One-Tap Clay World

# 一键黏土世界 适合想把真实的店铺、家、街角、旅行地「捏成黏土」的需求：上传几张实景照片，每张变成手工黏土微缩场景，再拍成一条温暖治愈的定格动画感短片，开头还可以有一段「真实照片慢慢变成黏土」的变身转场。最终交付一条 30-90 秒 16:9 短片：每个展示区 1-3 个镜头，配一段可循环的轻柔配乐，可选第一人称旁白。 ## 开工前确认 - **有照片**：逐张分析，提取空间结构、展示区（吧台、展示架、工作台、休息区）、关键物件和光线，作为分镜依据。 - **没照片**：用 ask_user 依次问——主题和故事核心、2-5 个主要展示区、视觉调性（治愈 / 极简 / 复古 / 俏皮）、时长（30 / 60 / 90 秒），然后由 AI 写脚本和场景描述。 - 问一次要不要旁白。要的话写一份完整的第一人称旁白稿，每个展示区分配一段，给用户审；不要的话配乐就是唯一音轨。 - 用户有人物照片时也一起要来，用于捏出黏土版本人。 ## 制作流程 1. **素材分析与脚本** —— 在回复里给出：空间布局、各展示区特征、关键物件清单（类型、颜色、材质、摆放、特色装饰）、光线方向和色温（黄金时段 / 阴天漫射 / 室内灯光）、黏土化处理建议；有旁白就附上旁白稿。确认后继续。 2. **照片黏土化**（仅有照片时）—— 每张照片以原图为参考转成黏土风，保持原图比例（默认 16:9）。给用户看效果，确认画风再往下走。 3. **分镜** —— 每个展示区一个场景元素，每区 1-3 个镜头；人物单独一个角色元素；声音层写配乐和旁白对位。确认结构。 4. **元素参考图** —— 角色白底全身黏土形象；每个展示区出四个角度：正面广角、侧面近景、俯视、细节特写，可拼成一张 16:9 四宫格。确认一致性。 5. **变身转场**（可选，仅有照片时）—— 真实照片 → 黏土图的 5-7 秒变形过渡，放片头或段落之间。 6. **旁白**（可选）—— 先出 3-5 秒声音样本让用户定音色，再生成完整旁白。 7. **逐镜生成视频** —— 按分镜顺序，每 3-4 个镜头一批，暂停确认。 8. **配乐与交付** —— 至少 60 秒、可循环的配乐，给出交付清单，提示去 TVVV 时间轴合成。 ## 风格锁定 - 统一画风关键词：`3D claymation style, stop-motion feel, handcrafted clay texture, miniature diorama, rounded soft edges, subtle hand-sculpted marks, matte surface, warm soft lighting, tilt-shift shallow depth of field`。 - 光线：暖金色 45° 侧光，大面积柔和漫射，墙上斑驳的光影是氛围关键；色温约 3500-4000K。 - 色彩：奶油、浅棕、暖棕的大地色为底，点缀几块饱和色，整体中高饱和、低对比，统一暖色滤镜。 - 材质翻译表： - 木家具：木纹刻进黏土，板材接缝厚，边缘略不规整，有分量感。 - 金属与电器：哑光金属黏土，圆润工业造型，没有冰冷锐角。 - 玻璃：厚实的树脂感半透明，边缘圆钝，磨砂质感。 - 布料：窗帘是厚重的黏土垂褶，宽圆柱形褶皱；地毯是压制的黏土条编织纹。 - 植物：多肉般厚实的叶片，叶尖圆钝，浅刻叶脉，不要纸片般透光。 - 墙地面：手抹灰泥的不平墙面，厚木地板有缝隙和轻微变形。 - 黏土人物：皮肤是光滑哑光黏土，只在鼻尖和脸颊有柔和高光；头发是成团的圆润黏土块，没有发丝；衣服加厚，深而圆的褶皱；脸是大圆黑眼睛加一个点状高光，简化鼻梁，圆厚耳朵，表情愉快平和；四肢圆柱形，轮廓饱满无锐角；暖橙黄肤色。 - 必须避免：photorealistic、DSLR、lens flare 这类写实词；廉价塑料玩具感、强 CG 感、低幼卡通；写实与黏土材质混杂；场景比例错乱、主体严重变形、杂乱和过度装饰。 ## 分镜与镜头规则 - 每个展示区 1-3 个镜头，单镜 5-10 秒，镜内用时间节点写小切换，例如「0-4 秒广角建立，4-7 秒推到杯子特写」。 - 典型结构：先用广角或中景建立这个区域，再给关键物件或人物互动的近景细节。 - 开场用缓慢后拉揭示整个环境；结尾柔和淡出。 - 节奏全程舒缓，镜头之间用硬切或 0.3-0.5 秒的轻淡化，不要快切和闪白。 - 运镜要具体：`slow pull-back revealing`、`gentle orbit around the counter`、`smooth push-in to close-up`。 - 人物动作温柔治愈：自然微笑、轻轻触碰、慢节奏移动，不写夸张或快速的动作。 - 30 秒参考：变身转场 6 秒 + 3 个展示区各 1-2 镜，共 4-5 个镜头。 - 分镜表字段：镜号 / 展示区 / 时长 / 镜内时间节点 / 景别与运镜 / 画面与动作 / 对应旁白段落。 ## 提示词写法 - **照片转黏土**：保留主体内容、空间结构、构图、视觉焦点和原有氛围，把人物、建筑、家具、植物、物件、街景、车辆全部换成精致手工黏土材质，像高品质黏土动画电影的一帧，不是廉价玩具。示例： ``` Convert 图1 into a refined 3D claymation scene. Keep the exact layout, counter position, shelves, lighting mood and composition. Everything becomes handcrafted clay: rounded soft edges, subtle sculpting marks, matte surface, wood grain carved into clay, thick resin-like glass jars, succulent clay plants. Warm golden 45-degree side light with dappled shadows on the wall, cream and warm brown palette, miniature diorama, tilt-shift depth of field. Not a plastic toy, not a childish cartoon, no mixed realistic materials. ``` - 按场景类型补充：人像要保住脸型、比例、发型、年龄感和气质，不要过度 Q 版；街景保住道路结构、建筑关系和招牌位置，夜景保住灯光氛围；餐饮空间里食物和杯具要可辨认；户外保住地标和空气感；车辆保住结构比例。 - **变身转场**分两层写：先是真实照片的锐利质感，然后表面变厚变软、锐角变圆、颜色变暖变饱和，最后一帧完全成为黏土。人物加「真实皮肤变成哑光黏土，头发变成圆润黏土团」；场景加「硬角变圆，木纹和布料变成压制黏土浮雕」。 - **镜头视频**结构：场景建立 → 运镜 → 关键动作/细节 → 氛围收尾。示例： ``` 图1 as the clay cafe scene reference, 图2 as the clay barista reference. 3D claymation, stop-motion feel. Slow pull-back from a close-up of a clay latte with a heart-shaped foam to reveal the whole miniature counter, then a gentle orbit as the clay barista smiles and slides the cup forward. Steam rises in soft rounded puffs, dappled warm light on the wall. Sound: soft cup clink, gentle cafe ambience. No music, no subtitles, no photorealistic textures. ``` - 旁白另做音轨时，视频提示词里不写旁白原文，并写 no music、no subtitles。 ## 在 TVVV 上执行 - 照片黏土化和场景四角度图用 generate_image，默认 Nano Banana 2，把用户照片放进 reference_images；四宫格拼图也用 Nano Banana 2。画面里要保留清晰的店名招牌文字时用 GPT Image 2。用户给的人物照直接作参考出黏土形象，不另外编人。 - 变身转场用 generate_video：真实照片设为 first_frame，黏土图作为 reference，提示词写清从真实到黏土的变化过程，Seedance 2.5、16:9、720p、5-7 秒。 - 每个镜头用 generate_video，默认 Seedance 2.5、16:9、720p、单镜 5-10 秒；reference_images 带对应展示区的黏土图（reference），人物出镜时再带黏土角色图。 - 旁白用 generate_speech：治愈向温暖亲切、语速放松；俏皮向明亮轻快；纪录向平静真诚。先出一句 3-5 秒样本给用户定音色，再生成完整稿，不要截断脚本。 - 配乐用 generate_music，至少 60 秒、适合循环：家居治愈用 `soft acoustic guitar lo-fi, warm and cozy`；城市街头用 `light indie pop, gentle jazz`；自然户外用 `ambient folk`；儿童俏皮用 `toy piano jingle`。 - 一次回复最多 3-4 次工具调用；镜头每 3-4 个一批。 - 交付清单：变身转场放片头，直接接第一个黏土镜头；有旁白时旁白放音轨 1、配乐放音轨 2，配乐从 0 秒开始且压在旁白下面；没旁白时配乐单独一轨、音量适当提高；结尾画面柔和淡出到黑，配乐 1-2 秒淡出。提示用户在 TVVV 时间轴里完成。 ## 注意事项 - **黏土感不够**：提示词里混进写实词就会变成「有点圆的照片」。只写黏土词，近景强调可见的手捏痕迹和哑光表面。 - **变成廉价玩具**：饱和度过高、高光过亮会像塑料。用哑光、低对比、柔和漫射来压。 - **场景认不出来**：黏土化后店铺布局被打乱，用户就不认了。转换提示词里先写「保持布局和构图」，主要物件位置不能变。 - **各镜头风格不一**：每个镜头都带对应展示区的黏土参考图，不要只靠文字。 - **人物被 Q 版过头**：保住脸部比例和发型，避免大头小身的低幼比例。