权力的游戏电影美学

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《权力的游戏》工业级电影美学风格的短片创作，使用 Seedance 2.5（分辨率 480p）驱动视频，GPT Image 2 主导图像资产生成。

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

## 五阶段流水线与时序依赖
### 阶段 1 · 剧本确认
1. 调用 **text_editor** 建立 Final_Video_Spec.md，锁定以下全局参数：片名/情节摘要、画幅比例（默认 16:9，可热替换为 9:16）、目标时长、输出语言、GoT 工业级美学基调。
2. 若用户已提供剧本或故事梗概，调用 **resource_prepare_and_analyze** 解析文本结构，提取场景、人物、情绪节拍与台词要点，写入 Final_Video_Spec.md。
3. **【里程碑拦截 A】** 向用户展示 Final_Video_Spec.md 摘要，确认核心情节与全局参数后再继续。

### 阶段 2 · 角色与场景资产生成
1. 调用 **storyboard_designer** 定义所有 key_element：
   - element character：每位角色的外形、妆造、服饰战损细节；
   - element scene：每处场景的 \[Regional_Stage\] 地理调色盘归属与空间几何描述。
2. 调用 **media_generator** 批量生成资产图像：
   - 角色设定卡（character sheet）：**GPT Image 2 @ 2K**。
   - 场景概念图与空间蓝图：**GPT Image 2 @ 2K**。
   - 将所有生成图像注册 asset_id 并绑定至对应 key_element。
3. 若用户上传了角色图、场景图或参考音频，优先绑定用户资产，跳过对应生成步骤。
4. **【里程碑拦截 B】** 展示所有 key_element 资产缩略图，请用户确认角色外观、场景氛围及 key_element_audio 音色绑定（如有台词角色）。

### 阶段 3 · 九宫格分镜生成
1. 调用 **storyboard_designer** 根据已确认的剧本节拍和 key_element，细化 shot 列表：每条 shot 包含场景归属、故事节拍、台词（dialogue）及镜头语言（构图/运动/时长）。
2. 根据每条 shot 的动态强度判断九宫格规格：
   - **文戏流**（对话、凝视、阴谋等静态情节）：生成 **4–6 格横版**分镜大图；
   - **武打 / 动态流**（战斗、追逐、大运动场面）：生成 **9 格满版**连贯动作分镜大图。
3. 调用 **media_generator** 按上述规格生成对应分镜大图，将对应 key_element 资产图像作为 reference_image 传入；模型同阶段 2 优先级（Gpt image2 @ 2K）。
4. **【里程碑拦截 C】** 展示九宫格分镜大图，请用户确认镜头数量、顺序与构图方向；用户明确确认后才进入阶段 4，不得自动推进。

### 阶段 4 · 视频提示词编写与镜头视频生成
1. 对每条 shot，调用 **write_media_prompt** 编写视频提示词，整合以下全部参考输入（智能参考模式）：
   - **分镜组参考**：以已确认的九宫格分镜大图作为 reference_image，锚定构图方向与镜头节奏；
   - **角色参考**：绑定该 shot 涉及的所有 element character 资产图像（character sheet）作为 reference_image；
   - **场景参考**：绑定该 shot 所属 element scene 资产图像作为 reference_image；
   - **音色参考**：若该 shot 含台词角色，绑定对应 key_element_audio 音色作为 audio_infos，保证跨 shot 口音/音色一致；
   - **提示词 + 台词**：将 shot 中的台词以 {...} 语法嵌入提示词，同步写入镜头运动、角色动作与情绪节拍。
2. 调用 **media_generator**，使用 **MultiModalToVideo + Seedance 2.5 @ 480p** 逐条生成镜头视频（final_shot）：
   - 仅在当前 shot 与前一 shot 存在**极强动作连续性**时，追加前一 shot 的 final_shot 视频作为 reference_video；其余情况不使用视频参考。
   - 目标时长 10–30s，充分利用 Seedance 2.5（分辨率 480p） 的多镜头内切与运动控制能力。
3. **【里程碑拦截 D】** 展示所有 final_shot 预览，请用户确认动作轨迹、台词口型与镜头晃动幅度。

### 阶段 5 · 伴奏与旁白生成（按需）
1. 若剧本含 BGM 需求：调用 **media_generator** 的 text_to_instrumental 生成史诗背景配乐，注册为 audio_layer bgm。
2. 若剧本含旁白（VO）需求：调用 **media_generator** 的 text to narration（推荐 **MiniMax Speech 2.8 HD**）生成旁白音频，注册为 audio_layer narration。
3. **【里程碑拦截 E】** 展示所有音频轨道预览，请用户确认配乐风格与旁白音色后继续。

### 阶段 6 · 时间轴装配与导出
1. 调用 **video_assembler**，以已确认的 final_shot 列表、narration、bgm 及 dialogue 为输入，按 Storyboard 中的 shot 顺序构建时间轴：
   - 视频轨：按 shot 顺序排列，相邻 shot 之间使用淡入淡出或硬切过渡（根据剧情节奏选择）；文戏默认硬切，武戏连续动作段落可使用短促淡化（≤12 帧）。
   - BGM 轨：跨全程铺底，片头与片尾各做 1.5s 音量渐入/渐出处理。
   - Narration/VO 轨：与对应 shot 时间轴对齐，音量高于 BGM 约 6dB，保证台词清晰度。
   - Dialogue 嵌入视频内：若已由 Seedance 2.5（分辨率 480p） 在视频内生成同步台词，无需额外轨道叠加；若需补录，作为独立音轨单独对齐。
2. **【里程碑拦截 F】** 呈现时间轴装配预览，说明总时长与轨道结构，请用户确认后触发最终渲染导出。

**依赖关系：** 阶段 1 → 阶段 2 → 阶段 3 → 阶段 4 → 阶段 5 → 阶段 6。

**停顿规则：** 每个【里程碑拦截】触发时必须停止，向用户呈现当前阶段交付物，等待明确确认后方可进入下一阶段。不得跨阶段自动推进。

**版权预警（角色识别触发）：** 在阶段 1 剧本确认阶段，若用户输入中出现《权力的游戏》具体角色名称（如琼恩·雪诺、珊莎·史塔克、提利昂·兰尼斯特等），**必须立即向用户发出前置提示**，说明：
1. 在图像生成阶段，该角色名称可能导致版权屏蔽；
2. 在视频生成阶段（Seedance 2.5（分辨率 480p）），即使图像生成成功，提示词若含版权角色名称或《权力的游戏》相关表述，仍有极高概率触发内容拦截；
3. **强烈建议用户将 IP 角色替换为外形相似的原创角色**（如：保留服饰风格、发色、性格气质，但赋予全新姓名与身份背景），以确保整条流水线畅通。
在用户明确表示接受版权风险或完成角色替换前，不得推进至阶段 2。

**版权屏蔽处理（生成阶段触发）：** 当任意生成步骤触发版权或内容合规屏蔽时，立即停止，向用户说明被屏蔽的具体内容，并提供两个选项：
- **选项 A：替换模型** — 切换至其他可用的同类生成模型重试（仅在用户明确授权后执行）。
- **选项 B：规避风险资源** — 移除或修改触发屏蔽的参考图、角色名称或版权描述，由用户确认调整方案后再继续。
  未收到用户明确指令前，不得自动重试或静默替换。

五阶段流水线与时序依赖

阶段 1 · 剧本确认

调用 text_editor 建立 Final_Video_Spec.md，锁定以下全局参数：片名/情节摘要、画幅比例（默认 16:9，可热替换为 9:16）、目标时长、输出语言、GoT 工业级美学基调。
若用户已提供剧本或故事梗概，调用 resource_prepare_and_analyze 解析文本结构，提取场景、人物、情绪节拍与台词要点，写入 Final_Video_Spec.md。
【里程碑拦截 A】 向用户展示 Final_Video_Spec.md 摘要，确认核心情节与全局参数后再继续。

阶段 2 · 角色与场景资产生成

调用 storyboard_designer 定义所有 key_element：
- element character：每位角色的外形、妆造、服饰战损细节；
- element scene：每处场景的 [Regional_Stage] 地理调色盘归属与空间几何描述。
调用 media_generator 批量生成资产图像：
- 角色设定卡（character sheet）：GPT Image 2 @ 2K。
- 场景概念图与空间蓝图：GPT Image 2 @ 2K。
- 将所有生成图像注册 asset_id 并绑定至对应 key_element。
若用户上传了角色图、场景图或参考音频，优先绑定用户资产，跳过对应生成步骤。
【里程碑拦截 B】 展示所有 key_element 资产缩略图，请用户确认角色外观、场景氛围及 key_element_audio 音色绑定（如有台词角色）。

阶段 3 · 九宫格分镜生成

调用 storyboard_designer 根据已确认的剧本节拍和 key_element，细化 shot 列表：每条 shot 包含场景归属、故事节拍、台词（dialogue）及镜头语言（构图/运动/时长）。
根据每条 shot 的动态强度判断九宫格规格：
- 文戏流（对话、凝视、阴谋等静态情节）：生成 4–6 格横版分镜大图；
- 武打 / 动态流（战斗、追逐、大运动场面）：生成 9 格满版连贯动作分镜大图。
调用 media_generator 按上述规格生成对应分镜大图，将对应 key_element 资产图像作为 reference_image 传入；模型同阶段 2 优先级（Gpt image2 @ 2K）。
【里程碑拦截 C】 展示九宫格分镜大图，请用户确认镜头数量、顺序与构图方向；用户明确确认后才进入阶段 4，不得自动推进。

阶段 4 · 视频提示词编写与镜头视频生成

对每条 shot，调用 write_media_prompt 编写视频提示词，整合以下全部参考输入（智能参考模式）：
- 分镜组参考：以已确认的九宫格分镜大图作为 reference_image，锚定构图方向与镜头节奏；
- 角色参考：绑定该 shot 涉及的所有 element character 资产图像（character sheet）作为 reference_image；
- 场景参考：绑定该 shot 所属 element scene 资产图像作为 reference_image；
- 音色参考：若该 shot 含台词角色，绑定对应 key_element_audio 音色作为 audio_infos，保证跨 shot 口音/音色一致；
- 提示词 + 台词：将 shot 中的台词以 {...} 语法嵌入提示词，同步写入镜头运动、角色动作与情绪节拍。
调用 media_generator，使用 MultiModalToVideo + Seedance 2.5 @ 480p 逐条生成镜头视频（final_shot）：
- 仅在当前 shot 与前一 shot 存在极强动作连续性时，追加前一 shot 的 final_shot 视频作为 reference_video；其余情况不使用视频参考。
- 目标时长 10–30s，充分利用 Seedance 2.5（分辨率 480p）的多镜头内切与运动控制能力。
【里程碑拦截 D】 展示所有 final_shot 预览，请用户确认动作轨迹、台词口型与镜头晃动幅度。

阶段 5 · 伴奏与旁白生成（按需）

若剧本含 BGM 需求：调用 media_generator 的 text_to_instrumental 生成史诗背景配乐，注册为 audio_layer bgm。
若剧本含旁白（VO）需求：调用 media_generator 的 text to narration（推荐 MiniMax Speech 2.8 HD）生成旁白音频，注册为 audio_layer narration。
【里程碑拦截 E】 展示所有音频轨道预览，请用户确认配乐风格与旁白音色后继续。

阶段 6 · 时间轴装配与导出

调用 video_assembler，以已确认的 final_shot 列表、narration、bgm 及 dialogue 为输入，按 Storyboard 中的 shot 顺序构建时间轴：
- 视频轨：按 shot 顺序排列，相邻 shot 之间使用淡入淡出或硬切过渡（根据剧情节奏选择）；文戏默认硬切，武戏连续动作段落可使用短促淡化（≤12 帧）。
- BGM 轨：跨全程铺底，片头与片尾各做 1.5s 音量渐入/渐出处理。
- Narration/VO 轨：与对应 shot 时间轴对齐，音量高于 BGM 约 6dB，保证台词清晰度。
- Dialogue 嵌入视频内：若已由 Seedance 2.5（分辨率 480p）在视频内生成同步台词，无需额外轨道叠加；若需补录，作为独立音轨单独对齐。
【里程碑拦截 F】 呈现时间轴装配预览，说明总时长与轨道结构，请用户确认后触发最终渲染导出。

依赖关系： 阶段 1 → 阶段 2 → 阶段 3 → 阶段 4 → 阶段 5 → 阶段 6。

停顿规则： 每个【里程碑拦截】触发时必须停止，向用户呈现当前阶段交付物，等待明确确认后方可进入下一阶段。不得跨阶段自动推进。

版权预警（角色识别触发）： 在阶段 1 剧本确认阶段，若用户输入中出现《权力的游戏》具体角色名称（如琼恩·雪诺、珊莎·史塔克、提利昂·兰尼斯特等），必须立即向用户发出前置提示，说明：

在图像生成阶段，该角色名称可能导致版权屏蔽；
在视频生成阶段（Seedance 2.5（分辨率 480p）），即使图像生成成功，提示词若含版权角色名称或《权力的游戏》相关表述，仍有极高概率触发内容拦截；
强烈建议用户将 IP 角色替换为外形相似的原创角色（如：保留服饰风格、发色、性格气质，但赋予全新姓名与身份背景），以确保整条流水线畅通。
在用户明确表示接受版权风险或完成角色替换前，不得推进至阶段 2。

版权屏蔽处理（生成阶段触发）： 当任意生成步骤触发版权或内容合规屏蔽时，立即停止，向用户说明被屏蔽的具体内容，并提供两个选项：

选项 A：替换模型 — 切换至其他可用的同类生成模型重试（仅在用户明确授权后执行）。
选项 B：规避风险资源 — 移除或修改触发屏蔽的参考图、角色名称或版权描述，由用户确认调整方案后再继续。
未收到用户明确指令前，不得自动重试或静默替换。

2. 多模态分析

## GoT 工业级地域色彩科学与去舞台化质感反向工程
### 地理调色盘解算（Regional Color Grading Inversion）
- **北境与绝境长城**：故意压低暖色通道，提升阴影区的青蓝色（Teal），呈现极低饱和度、高对比度的“凛冬青/冰蓝”色调，外化绝望与冰冷。
- **君临与厄索斯大陆**：在亮部注入琥珀色与金黄色，让空气中弥漫着尘埃感，呈现高饱和度、低对比度的“龙之金/暖黄”。

### 光源合宪性与低调子解算（Low-Key Inversion）
强行封死一切现代大平光，室内戏几乎完全依赖模拟烛光、火把、窗外透入的自然散射光。大面积留白（暗部），利用背光（Backlight）勾勒角色轮廓，增强幽暗环境下的空间深度。

### 去舞台化真实肌理逆向（Prosthetics & Weathering Inversion）
角色皮肤表面禁止干净模糊，指甲缝里必须塞满泥土，汗水与碳黑灰烬混合，面部呈现多层硅胶假体（Prosthetics）在极寒自然光下反射出的真实肉体通透感。服饰表面做重度“做旧（Distressing）”处理，包含重磅皮革的磨损、金属撞击凹坑与粗砺的纯手工针脚。

GoT 工业级地域色彩科学与去舞台化质感反向工程

地理调色盘解算（Regional Color Grading Inversion）

北境与绝境长城：故意压低暖色通道，提升阴影区的青蓝色（Teal），呈现极低饱和度、高对比度的“凛冬青/冰蓝”色调，外化绝望与冰冷。
君临与厄索斯大陆：在亮部注入琥珀色与金黄色，让空气中弥漫着尘埃感，呈现高饱和度、低对比度的“龙之金/暖黄”。

光源合宪性与低调子解算（Low-Key Inversion）

强行封死一切现代大平光，室内戏几乎完全依赖模拟烛光、火把、窗外透入的自然散射光。大面积留白（暗部），利用背光（Backlight）勾勒角色轮廓，增强幽暗环境下的空间深度。

去舞台化真实肌理逆向（Prosthetics & Weathering Inversion）

角色皮肤表面禁止干净模糊，指甲缝里必须塞满泥土，汗水与碳黑灰烬混合，面部呈现多层硅胶假体（Prosthetics）在极寒自然光下反射出的真实肉体通透感。服饰表面做重度“做旧（Distressing）”处理，包含重磅皮革的磨损、金属撞击凹坑与粗砺的纯手工针脚。

3. 故事板设计

## 自适应弹性九宫格展示机位板排版语法规范
### 【3×3 自适应弹性分镜排版矩阵】
- **画布中央 \[Grid 2,2\]**：固定展示当前场地（\[Regional_Stage\]）的空间几何俯视三维蓝图（Top-down blueprint view），用精细的彩色虚线与几何箭头明确绘制出大摇臂（Technocrane）移动轨道与手持摄影机运动方向线。
- **四周活跃格位 \[自适应 4 至 9 格规划\]**：严格按照相对坐标衍生连续视听镜头（Shots 01 to 08），在空余格位自动填充古典黑旗板色块。格位内部必须严格死锁并展现以下 GoT 电影级构图逻辑：
  - **框式构图 (Framing within a Frame)**：频繁使用百叶窗阴影、沉重拱门、狭窄石窗作为画中画框架，营造压迫、监视与被困的命运感。
  - **低角度仰拍 (Low-Angle Shot)**：极低角度仰摄，赋予铁王座、首领或核心主体神圣、统治力或强烈的王权权威压迫感。
  - **绝对对称构图 (Symmetrical Composition)**：展现冰原狼长椅中轴线、铁王座正面全景、或无垢者军队方阵的绝对严整，展现制度的冰冷权威。
  - **浅景深隔离 (Isolating Close-Up)**：针对阴暗角落的内心阴谋酝酿，背景完全虚化，将视觉中心死锁在主体微表情上。
  - **视点隐蔽的长焦跟踪 (Voyeuristic Long Lens)**：摄影机常放置在柱子、阴影或掩体后，使用长焦镜头偷拍，体现维斯特洛大陆间谍遍布的谍报危机感。

## 九宫格规格选择规则
### 文戏流（4–6 格横版）
- 适用于对话、凝视、阴谋、心理博弈、情绪特写等**静态或低动态情节**。
- 画布采用**横版自适应布局**，激活格位数量为 4 至 6 格，剩余格位以古典黑旗板色块填充——**禁止出现纯文字说明格或纯黑无内容的空白格**；黑旗板色块本身即为画面构图的有效负空间元素。
- \[Grid 2,2\] 依然展示场地俯视蓝图；活跃格位按叙事节奏排布，优先呈现面部微表情、道具特写与视线关系。
- 相邻格位之间须有**剧情衔接逻辑**：每格的场景、人物位置与情绪状态必须可以构成连续的叙事流，禁止出现前后脱节的跳切或无关联构图。

### 武打 / 动态流（9 格全版连贯分镜）
- 适用于战斗、追逐、冲突、大规模运动场景等**高动态情节**。
- 画布采用标准 **3×3 全格布局**，9 格全部激活，**禁止出现任何空白格、纯文字格或黑旗板占位格**。
- 每格画面必须呈现实质性动作内容，按动作时序顺序排列（左→右，上→下），构成连贯的动作蒙太奇：
  - 第 1 格：动作起始状态 / 冲突触发点；
  - 中间格（2–8）：连续动作分解，每格推进动作幅度或视角；
  - 第 9 格：动作高潮 / 结果定格。
- 相邻格之间空间关系需自洽（禁止角色位置无理由瞬移），摄影机视角变化须遵循 180° 轴线规则。

自适应弹性九宫格展示机位板排版语法规范

【3×3 自适应弹性分镜排版矩阵】

画布中央 [Grid 2,2]：固定展示当前场地（[Regional_Stage]）的空间几何俯视三维蓝图（Top-down blueprint view），用精细的彩色虚线与几何箭头明确绘制出大摇臂（Technocrane）移动轨道与手持摄影机运动方向线。
四周活跃格位 [自适应 4 至 9 格规划]：严格按照相对坐标衍生连续视听镜头（Shots 01 to 08），在空余格位自动填充古典黑旗板色块。格位内部必须严格死锁并展现以下 GoT 电影级构图逻辑：
- 框式构图 (Framing within a Frame)：频繁使用百叶窗阴影、沉重拱门、狭窄石窗作为画中画框架，营造压迫、监视与被困的命运感。
- 低角度仰拍 (Low-Angle Shot)：极低角度仰摄，赋予铁王座、首领或核心主体神圣、统治力或强烈的王权权威压迫感。
- 绝对对称构图 (Symmetrical Composition)：展现冰原狼长椅中轴线、铁王座正面全景、或无垢者军队方阵的绝对严整，展现制度的冰冷权威。
- 浅景深隔离 (Isolating Close-Up)：针对阴暗角落的内心阴谋酝酿，背景完全虚化，将视觉中心死锁在主体微表情上。
- 视点隐蔽的长焦跟踪 (Voyeuristic Long Lens)：摄影机常放置在柱子、阴影或掩体后，使用长焦镜头偷拍，体现维斯特洛大陆间谍遍布的谍报危机感。

九宫格规格选择规则

文戏流（4–6 格横版）

适用于对话、凝视、阴谋、心理博弈、情绪特写等静态或低动态情节。
画布采用横版自适应布局，激活格位数量为 4 至 6 格，剩余格位以古典黑旗板色块填充——禁止出现纯文字说明格或纯黑无内容的空白格；黑旗板色块本身即为画面构图的有效负空间元素。
[Grid 2,2] 依然展示场地俯视蓝图；活跃格位按叙事节奏排布，优先呈现面部微表情、道具特写与视线关系。
相邻格位之间须有剧情衔接逻辑：每格的场景、人物位置与情绪状态必须可以构成连续的叙事流，禁止出现前后脱节的跳切或无关联构图。

武打 / 动态流（9 格全版连贯分镜）

适用于战斗、追逐、冲突、大规模运动场景等高动态情节。
画布采用标准 3×3 全格布局，9 格全部激活，禁止出现任何空白格、纯文字格或黑旗板占位格。
每格画面必须呈现实质性动作内容，按动作时序顺序排列（左→右，上→下），构成连贯的动作蒙太奇：
- 第 1 格：动作起始状态 / 冲突触发点；
- 中间格（2–8）：连续动作分解，每格推进动作幅度或视角；
- 第 9 格：动作高潮 / 结果定格。
相邻格之间空间关系需自洽（禁止角色位置无理由瞬移），摄影机视角变化须遵循 180° 轴线规则。

4. 媒体生成

## 图像资产生成
### 角色设定卡与场景概念图
- 使用 **TextToImage** 或 **ImageToImage**（有参考图时）生成。默认模型：**GPT Image 2 @ 2K**。
- 每位角色生成一张横版 character sheet：左侧全身三视图（正面/侧面/背面），右侧 2×3 细节格（面部特写、发型背面、盔甲纹理、金属扣件、皮肤质感、鞋靴）。
- 场景概念图含空间几何蓝图与地理调色盘色彩基调。
- 所有生成图像注册 asset_id，绑定至对应 key_element。

### 九宫格分镜大图
- 按分镜板规格（文戏 4–6 格 / 武打 9 格满版）使用 **TextToImage + GPT Image 2 @ 2K** 生成。
- 将该 shot 涉及的 element character 与 element scene 资产图像作为 reference_image 传入，锁定视觉一致性。

## 最终镜头视频 · 智能参考模式
- 使用 **MultiModalToVideo + Seedance 2.5 @ 480p**，目标时长 10–30s，充分利用多镜头内切与运动控制能力。
- 每条 shot 生成时，按以下优先级整合全部可用参考输入：
  1. **分镜组参考** — 将已确认的九宫格分镜大图对应格位截图作为 reference_image，锚定构图方向与镜头节奏；
  2. **角色参考** — 绑定该 shot 所有涉及的 element character 资产图像（character sheet）作为 reference_image；
  3. **场景参考** — 绑定该 shot 所属 element scene 资产图像作为 reference_image；
  4. **音色参考** — 若该 shot 含台词角色，绑定对应 key_element_audio 音色样本至 audio_infos，保证跨 shot 口音与音色一致；
  5. **提示词 + 台词** — 整合镜头运动、动作描述与以 {...} 嵌入的英文台词（详见提示词编写规则）；
  6. **连续性视频参考**（可选，低频使用）— 仅当当前 shot 与前一 shot 存在**极强动作连续性**时，追加前一 shot 的 final_shot 视频作为 reference_video；其余情况不使用。

## 音频生成
- **BGM**：使用 **text_to_instrumental**（推荐 Suno 5；提示词禁止出现知名音乐人名称），注册为 audio_layer bgm。
- **Narration/VO**（按需）：使用 **text to narration**，推荐 **MiniMax Speech 2.8 HD**，注册为 audio_layer narration。

图像资产生成

角色设定卡与场景概念图

使用 TextToImage 或 ImageToImage（有参考图时）生成。默认模型：GPT Image 2 @ 2K。
每位角色生成一张横版 character sheet：左侧全身三视图（正面/侧面/背面），右侧 2×3 细节格（面部特写、发型背面、盔甲纹理、金属扣件、皮肤质感、鞋靴）。
场景概念图含空间几何蓝图与地理调色盘色彩基调。
所有生成图像注册 asset_id，绑定至对应 key_element。

九宫格分镜大图

按分镜板规格（文戏 4–6 格 / 武打 9 格满版）使用 TextToImage + GPT Image 2 @ 2K 生成。
将该 shot 涉及的 element character 与 element scene 资产图像作为 reference_image 传入，锁定视觉一致性。

最终镜头视频 · 智能参考模式

使用 MultiModalToVideo + Seedance 2.5 @ 480p，目标时长 10–30s，充分利用多镜头内切与运动控制能力。
每条 shot 生成时，按以下优先级整合全部可用参考输入：
1. 分镜组参考 — 将已确认的九宫格分镜大图对应格位截图作为 reference_image，锚定构图方向与镜头节奏；
2. 角色参考 — 绑定该 shot 所有涉及的 element character 资产图像（character sheet）作为 reference_image；
3. 场景参考 — 绑定该 shot 所属 element scene 资产图像作为 reference_image；
4. 音色参考 — 若该 shot 含台词角色，绑定对应 key_element_audio 音色样本至 audio_infos，保证跨 shot 口音与音色一致；
5. 提示词 + 台词 — 整合镜头运动、动作描述与以 {...} 嵌入的英文台词（详见提示词编写规则）；
6. 连续性视频参考（可选，低频使用）— 仅当当前 shot 与前一 shot 存在极强动作连续性时，追加前一 shot 的 final_shot 视频作为 reference_video；其余情况不使用。

音频生成

BGM：使用 text_to_instrumental（推荐 Suno 5；提示词禁止出现知名音乐人名称），注册为 audio_layer bgm。
Narration/VO（按需）：使用 text to narration，推荐 MiniMax Speech 2.8 HD，注册为 audio_layer narration。

5. 提示词撰写

全局最高优先级：提示词正文与代码块等所有生成内容一律强制使用纯英文呈现；禁止出现任何中文字符。台词（dialogue）无论用户以何种语言输入，写入提示词时均须翻译为英文后嵌入 {...} 语法块中；禁止在 {...} 内使用中文或其他非英文字符。

**视频提示词开头声明格式（必须）：**
在每条视频提示词的最顶部，紧接 <<<image_n>>> 占位符之后，输出一行纯英文参考声明，列明每张参考图的身份，格式如下：
> <<<image_1>>> is the storyboard panel set, <<<image_2>>> is \[Character Name\] character reference, <<<image_3>>> is \[Character Name\] character reference, <<<image_4>>> is the scene reference.
- 参考图数量与顺序须与实际传入的 reference_image 列表完全一致，不得虚构未传入的编号；
- 角色名称使用当前项目的原创角色名（非 IP 角色专名）；
- 若某类参考不存在（如无第二角色），则跳过该项，不留空占位；
- 该声明行与下方正文之间空一行。

**版权隔离规则（图像与视频提示词均适用）：** 提示词中严禁出现以下任何形式的版权标识符：
- 作品名称：禁止出现 "Game of Thrones"、"GoT"、"A Song of Ice and Fire"、"House of the Dragon" 等 IP 名称及其缩写；
- 角色专名：禁止出现任何原著/剧集中的具体角色姓名（如 Jon Snow、Sansa Stark、Tyrion Lannister 等）；
- 替代策略：以视觉外形描述替代角色身份（如 "a red-haired noblewoman in heavy wool robes"），以地理美学描述替代地名（如 "a cold northern stone great hall with low candlelight" 替代 "Winterfell"），以风格描述替代 IP 标识（如 "medieval epic cinematic aesthetic" 替代 "Game of Thrones style"）。

### 示例一：【首发锚定：场景人物核心概念图提示词】
> <<<image_1>>> is the visual style reference, <<<image_2>>> is {Protagonist} character reference, <<<image_3>>> is the scene reference.
>
> Cinematic full shot, a masterpiece historical scene from medieval epic fantasy cinematic aesthetic. Shot on ARRI ALEXA LF camera with Cooke S4/i prime lenses, capturing the signature warm oil-painting-styled "Cooke Look". High dynamic range with thick film-like texture and rich shadows. The variable protagonist {Protagonist} is framed within the bleak, low-light medieval stone great hall in the cold north \[Regional_Stage: North & the Wall\]. Low-key lighting strictly driven by natural source compliance, utilizing single-direction fire torch glow, leaving massive unlit negative space and deep shadows. The color science features the regional palette of "Winter Teal and Ice Blue", with heavy desaturation and high contrast on skin textures. The character wears distressed heavy textured armor with deep 3D bone-carved embroidery and raw unpolished fur. Real grit and charcoal on sweat-glistening skin roughness at 0.4. Perfect architectural symmetry composition with extreme depth-of-field isolation, photorealistic texture detailing, no text, no watermarks, landscape 16:9 ratio.

### 示例二：【精简版中世纪史诗角色设定卡提示词】（GPT Image 2 · 16:9 横屏）
> <<<image_1>>> is the visual style reference.
>
> High-definition, clean, and professional 3D character turnaround schematic on a pure solid white background. Medieval epic fantasy cinematic aesthetic, ARRI ALEXA XT rendering fidelity, Cooke S4/i premium optics quality. \[Left Side - Main Full-Body Area\]: Displays a full-body 3-view turnaround of the exact same character (front, left side, back view) under high-contrast dramatic backlight. The character wears custom medieval tactical garments crafted from heavy distressed leather, tight metal knittings, and asymmetrical rigid 3D wolf-bone embroidery. Hairstyle is complex, tactical hand-braided braids adhering to tribal winner tradition. The face, clothing weathering, and height proportions must be 100% identical. \[Right Side - Simplified Detail Grid\]: A neat 2x3 grid combining headshots and macro textures matching the character profile: 1. De-stage gritty portrait face with real mud texture under fingernails, fingernails and face mixed with sweat and carbon ash, 2. Back view showing complex braided hair parting lines, 3. Close-up of the rough heavy leather and unpolished fur textures, 4. Close-up of heavy iron metal buckles and geometric stitches, 5. Close-up of realistic physical prosthetics skin texture replicating grey-scale disease or scaly latex layers, 6. Close-up of mud-covered heavy boots. Landscape composition, pure white background, no text, no save buttons.

### 示例三：【自适应九宫格分镜提示词】（以“武戏流：9格高频连续动作”为例）
> <<<image_1>>> is the storyboard panel template, <<<image_2>>> is {Protagonist} character reference, <<<image_3>>> is the scene reference.
>
> Professional cinematic multi-panel director's display sheet, 3x3 grid panel alignment system. Absolute visual DNA lock: all active panels are strictly rendered with ARRI ALEXA LF sensor characteristics and Angenieux Optimo zoom lens physics, executing cold, ruthless camera movement. Color palette strictly follows the regional color grading of \[Regional_Stage: Southern Court & Golden Coast\] with "Dragon Gold and Warm Yellow" amber highlights dominating the high-contrast lighting shadows. Centered at Grid \[2,2\], it displays a precise 3D top-down blueprint view of the grand royal throne hall, sketching brutal Technocrane paths and soldier square formations. Surrounding the center, 8 active panels display an intensive long-take handheld combat montage: Grid \[1,1\]: Voyeuristic long lens view hidden behind stone columns. The protagonist {Protagonist} unsheathes a broadsword, light fracturing off blood-stained metal. Grid \[1,2\]: Framing within a frame. Looking through a narrow arrow slit window, weapon kinetic movement cutting across natural window lighting. Grid \[1,3\]: Low-angle shot. The character lunges forward aggressively, sweat and soot flaring off the skin, high handheld camera shake and realistic blur. Grid \[2,1\]: Macro tracking close-up. Crimson blood splattering violently onto fine silk and gold-threaded 3D lion embroidery fabric. Grid \[2,3\]: Absolute symmetrical wide shot. An army of disciplined elite legion soldiers thrusting spears simultaneously, ruthless rigid authority framing. Grid \[3,1\]: Narrative cutaway shot. A crown forged of raw iron falls into blood-mixed mud on the battlefield, ultra-shallow depth of field. Grid \[3,2\]: Extreme kinetic view. Technocrane sweeping downward tracking a shield cracking under heavy blunt force impact, air particles and ash flying. Grid \[3,3\]: Isolating close-up. The character stands alone in a shadowed corner, back lit contour, face completely hidden, background fully blurred, capturing political isolation. Photorealistic film grain, pure solid borders partitioning the grids, no watermarks, no generic digital smoothness, landscape 16:9 ratio.

全局最高优先级：提示词正文与代码块等所有生成内容一律强制使用纯英文呈现；禁止出现任何中文字符。台词（dialogue）无论用户以何种语言输入，写入提示词时均须翻译为英文后嵌入 {...} 语法块中；禁止在 {...} 内使用中文或其他非英文字符。

视频提示词开头声明格式（必须）：
在每条视频提示词的最顶部，紧接 <<<image_n>>> 占位符之后，输出一行纯英文参考声明，列明每张参考图的身份，格式如下：

<<<image_1>>> is the storyboard panel set, <<<image_2>>> is [Character Name] character reference, <<<image_3>>> is [Character Name] character reference, <<<image_4>>> is the scene reference.

参考图数量与顺序须与实际传入的 reference_image 列表完全一致，不得虚构未传入的编号；
角色名称使用当前项目的原创角色名（非 IP 角色专名）；
若某类参考不存在（如无第二角色），则跳过该项，不留空占位；
该声明行与下方正文之间空一行。

版权隔离规则（图像与视频提示词均适用）： 提示词中严禁出现以下任何形式的版权标识符：

作品名称：禁止出现 "Game of Thrones"、"GoT"、"A Song of Ice and Fire"、"House of the Dragon" 等 IP 名称及其缩写；
角色专名：禁止出现任何原著/剧集中的具体角色姓名（如 Jon Snow、Sansa Stark、Tyrion Lannister 等）；
替代策略：以视觉外形描述替代角色身份（如 "a red-haired noblewoman in heavy wool robes"），以地理美学描述替代地名（如 "a cold northern stone great hall with low candlelight" 替代 "Winterfell"），以风格描述替代 IP 标识（如 "medieval epic cinematic aesthetic" 替代 "Game of Thrones style"）。

示例一：【首发锚定：场景人物核心概念图提示词】

<<<image_1>>> is the visual style reference, <<<image_2>>> is {Protagonist} character reference, <<<image_3>>> is the scene reference.

Cinematic full shot, a masterpiece historical scene from medieval epic fantasy cinematic aesthetic. Shot on ARRI ALEXA LF camera with Cooke S4/i prime lenses, capturing the signature warm oil-painting-styled "Cooke Look". High dynamic range with thick film-like texture and rich shadows. The variable protagonist {Protagonist} is framed within the bleak, low-light medieval stone great hall in the cold north [Regional_Stage: North & the Wall]. Low-key lighting strictly driven by natural source compliance, utilizing single-direction fire torch glow, leaving massive unlit negative space and deep shadows. The color science features the regional palette of "Winter Teal and Ice Blue", with heavy desaturation and high contrast on skin textures. The character wears distressed heavy textured armor with deep 3D bone-carved embroidery and raw unpolished fur. Real grit and charcoal on sweat-glistening skin roughness at 0.4. Perfect architectural symmetry composition with extreme depth-of-field isolation, photorealistic texture detailing, no text, no watermarks, landscape 16:9 ratio.

示例二：【精简版中世纪史诗角色设定卡提示词】（GPT Image 2 · 16:9 横屏）

<<<image_1>>> is the visual style reference.

High-definition, clean, and professional 3D character turnaround schematic on a pure solid white background. Medieval epic fantasy cinematic aesthetic, ARRI ALEXA XT rendering fidelity, Cooke S4/i premium optics quality. [Left Side - Main Full-Body Area]: Displays a full-body 3-view turnaround of the exact same character (front, left side, back view) under high-contrast dramatic backlight. The character wears custom medieval tactical garments crafted from heavy distressed leather, tight metal knittings, and asymmetrical rigid 3D wolf-bone embroidery. Hairstyle is complex, tactical hand-braided braids adhering to tribal winner tradition. The face, clothing weathering, and height proportions must be 100% identical. [Right Side - Simplified Detail Grid]: A neat 2x3 grid combining headshots and macro textures matching the character profile: 1. De-stage gritty portrait face with real mud texture under fingernails, fingernails and face mixed with sweat and carbon ash, 2. Back view showing complex braided hair parting lines, 3. Close-up of the rough heavy leather and unpolished fur textures, 4. Close-up of heavy iron metal buckles and geometric stitches, 5. Close-up of realistic physical prosthetics skin texture replicating grey-scale disease or scaly latex layers, 6. Close-up of mud-covered heavy boots. Landscape composition, pure white background, no text, no save buttons.

示例三：【自适应九宫格分镜提示词】（以“武戏流：9格高频连续动作”为例）

<<<image_1>>> is the storyboard panel template, <<<image_2>>> is {Protagonist} character reference, <<<image_3>>> is the scene reference.

Professional cinematic multi-panel director's display sheet, 3x3 grid panel alignment system. Absolute visual DNA lock: all active panels are strictly rendered with ARRI ALEXA LF sensor characteristics and Angenieux Optimo zoom lens physics, executing cold, ruthless camera movement. Color palette strictly follows the regional color grading of [Regional_Stage: Southern Court & Golden Coast] with "Dragon Gold and Warm Yellow" amber highlights dominating the high-contrast lighting shadows. Centered at Grid [2,2], it displays a precise 3D top-down blueprint view of the grand royal throne hall, sketching brutal Technocrane paths and soldier square formations. Surrounding the center, 8 active panels display an intensive long-take handheld combat montage: Grid [1,1]: Voyeuristic long lens view hidden behind stone columns. The protagonist {Protagonist} unsheathes a broadsword, light fracturing off blood-stained metal. Grid [1,2]: Framing within a frame. Looking through a narrow arrow slit window, weapon kinetic movement cutting across natural window lighting. Grid [1,3]: Low-angle shot. The character lunges forward aggressively, sweat and soot flaring off the skin, high handheld camera shake and realistic blur. Grid [2,1]: Macro tracking close-up. Crimson blood splattering violently onto fine silk and gold-threaded 3D lion embroidery fabric. Grid [2,3]: Absolute symmetrical wide shot. An army of disciplined elite legion soldiers thrusting spears simultaneously, ruthless rigid authority framing. Grid [3,1]: Narrative cutaway shot. A crown forged of raw iron falls into blood-mixed mud on the battlefield, ultra-shallow depth of field. Grid [3,2]: Extreme kinetic view. Technocrane sweeping downward tracking a shield cracking under heavy blunt force impact, air particles and ash flying. Grid [3,3]: Isolating close-up. The character stands alone in a shadowed corner, back lit contour, face completely hidden, background fully blurred, capturing political isolation. Photorealistic film grain, pure solid borders partitioning the grids, no watermarks, no generic digital smoothness, landscape 16:9 ratio.

6. 视频合成

## 时间轴装配规范
### 节奏与过渡
- **文戏**（对话、阴谋、凝视等）：shot 间默认硬切；视情节转折可使用 ≤12 帧的极短淡化过渡，禁止使用缓慢溶解或花哨转场——GoT 美学以直接硬切为主导。
- **武戏**（战斗、追逐、冲突等）：连续动作段落内保持硬切高频剪辑节奏；若相邻 shot 在空间上有明显跳跃，可加 ≤8 帧淡出淡入作为缓冲。
- 全片节奏以剧情情绪节拍为准，禁止机械地按固定时长切换。

### 音频轨道处理
- **BGM**：铺满全片底层；片头与片尾各做 1.5s 音量渐入/渐出；高潮动作段落可短暂提升 BGM 音量约 3dB 以增强张力。
- **Narration/VO**：与对应 shot 时间轴对齐；音量高于 BGM 约 6dB，确保台词清晰度优先。
- **Dialogue（镜头内同期声）**：Seedance 2.5（分辨率 480p） 已在视频内生成同期台词声，不叠加额外轨道；如需补录，作为独立 dialogue 轨单独对齐，避免与视频内声音冲突。

### 导出前技术核验
- 确认所有 shot 画幅与 Final_Video_Spec.md 中锁定的比例一致（默认 16:9；用户要求 9:16 时全量热校准，不得混用）。
- 输出分辨率默认 480p；确认 shot 视频无黑边填充或错误裁切。
- 最终时间线 JSON 交付后，触发渲染服务前再次核对 shot 数量、总时长与音频轨道数量，确保无遗漏。

时间轴装配规范

节奏与过渡

文戏（对话、阴谋、凝视等）：shot 间默认硬切；视情节转折可使用 ≤12 帧的极短淡化过渡，禁止使用缓慢溶解或花哨转场——GoT 美学以直接硬切为主导。
武戏（战斗、追逐、冲突等）：连续动作段落内保持硬切高频剪辑节奏；若相邻 shot 在空间上有明显跳跃，可加 ≤8 帧淡出淡入作为缓冲。
全片节奏以剧情情绪节拍为准，禁止机械地按固定时长切换。

音频轨道处理

BGM：铺满全片底层；片头与片尾各做 1.5s 音量渐入/渐出；高潮动作段落可短暂提升 BGM 音量约 3dB 以增强张力。
Narration/VO：与对应 shot 时间轴对齐；音量高于 BGM 约 6dB，确保台词清晰度优先。
Dialogue（镜头内同期声）：Seedance 2.5（分辨率 480p）已在视频内生成同期台词声，不叠加额外轨道；如需补录，作为独立 dialogue 轨单独对齐，避免与视频内声音冲突。

导出前技术核验

确认所有 shot 画幅与 Final_Video_Spec.md 中锁定的比例一致（默认 16:9；用户要求 9:16 时全量热校准，不得混用）。
输出分辨率默认 480p；确认 shot 视频无黑边填充或错误裁切。
最终时间线 JSON 交付后，触发渲染服务前再次核对 shot 数量、总时长与音频轨道数量，确保无遗漏。