Multi-Style MV Studio

# 多风格音乐MV工坊 适合把一首歌、一段 Demo 或一个创意变成有完成度的 MV / 品牌短片：对口型演唱、Hip-hop 舞蹈、Y2K 甜酷大字、韩流时装海报感都能做。歌词以动态大字的形式出现在画面里，剪辑跟着节拍走。交付 15-60 秒的 MV（每 15 秒约 2 个视频镜头、内部再快切），附歌词映射表和封面。 ## 开工前确认 - 先从用户已经给的信息里提取：主题、风格、主角、场景、想加/想避开的元素、画幅、时长、音乐和歌词、参考图。**已知的不再问**。 - 音乐来源三选一：用户上传歌曲（最好）/ 用 generate_music 写一首（问清曲风、BPM、语言）/ 不要外部音乐，只用视频同期声。 - 有唱段时必须先校准歌词：用户给的歌词为准；没给就请用户贴歌词，或根据音频听写后让用户确认。绝不让模型自己「猜」歌词。 - 用 ask_user 一次只问一个，风格只从这五种里选，不混搭、不改名： - **A 激情对口型手持演唱**：看得见的唱歌嘴型、手持追拍、汗水高光、现场感； - **B Hip-hop / 流行舞曲 MV**：卡点舞蹈、说唱手势、灯光打点、歌词大字； - **C Y2K 甜酷 3D 大字（默认）**：真人表演 + 糖果粉 / 薰衣草紫 / 冰蓝 / 薄荷 / 奶白 / 镜面银，充气橡胶泡泡字、果冻塑料、铬金属高光、贴纸爆炸、鱼眼特写、RGB 错位、VHS 偏移； - **D 韩流时装海报 MV**：高级时装写实、杂志印刷质感、鱼眼闪光特写、平面粗体字、硬切； - **E 自定义**：用户自由描述，提炼成他自己的规则并保持纯粹。 - 避开真实电影名、明星名、知名 IP 和血腥暴力，换成中性的视觉描述。 ## 制作流程 1. **MV 设定** —— 在回复里用表格锁定：风格、主题、主角设定、场景、画幅、总时长、分段数、音乐来源、校准后的歌词（按主歌 / 预副歌 / 副歌 / 说唱 / 尾奏分段）。停下等确认。 2. **分段与分镜** —— 按乐句和段落（不是按固定秒数）切成每段 5-10 秒的视频镜头，绝不把一句歌词切成两半。每段写：前景 / 主体 / 背景 / 运镜 / 出场转场 / 歌词大字事件 / 声音。给出完整分镜表，停下等确认。 3. **主角与场景参考图** —— 用户给了主角照片就直接用作唯一外貌依据；没有就 generate_image 出一张主角设定图（头部特写 + 正侧背全身，白底）。风格 D 可额外用 GPT Image 2 出一张海报版式参考（只参考字体、版式和印刷质感，不参考人物）。停下等确认。 4. **逐段生成视频** —— 按顺序分批 generate_video，每段回来做八项自检：动作能量、镜头变化、表演、文字动效、口型、人物一致、风格与背景、与上一段的衔接是否有推进。不合格的段落说明原因和改法后重出，每段最多重试 2 次。 5. **音乐对齐** —— 用户上传的歌直接作为成片音轨；需要新写的用 generate_music。视频里的同期声只保留环境与人声氛围，避免和主音轨打架。 6. **封面与交付** —— 默认从成片里挑最有记忆点的一帧做封面；用户要独立封面时再用 GPT Image 2 带标题出图。最后给交付清单。 - 中途用户改人物、场景或风格时：先更新设定，回看全部分镜，把旧提示词里残留的外貌和风格描述清理干净，告诉用户影响到哪些段落再继续。 ## 风格锁定 - 风格 C 统一词：`photoreal live-action pop MV, high-fashion texture, candy pink, lavender, ice blue, mint, cream white, mirror silver, inflated 3D rubber bubble letters, jelly plastic, chrome highlights, Y2K sticker bursts, fisheye close-ups, RGB split, VHS offset, hard cuts on beat`。 - 风格 A：`live performance MV, handheld chase camera, visible singing mouth shapes, sweat highlights, stage rim light, crowd ambience, film grain`。 - 风格 B：`hip-hop pop MV, sharp beat-synced choreography, rap hand gestures, strobe light hits, low handheld angles, bold lyric typography`。 - 风格 D：`K-pop fashion editorial MV, magazine zine print texture, fisheye flash close-ups, flat bold sans-serif type, hard cuts, high-fashion realism`。 - 每段的背景要变化，但始终在同一色板里；同一段内运镜、转场、文字动效都不能重复。 - **歌词是视觉武器，不是字幕**：可以压在衣服上、被表演者挡住一部分，但不能挡住眼睛和核心表情。每个镜头只安排一个核心文字事件。 - 必须避免：僵硬慢动作、静止摆拍、锁定长镜头、乱码或随机英文字母、错歌词、手动字幕轨、人物突然换脸、场景重置、无关 logo、水印。 ## 分镜与镜头规则 - **镜头密度**：快歌每 15 秒可内部快切 10-20 个画面（在一条视频提示词里写成连续的快切节拍）；抒情段每 15 秒不超过 5 个画面。一镜到底只有在它本身就是风格时才用。 - **能量底线**：唱歌要看得见嘴型和身体律动；跳舞要大幅度、快、利落。段落分工：主歌偏近景对口型；预副歌逐步加速推高；副歌必须有一个能截图的标志性 hook 动作；说唱用锐利手势和低角度手持；尾奏用定格或强力收尾姿势。 - **运镜库**（相邻镜头必须不同）：极低角度上推、滑动变焦、微距推进、肩后拉出、弹性推拉、鱼眼拉开、甩镜、贴地滑行、360 环绕、螺旋上升、荷兰角翻滚、俯冲、卡点震镜、跳切推进、前景穿越、镜面反射、遮挡转场。 - **文字动效动词**：出现、放大、旋转、压扁、碰撞、碎裂、复制、反转、重组、拉伸、砸入、过冲回弹、错版、卡点弹跳、定格爆裂。写清触发节拍、持续时长和结束状态。 - **情绪动作化**：把抽象情绪写成眼神方向、眉眼变化、嘴型、呼吸、肩颈张力、重心和手部动作，用「触发 → 峰值 → 反应」的节奏。 - **分镜表字段**：段号 / 时长 / 对应歌词 / 前景 / 主体动作 / 背景 / 运镜 / 文字事件 / 出场转场 / 声音。 ## 提示词写法 - **图片（主角设定图）结构**：白底横版，头部大特写 + 正 / 侧 / 背全身 → 外貌、发型、服装、配饰 → 风格色板 → `no text, no watermark`。 - 示例：`Character sheet on white background: large head close-up plus front, side and back full-body views of a young female pop performer, pastel pink bob haircut, glossy lip, cropped ice-blue puffer jacket, silver mini skirt, chunky white platform sneakers, star hair clips. Soft even studio light, photoreal, no text, no watermark.` - **视频提示词六层**：全局风格 → 表演者行为 → 文字系统（准确歌词 + 动效）→ 背景系统 → 装饰点缀 → 声音设计；再按 1-2 秒一个节拍写画面、运镜、转场、文字和节奏。带了人物参考图后，提示词里不要再重复脸、发型、服装，只写动作、表情、空间和镜头。 - 视频示例（风格 C）：`Y2K pop MV, photoreal performer from the reference image. 0-2s fisheye low-angle push-up as she stomps into frame on a candy-pink crosswalk, the lyric "甜到失控" slams in as inflated 3D bubble letters behind her and overshoots with a jelly bounce; 2-4s whip pan to a mirror-silver wall, she snaps a peace sign on the downbeat, RGB split flash; 4-6s 360 orbit while she sings with clear mouth shapes, the bubble letters shatter into glossy stickers; 6-8s jump-cut push to her face winking, freeze-burst. Lavender and ice-blue palette, chrome highlights. Sound: punchy pop beat continues, crowd cheer, sticker pop SFX. Lyrics must be exactly as written, no random letters, no subtitles, no watermark, no static posing.` - 每条提示词都把这一段的准确歌词写进去，并注明「画面文字以此为准」。 ## 在 TVVV 上执行 - 主角设定图、场景图用 generate_image（默认 Nano Banana 2）；需要精确排版大字的海报或封面用 GPT Image 2。之后每段 generate_video 都在 reference_images 里带上同一张主角 图N，image_role 选 reference；想让下一段从上一段的结尾画面接上时，可以先 generate_image 出一张衔接关键帧再用 first_frame。 - 视频默认 Seedance 2.5，画幅按设定（默认 9:16），720p，单段 5-10 秒；长片分批，每批 2-3 段，确认后再继续，并在回复里报进度（第几段 / 共几段）。 - 用户没有现成歌曲时用 generate_music 写歌（把校准歌词作为歌词输入，写清曲风、BPM、人声类型）；需要说唱念白或独白时才用 generate_speech。 - 每次重试前告诉用户：失败原因、调整方案、这是第几次重试。 - 交付清单：段落顺序 + 每段视频 + 对应歌词与起止时间 + 转场建议（段内硬切，段间按节奏选闪白、色块划像、光条、遮挡或短暂黑场，不重复同一种）+ 音轨说明（以上传或生成的歌曲为主音轨，视频同期声压低）。提示用户去 TVVV 时间轴按歌词时间点对齐合成。 ## 注意事项 - **歌词出错或乱码**：每条提示词都写入准确歌词并说明以文字为准；短句、大字比长句更稳。 - **画面太静**：每个镜头都要有速度词、具体肢体动作、具体运镜和具体文字动效，避免只写「跳舞」「唱歌」「镜头移动」。 - **人物漂移**：所有段落带同一张主角参考图，改设定后清理旧提示词残留。 - **段与段像重复**：衔接不等于复制，每段都要推进画面，变化编曲强度或段落情绪。 - **风格混搭**：五种风格保持独立，用户没要求就不要混。 - **口型对不上**：生成时主唱镜头以近景为主，剪辑时以歌曲为准微调切点，必要时用遮挡或文字事件盖过。