：仅当本 shot 与前一 shot 存在极强连续性（同一场景同一运镜延续），才将前一 shot 的 final_shot 作为 reference_video 加入；通常情况不加，避免风格污染。
**递进特写/仪式调度组**：递进特写为独立 shot（器物/面部/手部，顺序可灵活调整），每个单独调用生成，duration 建议 4—5s；仪式调度 shot（人物被台阶/门框/长廊/戏台空间框住）duration 建议 5—8s。均使用 **MultiModalToVideo**（模型 **Seedance 2.5**，分辨率 **480p**），以对应参考图作为视觉参考输入；音效/对白通过 prompt 包裹格式写入，由 Seedance 2.5（分辨率 480p） 原生输出。
**山河空镜 shot**：无角色引用，仅绑定自然景观参考图或纯文本描述；duration 4—6s，使用 **MultiModalToVideo** 或 **TextToVideo**（**Seedance 2.5**（分辨率 **480p**））；环境音通过 <...> 包裹写入 prompt，由模型原生输出。

**音频生成策略与降级：**
- **默认管线**：全片音频（独白、誓词、训话、戏文吟唱、环境音效、锣鼓点、广播声等）均由 Seedance 2.5（分辨率 480p） 原生音频能力输出。Storyboard 中 narration audio_layer 的文本（独白/誓词/训话/戏文），直接转写进对应 shot 的视频 prompt {...} 包裹中生成；戏台锣鼓、广播、队列脚步等音效通过 <...> 包裹写入。
- **降级管线**：若 Seedance 2.5（分辨率 480p） 原生音频质量不达标或生成失败，将该 shot 的 narration 文本通过 **text to narration**（推荐模型 MiniMax Speech 2.8 HD，按 narration_speaker_profile 设定音色）独立生成为旁白音频，在 **video_assembler** 中与视频混音。切换降级管线时需通过 reply_to_user 告知用户。

## 资产绑定原则
- 用户上传的照片/影像/音频素材，优先注册为 asset_id 并绑定至对应 key_element，不重复生成。
- 每个阶段完成后及时完成 bind/rebind，确保 Storyboard 中所有 element 和 shot 槽位均有明确资产锚定，再进入下一阶段。

角色视觉资产包生成（阶段1）

使用 TextToImage / ImageToImage，推荐模型 GPT Image 2，分辨率 2K。

生成顺序（分两步，先预览确认方向，再生成扩展资产）：
第一步 — 主视觉身份板（TextToImage）：16:9横版拼图，正面/背面/左侧/右侧全身+手部微距；纯白背景，均匀正面漫射光。展示给用户确认后再继续。
第二步 — 扩展资产（用户确认主视觉方向后执行）：

表情库（ImageToImage，参考主视觉身份板）：陈凯歌式5种表情——平静、凝视、隐忍、微悲、克制怒；每张正面半身肖像，背景统一。共3—5张。
三线光影测试图（ImageToImage，参考主视觉身份板）：冷调版（7500—9500K硬分层光）、暖调版（2700—3600K柔晕光）和时代压迫版（5500—6500K顶光硬阴影）半脸侧光各1张。
戏妆/戏服图（戏曲题材时启用，ImageToImage，参考主视觉身份板）：脸谱全脸正面图+戏服全身图+后台便装对照图各1张，描述脸谱图案、戏服色彩材质、头饰细节。
角色声音参考样本（key_element_audio）：使用 text to narration（推荐模型 MiniMax Speech 2.8 HD），按角色 narration_speaker_profile 生成3—5秒代表性台词音频。生成后通过 register → bind 绑定至对应 element character 的 key_element_audio 槽位。若用户已上传声音参考素材，优先绑定用户素材，跳过此步。
若角色有两种造型（现实/回忆），第二套主视觉身份板使用 ImageToImage（参考第一套）生成，面部结构一致，仅改变年龄/服饰特征；扩展资产同步生成第二套对应版本。声音参考样本每角色仅需一份（不随造型版本重复）。
生成后通过 register → bind 将所有视觉资产绑定至对应 element character reference_image 槽位，描述中标注资产类型（主视觉/表情库/光影测试）。

场景视觉资产包生成（阶段2）

使用 TextToImage / ImageToImage，推荐模型 GPT Image 2，分辨率 2K。
生成顺序（分两步，先多机位确认方向，再生成冷暖光影预览）：
第一步 — 多机位参考图（TextToImage）：

正拍机位（平视正面，全貌+核心道具布局与坐标）
航拍/高角度俯拍（空间关系+环境压迫感）
细节特写（场景内关键器物微距）
侧拍机位（场景侧面结构+纵深感）
共4张，展示给用户确认场景方向后继续。

第二步 — 三线光影预览图（ImageToImage，参考正拍机位图）：同一场景冷调版（青灰冷硬光）、暖调版（暖黄柔晕光）和时代压迫版（顶光硬阴影）各1张，构图与道具位置保持与正拍机位一致。
生成后通过 register → bind 将所有资产绑定至对应 element scene reference_image 槽位，标注机位类型与时空版本。

视频镜头生成（阶段5）

默认路径： 使用 MultiModalToVideo，推荐模型 Seedance 2.5，分辨率 480p（默认）；用户明确要求更高质量时可切换至 480p（需会员）。
模型降级策略： 若 Seedance 2.5（分辨率 480p）生成失败，优先切换至同工具内 Seedance 2.5（仅支持 480p）重试；若 Seedance 2.5（分辨率 480p）也失败，停止当前 shot 生成并通过 reply_to_user 告知用户失败情况，询问是否切换至 ImagesToVideo（推荐模型 Vidu(Q3)）作为替代路径——但需提示该路径不支持原生音频输出，音频需改用 text to narration 独立生成。不得静默切换至不同工具。
每个 shot 的参考输入规则：

scene reference_images：绑定该 shot 对应的 element scene 参考图（正拍/航拍/细节，按景别选择最匹配的1—2张）。
element character reference_images：绑定该 shot 中出现的所有角色的身份板图片。
key_element_audio（角色声音参考）：若角色有台词/吟诵，绑定对应角色的 key_element_audio 以保持音色一致。
前镜头视频参考（reference_video）：仅当本 shot 与前一 shot 存在极强连续性（同一场景同一运镜延续），才将前一 shot 的 final_shot 作为 reference_video 加入；通常情况不加，避免风格污染。
递进特写/仪式调度组：递进特写为独立 shot（器物/面部/手部，顺序可灵活调整），每个单独调用生成，duration 建议 4—5s；仪式调度 shot（人物被台阶/门框/长廊/戏台空间框住）duration 建议 5—8s。均使用 MultiModalToVideo（模型 Seedance 2.5，分辨率 480p），以对应参考图作为视觉参考输入；音效/对白通过 prompt 包裹格式写入，由 Seedance 2.5（分辨率 480p）原生输出。
山河空镜 shot：无角色引用，仅绑定自然景观参考图或纯文本描述；duration 4—6s，使用 MultiModalToVideo 或 TextToVideo（Seedance 2.5（分辨率 480p））；环境音通过 <...> 包裹写入 prompt，由模型原生输出。

音频生成策略与降级：

默认管线：全片音频（独白、誓词、训话、戏文吟唱、环境音效、锣鼓点、广播声等）均由 Seedance 2.5（分辨率 480p）原生音频能力输出。Storyboard 中 narration audio_layer 的文本（独白/誓词/训话/戏文），直接转写进对应 shot 的视频 prompt {...} 包裹中生成；戏台锣鼓、广播、队列脚步等音效通过 <...> 包裹写入。
降级管线：若 Seedance 2.5（分辨率 480p）原生音频质量不达标或生成失败，将该 shot 的 narration 文本通过 text to narration（推荐模型 MiniMax Speech 2.8 HD，按 narration_speaker_profile 设定音色）独立生成为旁白音频，在 video_assembler 中与视频混音。切换降级管线时需通过 reply_to_user 告知用户。

资产绑定原则

用户上传的照片/影像/音频素材，优先注册为 asset_id 并绑定至对应 key_element，不重复生成。
每个阶段完成后及时完成 bind/rebind，确保 Storyboard 中所有 element 和 shot 槽位均有明确资产锚定，再进入下一阶段。

5. 提示词撰写

## 全局原则
用中文撰写所有 prompt 正文（包括图像和视频）；画外独白/誓词/戏文台词同样使用中文。prompt 只描述镜头可见/可听内容，不写心理动机、画外背景信息。

## 色彩体系写入规则
根据 Final_Video_Spec.md 中选定的色系，在 prompt 中写入对应色彩锚定词：
- 黄土地系：青灰、沙土褐、炭黑，低饱和，雾化质感，35mm胶片颗粒
- 霸王别姬系：红黑金为主，戏服彩、脸谱色点缀，舞台段高饱和，后台段低饱和
- 荆轲刺秦王系：黑、铁灰、暗金、血红，高对比，冷硬
- 妖猫传系：金、朱红、翠绿、浓墨，浓艳华丽

## 角色身份板图像 Prompt（TextToImage / ImageToImage）
结构：**角色外观锚定（服装/体态/面容/手部）+ 四视图布局说明 + 光照与背景 + 风格锁定词**
示例结构（单段落，不分标题）：
> 陈凯歌电影人物造型参考图，\[年龄区间\]，\[性别\]，\[体态\]。\[服饰颜色/材质/状态\]。面部：\[皱纹/眼神/疤痕等\]。手部：\[老茧/伤痕/形态\]。横向四视图拼图：正面全身 / 背面全身 / 左侧全身 / 右侧全身，左下角附手掌微距。纯白背景，均匀正面漫射光，无阴影，无多余道具。写实摄影风格，35mm肖像质感。

**戏妆角色**（戏曲题材）：额外生成脸谱全脸正面图+戏服全身图+后台便装对照图，prompt 须描述脸谱图案、戏服色彩材质、头饰细节。

## 场景参考图 Prompt（TextToImage）
结构：**风格锚定（含色系）+ 场景内容 + 机位说明 + 光影时空 + 技术参数**
> 陈凯歌电影风格，\[色系锚定词\]，山河史诗感/戏台仪式感/时代压迫感。\[场景名称与核心内容\]。\[机位说明：平视正拍/高角度俯拍/微距特写\]。\[光影时空：现实冷调硬分层光 / 回忆暖柔晕染光 / 时代压迫顶光硬阴影\]。极低地平线广角构图，天地大于人。\[色系技术参数\]。35mm胶片质感，宽幅构图感（画面比例保持16:9）。

**B模式追加文本（用户输入包含"提高清晰度"、"高清"、"清晰"、"锐化"任一关键词时）**：
> 清晰度执行标准：4K超分级细节增强，皮肤毛孔、睫毛、衣物织纹、背景纹理清晰可见，不做柔化。高光保留细节，阴影提亮至中灰以上，伽马值1.8—2.0，画面通透均匀，白平衡5500K。**饱和度不变**，仅提升清晰度与细节，不改变色彩风格。
B模式下去除"雾化质感""35mm胶片颗粒"等柔化描述词，替换为上述追加文本；构图、景别、光影时空、色系描述保持不变。

## 视频镜头 Prompt（MultiModalToVideo）
**参考图绑定占位符**：按 <<<image_1>>>、<<<image_2>>> 顺序标注（场景参考图在前，角色参考图在后）。
**结构（运动栈顺序）：**
> 参考图占位 → 时空标注 → 景别/机位 → 运镜 → 主体动作与面部细节 → 场景空间变化 → 音效/对白（Seedance 2.5包裹格式）

Seedance 2.5（分辨率 480p） 音效包裹规范：**
- 背景音乐：(...) — **几乎所有镜头均写 (no music)**，仅环境音。
- 音效/环境音：<...> 格式——除风声、水声外，须主动使用**陈凯歌特色音效**：锣鼓点 <远处锣鼓声>、戏曲唱腔远声 <隐约戏腔>、训练口令 <教官口令>、广播 <广播播报声>、队列脚步 <整齐脚步声>、衣料摩擦 <戏服摩擦声>、后台木门 <木门吱呀声>。
- 对白/独白/誓词/戏文（画外音）：独白/誓词/训话/戏文镜头人物闭口，将 Storyboard narration audio_layer 中的文本**逐字写入** {...} 包裹，由 Seedance 2.5（分辨率 480p） 原生音频输出；若该 shot 已降级为 text to narration 独立旁白管线，则视频 prompt 中不写 {...}，改为 {no dialogue}，旁白在 video_assembler 中混入。无台词镜头写 {no dialogue}。
- 片名/字幕：【...】 — **所有镜头均写 【no subtitles】**。

**仪式化调度镜头 prompt 要点：**
- 描述人物与空间结构的关系：台阶高度、门框宽度、长廊纵深、戏台尺度——让空间比人大。
- 描述身体姿态：跪/站/转身/回避/跪拜的幅度与速度。
- 不写情绪判断词，只写可见的空间关系与身体动作。

**戏台段落 prompt 要点：**
- 台上：描述戏服色彩、脸谱、身段动作、台口光线，与台下形成色彩/身份反差。
- 后台：描述妆镜、红帘、戏服挂架、上妆/脱妆动作，低饱和暖光。
- 身份错位：同一角色台上台下对照，prompt 须明确"同一人"的视觉锚点。

**时代压迫段落 prompt 要点：**
- 描述集体场面：队列方向、人群密度、标语内容（可渲染文字）、广播喇叭位置。
- 人物被人群或建筑包围，空间收窄。
- 音效以 <广播声>、<队列脚步>、<口号齐呼> 为主。

**递进特写镜头 prompt 要点：**
- 器物特写：精确描述材质/状态/光线角落，构图居中，极浅景深。
- 面部特写：描述眼神方向、皱纹纹理、微表情，**不写情绪判断词**，只写可见细节。
- 手部微距：描述手指动作幅度、皮肤纹理、与道具的接触状态。
- **顺序可灵活调整**，服务于叙事节奏而非固定模板。

**山河空镜 prompt 要点：**
无人物，描述自然元素运动（如"枯草随风伏倒"、"远山云雾缓缓流动"），运镜多用锁定或极缓慢水平移动，duration 4—6s，(no music)，<环境风声>。

**固定负向词（standing negatives，每条视频 prompt 末尾附加）：**
> (no music), 【no subtitles】, no watermark, no text overlay.

**注意**：有台词/独白/誓词/戏文的镜头，将文本写入 {...} 包裹；无台词镜头追加 {no dialogue}。不要在所有镜头统一写 {no dialogue}。

全局原则

用中文撰写所有 prompt 正文（包括图像和视频）；画外独白/誓词/戏文台词同样使用中文。prompt 只描述镜头可见/可听内容，不写心理动机、画外背景信息。

色彩体系写入规则

根据 Final_Video_Spec.md 中选定的色系，在 prompt 中写入对应色彩锚定词：

黄土地系：青灰、沙土褐、炭黑，低饱和，雾化质感，35mm胶片颗粒
霸王别姬系：红黑金为主，戏服彩、脸谱色点缀，舞台段高饱和，后台段低饱和
荆轲刺秦王系：黑、铁灰、暗金、血红，高对比，冷硬
妖猫传系：金、朱红、翠绿、浓墨，浓艳华丽

角色身份板图像 Prompt（TextToImage / ImageToImage）

结构：角色外观锚定（服装/体态/面容/手部）+ 四视图布局说明 + 光照与背景 + 风格锁定词
示例结构（单段落，不分标题）：

陈凯歌电影人物造型参考图，[年龄区间]，[性别]，[体态]。[服饰颜色/材质/状态]。面部：[皱纹/眼神/疤痕等]。手部：[老茧/伤痕/形态]。横向四视图拼图：正面全身 / 背面全身 / 左侧全身 / 右侧全身，左下角附手掌微距。纯白背景，均匀正面漫射光，无阴影，无多余道具。写实摄影风格，35mm肖像质感。

戏妆角色（戏曲题材）：额外生成脸谱全脸正面图+戏服全身图+后台便装对照图，prompt 须描述脸谱图案、戏服色彩材质、头饰细节。

场景参考图 Prompt（TextToImage）

结构：风格锚定（含色系）+ 场景内容 + 机位说明 + 光影时空 + 技术参数

陈凯歌电影风格，[色系锚定词]，山河史诗感/戏台仪式感/时代压迫感。[场景名称与核心内容]。[机位说明：平视正拍/高角度俯拍/微距特写]。[光影时空：现实冷调硬分层光 / 回忆暖柔晕染光 / 时代压迫顶光硬阴影]。极低地平线广角构图，天地大于人。[色系技术参数]。35mm胶片质感，宽幅构图感（画面比例保持16:9）。

B模式追加文本（用户输入包含"提高清晰度"、"高清"、"清晰"、"锐化"任一关键词时）：

清晰度执行标准：4K超分级细节增强，皮肤毛孔、睫毛、衣物织纹、背景纹理清晰可见，不做柔化。高光保留细节，阴影提亮至中灰以上，伽马值1.8—2.0，画面通透均匀，白平衡5500K。饱和度不变，仅提升清晰度与细节，不改变色彩风格。
B模式下去除"雾化质感""35mm胶片颗粒"等柔化描述词，替换为上述追加文本；构图、景别、光影时空、色系描述保持不变。

视频镜头 Prompt（MultiModalToVideo）

参考图绑定占位符：按 <<<image_1>>>、<<<image_2>>> 顺序标注（场景参考图在前，角色参考图在后）。
结构（运动栈顺序）：

参考图占位 → 时空标注 → 景别/机位 → 运镜 → 主体动作与面部细节 → 场景空间变化 → 音效/对白（Seedance 2.5包裹格式）

Seedance 2.5（分辨率 480p）音效包裹规范：**

背景音乐：(...) — 几乎所有镜头均写 (no music)，仅环境音。
音效/环境音：<...> 格式——除风声、水声外，须主动使用陈凯歌特色音效：锣鼓点 <远处锣鼓声>、戏曲唱腔远声 <隐约戏腔>、训练口令 <教官口令>、广播 <广播播报声>、队列脚步 <整齐脚步声>、衣料摩擦 <戏服摩擦声>、后台木门 <木门吱呀声>。
对白/独白/誓词/戏文（画外音）：独白/誓词/训话/戏文镜头人物闭口，将 Storyboard narration audio_layer 中的文本逐字写入 {...} 包裹，由 Seedance 2.5（分辨率 480p）原生音频输出；若该 shot 已降级为 text to narration 独立旁白管线，则视频 prompt 中不写 {...}，改为 {no dialogue}，旁白在 video_assembler 中混入。无台词镜头写 {no dialogue}。
片名/字幕：【...】 — 所有镜头均写【no subtitles】。

仪式化调度镜头 prompt 要点：

描述人物与空间结构的关系：台阶高度、门框宽度、长廊纵深、戏台尺度——让空间比人大。
描述身体姿态：跪/站/转身/回避/跪拜的幅度与速度。
不写情绪判断词，只写可见的空间关系与身体动作。

戏台段落 prompt 要点：

台上：描述戏服色彩、脸谱、身段动作、台口光线，与台下形成色彩/身份反差。
后台：描述妆镜、红帘、戏服挂架、上妆/脱妆动作，低饱和暖光。
身份错位：同一角色台上台下对照，prompt 须明确"同一人"的视觉锚点。

时代压迫段落 prompt 要点：

描述集体场面：队列方向、人群密度、标语内容（可渲染文字）、广播喇叭位置。
人物被人群或建筑包围，空间收窄。
音效以 <广播声>、<队列脚步>、<口号齐呼> 为主。

递进特写镜头 prompt 要点：

器物特写：精确描述材质/状态/光线角落，构图居中，极浅景深。
面部特写：描述眼神方向、皱纹纹理、微表情，不写情绪判断词，只写可见细节。
手部微距：描述手指动作幅度、皮肤纹理、与道具的接触状态。
顺序可灵活调整，服务于叙事节奏而非固定模板。

山河空镜 prompt 要点：
无人物，描述自然元素运动（如"枯草随风伏倒"、"远山云雾缓缓流动"），运镜多用锁定或极缓慢水平移动，duration 4—6s，(no music)，<环境风声>。

固定负向词（standing negatives，每条视频 prompt 末尾附加）：

(no music), 【no subtitles】, no watermark, no text overlay.

注意：有台词/独白/誓词/戏文的镜头，将文本写入 {...} 包裹；无台词镜头追加 {no dialogue}。不要在所有镜头统一写 {no dialogue}。

6. 视频合成

## 剪辑节奏与时空转场
**整体节奏原则：** 陈凯歌式剪辑不以快切见长，而以"留白—压迫—爆发—沉默"的呼吸节奏驱动。镜头时长尊重分镜表预设（全景/空镜4—6秒，中景/纪实5—8秒，特写/仪式3—8秒，独白/誓词6—10秒），不随意加速或裁剪叙事镜头。

**三线时空转场规则：**
- **现实→回忆**：以逆光剪影独立 shot 作为转场媒介，回忆段以暖黄柔光晕染进入。
- **回忆→现实**：回忆段末尾以山河空镜收束，自然过渡回现实冷调。
- **→时代压迫**：以广播声渐入或队列脚步声渐近作为音频先行转场，画面从远景切入时代符号（标语墙/队列/广场）。
- **时代压迫→其他**：以硬切或黑场短暂停留（0.5—1秒）制造窒息感后再转入下一时空。

**山河空镜缓冲：** 每段沉重叙事（仪式/训诫/时代压迫/情感爆发）之后，必须保留山河空镜 shot 作为情绪缓冲，不得在剪辑中删除或缩短至3秒以下。空镜之间不叠加音乐，仅保留环境音。

## 音频混音规则
**音量层级（从高到低）：**
1. 独白/誓词/训话/戏文（核心叙事音频）— 全片最高优先级，清晰可辨。
2. 对白/戏台唱腔 — 略低于独白，保持空间感。
3. 戏台锣鼓/仪式音效 — 中等音量，作为节奏标记。
4. 时代声音层（广播/队列脚步/口号）— 低于独白，作为背景压迫感存在。
5. 环境音（风声/水声/鸟鸣）— 最低层，营造空间氛围。

**降级旁白混音：** 若部分 shot 降级为 text to narration 独立旁白管线，旁白音频需与对应视频段精准对齐（以 shot 起始帧为准），音量与 Seedance 2.5（分辨率 480p） 原生独白保持一致，避免音质跳变。相邻 shot 若一个使用原生音频、一个使用降级旁白，需在交界处做0.3秒交叉淡化以平滑过渡。

**静音处理：** 独白/誓词镜头中人物闭口，视频原生音频中不应出现人物说话声；若 Seedance 2.5（分辨率 480p） 误生成嘴部动作伴随声音，在混音阶段将该段视频音轨静音，仅保留旁白轨道。

## 拼接与导出
- 按分镜表顺序逐镜头拼接，不得自行调整镜头顺序（用户在质检确认节点已逐项审核）。
- 镜头间转场以硬切为主；时空转换处可使用0.5—1秒黑场或逆光剪影过渡。
- 导出前确认全片时长与 Final_Video_Spec.md 中记录的总时长意向基本一致；若偏差超过20%，通过 reply_to_user 提示用户。
- 导出比例为 16:9。

剪辑节奏与时空转场

整体节奏原则： 陈凯歌式剪辑不以快切见长，而以"留白—压迫—爆发—沉默"的呼吸节奏驱动。镜头时长尊重分镜表预设（全景/空镜4—6秒，中景/纪实5—8秒，特写/仪式3—8秒，独白/誓词6—10秒），不随意加速或裁剪叙事镜头。

三线时空转场规则：

现实→回忆：以逆光剪影独立 shot 作为转场媒介，回忆段以暖黄柔光晕染进入。
回忆→现实：回忆段末尾以山河空镜收束，自然过渡回现实冷调。
→时代压迫：以广播声渐入或队列脚步声渐近作为音频先行转场，画面从远景切入时代符号（标语墙/队列/广场）。
时代压迫→其他：以硬切或黑场短暂停留（0.5—1秒）制造窒息感后再转入下一时空。

山河空镜缓冲： 每段沉重叙事（仪式/训诫/时代压迫/情感爆发）之后，必须保留山河空镜 shot 作为情绪缓冲，不得在剪辑中删除或缩短至3秒以下。空镜之间不叠加音乐，仅保留环境音。

音频混音规则

音量层级（从高到低）：

独白/誓词/训话/戏文（核心叙事音频）— 全片最高优先级，清晰可辨。
对白/戏台唱腔 — 略低于独白，保持空间感。
戏台锣鼓/仪式音效 — 中等音量，作为节奏标记。
时代声音层（广播/队列脚步/口号）— 低于独白，作为背景压迫感存在。
环境音（风声/水声/鸟鸣）— 最低层，营造空间氛围。

降级旁白混音： 若部分 shot 降级为 text to narration 独立旁白管线，旁白音频需与对应视频段精准对齐（以 shot 起始帧为准），音量与 Seedance 2.5（分辨率 480p）原生独白保持一致，避免音质跳变。相邻 shot 若一个使用原生音频、一个使用降级旁白，需在交界处做0.3秒交叉淡化以平滑过渡。

静音处理： 独白/誓词镜头中人物闭口，视频原生音频中不应出现人物说话声；若 Seedance 2.5（分辨率 480p）误生成嘴部动作伴随声音，在混音阶段将该段视频音轨静音，仅保留旁白轨道。

拼接与导出

按分镜表顺序逐镜头拼接，不得自行调整镜头顺序（用户在质检确认节点已逐项审核）。
镜头间转场以硬切为主；时空转换处可使用0.5—1秒黑场或逆光剪影过渡。
导出前确认全片时长与 Final_Video_Spec.md 中记录的总时长意向基本一致；若偏差超过20%，通过 reply_to_user 提示用户。
导出比例为 16:9。