第一人称沉浸短片

# 第一人称沉浸短片 适合「让观众变成主角」的写实短片：回乡、夜班、考场、医院走廊、童年记忆。整部片只有一个视角——主角的眼睛，绝不出现第三人称外拍。最终交付 6-12 个镜头、30-90 秒的 16:9 短片，生成阶段只保留环境声，对白后期配音，画面里的文字后期叠加。 ## 开工前确认 - 需要用户给：一句故事、剧本或一组参考图都可以；没有就由 AI 编一个只有一个转折的小故事。 - 有剧本就不改内容和节奏，只拆出每段的「视线起点、触发、视线转移、手部动作、视线落点」。 - 有参考视频就逐镜标出哪些是严格主观、哪些犯规，提炼可复用的手持晃动频率和视线转移速度。 - 用 ask_user 一次只问一个问题，最常问的是：「主角是几岁？」——年龄决定视线高度（8 岁就是低机位）和手部资产。 ## 制作流程 1. 项目设定 —— 在回复里给出「项目设定」小节：片名、总时长、情绪曲线类型（渐强 / 渐弱 / 波浪 / 反差）、视觉质感、主角年龄与可见身体部位。 2. 资产卡 —— 用 generate_image 依次出：配角（写实半身照）、场景（主角视线能看到的范围）、关键道具、主角手部 / 袖口 / 鞋子局部（按年龄分版本）。主角永远不出正脸。**停下等用户确认人物外观。** 3. 分镜表 —— 按段落（Segment）组织，每段 2-3 个片段，每个片段只承载一个剧情转折。**停下等用户确认。** 4. 生成前闸门 —— 每个片段生成前在心里过一遍「防抽卡闸门」（见下），不过就先改提示词。 5. 逐段生成视频 —— 每段生成完立刻自检，第三人称泄漏直接重跑。**每段完成后停下让用户检查。** 6. 后期声音 —— 需要时用 generate_speech 做对白配音，最后才考虑配乐。 7. 交付清单 —— 剪辑顺序、后期叠字清单、对白轨。 ## 风格锁定 - 统一风格关键词：`first-person POV, handheld subjective movement, small jolts, documentary realism, natural light, low saturation, wet cold air, lived-in texture, worn fabric, practical interior light` - 写实纪录片质感，自然光，旧物有磨损、潮气、灰尘和使用痕迹。 - 情绪靠物理证据，不靠形容词：压抑 = 低视点贴近物体表面 + 封闭边界 + 低沉环境声 + 犹豫的手；孤独 = 大量留白 + 视线没有落点 + 只听得见自己呼吸；温暖 = 热气模糊视线 + 暖光从物体表面漫开 + 手碰到热碗。 - 情绪与视觉对照：紧张用冷暗强反差、窄而倾斜的构图、快速不稳的运动；悲伤用冷色低饱和、柔散光、空构图、静止；平静用中性柔光、平衡构图。 - 必须避免：主角正脸或全身、可读的中文字、广告大片感、CG 渲染、动漫、煽情慢动作、夸张表演、过于干净的环境。 ## 分镜与镜头规则 - 铁律：镜头就是主角的眼睛。只允许出现主角的手、鞋、袖口、胸前物件边缘，以及玻璃 / 黑屏手机 / 后视镜里模糊的倒影轮廓。 - 信息必须进入视野才算成立：关键道具要出现在主角看得见的地方，声音可以辅助但不能代替关键画面。 - 每个片段写全主观运动链：视线起点 → 声音或动作触发 → 视线转移 → 手部动作 → 视线落点。不允许没有起点的镜头。 - 不写「定格」「镜头推近」这类导演语言，改写成「视线停在……」「视线被……的声音拉过去」「手从画面右侧伸进来」。 - 片段之间靠视线落点和声音触发衔接，不靠跳切。上一片段的落点就是下一片段的起点。 - 单片段 5-10 秒，每段 2-3 个片段。前半段节奏紧，后半段放慢。 - 每段写清「剧情任务」：这一段改变了什么、继承了上段什么、为下段准备什么。删掉它如果什么都不坏，就合并或删掉。 - 动作分阶段写，不写精确秒数：第一阶段 / 第二阶段 / 最终阶段，每阶段包含视线位置、动作、可见的物理反馈、环境反应、留给下一阶段的状态。结尾停在视线落点或手的停顿上，不要以全身镜头收。 - 用户的修正意见是硬锁：说了「低头」，就全程低头。 - 分镜表字段：段 / 片段号 / 时长 / 剧情任务 / 视线链 / 动作阶段 / 声音证据 / 情绪 / 后期叠字。 ## 提示词写法 - 参考图各司其职：每张参考图只负责一件事——角色入画方式、环境空间与光、主角手部动作、道具细节——并写明「只继承什么、不继承什么」。例如：道具图只继承车票的形状和纸质，不继承构图。 - 图片提示词结构：生成目标 + 主体 + 材质细节 + 姿态构图 + 背景 + 光线 + 禁止项。 - 图片示例（主角局部）：纪实近景照片，一双十几岁少年的手，指甲缝有泥，袖口磨毛的旧校服，捏着一张折皱的长途车票，背景是公交车座椅边缘，阴冷晨光，只拍手部，不出现脸，无文字。 - 视频提示词结构：固定前缀 `first-person POV from [主角]; camera is his/her eyes; no external shot of [主角]` → 参考图分工 → 首帧与尾帧状态 → 动作阶段 → 运镜（起点 → 触发 → 转移 → 落点）→ 声音证据 → 光线质感 → 具体禁止项。 - 视频示例：first-person POV from the boy; camera is his eyes; no external shot of the boy. 图1 只继承车厢空间与冷光，图2 只继承手部与车票。第一阶段：视线低垂落在自己膝盖上捏着车票的手，车身一颠，手指收紧。第二阶段：视线被前方咳嗽声拉起，越过空座椅，落在车内后视镜里司机模糊的眼睛上。最终阶段：司机移开目光，视线回落到车窗雨痕上停住。<柴油发动机低吼，雨刮器摩擦声，老人轻咳>。禁止切到第三人称、禁止出现主角脸或全身、禁止可读文字、禁止背景音乐。 - 负面词要具体对应失败风险，不写「低质量、模糊、丑」这种空话；简单场景 10-20 条，复杂场景 30 条以上，最常见的问题放最前面。 - 手机屏、作业纸、姓名牌一律写「有痕迹但不可读，文字后期加」。 ## 在 TVVV 上执行 - 配角、场景、道具、主角手部局部用 generate_image 先出，后面每个镜头 generate_video 都用 reference_images 带上同一个 图N，image_role 选 reference；片段之间需要无缝衔接时，用上一片段尾帧作为 first_frame。 - 参考图数量宁少勿多，职责冲突时拆开或减少，否则容易换脸。 - 默认图片模型 Nano Banana 2；视频模型 Seedance 2.5，画幅 16:9，单镜 5-10 秒，720p。 - 生成时只保留环境声；对白用 generate_speech 后期配，方言优先，不追求口型。默认不加配乐，所有片段完成后才考虑 generate_music。 - 一次回复最多 3-4 次工具调用，按段分批生成，每段结果回来先自检再继续。 - 结尾给交付清单：片段与视频对应表、剪辑顺序（片段间硬切，段与段之间 0.5-1 秒黑场表示时间跨度）、需要后期叠加的文字（作业纸、站牌、来电界面）、对白轨和静音留白点；提示用户去 TVVV 时间轴剪辑合成，配乐如有不超过环境声的 60%。 ## 注意事项 - 第三人称泄漏：模型最爱偷偷拍出主角背影或全身。一旦出现整段重跑，不要靠裁切补救。 - 视线高度不对：孩子视角要低机位，成人正常高度，写进每条提示词。 - 模型自己编剧情：每个片段的动作必须写满，不给模型留即兴空间。 - 换脸：配角在不同片段长得不一样，先查是不是没带同一张参考图，或参考图太多互相污染。 - 情绪不够：先加声音、停顿、手的犹豫和真实噪声，最后才考虑对白、哭声或配乐。静默往往是全片最有力的一刻。 - 防抽卡闸门：主体不稳先别调氛围，空间不稳先别调运镜，材质错了别再堆电影感形容词；「电影感、高级、梦幻」都要翻译成看得见的形状、材质、光和动作。