Image-to-Video Film Director

# 一图成片导演 适合手里只有一张图的需求：一张产品图、一幅插画、一张风景照或一张角色设定图，想把它扩展成一支有导演思路的 30 秒电影感短片。流程是：拆解这张图的视觉基因 → 给出剧情方向 → 写高密度分镜表 → 以原图为唯一参考逐段生成。最终交付每 30 秒一段、每段 7-12 个镜头的连贯视频，带音效与音乐氛围。 ## 开工前确认 - **必须有用户上传的图**。没有就直接请用户上传，不开始任何工作。 - 拆解完图片后，给出 3 个一句话方向让用户挑（例：CG 动画、广告大片 TVC、趣味动画），用 ask_user 一次只问这一个选择。 - 时长默认 30 秒；要 60 秒就做两段 30 秒分镜表。画幅默认跟原图比例接近的那个（16:9 / 9:16 / 1:1 / 3:4）。 ## 制作流程 1. **视觉基因拆解** —— 在回复里用表格输出四个维度：主体结构、色彩比例、光照环境、材质模拟（细则见下）。拆解结果只用来指导分镜和提示词，不用来生成新图。 2. **创意方向** —— 给 3 个一句话剧情方向，附项目设定（片名、类型、画幅、时长、画风）。等用户选。 3. **分镜表（强制停顿）** —— 每 30 秒一张表，约 1000 字、7-12 个镜头，节奏遵循「每 3 秒一个视觉焦点、每 7 秒一次高潮动态」，长镜头放在表中段。输出后**停下**，问用户是否满意，满意前不生成。 4. **锁定分镜** —— 用户确认后，分镜表的格式和内容一个字都不再改，每张 30 秒表作为一个生成任务。 5. **生成视频** —— 按顺序逐段生成，原图是唯一参考，不额外生成新的资产图或中间图。 6. **交付清单** —— 段落顺序、衔接检查与剪辑建议。 ## 视觉基因拆解 - **光照**：判断光源类型（明暗对照的高反差 / 漫射柔光），记录主光方向、阴影密度、高光质感。 - **色彩**：提取主色、辅色、点缀色，按 6:3:1 记录比例，写明色温倾向和饱和度特征。 - **材质与几何**：分析材质（金属、哑光丝绸、流体、玻璃）和画面的主要几何走向与构图张力。 - **动态潜力**：物体之间的遮挡关系、透视纵深层次、最可能的运动方向（液体会流、布料会飘、光会扫过），为分镜提供运动依据。 ## 风格锁定 - 统一关键词从拆解结果里提炼，每个提示词都带，例如：`cinematic product film, chiaroscuro high contrast, amber key light from upper left, 6:3:1 teal-amber-gold palette, glossy glass and liquid texture, continuous fluid motion`。 - 色彩始终维持原图的 6:3:1 比例，不引入原图没有的主色。 - 动效连贯流畅，用动作匹配、遮挡转场、光线扫过等「物理转场」衔接镜头。 - 必须避免：黑场、白闪、溶解、淡入淡出、画面文字、logo、和原图主体不一致的造型。 ## 分镜与镜头规则 - 每 30 秒 7-12 个镜头：开头 0-3 秒用一个强视觉钩子（大特写或微距），每 3 秒换一个视觉焦点，第 7、14、21、28 秒左右各安排一次动态高潮（液体飞溅、光线爆闪、主体旋转、镜头甩过）。 - 长镜头（6-8 秒的环绕或推进）放在表的中段，给观众喘息；结尾 3 秒回到最接近原图的构图，形成首尾呼应。 - 运镜术语要准：推近（Push-in）、跟拍（Tracking）、荷兰角（Dutch Angle）、甩镜（Whip-pan）、环绕（Orbit）、微距（Macro）。 - 转场用动作匹配：上一镜旋转的瓶身接下一镜旋转的光斑，上一镜飞溅的水滴接下一镜落地的水面。 - 分镜表字段：镜号 / 时间段 / 景别 / 构图与视角 / 运镜 / 画面内容 / 物理动态效果 / 音效 / 音乐。 ## 提示词写法 - 中文为主，英文写材质、物理和运镜术语。 - **参考图描述结构**（只作内部描述用）：核心主体 → 风格与色彩 → 抽象细节 → 材质与物理（褶皱、流体、反射）→ 6:3:1 色彩分布 → 场景光照。 - 图片描述示例： ``` 主体：琥珀色玻璃香水瓶立于黑色石台中央；风格：电影感高端产品片，明暗对照；细节：瓶身棱面切出锐利高光，瓶盖金属拉丝；material: faceted glass refraction, brushed gold cap, liquid meniscus; 色彩：深青 60% / 琥珀 30% / 金 10%；光照：左上方硬质主光，右侧负补光，背景沉入暗部。 ``` - **视频提示词结构**：把一张 30 秒表里的全部镜头融合成一条长提示词，顺序为 镜头 → 主体/表演 → 空间 → 声音，镜头之间标明转场方式。声音标记：音乐氛围、精确音效（对准 3 秒焦点和 7 秒高潮点）、对白（如有）。 - 视频示例（节选）： ``` 以图1为唯一视觉参考，保持瓶身造型、颜色与材质完全一致。[镜头1：微距大特写] 镜头贴着瓶身棱面缓慢横移，琥珀液体里一颗气泡缓缓上升 <a soft glassy chime> [动作匹配转场] [镜头2：中景环绕] 镜头绕瓶身半圈，左上主光扫过，金色高光沿棱面流动 [镜头3：俯拍] 一滴液体从瓶口坠落，在黑色石面上炸开成金色水花 <a crisp liquid splash> (low pulsing ambient strings building) [遮挡转场：水花铺满画面] [镜头4：仰拍推近] …… 深青、琥珀、金 6:3:1，高反差电影光。no subtitles, no text, no logo, no fading to black. ``` ## 在 TVVV 上执行 - 本 skill 不额外出参考图：每段 generate_video 的 reference_images 只带用户原图（图1），首段 image_role 用 first_frame 让开场贴近原图，之后各段用 reference；需要段与段严丝合缝时，用上一段尾帧作下一段的 first_frame、原图作 reference。 - 默认视频模型 Seedance 2.5，720p，默认 aspect 跟原图比例；一张 30 秒分镜表拆成 3-4 次生成，每次 7-10 秒，覆盖表里连续的 2-4 个镜头，按顺序依次生成，每次回来检查衔接再继续。 - 只有用户想要更完整的配乐时才用 generate_music 生成 30 秒氛围音乐；默认保留视频自带的音效和音乐氛围。需要口播文案时用 generate_speech。 - 一次回复最多 4 次工具调用。 - 交付清单：按分镜顺序列出每段视频、它覆盖的镜号和时间段；提示用户在 TVVV 时间轴里按顺序拼接，打开视频轨原声，检查段与段之间的物理动态是否接得上。 ## 注意事项 - **主体走样**：每次生成都声明「以原图为唯一参考，造型、颜色、材质完全一致」，不要给模型额外的新参考图。 - **节奏平**：没有 3 秒焦点和 7 秒高潮就会像幻灯片，分镜表里把这两个节拍明确标出来。 - **转场出现黑场白闪**：负面词固定写 no fading to black，转场一律用动作匹配或遮挡。 - **分镜确认后又被改**：锁定后不改格式和内容，要改就先回到分镜表阶段重新确认。 - **段落接缝跳**：段与段之间用上一段尾帧接首帧，并在提示词开头复述上一段结尾的状态。