Broadway-Style Musical Film

# 百老汇式歌舞短片 适合想做「舞台音乐剧感」歌舞视频的用户：一段原创歌曲 + 主角独唱 + 整齐的群舞队形 + 剧场灯光。可选三种时期风格：黄金时代（饱和彩色、对称大群舞）、爵士现代（黑色极简、斜射光、内扣膝盖与爵士手）、当代剧场（面具与偶、图腾仪式感，或流行演唱会式舞台）。 最终交付：16:9 带电影遮幅黑边的歌舞短片，30-90 秒，6-12 个镜头（每镜 5-10 秒，按乐句切），一首原创歌曲（或纯器乐序曲）+ 可选旁白，附剪辑节奏建议。 ## 开工前确认 - 必需：一个故事钩子（谁、想要什么、在哪里唱）。没有就让 AI 编一个，给用户确认。 - 可选：歌词、演员照片、服装参考、编舞参考视频、喜欢的剧照或海报、演员录音。用户给了就优先用，不要重做已有素材。 - 分析参考素材时，按五个维度输出理解：时期 / 色彩 / 服装标志 / 舞蹈语汇 / 灯光情绪。编舞视频里标出可执行的动作关键词和可以直接复用的节拍。 - 用 ask_user 一次只问一个，优先问：「选哪个时期风格？黄金时代 / 爵士现代 / 当代剧场」。 ## 制作流程 1. **项目设定** —— 「项目设定」小节：片名、时期风格、时长、16:9 遮幅、输出语言（台词与歌词）、主色。等确认。 2. **歌曲与结构** —— 写歌词（主歌 / 副歌 / 桥段 / 结尾高潮），标注每段时长和情绪，确认后先生成歌曲。歌曲是剪辑骨架，先有歌再分镜。 3. **角色卡与场景卡** —— 每个角色写「身份卡」：一句核心描述 = 颜色锁定 + 发型锁定 + 姿态锁定，全片每个镜头原样复用。例：「20 岁金发女演员，穿标志性祖母绿丝绸长裙」。一个角色有多套造型就分开列。场景卡写舞台方向、重要道具和表演区位置。确认后出图。 4. **分镜表** —— 按歌曲段落切镜，每镜对齐一个完整乐句。等确认。 5. **生成参考图** —— 角色定妆图（横版：左半身 + 右全身）、场景图，列资产清单。 6. **逐镜生成视频** —— 分批生成，回来检查脸、服装、队形。 7. **旁白（可选）与交付** —— 交付清单与剪辑建议。 ## 风格锁定 - **三个时期的视觉语汇**（每个镜头都要声明所属时期并用上）： - **黄金时代（1940-60 年代）**：饱和的老式彩色胶片感，对称构图，大型群舞队形，白色追光与满台泛光，金红为主色，像在镜框式舞台上拍的。关键词：`Golden Age Hollywood musical, saturated Technicolor, symmetrical proscenium staging, grand ensemble formation, white follow spot, gold and red palette` - **爵士现代（1960-80 年代）**：致敬爵士舞编舞大师的风格——内扣膝盖、爵士手、斜戴礼帽或圆顶礼帽、黑色极简、对角斜射光、身体局部孤立动作；高反差黑白或单色红。关键词：`Fosse-inspired jazz choreography, turned-in knees, jazz hands, tilted bowler hats, black minimalist stage, diagonal hard spotlight, high-contrast monochrome red` - **当代剧场（1990 年代至今）**：大型偶与面具、仪式感质地、分层投影、大地与图腾色；或流行演唱会式舞台，霓虹与现代极简。关键词：`contemporary theatre, ritual masks and large puppets, layered projections, earth and totem colors` 或 `pop-concert musical stage, neon accents, modern minimalism` - **主色规则**：每个镜头一个主色占画面约 90%，其余是点缀。 - **遮幅**：生成时就在提示词里写 `cinematic letterbox`，画面上下有黑边，导出时无法再裁。 - **灯光**：每个镜头写清灯光提示——追光（约 5600K 硬白）、满台泛光、彩色侧光、斜射光。 - **必须避免**：CG 卡通感、业余晚会舞台感、杂乱的人堆、现代综艺灯光乱闪、字幕。 ## 分镜与镜头规则 - **群舞必须有队形和纪律**：每个群舞镜头写明队形（V 字、一字横排、对称双列、圆形、阶梯式）和统一动作（「整齐的 V 字队形同步向前推进」）。队形松散是看起来像普通晚会而不像百老汇的头号原因。 - **乐句对齐**：每个镜头长度对齐一个完整乐句，5-10 秒；副歌和高潮处的群舞不要拦腰切断。 - **结构参考**（60 秒）： - 0-8 秒 序曲：空舞台、幕布或灯光亮起，大远景。 - 8-24 秒 主歌：主角独唱，中景到近景，追光跟随。 - 24-40 秒 副歌：群舞入场，队形展开，全景对称构图，升降摇臂式上升。 - 40-50 秒 桥段：主角与一名配角对唱或舞蹈对位，双人中景。 - 50-60 秒 高潮结尾：全体定格造型，主角居中举手，灯光一齐打亮后收光。 - **运镜**：黄金时代用平稳的升降、横移和对称推进；爵士现代多用锁定机位 + 局部特写（手、帽檐、膝盖）；当代剧场可用缓慢环绕和低机位仰拍面具。 - **角色原型参考**（只作性格方向，不照搬具体剧目角色）：女主角——倔强成长型 / 天真乐观型 / 被误解的异类；喜剧角色——憨直热情型 / 被忽视的老实人；魅惑或反派——油嘴滑舌的骗子 / 渴望出名的明星梦者 / 校园女王。 - **分镜表字段**：镜号 / 对应歌曲段落与时码 / 时长 / 场景 / 角色与队形 / 动作与舞蹈语汇 / 唱词或台词（逐字）/ 景别·机位高度·运镜 / 灯光提示 / 主色。 ## 提示词写法 - **公式**（自然语言写成一段，不分小标题）：时期美学词汇 + 主体动作或群舞队形 + 舞台环境与关键道具 + 灯光提示 + 景别与运镜 + 色调（一个主色约 90%）+ 遮幅 +【避免】自然语言的避免项。 - 时期词汇要落到可执行动作：爵士现代镜头必须写出内扣膝盖、爵士手、斜戴礼帽、局部孤立动作；当代剧场镜头必须写出面具或偶和图腾质地。 - 角色描述每次都原样复用身份卡那句话，一个字不改。 - **图片示例（角色定妆）**：`Horizontal character sheet, left half-body portrait and right full-body view of the same 20-year-old blonde actress in a signature emerald green silk evening dress, victory-roll hairstyle, red lipstick, hands open in a welcoming pose, Golden Age musical stage portrait, white spotlight, saturated Technicolor, warm gold-red background` - **视频提示词结构**：运镜 → 主体动作 → 空间调度（队形、走位）→ 声音提示（有独立配乐轨时不写音乐；唱词逐字写在引号里）→ 避免项。 - 示例：`Crane shot rising slowly from stage level to a high symmetrical view. The 20-year-old blonde actress in a signature emerald green silk evening dress stands center under a white follow spot, arms opening wide as she sings "This city lights up just for me". Behind her, twelve dancers in red and gold costumes sweep forward in a clean V formation, kicking in perfect unison. Grand train-station stage set with a painted arch and luggage props, saturated Technicolor, gold-red dominant palette, cinematic letterbox. Avoid CGI cartoon look, avoid amateur gala staging, avoid chaotic crowd, no subtitles, no background music.` - 避免项用自然语言写进正文，不要用 `--no` 这类参数语法。 ## 在 TVVV 上执行 - **先做歌**：用 generate_music 生成原创歌曲，风格描述强调人声与乐池的空间层次，例如 `Broadway show tune, Golden Age orchestral musical, bright brass and lush strings, female lead vocal forward over a layered orchestral pit, theatrical crescendo, 120 BPM`；爵士现代改为 `smoky jazz-musical, muted trumpet, walking bass, finger snaps`。纯器乐序曲明确要求无人声。提示词里不要写真实作曲家或歌手名字。 - 角色定妆图、场景图用 generate_image，默认 Nano Banana 2；如果画面里要有剧场招牌、海报片名这类精确文字，用 GPT Image 2。同一角色的第二套造型以第一张为参考生成。资产清单例：「图1 = 女主定妆、图2 = 男配定妆、图3 = 车站舞台场景、图4 = 群舞演员服装」。 - 每镜 generate_video：reference_images 带本镜出场角色和场景图，全片用同一组 图N；开场空舞台或需要精确队形构图的镜头可以先出一张构图图做 first_frame。 - 默认视频模型 Seedance 2.5，aspect 16:9，720p，单镜 5-10 秒，镜头长度按歌曲段落时码定。 - 旁白（如有）用 generate_speech，嗓音按剧情设定（例如「温暖的老派剧场报幕男声，语速从容」）。 - 一次回复最多 3-4 次工具调用；先歌曲 → 再定妆和场景 → 再分批出镜头，每批 3-4 镜。 - 交付清单：镜头与歌曲时码对照、段落之间用「黑场切」模拟换景、群舞高潮保留完整乐句、剪辑点卡在重拍和渐强处；轨道建议：主画面一条视频轨、群舞或特写插入放第二轨、歌曲一条音轨、旁白一条音轨。提示用户在 TVVV 时间轴合成。 ## 注意事项 - **像晚会不像音乐剧**：群舞没有队形就会乱，每个群舞镜头都写队形名称和「同步」。 - **主角换脸换衣服**：身份卡那句话每镜原样复用，并带同一张定妆图。 - **画面和歌对不上**：先有歌再切镜，每个镜头对应一段乐句时码，不要先拍后找歌。 - **时期风格串味**：一个项目只用一个时期的词汇，不要黄金时代镜头里冒出霓虹。 - **遮幅没做**：导出时无法再加，提示词里每镜都写 cinematic letterbox。 - **视频自带的音乐和歌曲打架**：有独立歌曲轨时，视频提示词写 no background music，只保留唱词口型和舞台环境声。