Ensemble Intro Animation

# 群像登场动画 适合游戏战队、动漫社团、原创角色组、乐队成员这类「一张群像图」的需求：识别图里每个角色，让他们依次高燃登场、各放一个招牌技能，最后按原图站位集结亮相，像动画电影的角色介绍片头。每张群像图交付一条独立视频，时长按人数算（每人 4 秒，最长 15 秒），含环境音效和动作音效，可选背景音乐。 ## 开工前确认 - 只接受群像图输入。用户只给文字描述时，提示先上传群像图（或先用 generate_image 画一张群像再继续）。 - 用户给了多张群像图：每张图走一遍完整流程，一张图对应一条视频，不合并不拆分。 - 必须确认两件事（用户已经说过的就跳过），用 ask_user 一次只问一个： 1. 画幅：16:9 横屏还是 9:16 竖屏。 2. 要不要背景音乐（默认不要，只保留风声、武器挥舞、撞击等音效）。 - 不需要角色设定图、不需要分镜表、不单独做场景图：原群像图本身就是唯一的视觉参考。 ## 制作流程 1. **角色识别报告** —— 在回复里给每张图出一张表，字段：编号（从左到右）/ 外貌（发型发色、体型、肤色、五官）/ 服装（款式、颜色、材质、配饰）/ 武器（类型与外观）/ 道具 / 战斗属性（近战、远程、法术、敏捷、力量）/ 画面位置。另外检查图里有没有标题文字（队名、作品名），有就记下原文。**停下等用户确认或纠正**，识别错了后面全错。 2. **参数确认** —— 用表格给出：人数、画幅、总时长、登场段时长、集结段时长、是否有标题、是否有配乐（有的话附一句配乐风格）。**停下等用户确认**。 3. **时长计算** —— 总时长 = min(人数 × 4, 15) 秒；前 80% 是逐个登场段，后 20% 是集结收尾段，最后 1 秒全员保持站位做微动作（有标题时标题在此刻写出）。 4. **合成提示词** —— 按下方模板填好参数，内部完成，不用给用户看分镜。 5. **生成视频** —— 每张群像图只调用一次 generate_video，产出一条完整视频。 6. **交付** —— 给出视频，说明各段时长，提示可在时间轴加字幕或 logo。 ## 风格锁定 - 统一画风关键词：`top-tier theatrical CG animation, painterly stylized rendering, high-fidelity textures, high-contrast cinematic lighting`。 - **光**：特写用侧光或逆光，光分布不均，强化轮廓、眼神、表情和武器材质；中景和全景也保持高反差，禁止平光和过曝。 - **风**：全片处在强风环境，头发、披风、斗篷、裙摆、飘带、绳索、挂饰持续明显摆动；尘土、雾、碎屑、旗帜、布片、植物碎片被卷起，形成前景碎屑 / 中景角色风效 / 背景雾与旗帜三个空间层次，风向始终一致。 - **动作**：遵循物理逻辑和经典动画原理，夸张但不变形，灵活生动；不要断肢、穿模、滑步、重心丢失、武器错位、空间混乱。 - **一致性**：每个角色的长相、服装细节、武器类型、道具配置、战斗属性全程不变，避免换装、换武器、比例失调、角色混淆。 - **场景**：不写具体场景，交给模型根据角色风格自动生成符合世界观的场景。 - 必须避免：静止摆拍、硬切、额外字幕和文字（标题除外）、图里没有的角色。 ## 分镜与镜头规则 - **登场段（前 80%）**：角色依次登场，每人完成「个人亮相 → 一个武器技能 → 顺滑过渡到下一位」，最后汇聚到同一个场景。 - 每个角色至少三种景别（特写、中景、全景）+ 至少一个强透视镜头（全身、肢体细节、武器尖端、衣摆、跃起姿态、下落轨迹或空间压迫感）。 - 镜头组合随机分配，相邻角色不要用相同的登场方式和运镜节奏。登场方式可选：从天而降、高空坠落、跳入、俯冲、越过障碍、落地、滑铲。 - 动作词库：奔跑、跳跃、转身、闪避、冲锋、攻击、格挡、滑行、后空翻、落地、换位、短暂停顿，要和武器属性匹配（重武器多砸击落地，弓手多跃起拉弓，法师多悬浮施法）。 - 运镜要有空间变化：快速变焦（全景到特写、特写到全景）、跟拍、环绕、旋转、推拉、横摇、升降、俯冲、甩镜。竖屏强化上下运动（升降、俯冲），横屏强化左右运动。关键冲击用慢动作，其余用快节奏动作和转场。 - 转场优先用动势、武器轨迹、遮挡、相似动作、烟尘、闪光、甩镜和镜头震动，**不要硬切**；下一位登场以上一位的动作或遮挡做视觉锚点。 - **集结段（后 20%）**：角色按原图顺序依次做招牌姿势并落到原图对应位置。5 人以上时每人姿势要快（0.3-0.4 秒）。最后 1 秒全员保持站位，做呼吸、眼神移动、轻微摆动这类自然微动作；最终构图完整、层次清晰、站位准确、光线统一。 - **单人特例**：总长 4 秒，登场段 3 秒只做个人亮相和技能释放，镜头压缩为特写 + 全景 + 强透视；收尾 1 秒只做微动作，不做依次集结。 ## 提示词写法 - 用连贯的中文段落写，不要分段标签，不要写时间戳；只在开头说一次「基于参考图」，不要把角色清单、具体场景、某个角色的专属动作叙述写进去，让模型自己从参考图识别。 - 提示词总长控制在 2300 字符以内，超了就删修饰语，保留镜头、光、风这些结构性约束。 - **视频提示词模板**（花括号处替换，其余照写）： ``` 基于参考图，生成一段 {总时长} 秒、{画幅} 的角色集结动画，顶级院线 CG 动画电影质感，绘画感风格化渲染。先识别参考图中所有角色的数量、外貌、服装、属性、武器与道具，全片保持角色样貌、服装细节、武器类型、道具配置与战斗属性一致，避免认错角色、换装、换武器、比例失调和角色混淆；{标题处理}根据角色特质自动生成符合角色风格的场景。整体为高保真电影级 CG 渲染，质感细腻、高反差布光（特写用侧光或逆光，光分布不均，强化轮廓、眼神、表情和武器材质；中景和全景保持高反差，避免平光和过曝）。动作符合物理逻辑和经典动画原理，夸张但不变形，避免断肢、穿模、滑步、重心丢失、武器错位。全场处于强风中，头发、披风、裙摆、飘带、挂饰持续大幅摆动，尘土、雾、碎屑、旗帜、布片被卷起，形成前景碎屑、中景角色风效、背景雾与旗帜三层空间，风向一致。前 80%（约前 {登场段} 秒）角色依次登场，每人完成一段帅气的个人亮相和一个武器技能后顺滑过渡到下一位，最终汇聚到同一个场景；每个角色至少有特写、中景、全景三种景别和一个强透视镜头，镜头组合随机分配，相邻角色登场方式不同，可从天而降、高空坠落、跳入、俯冲、越障、落地或滑铲；运镜自由多变，快速变焦、跟拍、环绕、旋转、推拉、升降、俯冲、甩镜，关键冲击用慢动作；转场借助动势、武器轨迹、遮挡、烟尘、闪光、甩镜和镜头震动，避免硬切，不要静止摆拍。后 20%（约后 {集结段} 秒）角色按参考图顺序依次做招牌姿势并落到对应站位；最后一秒全员保持站位，呼吸、眼神移动、轻微摆动{标题书写}；最终构图完整、层次清晰、站位准确、光线统一、风格一致。{音效与配乐} ``` - 填写规则： - {总时长} = min(人数 × 4, 15)；{登场段} = 总时长 × 80% 取整；{集结段} = 总时长 × 20% 取整。 - {标题处理}：有标题写「视频结尾背景中出现标题文字逐笔书写的效果；」，无标题留空。 - {标题书写}：有标题写「，同时背景中标题『原文』逐笔写出」，无标题留空。标题是外文就保留原文。 - {音效与配乐}：无配乐写「无背景音乐，只保留环境风声、武器挥舞声、撞击声，不要额外字幕和文字。」；有配乐写「配以 ××× 背景音乐，保留环境风声、武器挥舞声、撞击声，不要额外字幕和文字。」，××× 根据角色识别报告用一句话概括风格、主奏乐器和情绪，例如「史诗管弦与电子鼓混合、铜管主导、热血昂扬」。 - 图片提示词：本 skill 默认不出图；只有用户没有群像图、需要先画一张时，才用「多名角色并排站立的全身群像，每人武器清晰、服装区分明显、构图留出标题区域」这样的结构生成。 ## 在 TVVV 上执行 - 每张群像图只调用一次 generate_video：默认 Seedance 2.5、720p，画幅按用户选择，时长按公式计算（模型单段上限不足时用 10 秒，并按 10 秒重新分配 80% / 20%）。reference_images 只带用户原图（图1），image_role 选 reference。 - 所有声音（配乐、风声、武器声、撞击声）都在视频里同步生成，不单独调用 generate_music 或 generate_speech。 - 不调用 generate_image（除非用户需要先画群像图）。 - 一次回复最多 2 次工具调用；多张群像图分批，每批回来先给用户看。 - 交付清单：每张图对应的视频、总时长与两段时长划分、是否含标题和配乐；提示用户可以在 TVVV 时间轴里加片头字卡、队伍 logo 或拼接多段群像。 ## 注意事项 - **角色认错或漏人**：识别报告不确认就直接生成，后面换装、混脸都救不回来。务必先让用户核对人数和每个人的武器。 - **人多挤成一团**：人数越多每人时间越短，6 人以上建议分两组各生成一条，或者提醒用户登场会非常快。 - **静态摆拍感**：提示词里漏掉风和动势转场，就会变成角色轮流站着摆姿势。强风和「避免硬切」必须保留。 - **标题写错**：模型写字不稳定，外文标题尤其容易错；错了就重生成，或去掉标题、后期在时间轴里加。 - **提示词超长被截断**：超过 2300 字符时，尾部的集结和音效描述会丢失，先删修饰语而不是删结构。