星露谷像素风情绪回忆短片

全流程阶段与依赖：

1. 建立 Final_Video_Spec.md（标题、类型：像素风情绪回忆短片、画幅 16:9、时长 30–60s（可选扩展至 90s，通过增加镜头数或延长关键镜头实现）、视觉风格：16-bit 像素艺术 / 星露谷物语田园暖色调、输出语言：中文）→ text_editor。
2. 分析用户上传的回忆照片（场景、人物、构图、色调、情绪），输出结构化文字描述 → resource_prepare_and_analyze。
3. 设计分镜（key_elements + shots + audio_layer）→ storyboard_designer。
4. 生成像素风格 key_element 图像（角色设定图、场景设定图）→ media_generator。若用户上传了参考素材，先用 resource_prepare_and_analyze 提取特征后通过 ImageToImage 融合像素风格；否则用 TextToImage 从零生成。
5. 逐镜头生成关键帧图片（每镜头一张 start_frame），保持与 key_element 的一致性 → media_generator。
6. 逐镜头将关键帧转为视频（每镜头 4–10s，按叙事节拍灵活分配：过渡镜头 4s、标准叙事镜头 5–6s、情感高潮镜头 8–10s；单镜头上限 15s）→ media_generator。
7. 生成治愈系 BGM → media_generator。
8. 最终剪辑组装 + 导出 → video_assembler。

依赖： 2→1；3→2；4→3；5→4；6→5；7→3；8→6,7。

暂停检查点： 不要一次性跑完全流程。在以下里程碑暂停并向用户确认：Final_Video_Spec 锁定后、分镜完成后、key_element 图像完成后、全部镜头视频完成后、音频完成后。使用 cards 或 reply_to_user 邀请用户审阅。

用户上传素材处理： 在步骤 4–6 中，如果用户提供了照片或已有媒体，优先通过 media_generator 绑定到对应 Storyboard 槽位，避免重新生成用户已提供的内容；将上传照片的像素风格化融合交给 ImageToImage。

• 对用户上传的回忆照片进行整体内容理解，输出结构化描述：场景类型（教室/走廊/操场/林荫道等）、人物数量与大致姿态、构图（仰拍/平视/全景等）、主色调与光线方向、可识别的情绪氛围。
• 若用户上传多张照片，按场景归类汇总，标注每张照片最适合映射到哪个分镜场景。
• 提取的照片特征仅用于指导下游像素风格场景设计与角色设定，不直接作为最终画面；下游需将其"像素化重绘"而非原样使用。

整体结构（30–60 秒短片，可选扩展至 90s）：

• 建议分 5–7 个镜头，按情绪弧线四段式排列，而非固定场景序列：
  • 起（引入）： 1 个镜头，清新明亮的全景/天空，建立基调与视觉钩子；过渡镜头时长。
  • 承（日常沉浸）： 2–3 个镜头，温暖亲密的日常场景，让观众代入回忆情境；标准叙事镜头时长。
  • 转（情绪升温）： 1–2 个镜头，色温转暖或情绪密度升高，推向情感高点；可用情感高潮镜头时长。
  • 合（余韵收束）： 1 个镜头，画面溶解为天空/留白 + 寄语文字，营造告别感；情感高潮镜头时长。
• 场景选择原则： 根据用户上传素材与主题灵活匹配场景类型，而非固定为某一组场景。每个场景须能映射到情绪弧线中的对应相位（引入/日常/升温/收束），并从「逐场景配色与光线方案」中选取匹配的色温档位。
• 示例映射（毕业主题）： 起=校园天空 → 承=教室伏案/走廊交谈 → 转=操场夕阳/林荫道骑行 → 合=寄语浮现天空。此为示例，其他主题（旅行/四季/友谊等）应按同一情绪弧线替换场景。
• 镜头时长分级（Seedance 2.5 支持 4–15s，按节拍灵活分配）：
  • 过渡镜头（4s）： 引入相位或快速建立场景的镜头，节奏紧凑。
  • 标准叙事镜头（5–6s）： 日常沉浸相位中承载主要叙事的镜头。
  • 情感高潮镜头（8–10s）： 升温与收束相位中需要观众沉浸的情感高点，可拉长时长配合缓慢镜头运动。
  • 单镜头上限 15s；如用户选择 90s 扩展时长，优先增加情感高潮镜头的时长或新增 1–2 个叙事镜头，而非均匀拉长所有镜头。
• 开篇镜头需在前 3 秒建立视觉钩子：清新全景/天空 + 一句与主题契合的寄语文字（内容由用户主题与素材决定，不固定为某一句话）。
• 结尾镜头以寄语文字 + 天空/留白收束，营造告别感；具体文字由用户主题决定。

Key Elements 设计：

• element character： 以像素风格定义主角角色外观（发型、校服、背包等），若有多人则每个角色单独设定，确保跨镜头一致性。
• element scene： 定义核心场景的像素化样貌——教室（课桌/窗户/阳光）、走廊、操场（跑道/铁丝网/草坪）、林荫道（树木/夕阳），描述重要物件的位置与朝向。
• key prop： 如有标志性道具（书本、自行车、试卷等），作为独立 element 定义。

逐场景配色与光线方案（element scene 描述须内嵌以下规格）：

每个场景在 Storyboard 中须明确写入主色调（引用调色盘色值）与光线方案，确保镜头间色彩层次分明且整体色温统一。以下场景按色温分为三档，其他主题可参照同档位替换场景内容：暖色亲密场景（教室/林荫道）、冷色过渡场景（走廊）、暖色高潮场景（操场/天空）。

• 教室： 主色调暖黄（#F2C249）+ 暖棕（#8B6B3A），辅助草绿（#5BA84A）点缀窗台植物；光线为侧窗暖色自然光，光柱以半透明像素竖条穿过课桌区域，营造午后静谧感；阴影区用 dithering 表现课桌下方暗部。
• 走廊： 主色调天蓝（#7EC0E8）+ 暖白，辅助橙红（#E8804A）用于人物校服与海报点缀；光线为顶光漫射 + 走廊尽头窗光逆光，形成明暗对比纵深感；整体偏清冷通透，与教室暖色形成情绪转折。
• 操场： 主色调橙红（#E8804A）+ 草绿（#5BA84A），辅助暖黄（#F2C249）铺满夕阳天空；光线为低角度金色夕阳逆光，铁丝网投影用像素格状阴影落在跑道与草坪上；色温为全片最暖，强化怀旧高潮。
• 林荫道： 主色调草绿（#5BA84A）+ 暖黄（#F2C249），辅助暖棕（#8B6B3A）用于树干与路面；光线为穿透树冠的丁达尔光斑，以半透明像素圆环散落地面，逆光方向朝夕阳；整体温暖柔和，呼应骑行追夕阳的青春感。
• 开篇/结尾天空： 主色调天蓝（#7EC0E8）渐变至暖黄（#F2C249）地平线；光线为清晨/黄昏柔光，云朵用低饱和像素色块；开篇偏清新明亮，结尾偏黄昏温暖低沉。

Shot 设计：

• 每镜头须包含：场景（引用 scene element ID）、故事节拍（人物动作与情绪）、摄影语言（景别、机位角度、镜头运动——偏缓慢平移/推进/跟随，避免剧烈运动以契合怀旧氛围）、画面文字（如有寄语，写明精确文字内容与浮现方式）。
• 画面文字以天空、地面、光影等自然载体呈现，不使用现代字幕条。

Audio Layer 设计：

• BGM： 一条全局背景音乐 audio_layer，风格描述为"治愈系纯音乐，钢琴 + 木吉他 + 轻弦乐，温暖怀旧，略带感伤，参考星露谷物语原声氛围"，时长与视频等长。
• 如视频含旁白/寄语旁白，另设 narration audio_layer，使用 narration_speaker_profile（如 [温暖女声]）并写出旁白全文。

像素风格图像生成（key_element & 关键帧）：

• 首张风格基准图用 TextToImage，推荐模型 Nano Banana Pro(Gemini 3 Pro Image)（最佳提示词遵循，适合像素风格精确控制），分辨率 2K，画幅 16:9。
• 后续场景图与角色变体用 ImageToImage，以首张风格基准图 + 用户上传照片（如有）为参考，保持像素风格统一；推荐模型同为 Nano Banana Pro。
• 像素风格一致性是本 Skill 的核心约束：每张新生成图必须引用已确立的风格基准图作为 reference_image。

镜头视频生成：

• 使用 MultiModalToVideo，推荐模型 Seedance 2.5，分辨率 480p，画幅 16:9，时长按分镜设计中的镜头时长分级取值（4s / 5–6s / 8–10s，上限 15s）。
• 每镜头的 image_infos 必须包含该镜头的关键帧图片（作为视觉风格锚点）；如镜头中含角色，同时绑定对应 element character 图像作为参考。
• 相邻镜头如需强连续性（如同一场景的延续），可将上一镜头视频作为 reference_video 附加；通常情况下仅用图片参考即可。

BGM 生成：

• 使用 text_to_instrumental，推荐模型 Suno 5；提示词描述治愈系纯音乐风格，避免在提示词中出现知名音乐人名字（Suno 5 合规限制）。
• 若用户需要带歌词的完整歌曲，可用 lyrics_to_song 替代。

用户上传素材绑定：

• 用户上传的毕业照片经 resource_prepare_and_analyze 分析后，通过 media_generator 注册 asset_id 并绑定到对应 element/shot 槽位；这些照片作为 ImageToImage 的参考输入融入像素风格，而非直接出现在最终视频中。

全局规则： 用户使用中文交互时，提示词正文用中文撰写；画面内文字与旁白内容遵循 Final_Video_Spec 的输出语言（中文）。

像素风格图像提示词（TextToImage / ImageToImage）：

• 风格锚点词（必含）：16-bit pixel art、Stardew Valley style、SNES-era JRPG aesthetic、limited color palette、dithering shading、tile-based environment；以自然语言描述主体 + 场景 + 动作，以短词组锁定风格/色调/光线/构图。
• 星露谷物语画面参考元素：等距俯视/45° 俯视角构图、网格化瓦片地图质感、简洁像素化植物（圆润树冠、方块灌木）、木栅栏与石板路径、像素化窗户透光光柱、低矮像素建筑剪影；角色为二头身比例（大头小身）、纯色块面部特征（像素眼/无鼻）、简单行走向左/向右侧面精灵姿态。
• 色彩限定：调色盘锁定在星露谷暖色系——暖黄（#F2C249）、橙红（#E8804A）、天蓝（#7EC0E8）、草绿（#5BA84A）、暖棕（#8B6B3A）为主，每帧主色不超过 5–6 色阶；整片保持一致色温，禁止镜头间色调跳变；阴影区用 dithering（棋盘/条纹抖动）而非平滑渐变模拟暗部。
• 光线描述：强调"金色夕阳逆光""柔和光晕""阳光洒落桌面"等温暖光线语言；光晕用半透明像素圆环表现，光柱用半透明像素竖条，避免柔和高斯模糊。
• 像素颗粒感：明确要求 16-bit 像素分辨率质感（约 64px–128px 精灵逻辑分辨率），线条为阶梯式像素边缘而非抗锯齿曲线；禁止高清写实细节、平滑渐变、矢量描边或赛璐璐上色。
• 画面文字：如需在画面中渲染寄语，引用精确字符串（如"致敬这场遇见"），并说明以像素位图字体（参考星露谷对话框字体风格）呈现在天空/光影中，字号与画面像素网格对齐。

视频提示词（MultiModalToVideo / Seedance 2.5）：

• 参考图绑定：用 <<<image_1>>>、<<<image_2>>> 等占位符绑定每张参考图，并注明每张图引用的要素（角色/场景/风格）。
• 运动描述栈：镜头运动（缓慢平移/推进/跟随）→ 主体动作（人物动作与微表情）→ 空间变化（光影流转/树叶摇曳）→ 音频备注（如有环境音/SFX）。
• 像素风格保持：在视频提示词中重申"保持 16-bit 像素艺术风格，SNES-era JRPG aesthetic，limited color palette，dithering shading"，防止模型在动画化过程中风格漂移为写实或半写实；动态元素（树叶摇曳、光影流转）须保持像素阶梯式运动，禁止出现运动模糊或景深虚化。
• 动态细节示例：教室——"镜头缓慢平移展示靠窗课桌上的书本，窗外金黄秋叶微动，阳光洒满桌面，光影流转"；骑行——"镜头跟随学生骑行，迎着金色夕阳，温暖逆光，慢动作"。
• 站位否定项：no subtitles（字幕后期处理）、no realistic rendering（防止脱离像素风格）、no modern UI elements。

• 总时长 30–60 秒（可选扩展至 90s），按分镜叙事顺序排列镜头；各镜头时长按分镜设计的时长分级（4s / 5–6s / 8–10s）灵活组合，保持整体节奏舒缓，不使用快切。
• 转场以柔和淡入淡出（cross-dissolve）为主，契合怀旧治愈氛围；避免硬切或特效转场。转场时长与曲线由情绪流向 + 色温变化方向驱动，通用原则如下：
  • 入戏过渡（起→承）： 偏慢，1.0–1.5s，缓入缓出（ease-in-out），引导观众进入回忆情境。
  • 同色温推进（承→承 / 转→转）： 短促，0.5–0.8s，线性（linear），维持情绪连贯与节奏推进。
  • 暖→冷转折： 略快，0.8s，缓出（ease-out），制造轻微情绪跳点但不可硬切。
  • 冷→暖浸染： 拉长淡入，1.0–1.2s，缓入（ease-in），让暖色逐步浸染画面。
  • 收束余韵（转→合）： 全片最长，1.2–1.5s，缓入缓出（ease-in-out），画面缓慢溶解为天空/留白，营造告别感。
  • 上述时长为参考区间；实际取值视镜头时长与情绪密度微调，但须遵循"首尾慢、中段快"的整体节奏曲线。
• BGM 与画面同步：开篇淡入、结尾淡出；在文字寄语浮现处适当降低 BGM 音量或留白。
• 画面文字（寄语）在时间线中对应镜头的中后段浮现，给观众阅读时间。
• 导出 16:9 画幅；如用户未指定更高分辨率，默认 720p 即可（1080p 需会员权限，由下游处理）。