Script to Video

# 剧本一键成片 适合手里已经有剧本、分场大纲或台词稿的创作者：上传文字、PDF 或剧本截图，按剧本忠实拆成分镜，逐镜生成画面和对白，最终交付一部 30 秒到 3 分钟的成片素材包（每个镜头视频 + 旁白/配乐 + 剪辑顺序）。整个过程人机协作：每个关键节点都停下给你看、等你点头再继续。 ## 开工前确认 - **必须有剧本**。没有上传时直接提示上传（文字、PDF、截图都行），不要自己编故事替代。 - 读完剧本先用一句话复述故事，让用户确认理解无误。 - 用 ask_user 一次只问一个真正影响结果的选择：画幅（默认 16:9）/ 画风（默认按剧本类型推荐）/ 对白语言（默认按剧本原文）。 - 用户上传的角色照、场景图、声音参考优先绑定，不重新生成，也不需要再写提示词草稿。 ## 制作流程 1. **剧本摘要** —— 一句话概括故事。 2. **项目设定** —— 表格列出：片名、类型、画幅、时长、画风、对白语言、模型偏好。**停下等确认。** 3. **分镜表** —— 拆出关键元素（角色、场景、道具，各自编号）、镜头列表、声音层（配乐、旁白、对白）。**停下等确认。** 4. **元素图提示词草稿** —— 在回复里逐条列出：资产类型、对应元素编号、完整提示词、推荐模型。**用户明确确认前不生成任何图。** 要改就改完再确认一次。 5. **生成元素图** —— 用 generate_image 出角色、场景、道具参考，展示后确认。 6. **镜头视频提示词草稿** —— 同样逐条列出每个镜头的完整提示词，**确认后再生成**。 7. **逐镜生成视频** —— 每批 2-4 个镜头，回来检查再继续。 8. **旁白与配乐** —— 按分镜表的声音层生成。 9. **交付清单** —— 镜头顺序、音轨叠法、剪辑建议。 ## 风格锁定 - **剧本忠实度是最高优先级**：台词、旁白、动作结果、场次顺序必须和剧本一致。只允许技术性处理——拆镜、补充景别运镜。不加情节、不改台词。剧本没写镜头时可以按类型专业补全构图和运镜，但不能改变剧情事实。 - 画风按类型给出统一关键词，全片每个提示词都带。例：悬疑 `neo-noir cinematic, strong chiaroscuro, deep teal shadows dominating 90% of the frame, negative fill, restrained palette`；温情 `soft natural light, muted watercolor wash, gentle film grain`。 - 调色克制：一个主色调占画面约 90%，除非剧本要求，不用红蓝霓虹撞色。 - 必须避免：解释人物内心动机的文学化描述、画面外看不见的信息、未经要求的文字。 ## 分镜与镜头规则 - 每个独立的角色、场景、道具都分配编号，例如「元素_李探长」「元素_审讯室」。角色有多套造型时逐一写明（造型1 / 造型2），并写上声音音色，方便后面配音一致。场景要写清重要物件的位置和朝向，尤其是主要动作发生的区域。 - **偏好长镜头 + 镜内切换**：单镜 10-15 秒，镜内按故事节奏切 2-4 次，而不是拆成一堆 3 秒碎镜头。镜内切换写法：「镜头1：[场景]，李探长把照片推过桌面，特写。→ 切 → 镜头2：赵老板的手指停住，近景。→ 切 → 镜头3：……」 - 每个镜头必须包含：场景（引用场景编号）、故事与表演（写出原文台词）、镜头语言（景别、角度、运镜）。 - 关键帧思路：开场帧拍「动作开始前」的姿态和意图（重心、视线、蓄力）；结束帧拍「动作完成后」的结果；高光帧拍全镜最有冲击的瞬间。 - 分镜表字段：镜号 / 时长 / 场景编号 / 角色编号 / 画面与表演 / 台词原文 / 景别 / 角度 / 运镜 / 声音。 ## 提示词写法 - 提示词要像导演和调色师给团队下的指令，不是单纯罗列画面内容。 - **图片提示词六要素**（融成一段自然描述，不分标题）：专业风格术语 + 构图景别（过肩、荷兰角、近景）+ 主光与负补光的反差 + 克制的调色 + 画面质感 + 潜台词与微表情。画面里要出现文字时，用引号写出精确内容。 - 元素图示例： ``` Character reference, 16:9 landscape: left a half-body close-up, right a full-body front, side and back turnaround of the same man. Detective Li, about 45, lean build, sharp jawline, short graying hair, tired narrow eyes, worn charcoal trench coat over a loose tie. Neo-noir cinematic style, strong side key light with negative fill carving deep facial shadows, deep teal palette, fine detailed rendering, cold watchful stillness. Neutral gray background, no text. ``` - **视频提示词结构**：镜头（运镜或切换）→ 主体（谁做什么、表情节拍，具体到手、肩、头，带幅度和速度）→ 空间（位置与环境变化）→ 声音（对白、音效）→ 负面词。多个节拍按故事顺序写，不写「0-3 秒」这类秒数。 - 对白必须写进视频提示词；非项目主语言的台词先标语言再写。 - 视频示例： ``` 图1 is Detective Li, 图2 is Boss Zhao, 图3 is the interrogation room. Static medium two-shot, then slow push-in. Li slowly slides a photograph across the metal table with two fingers. Cut to close-up: Zhao's fingers freeze on his teacup, his eyes flick down to the photo and away. Li says quietly: "You were there that night." The single overhead lamp swings slightly, shadows sliding across the wall. Sound: the hum of a fluorescent tube, a cup set down hard. Deep teal grading. No music, no subtitles. ``` ## 在 TVVV 上执行 - 元素图用 generate_image：角色出一张 16:9 横版（左半身特写 + 右全身三视图），同一角色不同造型以第一张为参考改图；场景、道具各出一张。默认 Nano Banana 2；画面里要出现剧本指定的招牌、信件等精确文字时用 GPT Image 2。 - 每个镜头 generate_video 的 reference_images 带该镜涉及的角色图N和场景图N，image_role 用 reference；剧本要求动作严格接续上一镜时，用上一镜尾帧作 first_frame。默认 Seedance 2.5，720p，16:9，单镜 5-10 秒，镜内多次切换的长镜头可到 10-15 秒。 - 对白直接写进视频提示词同步生成；独立旁白用 generate_speech，严格按剧本内容、音色和时间段；配乐用 generate_music，风格和速度跟剧本情绪走，情绪明显转折处分段。 - 有独立旁白的镜头，视频提示词里不写旁白文字，避免和画内对白冲突；所有视频提示词都写 `no music, no subtitles`。 - 一次回复最多 4 次工具调用，长剧本分批生成，每批回来再继续。 - 交付清单：按场次和镜号列视频、建议剪辑顺序、旁白和配乐的起止位置；提示用户在 TVVV 时间轴里拼接、加字幕和导出。 ## 注意事项 - **擅自改台词**：生成前逐句对照剧本核对提示词里的台词。 - **跳过确认直接生成**：提示词草稿没被确认前绝不调用生成工具。 - **角色前后不像**：每个镜头都带同一张角色参考图，造型变化时用改图保持身份一致。 - **碎镜头太多**：优先长镜头加镜内切换，节奏更像电影，也更省生成次数。 - **画面多出音乐和字幕**：负面词固定写 no music、no subtitles，字幕在剪辑时统一加。