混合现实拆解变形

# 混合现实拆解变形 第一人称 14mm 超广角视角：举起手机召唤出一个物体（车、设备、玩具、产品都行），周围浮出锚定在空间里的界面，手指点击后物体换色、换环境、变形成机甲，再做局部爆炸、整机爆炸、穿越内部，最后复原并回到第一帧形成循环。默认交付约 20 秒 9:16 竖屏（3-4 段视频首尾相接），无旁白，只有环境、界面、机械和冲击音效。 ## 开工前确认 - 输入可以是：物体名、产品图、参考视频、上一次失败的成片、指定时长或画幅。只给名字就由你设计原形态、强化形态、零件对应关系、拆解结构、内部路线和场景。 - 有产品图时锁定轮廓、比例、颜色、材质、标识和零件数量；做真实教学拆解时需要型号和可靠资料，纯视觉作品用「概念上可信」的结构即可。 - 用 ask_user 只问一个真正改变结果的问题，通常是「简单版还是完整版」： - 简单版：召唤 → 一次变形 → 复原 → 收回，不超过 4 个状态，约 10-15 秒。 - 完整版：多轮界面、换色换环境、激进推拉、局部拆解、整机拆解、穿越内部，约 20 秒。 - 默认物体：无品牌的方盒硬派越野车——方正车身、圆形灯圈、粗胎、直立格栅、平车顶、短前悬。 ## 制作流程 1. 需求理解 —— 回复里给小表：模式、物体、画幅、时长、场景、三种外观 / 环境状态（只在这里随机一次，选定后锁死）。 2. 身份资产 —— 白底「这个物体是什么」的定型图，不进视频时间轴：车辆四视图（正前 / 正侧 / 正后 / 前 3/4）、机甲四视图、变形对应关系图（原形 → 半变形 → 机甲）、整机工程爆炸图、局部（如左前灯）爆炸图、内部资产（驾驶舱、后舱入口、机械通道）。简单版只需前三张。 3. 零件对应表 —— 原位置 → 新位置，例如：车门→肩甲与前臂甲；前轮→膝关节；后轮→脚踝或背部动力环；格栅→胸甲；大灯→视觉核心；引擎盖→胸板；车顶→背甲；底盘悬挂→骨盆与承重骨架。变形顺序固定为「解锁 → 展开 → 关节旋转 → 抬升 → 就位 → 锁定」，复原严格倒序。 4. 关键帧时间轴 —— 列出 K 帧（清晰状态帧）和 M 帧（速度峰值帧）及其秒数，见下文。停下来等用户确认。 5. 生成关键帧图 —— 用身份资产作参考，按时间顺序出带场景的关键帧；逐对检查能否连续衔接，接不上先重做图，不要指望视频提示词去修。 6. 分段生成视频 —— 每段以一个 K 帧为首帧、下一个 K 帧为目标，写清这段的变化提示词。 7. 复查与返工 —— 标出出问题的秒数，只重做那一段。 8. 交付清单 —— 段落顺序、音效峰值、文字修补建议。 ## 风格锁定 - 视角固定：第一人称、等效 12-18mm（默认 14mm）超广角，保留呼吸、脚步和惯性，不要像稳定器那样漂浮。 - 界面必须锚定在世界空间里，有透视、遮挡和视差，而且真的在控制物体或环境（换漆、昼夜、灯光、变形），不能只是贴在屏幕上的装饰。完整版至少三种布局：物体右侧的状态面板 → 镜头左拉后的左前景控制面板 → 三块面板半环绕物体。 - 统一关键词：`first-person POV, 14mm ultra-wide lens, world-anchored holographic UI, realistic hands and phone, photoreal vehicle materials, cinematic mixed reality`。 - 必须避免：物体「融化」成机甲、瞬间替换、跳过半变形状态、外部剖面冒充内部视角、生成时写「随机颜色 / 随机天空」、首尾两帧长得像但不是同一张。 ## 分镜与镜头规则 - 完整版 20 秒参考节奏： - 0-1.2 秒：手机举向天空，微缩车辆悬浮，头随之抬起后下甩，车辆落地。 - 1.2-4.3 秒：右侧状态面板 → 镜头左拉，左前景控制面板 → 三面板展开。 - 4.3-6.4 秒：同机位下，界面切换三种外观 / 环境状态，构图完全不变。 - 6.4-8.5 秒：手指点变形键，车身缝隙发光，半变形，镜头右摇到正面，完整机甲。 - 8.5-10.2 秒：激进推到机甲面部，不停顿再激进拉到侧后方全景。 - 10.2-12 秒：机甲倒序折回车辆，镜头同步后拉；同机位白天切夜晚。 - 12-14.2 秒：激进推到左前灯，灯罩 → 透镜 → 灯圈 → 电路 → 核心依次拆开，大幅横甩，零件复位。 - 14.2-17.4 秒：拉宽 → 正侧 → 后方，整车按「外壳 → 承重结构 → 功能模块 → 动力核心」爆炸展开，高速推进尾部通道，进入后舱，内部结构展开。 - 17.4-20 秒：从内部冲出，向右环绕后拉，车辆复原；上仰，夜转昼，手机入画，回到第一帧。 - 每个高速动作都写成曲线变速：短暂预备 → 非线性猛推 / 猛拉 / 甩镜 → M 帧速度峰值 → 到目标前急停 → 轻微过冲回弹 → 停留 0.15-0.3 秒看清 → 沿连续路径再加速。普通 K 帧是轨迹上的采样点，不是停车点。 - 相邻关键帧必须满足：至少一个共同可追踪的物体；原点、背景锚点和主光方向可推断；机位能用直线或弧线连上；画面占比与推拉距离匹配；运动方向延续；变形前后至少三组零件位置可追踪。 - 局部拆解、整机拆解、内部拆解用不同的身份资产和不同的时间段，顺序不能混。内部关键帧必须是真正位于物体内部的视角。 - 首尾帧直接复用同一张图，形成无缝循环。 - 时间轴表字段：编号 / 秒数 / 类型（K 或 M）/ 画面（机位、物体状态、占比、界面、手与手机、光线）。 ## 提示词写法 - 身份资产示例：`pure white background, no scene, identity sheet of an unbranded boxy off-road SUV showing front, true side, true rear and front three-quarter views, identical proportions, colors, materials and part count, round headlight rings, chunky tires, upright grille, no transformation, no motion blur, no text` - K 帧结构：编号与秒数 + 9:16 第一人称 14mm + 场景与光线 + 机位（相对物体的位置、高度、朝向）+ 物体状态与画面占比 + 背景锚点 + 手和手机位置 + 界面（布局、透视、遮挡、功能）+「清晰状态帧，严格继承身份资产」。 - M 帧结构：位于哪两个 K 帧之间的速度峰值 + 镜头沿什么路径高速推 / 拉 / 甩 / 环绕 + 当前位置 + 物体身份不变 + 运动模糊只沿某个方向 + 不提前到达终点、不改变物体状态。 - 段落视频提示词结构：起止秒数与 K 帧 → 镜头从哪到哪、沿什么路径 → 先预备多久、在哪达到峰值、急停过冲回弹 → 终点是否停留 0.15-0.3 秒 → 物体只做一个主要变化 → 保持不变的东西（身份、原点、背景、界面、手、手机、光线）→ 手势写成「接近 → 触碰 → 界面反馈 → 2-6 帧延迟 → 物体响应 → 手回弹」→ 本段禁止项。 - 示例：`From the first frame, the camera prepares for 0.2s, then accelerates nonlinearly along a straight push toward the robot's face, peak speed with radial motion blur at mid-distance, brakes hard just before the face, slightly overshoots and rebounds, holds 0.2s for recognition, then immediately pulls back toward the side-rear along a smooth arc to a wide view. The robot only turns its head slightly. Keep identity, background anchor, night lighting and UI unchanged. Sound: servo whine leading the push by 2 frames, impact thump at the stop. No narration, no text.` ## 在 TVVV 上执行 - 身份资产和关键帧都用 generate_image：默认 Nano Banana 2；界面上要有清晰可读的数字和文字时用 GPT Image 2。同机位的状态帧尽量以上一张图为参考只改界面控制的那部分。 - 视频用 generate_video，默认 Seedance 2.5，9:16，720p，每段 5-8 秒：reference_images 带当前段起点 K 帧（image_role 选 first_frame），再带车辆和机甲身份图（image_role 选 reference）。20 秒完整版拆成 3-4 段，下一段的首帧用上一段的末帧或对应 K 帧。最后一段的目标画面就是第一帧那张图。 - 本片默认不配旁白、不配歌；需要底乐时用 generate_music 出一段低调的电子氛围乐，音量压在音效下面。 - 一次回复最多 3 次工具调用：身份资产一轮，关键帧分 2-3 轮，视频按段一轮一轮出，每轮先自查衔接再继续。 - 交付清单：段落顺序与接缝秒数；音效安排——连续环境声，界面短点击和确认声，变形用伺服、导轨、锁扣、磁吸声，局部爆炸 / 整机拆解 / 内部推进 / 冲出各一个峰值，声音领先激进推拉 1-3 帧，大冲击后留 2-5 帧静音。界面文字模糊时，建议在时间轴里叠一层透视匹配的矢量文字。 ## 注意事项 - 画面跳：先查相邻关键帧能不能连上，连不上就重做图，不要堆更长的提示词。 - 每个 K 帧都停一下显得机械：段落提示词里只在界面、面部、爆炸结构和内部节点写短暂停留，其余写「不停顿，保持运动趋势」。 - 变形像融化：必须有半变形关键帧，并在提示词里写清「解锁 → 展开 → 旋转 → 抬升 → 就位 → 锁定」。 - 颜色乱变：三种状态在规划阶段定死，提示词写具体颜色和天空，不写随机。 - 首尾不循环：最后一段必须以第一帧原图为目标画面。 - 白底图直接出现在视频里：白底身份图只能作 reference，绝不能作 first_frame。