Multi-Panel Grid to Video

# 多格分镜图转视频 适合两类需求：一是用户已经有多格漫画、宫格分镜、联系印样，想让它动起来；二是从一个故事出发，先为每个长镜头画一张「多格分镜图」锁定每个节拍的画面，再用这张图驱动视频生成，保证每一格的角色、构图和节奏都落地。最终交付：每张分镜图对应一段 5-10 秒、内部含 2-6 个切换的视频，整片 15-60 秒，附配乐/旁白方案。 ## 开工前确认 - 先判断输入类型： - **已有宫格图**：读出格子数、每格内容、阅读顺序（漫画常是右上到左下或左上到右下，务必跟用户确认），给每格编号。 - **只有故事**：先拆节拍，再由 AI 画分镜图。 - **有角色/场景参考图**：作为后续所有分镜图和视频的参考。 - 用 ask_user 一次问一个：画幅（16:9 / 9:16 / 1:1，每格的比例必须和成片一致）；整体风格（写实电影 / 动画 / 漫画上色）；是否要配乐或旁白。 - 一张分镜图最多 6 格；节拍更多就拆成多段，不要塞进一张图里看不清。 ## 制作流程 1. **项目设定** —— 表格列出：片名、画幅、风格、总时长、段数、每段格数、配乐/旁白。**停下等确认。** 2. **分镜拆解** —— 每段（一个长镜头）列出内部节拍清单，给稳定编号 1…N，每条写：画面内容、景别、角度、运镜、对白。编号是后面所有步骤的唯一顺序依据。**停下等确认。** 3. **角色/场景元素** —— 有用户素材就直接用；没有就为每个角色出一张 16:9 设定图（左侧半身特写，右侧正/侧/背三视图），为主场景出参考图。**停下等确认。** 4. **多格分镜图** —— 每段一张图、一次生成：N 个格子、细中性分隔线、每格固定角落印上编号；每格比例和成片画幅一致。生成后检查编号是否清楚、角色是否一致。**停下等确认，可按段逐张确认。** 5. **按图生成视频** —— 每段以分镜图为主要参考，按编号 1→N 的顺序驱动视频。 6. **配乐与旁白** —— 按需生成。 7. **交付清单** —— 段落顺序、每段对应的分镜图与视频、音轨铺法。 ## 风格锁定 - 统一画风关键词（写实风格示例）：`realistic live-action film stills, cinematic lighting with negative fill, restrained single dominant hue around 90 percent, rich texture detail, consistent characters and costumes`。动画/漫画风则替换成对应画风词，但同一项目所有分镜图和视频共用一套。 - **调色克制**：一个主色调统治画面约 90%，除非用户要求，不用品红对青色的霓虹对撞。 - **光线**：主光明确，用负补光加反差，戏剧性节拍上加强明暗。 - **编号是制作元数据**：小、清楚、高对比，统一放在每格同一个角落（如左上），不是画面里的招牌，视频里不能出现。 - 必须避免：格子比例和成片不符（细长条格子会导致重建变形）、编号缺失或重复、同一角色不同格换装换脸、格子里出现无关文字。 ## 分镜与镜头规则 - **一段 = 一个长镜头 = 一张分镜图**：每段 5-10 秒，内部 2-6 个切换；故事撑得起时尽量用满格数，能在一段里讲完的不要拆成两段。 - **格子顺序**：画面上的排列可以是行、列或不规则网格，只为排版整齐；时间顺序只看格子上的编号，不看位置。 - **每格就是一个关键静帧**：写清那一刻的人物姿态、环境、景别、角度、光线。相邻格要有明显变化（景别跳一级或角度换 30° 以上），否则视频会糊成一个镜头。 - **常用节拍组合**：建立远景 → 人物中景 → 反应特写 → 动作 → 道具/细节 → 结果全景；对话用正反打 + 一个反应格；追逐用「跑入画 → 回头 → 主观视角 → 撞到/停下」。 - **已有漫画转视频**：保留每格的构图和角色关系，把漫画的速度线、拟声字转成真实的运动和音效描述，不要把对白框画进视频。 - 分镜表字段：段号 / 格号 / 画面 / 景别 / 角度 / 运镜 / 对白或音效 / 情绪。 ## 提示词写法 - **分镜图提示词结构**：固定开头 → 每格逐个描述（按编号）→ 统一风格 → 负面。 - 固定开头示例： ``` Single image, a contact sheet of 6 cinematic stills. Each still is composed at native 16:9 to match the final video. Thin neutral dividers between cells. Each cell shows a small high-contrast index number 1 to 6 in its top-left corner, matching the storyboard beat list. Realistic live-action film style, characters and costumes stay consistent across all cells. Cut 1: wide shot of a rain-soaked alley at night, a detective in a grey trench coat (图1) stops under a single sodium street lamp. Cut 2: medium shot, he crouches and picks up a torn train ticket from a puddle. Cut 3: extreme close-up of the ticket, smeared ink, rain drops. Cut 4: over-the-shoulder shot, a hooded figure glances back at the far end of the alley. Cut 5: low-angle tracking shot, the detective sprints, coat flaring, water splashing. Cut 6: wide shot, the alley exit is empty, steam rising from a grate. Deep teal grade dominating the frame, hard practical light with negative fill, rich texture. No other text, no watermark. ``` - **视频提示词结构**：以 `live action` 开头（写实风格时，让模型更偏真实光影和动作）→ 角色参考绑定 → 声明「按分镜图上印的编号 1→N 顺序推进，不按格子位置」→ 每个编号依次写 镜头 → 主体 → 空间 → 声音 → 负面。不写精确秒数。 - 视频示例： ``` live action. 图1 is the detective, 图2 is the six-panel storyboard sheet; follow the printed clip numbers 1 to 6 in order, do not assume grid position is time order. Cut 1: static wide shot, the detective stops under the street lamp, rain falling. Cut 2: cut to medium shot, he crouches and lifts a ticket from the puddle. Cut 3: macro on the ticket, ink bleeding. Cut 4: over-the-shoulder, a hooded figure glances back. Cut 5: low-angle tracking, he sprints, water splashing. Cut 6: wide, the exit is empty, steam drifting. Sound: heavy rain, footsteps on wet stone, distant train horn. No index numbers visible, no subtitles, no music. ``` ## 在 TVVV 上执行 - 角色设定图、场景图用 generate_image（Nano Banana 2）；多格分镜图需要清晰的格子编号和精确排版，用 GPT Image 2，并把角色/场景图放进 reference_images 保持一致。 - 视频用 generate_video：reference_images 里放分镜图（image_role 选 reference）和角色图（图N）；如果第 1 格就是严格的开场构图，可另截出第 1 格画面作 first_frame。默认 Seedance 2.5，720p，画幅与格子比例一致，单段 5-10 秒。 - 配乐用 generate_music（至少一首全片配乐）；旁白用 generate_speech，旁白文本不写进视频提示词。 - 一次回复最多 3 次工具调用；按「元素图 → 每段分镜图 → 每段视频」推进，每段回来检查顺序和一致性再做下一段。 - 交付清单：段落顺序、每段分镜图与视频对照、配乐铺满全片、旁白对应段落；提示用户在 TVVV 时间轴里按段拼接、补字幕。 ## 注意事项 - **顺序错乱**：模型按格子左右位置理解时间。提示词明确写「follow the printed numbers, not grid position」，并在每个 Cut 前写编号。 - **编号进了视频**：负面写 no index numbers visible, no text；必要时在提示词里说明编号只是参考标记。 - **格子太多看不清**：一张图超过 6 格，每格细节就会丢。宁可拆成多段。 - **比例不符**：9:16 成片却画了横格子，视频会裁切变形。分镜图开头必须写每格的具体比例。 - **相邻格太像**：变化不够时模型会只做一个连续镜头。相邻格至少换景别或换 30° 以上角度。