治愈系 AI Vlog 创作

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。

适用于制作治愈系/日常系独居生活风格 Vlog；流程覆盖角色设定、场景生成、故事板设计到视频生成全链路，支持单集与连续剧模式，强调角色与画风的跨镜头一致性。

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

**全视频流程阶段与依赖关系：**

1. **锁定全局参数** → 通过 **text_editor** 建立 Final_Video_Spec.md，写入：主题方向（vlog_theme）、美术风格（art_style）、色彩基调（color_palette）、光照偏好（lighting_style）、画面比例（默认 9:16）、是否连续剧（is_series）及集数、输出语言。所有后续阶段以此文件为参数锚点。

2. **设计故事板** → 调用 **storyboard_designer**，产出：

   - key_elements：主角（含换装变体）、全部场景、关键道具；
   - shots：按集/场景排列的分镜列表；
   - audio_layer：BGM 轨道。

3. **绑定用户已上传素材**（如有）→ 调用 **media_generator**，将用户提供的角色图、场景图等注册 asset_id 并绑定到对应 key_element 槽位，避免重复生成。

4. **生成角色元素图** → 调用 **media_generator**，为主角及换装变体生成参考图。

5. **生成场景元素图** → 调用 **media_generator**，为每个场景生成背景参考图。

6. **逐镜头生成视频** → 调用 **media_generator**，引用对应 key_element 图（角色 + 场景）生成每个 shot 的视频片段。

7. **生成 BGM** → 调用 **media_generator**，按 storyboard audio_layer 描述生成背景音乐。

8. **合成与剪辑** → 调用 **video_assembler**，按故事板顺序组装时间线，混入 BGM，导出成片。

**依赖关系：** 2→1；3→2；4→2；5→2；6→3,4,5；7→2；8→6,7。

**连续剧模式：** is_series=true 时，Step 2 一次性设计所有集数的 shots（每集对应各自场景），角色 key_element 全局复用；Step 4 只执行一次；Step 5、6 按集遍历；完成全部集数后统一进入 Step 8 或按集分别输出。

**暂停节点：** 不得一次性跑完全流程。以下节点完成后必须暂停并等待用户确认再继续：① Final_Video_Spec.md 锁定后；② 故事板设计完成后；③ 角色元素图生成完成后；④ 所有镜头视频生成完成后。

全视频流程阶段与依赖关系：

锁定全局参数 → 通过 text_editor 建立 Final_Video_Spec.md，写入：主题方向（vlog_theme）、美术风格（art_style）、色彩基调（color_palette）、光照偏好（lighting_style）、画面比例（默认 9:16）、是否连续剧（is_series）及集数、输出语言。所有后续阶段以此文件为参数锚点。
设计故事板 → 调用 storyboard_designer，产出：
- key_elements：主角（含换装变体）、全部场景、关键道具；
- shots：按集/场景排列的分镜列表；
- audio_layer：BGM 轨道。
绑定用户已上传素材（如有）→ 调用 media_generator，将用户提供的角色图、场景图等注册 asset_id 并绑定到对应 key_element 槽位，避免重复生成。
生成角色元素图 → 调用 media_generator，为主角及换装变体生成参考图。
生成场景元素图 → 调用 media_generator，为每个场景生成背景参考图。
逐镜头生成视频 → 调用 media_generator，引用对应 key_element 图（角色 + 场景）生成每个 shot 的视频片段。
生成 BGM → 调用 media_generator，按 storyboard audio_layer 描述生成背景音乐。
合成与剪辑 → 调用 video_assembler，按故事板顺序组装时间线，混入 BGM，导出成片。

依赖关系： 2→1；3→2；4→2；5→2；6→3,4,5；7→2；8→6,7。

连续剧模式： is_series=true 时，Step 2 一次性设计所有集数的 shots（每集对应各自场景），角色 key_element 全局复用；Step 4 只执行一次；Step 5、6 按集遍历；完成全部集数后统一进入 Step 8 或按集分别输出。

暂停节点： 不得一次性跑完全流程。以下节点完成后必须暂停并等待用户确认再继续：① Final_Video_Spec.md 锁定后；② 故事板设计完成后；③ 角色元素图生成完成后；④ 所有镜头视频生成完成后。

2. 多模态分析

**用户上传参考素材的处理规则：**

- **角色参考图**：提取并描述五官特征（发色、发型、瞳色、脸型）、体型与身高感、服装款式与配色，输出结构化角色描述，供 key_element 描述字段使用。
- **场景参考图**：提取空间布局（光源位置、家具摆放、道具分布）、色调与氛围关键词，输出结构化场景描述，供 element scene 描述字段使用。
- **风格参考图**：识别美术风格标签（如"吉卜力上色""赛璐璐动画""水彩绘本"），提取色卡主色，作为 art_style 和 color_palette 的参数依据。
- **一致性校验**：若用户同时提供角色图和场景图，检查两者画风是否统一；若存在明显差异，在分析结果中注明并建议统一使用哪套风格关键词。

用户上传参考素材的处理规则：

角色参考图：提取并描述五官特征（发色、发型、瞳色、脸型）、体型与身高感、服装款式与配色，输出结构化角色描述，供 key_element 描述字段使用。
场景参考图：提取空间布局（光源位置、家具摆放、道具分布）、色调与氛围关键词，输出结构化场景描述，供 element scene 描述字段使用。
风格参考图：识别美术风格标签（如"吉卜力上色""赛璐璐动画""水彩绘本"），提取色卡主色，作为 art_style 和 color_palette 的参数依据。
一致性校验：若用户同时提供角色图和场景图，检查两者画风是否统一；若存在明显差异，在分析结果中注明并建议统一使用哪套风格关键词。

3. 故事板设计

**设计 key_elements**

- **主角（element character）**：详细描述发型、发色、瞳色、肤色、标志性五官特征；若存在换装变体，将每套服装作为独立命名的外观变体写入描述（如"Look 1: 浅蓝碎花娃娃衫 + 米白短裙；Look 2: 粉色竖纹睡衣套装"），以便后续图像生成时单独引用。**角色描述一经锁定，全流程禁止修改**——所有 shots 只引用同一套描述，不得在单独 shot 中重新描述或局部覆盖角色外观。
- **场景（element scene）**：每个场景单独建立 key_element，描述空间布局、标志性道具摆放（如"床头柜左侧串灯，右侧香薰蜡烛"）、主要光源位置与色温、整体色调；道具须与角色美术风格一致，避免写实感道具出现在手绘风场景中。**场景描述同样锁定**，同一场景在不同 shots 中复用时，空间布局、光源色温、道具陈列描述须完全一致，不得随 shot 局部修改。
- **道具组**：若全局道具（如串灯、盆栽）跨多个场景复用，建立独立 key_element，shot 描述中通过 element ID 引用，避免每次重新描述导致外观漂移。
- **一致性锁定原则**：key_element 的描述字段是唯一权威来源。shot 描述中如需提及角色或场景，仅引用 element ID，不重写任何已在 key_element 中定义过的属性（发色、服装、光源等），防止描述冲突导致生成结果偏离。

**设计 shots**

- **每个 shot 对应一个场景内的一段生活片段**，建议时长规划 6–10s，不超过 15s。
- 每个 shot 描述必须包含：
  - **场景引用**：标注对应 element scene ID；
  - **叙事动作**：角色正在做什么（具体到肢体动作与表情，如"慢慢搅动咖啡杯，望向窗外晨光"）；
  - **镜头语言**：景别（全景/中景/近景/特写）、机位（正面/侧面/俯拍）、运镜方式（固定/缓推/微摇/平移），治愈系默认使用固定机位或极缓慢推拉，禁止快切与抖动；
  - **光氛说明**：光位方向与色温（如"右侧窗光，暖黄色温，柔和漫反射"）。
- **连续剧模式**：按集编号组织 shots，每集情绪线需有起伏（如"安静→期待→满足"），集与集之间角色引用同一 key_element，不重新描述角色外观。

**设计 audio_layer**

- 至少设置一条全局 BGM 轨（type: music），风格描述为治愈系轻音乐/氛围音乐，无人声，低频柔和，适合作为背景底层。
- 连续剧模式中，若不同集的情绪差异明显（如从清晨到夜晚），可按集拆分为多条 BGM 轨，分别描述各自氛围（如"清晨薄雾感钢琴曲"、"夜晚烛光爵士轻音乐"）。
- 不使用旁白/narration 轨，Vlog 视频无需 VO 解说，叙事依靠画面与音乐传递。

设计 key_elements

主角（element character）：详细描述发型、发色、瞳色、肤色、标志性五官特征；若存在换装变体，将每套服装作为独立命名的外观变体写入描述（如"Look 1: 浅蓝碎花娃娃衫 + 米白短裙；Look 2: 粉色竖纹睡衣套装"），以便后续图像生成时单独引用。角色描述一经锁定，全流程禁止修改——所有 shots 只引用同一套描述，不得在单独 shot 中重新描述或局部覆盖角色外观。
场景（element scene）：每个场景单独建立 key_element，描述空间布局、标志性道具摆放（如"床头柜左侧串灯，右侧香薰蜡烛"）、主要光源位置与色温、整体色调；道具须与角色美术风格一致，避免写实感道具出现在手绘风场景中。场景描述同样锁定，同一场景在不同 shots 中复用时，空间布局、光源色温、道具陈列描述须完全一致，不得随 shot 局部修改。
道具组：若全局道具（如串灯、盆栽）跨多个场景复用，建立独立 key_element，shot 描述中通过 element ID 引用，避免每次重新描述导致外观漂移。
一致性锁定原则：key_element 的描述字段是唯一权威来源。shot 描述中如需提及角色或场景，仅引用 element ID，不重写任何已在 key_element 中定义过的属性（发色、服装、光源等），防止描述冲突导致生成结果偏离。

设计 shots

每个 shot 对应一个场景内的一段生活片段，建议时长规划 6–10s，不超过 15s。
每个 shot 描述必须包含：
- 场景引用：标注对应 element scene ID；
- 叙事动作：角色正在做什么（具体到肢体动作与表情，如"慢慢搅动咖啡杯，望向窗外晨光"）；
- 镜头语言：景别（全景/中景/近景/特写）、机位（正面/侧面/俯拍）、运镜方式（固定/缓推/微摇/平移），治愈系默认使用固定机位或极缓慢推拉，禁止快切与抖动；
- 光氛说明：光位方向与色温（如"右侧窗光，暖黄色温，柔和漫反射"）。
连续剧模式：按集编号组织 shots，每集情绪线需有起伏（如"安静→期待→满足"），集与集之间角色引用同一 key_element，不重新描述角色外观。

设计 audio_layer

至少设置一条全局 BGM 轨（type: music），风格描述为治愈系轻音乐/氛围音乐，无人声，低频柔和，适合作为背景底层。
连续剧模式中，若不同集的情绪差异明显（如从清晨到夜晚），可按集拆分为多条 BGM 轨，分别描述各自氛围（如"清晨薄雾感钢琴曲"、"夜晚烛光爵士轻音乐"）。
不使用旁白/narration 轨，Vlog 视频无需 VO 解说，叙事依靠画面与音乐传递。

4. 媒体生成

**角色元素图生成**

- 使用 **TextToImage**，模型：**Nano Banana Pro (Gemini 3 Pro Image)**，分辨率 2K。
- 每个角色生成**一张横版双联参考图**：左侧为胸部以上头肩特写（五官、发色、瞳色、发型细节），右侧为全身正面（服装、鞋履、整体轮廓）；两图同帧输出，确保后续视频生成时可同时引用。
- 换装变体：使用 **ImageToImage**，以主角原始参考图为基础，按 Look 描述替换服装；模型同上，保持五官与发型不变。

**场景元素图生成**

- 使用 **TextToImage**，模型：**Nano Banana Pro (Gemini 3 Pro Image)**，分辨率 2K。
- 生成无人物的场景全景图，画面中需留出人物自然站立/坐立的位置区域（不得被道具完全填满）。

**镜头视频生成**

- 使用 **MultiModalToVideo**，模型：**Kling 3.0 Omni**，分辨率 720p，时长按 storyboard shot 规划（建议 6–10s，须为整数）。
- refer_type 设为 **"feature"**（元素图参考模式，用于角色 + 场景图驱动视频生成）。
- 每个 shot 的参考输入：
  1. **主角 key_element 图（必选）**：始终使用该角色已审核通过并绑定 asset_id 的元素图；若当前 shot 涉及换装，使用对应 Look 的元素图；**严禁临时替换或使用未绑定的图像**，以防角色外观跨镜漂移。
  2. **场景 key_element 图（必选）**：始终使用同一场景绑定的元素图；同一场景在不同 shots 中必须引用完全相同的 asset_id，不得使用"相似但不同"的场景图。
  3. **前一个 shot 的视频（可选）**：仅当该 shot 与上一 shot 为同一场景且动作连续时才加入（refer_type 保持 **"feature"**）；跨场景切换时不引用前一视频，避免引入错误的场景/光照信号。
- **一致性保障流程**：在批量生成 shots 之前，确认所有 key_element 图均已通过用户审核并绑定稳定的 asset_id；如有 shot 生成结果出现明显角色/场景偏差，优先检查引用的 asset_id 是否正确，而非重新生成元素图。
- 连续剧模式中，跨集不引用前集视频，只复用 key_element 图；角色 asset_id 全剧共用，不得按集重新绑定。

**BGM 生成**

- 使用 **text_to_instrumental**，模型：**Suno 5**（首选）或 **Mureka 8**（备选）。
- 按 storyboard audio_layer 的氛围描述生成，禁止在 prompt 中出现知名音乐人姓名。

角色元素图生成

使用 TextToImage，模型：Nano Banana Pro (Gemini 3 Pro Image)，分辨率 2K。
每个角色生成一张横版双联参考图：左侧为胸部以上头肩特写（五官、发色、瞳色、发型细节），右侧为全身正面（服装、鞋履、整体轮廓）；两图同帧输出，确保后续视频生成时可同时引用。
换装变体：使用 ImageToImage，以主角原始参考图为基础，按 Look 描述替换服装；模型同上，保持五官与发型不变。

场景元素图生成

使用 TextToImage，模型：Nano Banana Pro (Gemini 3 Pro Image)，分辨率 2K。
生成无人物的场景全景图，画面中需留出人物自然站立/坐立的位置区域（不得被道具完全填满）。

镜头视频生成

使用 MultiModalToVideo，模型：Kling 3.0 Omni，分辨率 720p，时长按 storyboard shot 规划（建议 6–10s，须为整数）。
refer_type 设为 "feature"（元素图参考模式，用于角色 + 场景图驱动视频生成）。
每个 shot 的参考输入：
1. 主角 key_element 图（必选）：始终使用该角色已审核通过并绑定 asset_id 的元素图；若当前 shot 涉及换装，使用对应 Look 的元素图；严禁临时替换或使用未绑定的图像，以防角色外观跨镜漂移。
2. 场景 key_element 图（必选）：始终使用同一场景绑定的元素图；同一场景在不同 shots 中必须引用完全相同的 asset_id，不得使用"相似但不同"的场景图。
3. 前一个 shot 的视频（可选）：仅当该 shot 与上一 shot 为同一场景且动作连续时才加入（refer_type 保持 "feature"）；跨场景切换时不引用前一视频，避免引入错误的场景/光照信号。
一致性保障流程：在批量生成 shots 之前，确认所有 key_element 图均已通过用户审核并绑定稳定的 asset_id；如有 shot 生成结果出现明显角色/场景偏差，优先检查引用的 asset_id 是否正确，而非重新生成元素图。
连续剧模式中，跨集不引用前集视频，只复用 key_element 图；角色 asset_id 全剧共用，不得按集重新绑定。

BGM 生成

使用 text_to_instrumental，模型：Suno 5（首选）或 Mureka 8（备选）。
按 storyboard audio_layer 的氛围描述生成，禁止在 prompt 中出现知名音乐人姓名。

5. 提示词撰写

**全局优先级：** 用户使用中文交互时，所有 prompt 正文用中文书写。

**图像 prompt（TextToImage / ImageToImage）**

结构顺序：{art_style} → {主体/角色描述} → {场景/环境描述} → {道具与细节} → {色彩基调} → {光影描述} → {构图说明}

- **美术风格锚定（防漂移核心规则）**：每条 prompt 开头的风格关键词必须与 Final_Video_Spec.md 中的 art_style 字段**逐字复制**，不得同义替换、拆分或增删修饰词。角色图、场景图、道具图使用完全相同的风格串；若风格串在 Final_Video_Spec.md 中更新，所有待生成 prompt 必须同步替换。
- **角色图 prompt 要点（防外观漂移）**：发色、瞳色、肤色调、发型关键词必须与该角色 key_element 描述中已锁定的表述**字面一致**（如 key_element 写"深棕色大波浪长卷发"，prompt 中不得改写为"棕色卷发"或"长波浪发"）；当前 Look 的服装款式与配色同样按 key_element Look 描述**原文引用**，不二次概括；双联图写明"左侧胸部以上特写，右侧全身正面，白色背景，角色设定参考图"。
- **场景图 prompt 要点**：写明"无人物"；道具名称、摆放位置、光源色温关键词须与对应 element scene 描述中的表述保持一致，避免同一场景在不同批次生成时因措辞差异导致空间感漂移；道具自然融入语境描述（如"床头柜上燃着香薰蜡烛，床框边缘缠绕着橙色串灯"而非"串灯，蜡烛"）。
- **色彩控制**：明确写出 Final_Video_Spec.md 中的 color_palette 关键词（如"低饱和暖米调，莫兰迪配色"）；治愈系禁止高饱和撞色，一个画面主色调不超过 2 个主色系；color_palette 关键词须在角色图与场景图中均出现，保证整体色调统一。
- **负面 prompt**：高饱和度，强烈对比色，恐怖元素，写实摄影风，变形，多余手指，模糊，赛博朋克，机械科幻

**视频 prompt（MultiModalToVideo / Kling 3.0 Omni）**

- **参考图绑定**：角色图用占位符 <<<image_1>>>，场景图用 <<<image_2>>> 标注；若引用前镜头视频则追加 <<<video_1>>>。
- **风格与色调延续（防跨镜漂移）**：在 prompt 开头以一句话点明当前画面的美术风格与色调基调，措辞与 Final_Video_Spec.md 中的 art_style 和 color_palette 保持一致；不得在单个 shot 的 prompt 中引入与全局风格不符的新风格词，防止模型局部发散。
- **角色行为描述（仅写动作，不重定义外观）**：prompt 中只描述角色在该 shot 内的动作与表情变化，**严禁重新描述发色、服装、瞳色等已在参考图和 key_element 中锁定的视觉属性**；外观一致性完全依赖 <<<image_1>>> 参考图传递，文字侧出现的外观描述越少越好，以免与参考图产生冲突指令。
- **动作描述堆叠顺序**：镜头运动 → 角色动作（肢体 + 表情微动）→ 环境氛围细节 → 音效暗示（若无独立音轨）。
- **镜头运动**：治愈系默认固定机位或极缓推拉（"固定机位，微缓向前推进"），明确写出景别与机位角度。
- **角色动作**：具体到肢体（如"右手缓慢搅动咖啡杯，左手托腮，嘴角微微上扬，眼神望向窗外"），不写抽象情绪词。
- **音频控制**：视频 prompt 中始终写入 no music（BGM 在后期混入）；始终写入 no subtitles。
- **Kling 3.0 Omni 写法说明**：不使用任何特殊括号语法；自然音效需求以自然语言融入动作或环境描述（如"咖啡杯轻轻碰触桌面，发出细微叩击声"），不以独立标签形式标注；保持 prompt 为流畅自然语言段落。

全局优先级： 用户使用中文交互时，所有 prompt 正文用中文书写。

图像 prompt（TextToImage / ImageToImage）

结构顺序：{art_style} → {主体/角色描述} → {场景/环境描述} → {道具与细节} → {色彩基调} → {光影描述} → {构图说明}

美术风格锚定（防漂移核心规则）：每条 prompt 开头的风格关键词必须与 Final_Video_Spec.md 中的 art_style 字段逐字复制，不得同义替换、拆分或增删修饰词。角色图、场景图、道具图使用完全相同的风格串；若风格串在 Final_Video_Spec.md 中更新，所有待生成 prompt 必须同步替换。
角色图 prompt 要点（防外观漂移）：发色、瞳色、肤色调、发型关键词必须与该角色 key_element 描述中已锁定的表述字面一致（如 key_element 写"深棕色大波浪长卷发"，prompt 中不得改写为"棕色卷发"或"长波浪发"）；当前 Look 的服装款式与配色同样按 key_element Look 描述原文引用，不二次概括；双联图写明"左侧胸部以上特写，右侧全身正面，白色背景，角色设定参考图"。
场景图 prompt 要点：写明"无人物"；道具名称、摆放位置、光源色温关键词须与对应 element scene 描述中的表述保持一致，避免同一场景在不同批次生成时因措辞差异导致空间感漂移；道具自然融入语境描述（如"床头柜上燃着香薰蜡烛，床框边缘缠绕着橙色串灯"而非"串灯，蜡烛"）。
色彩控制：明确写出 Final_Video_Spec.md 中的 color_palette 关键词（如"低饱和暖米调，莫兰迪配色"）；治愈系禁止高饱和撞色，一个画面主色调不超过 2 个主色系；color_palette 关键词须在角色图与场景图中均出现，保证整体色调统一。
负面 prompt：高饱和度，强烈对比色，恐怖元素，写实摄影风，变形，多余手指，模糊，赛博朋克，机械科幻

视频 prompt（MultiModalToVideo / Kling 3.0 Omni）

参考图绑定：角色图用占位符 <<<image_1>>>，场景图用 <<<image_2>>> 标注；若引用前镜头视频则追加 <<<video_1>>>。
风格与色调延续（防跨镜漂移）：在 prompt 开头以一句话点明当前画面的美术风格与色调基调，措辞与 Final_Video_Spec.md 中的 art_style 和 color_palette 保持一致；不得在单个 shot 的 prompt 中引入与全局风格不符的新风格词，防止模型局部发散。
角色行为描述（仅写动作，不重定义外观）：prompt 中只描述角色在该 shot 内的动作与表情变化，严禁重新描述发色、服装、瞳色等已在参考图和 key_element 中锁定的视觉属性；外观一致性完全依赖 <<<image_1>>> 参考图传递，文字侧出现的外观描述越少越好，以免与参考图产生冲突指令。
动作描述堆叠顺序：镜头运动 → 角色动作（肢体 + 表情微动）→ 环境氛围细节 → 音效暗示（若无独立音轨）。
镜头运动：治愈系默认固定机位或极缓推拉（"固定机位，微缓向前推进"），明确写出景别与机位角度。
角色动作：具体到肢体（如"右手缓慢搅动咖啡杯，左手托腮，嘴角微微上扬，眼神望向窗外"），不写抽象情绪词。
音频控制：视频 prompt 中始终写入 no music（BGM 在后期混入）；始终写入 no subtitles。
Kling 3.0 Omni 写法说明：不使用任何特殊括号语法；自然音效需求以自然语言融入动作或环境描述（如"咖啡杯轻轻碰触桌面，发出细微叩击声"），不以独立标签形式标注；保持 prompt 为流畅自然语言段落。

6. 视频合成

**节奏与剪辑原则：**

- 治愈系 Vlog 整体节奏舒缓，镜头间避免快切；默认使用柔和淡入淡出过渡（dissolve），时长 0.5–1s。
- 每个 shot 按故事板规划时长放置，不额外压缩；若单个片段过长，可在片尾做轻微淡出而非硬切。
- 连续剧集与集之间使用较长的淡出→淡入过渡（约 1.5s），给观众留出情绪缓冲。

**音频混合：**

- BGM 轨贯穿全片，音量设为主音轨的 40–60%，保证不压盖视频内的自然环境音。
- 视频素材自带的环境音效（如咖啡机声、雨声）保留，不完全静音；若与 BGM 冲突则略微压低（-6dB）。
- 首尾各做 1s 音量淡入/淡出，避免硬开硬结。

**输出设置：**

- 画面比例遵循 Final_Video_Spec.md 中的 output_ratio（默认 9:16）。
- 单集成片时长建议控制在 30s–90s；连续剧每集独立输出，不强制拼接为长视频（除非用户明确要求）。

节奏与剪辑原则：

治愈系 Vlog 整体节奏舒缓，镜头间避免快切；默认使用柔和淡入淡出过渡（dissolve），时长 0.5–1s。
每个 shot 按故事板规划时长放置，不额外压缩；若单个片段过长，可在片尾做轻微淡出而非硬切。
连续剧集与集之间使用较长的淡出→淡入过渡（约 1.5s），给观众留出情绪缓冲。

音频混合：

BGM 轨贯穿全片，音量设为主音轨的 40–60%，保证不压盖视频内的自然环境音。
视频素材自带的环境音效（如咖啡机声、雨声）保留，不完全静音；若与 BGM 冲突则略微压低（-6dB）。
首尾各做 1s 音量淡入/淡出，避免硬开硬结。

输出设置：

画面比例遵循 Final_Video_Spec.md 中的 output_ratio（默认 9:16）。
单集成片时长建议控制在 30s–90s；连续剧每集独立输出，不强制拼接为长视频（除非用户明确要求）。