Pet Workday Vlog

# 萌宠打工日记 适合把自家猫狗变成「打工人」：它穿着衬衫领带，早上被闹钟吵醒、挤地铁、对着电脑发呆、吃外卖、加班到深夜再拖着脚步回家。整条片子像宠物拿着手机自拍的 Vlog，写实毛发、手持晃动、现场环境声。默认交付 10-20 个镜头、40-80 秒的 9:16 竖屏短片，**无配乐、无字幕、无对白**；用户明确要求时才加内心独白。 ## 开工前确认 - **必须有宠物照片**：正脸或 3/4 侧脸、清晰、毛色光线正常。没有照片就提示上传，不要编一只。模糊或不是动物的图请用户重传。 - 最多两只主角：两张照片各对应一只（两猫 / 猫狗 / 两狗）。传了更多就请用户选两只。 - 用 ask_user 一次只问一个： 1. 拟人造型：衬衫领带 / 卫衣工牌 / 西装公文包 / 用户自定（颜色材质要具体）。 2. 时长与段落：只要核心五段，还是加扩展段（加班、便利店、健身）。 3. 有无特别设定：雨天、夏天、冬天早晨、周五摸鱼、节前最后一天、周末补班。没有就默认普通工作日。 - 用户要配乐或字幕：先说明这类片子默认关闭（更像真实 Vlog），确认后再加。 ## 制作流程 1. **角色卡** —— 分析照片，每只宠物一张写实角色卡：品种、毛色分布、眼睛颜色形状、体型、独特记号（白爪、耳朵缺口、鼻头斑点），加拟人服装和道具（手机、公文包、工牌、咖啡杯）。双主角写清体型对比。**停下等用户确认造型。** 2. **一天的大纲** —— 用户有剧本就用；没有就按「起床 → 通勤 → 上班 → 午饭 → 下班回家」生成，按需加「加班」「便利店」「健身」。用表格列段落 / 情绪 / 镜头数。**停下确认。** 3. **分镜表** —— 每批 8-12 个镜头，逐批确认。超过 24 个镜头建议拆成上下集。 4. **角色参考图** —— 每只一张横版双栏参考图：左栏头肩特写（锁毛色、眼睛、记号），右栏拟人全身站姿（服装、道具、比例）。双主角再出一张两只并排站的合照校准体型。**停下确认。** 5. **逐镜生成视频** —— 每批 3-4 镜，回来检查毛色、服装、比例一致再继续。 6. **内心独白（仅用户要求时）** —— 生成慵懒、像手机录音的猫内心 OS。 7. **交付** —— 交付清单 + 质检小表（宠物品种、造型、镜头数、总时长、运镜风格、有无独白、无字幕、无配乐）。 ## 风格锁定 - 每个提示词都带：`realistic pet photography, real visible fur texture, phone front camera footage, handheld vlog selfie, slight shake, natural light, slightly brightened natural color`。 - 色调：明亮、自然、偏暖，像手机前摄直出略提亮；不加滤镜、不刻意调色。室内柔光；室外保留真实冷白日光灯或自然日光，**不要把户外暖化**。 - 各场景光线参考（写进提示词的环境层）： - 卧室起床：晨光透过半透明窗帘侧射，约 4500K，阴影柔和。 - 卫生间：顶部单点冷白光约 5500K，镜面反光，对比稍强。 - 地铁车厢/站台：冷白荧光灯约 5600K，顶光高反差，窗外深蓝黑。 - 办公室：格栅灯柔光约 5000K + 屏幕蓝光从侧下补冷。 - 午饭：正午侧窗自然光约 5200K，比办公室更暖更亮。 - 夜路回家：暖黄路灯 3200K 斜上打 + 冷蓝天光补边，地面光晕。 - 加班：顶灯全关，只有屏幕 4500K 冷光正面打脸，两侧深影。 - 便利店：冷白 LED 顶光 5500K + 货架暖光带 3000K，冷暖撞色。 - 健身房：顶部强冷白光 5500K，镜墙多重反射，汗珠高光。 - 天气/节日只在用户指定时叠加：雨天地面积水倒影、灯光雨雾光晕、镜头前偶尔有水珠；夏天户外 6500K 强曝光、进店瞬间色温骤降、擦汗动作；冬天早晨窗外冷蓝 6000K 对室内暖黄 2800K、哈气短暂糊镜头；周五摸鱼靠椅背、频繁看手机、下班脚步轻快；节前最后一天背景少量节日小装饰虚化、推门出公司一瞬间过曝；周末补班地铁空荡、办公室只亮几盏屏、表情麻木。 - **必须避免**：Q 版卡通、3D 渲染、插画感、电影级打光、稳定器顺滑运镜、滑轨、摇臂、字幕、配乐、文字叠加。提示词里也别写 cinematic、professional lighting 这类词，会把手机感洗掉。 ## 分镜与镜头规则 - 单镜 3-5 秒；赖床、叹气、发呆这类情绪点，动作结束后留约 2 秒静止，不要急着切。 - 景别：特写和中近景为主（表情、爪子、道具细节），中景过渡，远景只在交代空间时少量用。 - **两种视角混用**，每镜标明，约每 4 镜最多切换一次： - **自拍视角**：宠物举着手机拍自己，低机位离地 30-50cm 微仰，画面对着脸和胸口。适合赖床、刷牙、工位发呆、对着镜头吐槽式表情。 - **第三人称手持**：像朋友随手跟拍，机位腰到胸高 80-110cm，晃动是自拍的 1.5-2 倍，偶尔有路人、门框、包角虚化入画。适合通勤走路、进出门、挑便利店商品、用健身器械。 - 运镜四种：固定手持自拍（机位不动但保留手抖）；跟随（随步伐上下起伏 1-2cm，赶时间时 2-3cm 加轻微左右晃）；慢摇（2-3 秒转 15-30°，起止各停 0.5 秒）；第三人称跟拍。 - 双主角：互动多的段落（午饭、下班、便利店）多给同框；起床、通勤、健身以单主角为主；加班用单主角特写放大孤独。同框优先中景或近景，别挤。 - 扩展段节奏：加班 4-6 镜，屏幕反光打脸、爪子机械敲键盘、窗外漆黑；便利店节奏放松，推自动门、货架前犹豫、扫码、拎袋出门；健身是「身体不行了但还是来了」的仪式感，跑步机、器械、对镜自拍、喘气。 - 默认不写任何台词；画面描述只写动作、表情、情绪。 - **分镜表字段**：镜号 / 时长 / 段落 / 场景 / 视角（自拍·第三人称）/ 景别与机位 / 运镜 / 动作与微表情（双主角分别写、注明主次）/ 环境音。 ## 提示词写法 - **角色参考图结构**：版式（横版双栏，左头肩特写、右全身站姿，干净白或中灰背景）→ 品种与毛色、眼睛、记号 → 拟人服装与道具 → 质感（写实摄影、毛发真实可见，非卡通非 3D）→ 正面柔光、无过曝。 - 图片示例： ``` Horizontal two-panel character reference, clean light gray background. Left: head-and-shoulders close-up of an orange tabby cat, amber round eyes, white chin, small dark spot on the pink nose. Right: the same cat standing upright in full body, wearing a small white shirt, navy tie and a blue lanyard badge, holding a phone. Realistic pet photography, real fur texture, natural fabric, soft front fill light, no cartoon, no 3D render. ``` - **视频提示词结构**：镜头（视角 + 运镜 + 低机位）→ 主体动作（具体到部位、幅度、微表情节奏，多拍动作按顺序写，不要写「0-3 秒」这种切分）→ 空间与光线（套用上面场景光线）→ 环境音。双主角要分别写左右站位和各自动作。 - 视频示例： ``` Handheld phone low-angle selfie, camera about 35cm from the bed, slightly looking up, slight hand shake, no stabilizer, phone front camera look. 图1 the orange tabby cat in a white shirt lies under a gray blanket, the alarm phone buzzes beside its head; it slowly pulls the blanket over its face with one paw, then peeks out with half-closed eyes and sighs, holding still for two seconds. Morning side light through sheer curtains, warm white about 4500K, soft shadows, real fur texture visible. <alarm ringing>, <blanket rustling>, <small yawn>. No subtitles, no music, no text overlay. ``` - 各场景环境音参考：卧室闹钟、被子摩擦、哈欠；卫生间水流、刷牙、漱口；地铁报站、车厢噪声、关门提示；办公室键盘、鼠标、空调白噪；午饭外卖袋摩擦、筷子碰碗、咀嚼；夜路脚步、远处车声、叹气；加班稀疏键盘、灯管低频嗡嗡、走廊脚步；便利店自动门提示音、冰柜低鸣、扫码声；健身房器械碰撞、喘气、鞋底摩擦。 ## 在 TVVV 上执行 - 角色参考图用 generate_image，reference_images 带用户的宠物照片（图1），默认 Nano Banana 2；双主角先各出一张，再把两张一起作为参考出一张并排合照。 - 每个镜头 generate_video，默认 Seedance 2.5、720p、9:16，单镜 5 秒（情绪停顿镜头可到 6-8 秒）。单主角带该角色参考图；同框镜头把并排合照放在 reference_images 第一位，再带两只各自的参考图，image_role 都选 `reference`。只有同一动作在同一空间里连续时，才用上一镜最后一帧做 `first_frame`。 - 内心独白只在用户明确要求时用 generate_speech：慵懒的猫内心声，语速偏慢，带语气词和省略号节奏（「闹钟……怎么又响了……再睡五分钟……唉」）。默认不用 generate_music。 - 每次回复最多 4 次工具调用；一批 3-4 个镜头，回来看一致性再继续。 - **交付清单**：按镜号列视频和建议顺序，提示用户在 TVVV 时间轴剪辑：直接硬切，按动作或视线匹配接；换段落可以插不超过 0.2 秒的黑场（关闹钟 → 黑 → 开灯）；不用溶化、擦除、缩放转场；整体节奏快，情绪停顿留够 2 秒；片段之间环境音交叉淡化约 0.2 秒；有独白就放环境音之上、音量略低 3-6dB，做成手机录音那种窄频略失真质感。 ## 注意事项 - **变成卡通**：一写「可爱」「拟人」模型就往 3D 萌系跑。每条提示词都带 real fur texture, realistic pet photography，负面写 no cartoon, no 3D render。 - **毛色和记号跑偏**：白爪、斑点这类记号在角色卡里写死，每个镜头复述一遍并带参考图。 - **画面太稳太电影**：去掉 cinematic 等词，明确 handheld, slight shake, no stabilizer, phone front camera。 - **双主角比例乱**：同框不带并排合照参考时，猫狗大小会忽大忽小；同框镜头必须带合照并写清左右位置。 - **自作主张加台词或配乐**：默认全片只有环境声，用户没提就不加独白、不加音乐。