群像出场动画

执行流程（6步，逐步确认）

按以下顺序依次执行，Step 1 和 Step 2 完成后须展示中间产物并等待用户确认，Step 3–6 在获得 Step 2 确认后可连续执行。

多图处理规则

若用户提供多张群像图，对每张图独立执行完整流程：Step 1 一次性分析所有图片（每张产出独立角色识别报告），Step 2 为每张图分别确认参数，Step 3–6 为每张图分别生成独立视频素材。一张群像图 → 一个视频素材，不合并、不拆分。

Step 1 — 图像识别

调用 resource_prepare_and_analyze 分析用户提供的群像图片（多张则一次性全部分析），每张图输出独立角色识别报告（表格形式）。
展示报告，等待用户确认或修正后进入 Step 2。

Step 2 — 参数确认

根据每张图的角色数量分别计算并向用户确认以下参数：

• 视频比例：询问用户选择 16:9（横屏）或 9:16（竖屏）
• BGM 需求：询问用户是否需要背景音乐（默认无 BGM，仅保留环境音效与动作音效）。若需要 BGM，基于 Step 1 角色识别报告中的角色属性、武器类型与整体风格，推理出贴合角色风格的 BGM 风格描述（一句话，含风格、主要乐器与情绪基调），内嵌填入 write_media_prompt 占位符 {{音效与BGM}} 的有 BGM 分支，由视频生成工具一并直出，不单独生成音频 BGM。
• 时间分配：前 80% = Phase 1 出场阶段，后 20% = Phase 2 集结收尾，最后 1 秒 = 全员微动 + 标题书写（如有）
• 单角色边缘情况：当角色数仅为 1 人时，总时长 = min(1×4, 15) = 4 秒，Phase 2 = 4×20% ≈ 1 秒。此时 Phase 2 全部 1 秒用于微动收尾，跳过 Finale A 逐一定型段（单人无需逐一集结）；Phase 1 = 3 秒，仅完成该角色的个人展示与武器技能释放，景别组合压缩为特写 + 全景 + 强透视三类（受时长限制，中景可省略）。
  展示参数确认表，等待用户确认后进入 Step 3。

Step 3–5 — 占位符计算与分支确认

不调用任何工具，由规划器在内部完成占位符数值计算与分支选择，不创建 Storyboard，不调用 storyboard_designer，不注册任何 key_element：

• Step 3 场景：不单独规划场景。模板中"根据人物特征自动生成符合人物风格的场景"为固定文本，场景由视频生成模型基于参考图自行推理生成，不在提示词中插入任何具体场景描述。
• Step 4 占位符计算：根据角色数与 Step 2 确认结果，计算 {{总时长}}、{{Phase1时长}}、{{Phase2时长}} 的数值，确定 {{比例}}、{{标题处理}}、{{标题书写}} 的分支选择。镜头规划、出场方式、运镜、转场、光影、强风等全部由模板固定文本承载，规划器不再进行逐角色镜头推理。
• Step 5 BGM 风格描述（仅用户选择需要 BGM 时）：基于 Step 1 角色识别报告中的角色属性、武器类型、整体风格，推理贴合角色风格的 BGM 风格描述（一句话，含风格、主要乐器、情绪基调），作为 {{音效与BGM}} 占位符有 BGM 分支的内嵌填充内容传递给 Step 6。
  所有计算结果作为内部上下文保留，直接传递给 Step 6。不产出任何 Storyboard 条目或 shot 条目，不展示分镜给用户。

Step 6 — 提示词合成与视频生成

调用 media_generator（经 write_media_prompt），将 Step 3–5 的占位符计算结果合成为视频生成提示词，只调用一次 MultiModalToVideo 生成唯一视频素材。
关键约束：

• 完全跳过 storyboard_designer：整个流程不调用分镜设计师工具，不产生任何 Storyboard 或 shot 条目。Step 3–5 是规划器内部计算，不是工具调用。
• 不注册、不生成角色元素图（key_element）：用户已提供原始群像图作为视觉一致性参考，直接以原图作为参考输入，跳过 key_element 注册与图片生成步骤。
• media_generator 只执行一次生成：占位符计算 → 唯一提示词 → 唯一 MultiModalToVideo 调用 → 唯一视频素材。
• 音频全部直出，不单独生成：全片所有音频（BGM、环境音效、动作音效等）均由视频生成工具一并直出，不单独调用任何音频生成工具。若用户选择需要 BGM，基于 Step 1 角色分析推理 BGM 风格描述，内嵌填入占位符 {{音效与BGM}} 的有 BGM 分支。
• 多图分别生成：若用户提供多张群像图，每张图各执行一次完整的 Step 3–6，各产出一个独立视频素材。

输入兼容性

• 群像图片（仅图片）：Step 1 完整流程，需确认比例与 BGM
• 群像图片 + 指定比例：Step 2 跳过比例确认，仍需确认 BGM
• 群像图片 + 比例 + 时长：Step 2 后半跳过时长计算，仍需确认 BGM
• 群像图片 + 比例 + 时长 + BGM：Step 3 所有参数已确认，直接进入占位符计算
• 多张群像图片：Step 1 一次性分别分析，每张图各产出一个视频素材

注意：本 Skill 仅支持图片输入。若用户仅提供文字描述而无群像图片，提示 Planner 引导用户先提供群像图片再继续。

群像图片分析任务

分析用户提供的群像图片，输出结构化角色识别报告（表格形式），每个角色包含以下字段：

• 编号：从左到右或按画面构图顺序编号
• 外貌特征：发型、发色、体型、肤色、面部特征
• 服饰细节：服装款式、颜色、材质、配饰
• 武器类型：武器种类与外观描述
• 道具配置：随身道具、特殊装备
• 战斗属性：近战/远程/魔法/敏捷/力量等
• 站位顺序：在画面中的位置描述
  多图处理： 若用户提供多张群像图，一次性分别分析，每张图产出独立角色识别报告，报告间明确标注所属图片。每张图后续将独立生成一个视频素材。
  额外检测： 识别参考图中是否存在标题文字信息；若有，记录文字内容，供 Finale B 阶段使用。
  精度要求： 服装细节、武器类型、道具配置须尽量详尽，以保障后续视频生成的角色一致性。

视频生成配置

• 生成工具：MultiModalToVideo，推荐模型 Seedance 2.5（480p，会员专属）。若 Seedance 2.5 不可用，依次尝试同工具下 Seedance 2.5、Seedance 2.5（均限 480p）；若同工具所有模型均失败则终止任务，不切换到其他工具。
• 输入参考：用户提供的原始群像图片（作为视觉一致性参考）
• 分辨率：720P
• 比例：依 Step 2 用户确认结果（16:9 或 9:16）
• 时长：依 Step 2 计算结果，min(角色数 × 4秒, 15秒)，单次生成上限 15 秒
  关键约束：
• 跳过角色元素图生成：用户已提供原始群像图作为视觉一致性参考，直接以原图作为参考输入，不调用 TextToImage / ImageToImage 生成角色元素图。
• 一张群像图 → 一个视频素材：每张群像图生成一条完整视频，包含所有角色出场与集结收尾，不拆分为多个视频或多个分镜素材。
• 多图分别生成：若用户提供多张群像图，每张图各生成一个独立视频素材。
• 音频全部直出，不单独生成：全片所有音频（BGM、环境音效、动作音效等）均由视频生成工具一并直出，不单独调用任何音频生成工具。若用户选择需要 BGM，基于角色分析推理 BGM 风格描述，内嵌填入占位符 {{音效与BGM}} 的有 BGM 分支。
  生成前，由 write_media_prompt 完成完整提示词合成，再调用 MultiModalToVideo 生成。

一、模板铁律

1. 语言：提示词全部使用中文撰写。若参考图中的标题文字本身为外文则保留原文，其余一律中文。
2. 模板文字逐字保留：除 {{占位符}} 替换外，模板中所有文字必须逐字保留，不可改写、增删、替换。禁止添加模板中不存在的任何内容。严禁在提示词任何位置插入 <<<image_1>>> 或任何形式的参考图绑定/引用语法；模板开头的"基于参考图"固定文字即为唯一的参考图指示，不得在此基础上追加任何图片引用标记。
3. 无角色描述插入：模板原文"先识别参考图中所有角色数量、外貌、服饰、属性、武器和道具"保持原文逐字保留，不在其后插入逐角色清单；角色识别由视频生成模型基于参考图自行完成。
4. 无场景描述插入：模板原文"根据人物特征自动生成符合人物风格的场景"保持原文逐字保留，以句号收尾后直接接下一句，不插入任何场景描述；场景由视频生成模型基于参考图自行推理生成。
5. 动作/运镜/转场/强透视描述保持原文：不将模板中的通用动作、运镜、转场、强透视描述改写或替换为逐角色的详细动作叙事，保持模板原文逐字保留。
6. 叙述体：提示词为一气呵成的连贯中文段落，不使用分段标签（如【场景】【光影】等），不使用时间戳分段（如 0–2.4s / 2.4–4.8s 等）。
7. 占位符填充文案逐字使用：除 {{音效与BGM}} 的有 BGM 分支外，所有占位符的填充文案必须逐字填入"占位符填充规则"中指定的固定文字，不得扩展、改写、补充或增删。{{音效与BGM}} 的有 BGM 分支为唯一允许基于分析内容填写的占位符，其中 <BGM风格描述> 部分基于 Step 1 角色识别报告推理填写（一句话，含风格、主要乐器与情绪基调，贴合角色属性与整体风格），其余文字仍为固定文案逐字保留。
8. 上游上下文隔离：Step 1 角色识别报告、Step 3–5 内部规划推理中的所有内容（角色外貌细节、动作设计、场景构思等）仅为内部推理参考，一律不得插入提示词。唯一例外：当用户选择需要 BGM 时，基于角色分析推理出的 BGM 风格描述可内嵌于 {{音效与BGM}} 占位符的有 BGM 分支。提示词中出现的全部文字只能来自：模板原文 + 占位符填充文案（含 {{音效与BGM}} 有 BGM 分支的分析填充内容），无任何其他来源。
9. 输出前自检：最终提示词输出前，逐项检查以下内容是否出现——若出现任何一项则必须删除后重新输出：
   • <<<image_1>>> 或任何 <<<image_N>>> 参考图绑定语法 ❌
   • 逐角色外貌/服饰/武器/属性清单或描述 ❌
   • 具体场景环境描述（如"废墟""神殿""悬崖"等地名或环境细节）❌
   • 视觉风格/美学描述（如"羊皮纸水墨厚涂""概念艺术"等模板外风格词）❌
   • 逐角色动作叙事（将模板通用动作描述替换为具体角色的出场故事）❌
   • 时间戳分段（如 0–2.4s / 2.4–4.8s 等逐段时间标记）❌
   • 任何模板原文中不存在的词句 ❌
   • 最终提示词总字符数超过 2300（Seedance 2.5 / Seedance 2.5 / Seedance 2.5 的上限；本 Skill 不使用 <<<image_N>>> 标签，故为纯文本字符上限）❌ — 若超限，优先压缩模板中重复的修饰性描述，不得删除结构化约束（景别要求、转场规则、光影/强风规范等）

二、提示词模板（含占位符）

以下为模板原文，{{}} 标记处为占位符，生成时按填充规则替换，其余文字逐字保留。
基于参考图生成一条 {{总时长}}秒、720P 分辨率、{{比例}}的顶级院线 CG 动画电影质感的角色集结动画，《英雄联盟：双城之战》Arcane 风格，先识别参考图中所有角色数量、外貌、服饰、属性、武器和道具，并确保全片每个角色的人物形象、服装细节、武器类型、道具配置和战斗属性保持高度一致，不出现人设偏差、服装变化、武器替换、比例失调、表情错乱或角色混淆；{{标题处理}}；根据人物特征自动生成符合人物风格的场景。整体画面为高保真影视级 CG 渲染，材质细腻，光影对比强烈（特写镜头统一采用侧光或逆光照射，光影分布不均匀，强化人物轮廓、眼神、面部表情和武器材质。中景、全景镜头保持高对比度光影基调，避免平光、柔光、过曝、灰雾。），人物动作符合物理逻辑和经典动画原理，动作夸张但不扭曲，姿态灵巧生动，避免肢体崩坏、穿模、打滑、重心不稳、武器错位和空间错乱。全片处于强风环境中，角色头发、衣摆、披风、裙摆、飘带、绳索、配饰等可飘动元素持续大幅晃动，场景中的粉尘、雾气、碎屑、旗帜、布料、植物碎片也被强风吹起并形成三层空间层次（前景碎屑粉尘、中景角色周围风效、背景雾气旗帜布料），全片风向保持一致；所有人物特写镜头采用侧光或逆光照射，光影分布不均匀，强化眼神、面部轮廓、武器高光和服饰材质。前 80% 时长（约前 {{Phase1时长}}秒）内角色按顺序逐一出场，每个角色先完成独立帅气个人展示，再释放对应武器技能，最后通过流畅转场过渡到下一位角色，所有角色最终集结到一个符合整体角色风格和世界观的统一场景中；每个角色至少包含特写、中景、全景三类景别，并至少出现一次强透视效果镜头，强透视可以表现人物全身、肢体局部、武器前端、服饰细节、跳跃姿态、坠落轨迹或场景空间压迫感。每个角色的镜头组合随机差异化分配，避免所有角色使用相同节奏或相同运镜，相邻角色之间不可使用同类出场方式，部分角色可以从天空降落、高空坠落、跳跃突入、俯冲进入、翻越障碍、踩点落地、冲刺滑行进场，也可以从烟雾、尘土、光影或场景遮挡物中出现；人物动态包括奔跑、跳跃、转身、闪避、蓄力、出招、格挡、滑步、空翻、落地、换位和短暂停顿，动作应与武器属性匹配。镜头表现需要具备丰富空间变化，不只是平面推进，部分角色可以使用全景急速推进到特写、远景快速推进到近景、特写后拉到全景、全景后拉再急速推近、人物跳起时镜头急速上摇推进表情特写、人物下降时镜头下摇跟拍并快速后拉、人物落地时低机位仰拍并轻微抖动、人物从镜头前掠过形成强透视前景压迫、武器从镜头前横扫形成遮挡转场、人物跳跃穿过画面形成纵深变化；全片自由运镜，组合使用环绕、旋转、推拉、摇移、跟拍、升落、俯冲、甩镜、后退、环绕升降和镜头抖动，竖屏构图加强纵向运镜（升落、俯冲、垂直跟拍），横屏构图加强横向运镜（环绕、摇移、横向跟拍），景别跨度从极端特写、近景、中景、全景到大全景，穿插快慢镜头变化，关键表情、武器命中、跳跃顶点、落地冲击和最终定格可以使用微慢动作，转场、冲刺、俯冲、大范围运镜和连续动作保持快节奏。转场方式优先使用动势衔接、武器轨迹衔接、遮蔽转场、相似动作转场、烟雾尘土转场、光影闪切、甩镜衔接和镜头抖动衔接，避免无相关硬切，且相邻两个角色之间不可使用相同类型的转场；角色出场衔接要自然顺滑，前一个角色的动作方向、武器轨迹、遮挡元素或运动残影可以作为下一个角色出现的视觉锚点。每个角色的登场动作必须体现大幅度位移、高动态肢体爆发和专属武器高光时刻（如剑刃划地溅火花、长枪横扫掀飞碎石、法杖蓄力释放能量光环、弓弦回弹震出气浪），与强风环境联动——衣摆披风剧烈翻飞、尘土碎屑被气流卷起、武器划过空气留下可见轨迹；禁止平淡站桩或小幅动作。最后 20% 时长（约后 {{Phase2时长}}秒）进入集结收尾：收尾阶段前半段，全体角色按照参考图中的站位顺序逐一帅气出现，每个人拥有独有的定型动作并最终停在参考图对应的位置上，角色数达到或超过 5 人时定型动作简化为快速逐一定型（每人约 0.3–0.4 秒）；当角色数仅为 1 人时，收尾阶段直接进入微动定格，跳过逐一定型；收尾阶段最后 1 秒，所有角色保持站位并进行自然微动，包括呼吸、眼神变化、头发飘动、衣摆晃动、武器轻微摇晃和身体重心微调{{标题书写}}；最终集结画面构图完整、人物层次清晰、站位准确、光影统一、风格一致。{{音效与BGM}}

三、占位符填充规则

• {{总时长}}：min(角色数 × 4, 15)，填入数字（如"12"、"15"）
• {{比例}}：依 Step 2 用户确认结果填入"16:9"或"9:16"
• {{Phase1时长}}：总时长 × 80%，四舍五入至整数秒
• {{Phase2时长}}：总时长 × 20%，四舍五入至整数秒
  {{标题处理}}（位于"角色混淆；"与"；根据人物特征"之间）：
• 有标题：参考图中存在「标题内容」文字信息，则在影片结尾背景中触发文字快速一笔一划书写出现的效果
• 无标题：参考图中无标题文字信息，不添加任何额外文字
  {{标题书写}}（位于"身体重心微调"与"；最终集结画面"之间）：
• 有标题：，同时「标题内容」文字以一笔一划快速书写的形式同步出现在背景中
• 无标题：留空（不插入任何内容，"身体重心微调"后直接接"；最终集结画面"）
  {{音效与BGM}}（位于模板末尾）：
• 无 BGM：全片无背景音乐，仅保留强风环境音、武器破空声、落地冲击声等环境与动作音效。无额外字幕，不添加参考图以外的文字信息。
• 有 BGM：全片配有<BGM风格描述>，并保留强风环境音、武器破空声、落地冲击声等环境与动作音效。无额外字幕，不添加参考图以外的文字信息。（其中 <BGM风格描述> 基于 Step 1 角色识别报告推理填写，一句话概括风格、主要乐器与情绪基调，贴合角色属性与整体风格）