Designer Toy IP Kit

# 潮玩IP全套设计 适合想从零打造一个「大头小身」潮玩 / 盲盒风原创形象，并一次性拿到全套设计资产的需求：基础形象、四视图、表情包、换装方案、排版展示图、周边设计，以及一支不超过 30 秒的 16:9 动态展示短片（开场快速换装蒙太奇 + 周边逐个登场的主展示长镜头）配背景音乐。 ## 开工前确认 - **必须锁定的三件事**：品牌名（英文大写最好，会印在帆布袋等主视觉周边上）、主色调（例如蓝紫渐变）、角色概念。用户没说品牌名就先建议一个并让用户确认；一旦锁定，后面每一步都不能改。 - **角色概念没方向时**，在回复里给一份灵感清单让用户挑：动物系（猫耳少女、兔子精灵、熊猫团子、水母女孩）、食物系（草莓蛋糕精灵、抹茶团子、西瓜汽水少女）、植物系（蘑菇女孩、樱花仙子、蒲公英旅人）、职业系（宇航员、魔术师、深海探险家）、奇幻系（星星精灵、云朵仙子、极光信使）、节日系（圣诞精灵、南瓜、新年锦鲤）。 - **用户上传了已有角色图**：跳过基础形象生成，直接用上传图当身份锚点；先在回复里记录脸型、眼型与瞳色、发型发色刘海、头身比（精确到 0.1，例如 1:2.5）、肤色、服装、主色。多张图时选最清晰的正面全身图为主，其他补充侧背面；有冲突（比如发色不一致）问用户以哪张为准。 - **周边清单默认**：帆布袋、手机壳、抱枕、保温杯、遮阳帽、雨伞、贴纸、眼罩，用户可增删。 - 用 ask_user 一次只问一个问题，优先问角色概念，其次问品牌名。 ## 制作流程 1. **IP 设定** —— 在回复里用表格列出：角色概念、潮玩风格基调、品牌名、主色调、周边清单、画幅（图片 16:9 和 3:4，视频 16:9）、语言。**停下等用户确认**。 2. **基础形象（双版本）** —— 同一角色出两版：3D 渲染版（软胶体积感、细腻光影）和扁平矢量版（色块分明、轮廓清晰）。这是后面所有图的一致性锚点，**停下确认**，此时改成本最低。 3. **四视图** —— 正面 / 侧面 / 背面 / 45° 侧面放在同一张白底 16:9 图上。确认后作为角色核心参考。 4. **表情 / 换装 / 排版 / 周边**（可并行）： - 表情动作默认 8 个，2×4 宫格，3:4：飞吻、开心、馋、生气、困、害羞、害怕、哭。数量变了自动排版（6=2×3、9=3×3、12=3×4）。可替换的扩展：得意、星星眼、偷看、委屈、吓一跳、吐舌头、打喷嚏、发呆、傲娇哼。 - 换装默认 6 套，全身，3:4：西部牛仔、古风仙侠、夏日潮酷、萌熊、西瓜、酷黑西装。可换：赛博朋克、街头工装、国潮、旗袍、哥特洛丽塔、魔法少女、森林精灵、学院风、未来机能风。 - 排版展示图：把表情做成半身头像，套白色细线圆框，统一放在渐变背景上，16:9（默认蓝粉渐变天空，可选紫橙日落、薄荷绿、马卡龙四色、星空深蓝、奶油暖白、赛博霓虹）。 - 周边设计：4 套完全不同的展示方案，16:9；品牌名大字印在帆布袋上，配色严格用锁定的主色。 做完分组展示，**停下等确认**；改了表情，排版图要跟着重做。 5. **展示短片分镜** —— 写分镜表（见下），让用户指定主展示镜头里角色穿哪一套。场景没方向时给选项：梦幻星空舞台、糖果色实验室、未来展厅、浮空岛花园、海底宫殿、复古像素世界、水晶矿洞、云上城堡、霓虹夜市。**停下确认**。 6. **空场景图** —— 有选定场景就按描述生成新背景；没选就以周边展示图为参考，去掉所有商品和人物只留背景。检查画面里无人、无商品、无文字，**确认后**再做主镜头。 7. **视频与配乐** —— 先出蒙太奇短镜（每套造型一条），再出主展示长镜头，配乐同步做。最后按清单逐项交付。 ## 风格锁定 - 每张图都带：`cute art toy, blind box vinyl figure, chibi big head small body, kawaii, minimalist, soft glossy material, clean studio lighting` - 所有参考图步骤末尾都加一致性约束：`strictly keep the same face, hairstyle, hair color, head-to-body ratio and rendering style as the reference` - 主色调贯穿角色配饰、周边和背景；配色可以变化，但不能盖过主色。 - **必须避免**：头身比漂移超过 5%、3D 变水彩或 2D 画风、两套换装在主题 / 配色 / 配饰三项里有两项以上雷同、品牌名拼错或漏印。 ## 分镜与镜头规则 - **总时长 ≤30 秒**，16:9。超了先压缩蒙太奇，主展示镜头保持完整。 - **开场蒙太奇（默认开启，可整段跳过）**：每套造型一条 4-5 秒短镜，剪辑时只取 1-2 秒；前 3 秒至少闪过 2 套造型。总长约等于造型数 ×2 秒（6 套 ≈12 秒）。动作必须呼应造型主题且不重复：牛仔压帽檐 + 侧步，仙侠甩袖转身，潮酷比酷手势 + 点头，萌熊抱臂左右晃，西瓜原地跳 + 双手捧脸，黑西装整领带 + 自信一瞥。短镜之间硬切，偶尔加 0.3 秒淡入淡出；最后一条到主镜头用 1 秒溶接。 - **主展示镜头（10-15 秒，单条长镜头）**：固定中景，角色略低于画面中心。角色从中心弹出站定 → 周边按顺序每隔 1-1.5 秒登场：帆布袋（最大、最先）→ 手机壳 → 抱枕 → 保温杯 → 遮阳帽 → 雨伞 → 贴纸 / 眼罩（最小、收尾）。每件登场时角色转头看、做反应（发现 → 惊喜 → 互动 → 回正）。登场方式轮换：弹出 / 滑入 / 发光浮现 / 放大进入。最后一件出现时镜头轻推。 - **音效**：每件周边登场配一个短音效：弹出「啵」0.3 秒、滑入「嗖」0.4 秒、发光「叮」0.6 秒、放大低频「咚」0.5 秒；相邻音效间隔至少 0.8 秒；角色登场用标志性的「叮咚」做 IP 声音标识。 - **分镜表字段**：镜号 / 时长（生成时长与剪辑时长）/ 造型 / 动作 / 登场元素与方式 / 运镜 / 音效。 ## 提示词写法 - **图片提示词结构**：画面类型（基础形象 / 四视图 / 宫格 / 周边）→ 角色身份描述 → 风格锚点 → 内容排布（宫格每格写什么）→ 背景与画幅 → 一致性约束。 - 示例（换装宫格）：`3x2 grid of the same chibi jellyfish-girl art toy in six outfits, full body: western cowboy, xianxia hanfu, summer streetwear, cute bear suit, watermelon dress, black suit. Each outfit with matching accessories, blue-purple gradient accents, white background, cute vinyl figure render. Strictly keep the same face, hair and head-to-body ratio as the reference.` - **视频提示词结构**：参考图说明 → 角色与造型 → 动作（写清身体部位、幅度、速度，主动作在前）→ 元素登场顺序与方式 → 运镜 → 音效 → 质量约束。 - 示例（主展示）：`Character from 图3 in the cowboy outfit, background from 图5, products from 图4. Fixed medium shot. The toy pops up at center and stands still with a "ding-dong" sound. A tote bag printed with JELLY GIRL pops in on the left, she turns and gasps, pop sound; a phone case slides in on the right, she claps, whoosh sound; a pillow glows into view, she hugs the air, soft chime... Slight push-in as the last item, an eye mask, scales in with a low thud. Cute, fashion, tech mood. No clipping, no deformation, keep character consistent.` ## 在 TVVV 上执行 - 基础形象和四视图用 generate_image 先出（四视图记为 图N），后面的表情、换装、周边、空场景都在 reference_images 里带同一个四视图，image_role 选 reference。 - 默认图片模型 Nano Banana 2；**周边设计图、排版图、带品牌名的画面用 GPT Image 2**，保证文字拼写准确。 - 默认视频模型 Seedance 2.5，16:9，720p。蒙太奇短镜每条 5 秒，参考对应造型图；主展示镜头 10-15 秒，同时带造型图 + 周边图 + 空场景图。 - 配乐用 generate_music：默认时尚电子，BPM 110-130，合成器主音 + 鼓机 + 钢琴点缀，开场鼓点紧、主镜头转旋律、结尾一个收束音。其他可选：梦幻流行（100-115）、元气日系（128-140）、8-bit 芯片（120-135）、轻爵士（110-125）。时长与成片一致。 - 一次回复最多 3-4 次工具调用；图片按步骤分批，视频先短镜后主镜头。每批生成后检查脸型、发型、头身比、画风、品牌名是否一致，不一致就带着具体问题重做。 - 结尾交付清单：基础形象 → 四视图 → 表情宫格 → 换装宫格 → 排版图 → 4 套周边 → 展示视频 + 配乐；建议剪辑顺序和叠法（音效出现时把配乐压低约 9dB，结束后 0.3 秒恢复），提醒用户在 TVVV 时间轴剪辑合成。 ## 注意事项 - **跳过双版本确认直接做四视图**：基础形象有偏差会污染后面所有步骤，一定先停下确认。 - **换装后脸变了**：每个参考图步骤都重复一致性约束，并且参考四视图而不是上一张生成图。 - **视频里穿模、手脚变形**：先原样重生成；连续两次失败再降低动作复杂度。 - **主镜头周边漏了或顺序乱**：一个镜头最多放 6-8 件，太多就拆成两个镜头。 - **空场景残留商品或文字**：提示词里明确写「no characters, no products, no props, no text」。 - **品牌名乱码**：带文字的图一律用 GPT Image 2，并在提示词里用引号写出完整拼写。