多人访谈对谈视频

# 多人访谈对谈视频 适合以对白为主的视频：访谈、脱口秀、播客录影、综艺式聊天、圆桌讨论。重点是每位说话人形象稳定、口型和声音对得上、镜头在双人 / 过肩 / 单人之间轮换但不断连续性。默认交付一段 1-3 分钟 16:9 对话短片：12-30 个镜头，含说话镜头、反应镜头、开场旁白，另配一条轻柔的节目垫乐，附剪辑清单。 ## 开工前确认 - 需要用户提供：说话人数（建议 2-4 人）、每人的身份和外形（有照片就上传）、话题或对话稿、节目类型（严肃访谈 / 轻松脱口秀 / 综艺 / 圆桌）、时长。 - 没有对话稿：由 AI 按话题写一版，包含开场白、3-5 轮问答、一个情绪高点、收尾；先给文稿确认再进分镜。 - 没有人物照：按描述生成，并给每人定一套固定声音描述。 - 用户上传的人物照或声音样本被指定为角色时，后续描述必须与它一致，不能矛盾。 - 用 ask_user 一次只问一个问题，优先顺序：节目类型 → 人数 → 时长。 ## 制作流程 每个阶段结束都停下，用简短卡片请用户审阅再继续，不要一口气跑完。 1. **项目设定** —— 在回复里用表格锁定：标题、节目类型、画幅、时长、画风、语言、每位说话人的声音设定。停下确认。 2. **分镜表** —— 设计角色、场景、道具，拆出镜头列表，并规划旁白和垫乐。停下确认。 3. **角色与场景图** —— 每位说话人一张三视图，场景一张布景图。同一角色的不同造型用前一张做参考生成。停下确认。 4. **旁白与垫乐** —— 旁白层必做（节目开场 / 结尾的画外音），垫乐至少一条。 5. **逐镜关键帧** —— 每个镜头先出一张关键帧，锁定人物站位、朝向和表情。停下确认。 6. **逐镜视频** —— 说话镜头用关键帧 + 台词生成说话视频；反应镜头只用关键帧生成。分批进行。 7. **交付清单** —— 镜头顺序、音轨安排、剪辑建议。 ## 风格锁定 - 统一画风短语（以电视访谈为例）：`cinematic talk show look, medium close-up, motivated practical lighting, deep facial shadows, restrained teal-cyan grade, fine film grain, sharp faces, shallow depth of field` - **单一主色调**：约 90% 画面落在一个主色上（例：深青蓝阴影为主，只有台灯是暖黄点缀 2700K）；除非用户要求，不用红蓝霓虹对撞。 - **光线**：明确主光方向，强调「负光」制造层次——主光 45° 侧前方，另一侧留阴影塑造脸部结构；背景比人物暗 1.5-2 档。 - **布景**：写清重要物件的位置和朝向——桌子、话筒、座椅、背景屏、植物，以及主表演区在哪里。同一场景所有镜头的布景方位不变。 - 节目类型对应基调：严肃访谈 = 冷静低饱和、慢节奏；脱口秀 = 暖色舞台光、观众席虚化；综艺 = 明亮高调、色彩更活泼；圆桌 = 均匀顶光、俯视全景开场。 - 必须避免：说话人脸太小、全身远景当说话镜头、僵硬摆拍、人物换脸换装、画面字幕、视频内配乐。 ## 分镜与镜头规则 - **镜头数**：约每 5-8 秒一个镜头。1 分钟 8-12 镜，3 分钟 25-35 镜。 - **景别轮换**：双人镜头（交代关系）→ 过肩（OTS，从听者肩后拍说话人）→ 说话人单人近景，循环使用，制造变化又不打断连续性。开场用一个建立全景，之后以中近景为主。 - **一镜一人说**：两个人在同一镜头里你一句我一句时，必须拆成两个镜头。说话镜头里只有一个人在开口。 - **说话镜头构图**：中近景或胸部以上，脸部占画面大而清晰，口型才对得准；不要用全景或全身。 - **反应镜头**：听者点头、微笑、皱眉、观众反应、主持人示意——没有台词，但仍要带人物参考出关键帧。每 3-4 个说话镜头插 1 个反应镜头，节奏平时多插。 - **轴线**：主持人固定在画面左侧、嘉宾固定在右侧（或反之），过肩镜头遵守 180° 规则。 - **单镜时长**：说话镜头按台词长度定，约每秒 3-4 个中文字，单镜 5-10 秒；一句话超过 10 秒就在自然停顿处拆开，中间插一个反应镜头。 - **分镜表字段**：镜号 / 时长 / 场景 ID / 景别（双人 / 过肩 / 单人）/ 说话人 / 台词原文 / 表演与表情 / 听者反应 / 是否说话镜头。 ## 提示词写法 - 图片提示词像导演加调色师给团队下指令：用连贯的自然语言写画面内容（主体 + 行为 + 环境），再用短语写美学（风格、色彩、光线、构图）。不解释人物动机，不写画外和看不见的东西，只写物理可见的。 - 每条图片提示词都融进六点，写成一段流畅描述而不是分条：专业风格词（如新黑色电影感、电视访谈布光）/ 景别与镜头（过肩、中近景、荷兰角）/ 光线（主光 + 负光对比，深重的面部阴影）/ 调色（克制的单主色）/ 画面质感（精细渲染、丰富细节、轻微柔焦）/ 情绪与潜台词（微表情，冻结在一个有戏的瞬间，拒绝僵硬摆拍）。 - 画面里需要准确文字（节目名、背景屏标语）时，把文字原文放在引号里，例：`背景屏上写着 "深夜电台"`。 - **角色图**：写清身份（年龄、体型、显著特征）、五官（眼型、下颌线、发型发色）、妆造、服装配饰（材质、版型、颜色、新旧），以及声音描述。 - **关键帧示例**：`过肩中近景，从主持人左肩后方拍向嘉宾。参考图2的退休宇航员，六十多岁，银白短发，深蓝针织开衫，坐在深色木桌右侧，面前一支黑色广播话筒，正微微前倾开口说话，眼角带笑纹，目光越过镜头看向主持人。台灯2700K暖光从左前方打在他脸上，右半边脸落入阴影；背景直播间的隔音墙虚化成深青蓝色。克制的青蓝调色，细腻胶片颗粒，脸部清晰锐利。` - **视频提示词**：主要写「变化和动态」，不重复参考图里已有的静态细节。结构：运镜 + 说话人情绪 + 说话状态 + 具体肢体动作 + （可选）背景事件。动作要带程度副词（缓慢地、幅度很小地、频繁地），多个动作按先后顺序列出；如果人物不动也要明确写静止姿态。 - 说话镜头示例：`镜头缓慢推近。嘉宾带着怀念的神情开口说话，语速放慢，先低头笑了一下，然后右手在空中缓缓画出一道弧线，抬眼看向主持人；背景台灯的光微微摇曳。嘉宾说："那一刻我才明白，地球是没有国界线的。"（温和、带一点哽咽）无音乐，无字幕。` - 固定反向约束：单独有旁白音轨的镜头，视频提示词里不写旁白原文；几乎每条都写「无音乐」；永远写「无字幕」。 ## 在 TVVV 上执行 - 角色三视图、场景布景图、每个镜头的关键帧都用 generate_image；关键帧的 reference_images 带上该镜相关的角色图和场景图，再加上前面镜头里最相近的一张关键帧（同一批里后面的镜头参考前面的），锁住站位、朝向和表情。 - 每个镜头 generate_video 用该镜关键帧作为 first_frame，同时把角色图作为 reference 带上（同一 图N）。说话镜头在提示词里写台词原文和语气，让视频带口型和对白一起生成；反应镜头写「不说话」，只做表情和小动作。 - 默认图片模型 Nano Banana 2；关键帧里有节目名、字幕条之类精确文字时用 GPT Image 2。默认视频模型 Seedance 2.5，aspect 16:9，单镜 5-10 秒，默认 720p。 - 旁白（开场介绍、结尾总结）用 generate_speech，写清声音身份和语气（例：沉稳的男声播音腔，语速中等偏慢）。每位说话人的声音描述全程固定，视频提示词里每次都复述一遍（例：主持人=30 岁女声，清亮柔和，语速中等）。 - 垫乐用 generate_music：轻柔的访谈垫乐（钢琴 + 轻电子底，约 80BPM），3 分钟以上且有明显段落时可分段。 - 一次回复最多 3-4 次工具调用：关键帧每批 3-4 张，视频每批 2-3 镜，回来检查口型和人物一致性再继续。 - 交付清单：按镜号列出视频；以对白为主轴，镜头之间的停顿收紧保持谈话节奏，节奏平了就插反应镜头；垫乐在人声下压低（约 -15dB），避开和人声打架的和弦；旁白按镜头范围摆放。提示用户去 TVVV 时间轴剪辑合成，字幕在剪辑时统一加。 ## 注意事项 - **口型对不上**：脸太小或多人同时说话最容易出问题。说话镜头一律中近景以上、一镜只一人开口，你来我往就拆镜。 - **人物在镜头间变样**：每个关键帧都带角色图 + 前一张相近关键帧；同一角色换造型时用旧造型图做参考生成新造型。 - **声音音色漂移**：每位说话人的声音描述写死并在每镜复述；音色差异大的镜头单独重跑。 - **对话节奏拖沓**：AI 生成的说话镜头首尾常有空白，剪辑时裁紧；每 3-4 个说话镜头插一个反应镜头。 - **声音重复或错位**：旁白独立成轨时，视频里不要再生成同一段旁白；画面里不出配乐，垫乐统一后期加。