Stick-Figure Explainer Short

# 火柴人知识短片 适合科普讲解、知识故事、人生道理、职场小剧场、轻松幽默的叙事短片：用黑线白底的极简火柴人，把一个「大家不知道但想知道」的点讲清楚。最终交付一条 1 / 3 / 5 分钟的 16:9 视频：8-30 个镜头，四幕结构，全程旁白，轻快的木吉他或钢琴配乐。 ## 开工前确认 - 需要用户提供：主题（一个知识点或一个道理）。有文稿最好；没有就由 AI 写旁白稿。 - 用 ask_user 一次只问一个问题，按顺序锁定：①时长（1 分钟 8-12 镜 / 3 分钟 20-30 镜 / 5 分钟 35-45 镜）②风格预设（见下方四种）③旁白语言。其余默认：16:9，主角圆头 + 一撮呆毛。 - 用户上传了角色草图或风格图时：提取线条风格、配色、角色识别特征（发型、配饰、比例）。如果是写实照片，只提取可迁移的特征（比如眼镜、马尾），忽略光影和质感，保证能画成火柴人。 - 用户上传了旁白或配乐参考时，记录语速、情绪和节奏，用于后面生成。 ## 制作流程 1. **项目设定** —— 在回复里用表格锁定：主题、时长与镜头数、风格预设及对应配色、主角与配角设定、旁白语言、画幅。停下来确认。之后不能中途换风格，换了就要全部重出。 2. **分镜与音频规划** —— 按四幕结构写完整分镜表和旁白稿，标好每幕的音乐情绪。停下来确认。 3. **角色与场景参考图** —— 先用 generate_image 出所有角色设定图，确认后再分批出每个场景的背景图。 4. **逐镜生成视频** —— 每个镜头绑定角色图 + 场景图生成，单镜失败可单独重做。全部完成后停下来让用户看一遍。 5. **旁白与配乐** —— 按幕分段用 generate_speech 生成旁白，用 generate_music 生成配乐。 6. **交付清单** —— 镜头顺序、转场方式、停顿位置、音量建议，提示去 TVVV 时间轴合成。 ## 风格锁定 - 全局锁定词（所有图片和视频提示词都必须带）：`hand-drawn minimalist style, flat illustration, no realistic lighting, no shadows, no shading`。 - 四种风格预设，全片只用一种： | 预设 | 背景色 | 强调色 | 线条 | 追加关键词 | |---|---|---|---|---| | 经典科普 | #FFFFFF 纯白 | #FFD700 金黄 | 纯黑 2-3px | clean educational style, friendly and approachable, golden yellow accent, pure white background | | 温暖叙事 | #FFF8F0 暖白 | #FF8C69 暖橙 | 深棕 2-3px | warm storytelling style, cozy and inviting, warm orange accent, soft cream background | | 冷静分析 | #F5F7FA 冷白 | #4A90D9 冷蓝 | 深灰蓝 2-3px | analytical style, cool and precise, steel blue accent, light gray-blue background | | 紧张悬疑 | #1A1A2E 深海军蓝 | #FF4444 警示红 | 白色 2-3px | tense suspenseful style, dramatic contrast, warning red accent, dark navy background, white lines on dark | - 角色区分只靠头型 + 一个小配饰：主角圆头 + 呆毛；配角方头无呆毛；三人以上加三角头，再各配一个简单配饰（眼镜、领带、蝴蝶结）。**不用肤色、胖瘦区分**，保持火柴人的纯粹。 - 场景每帧最多 5 个元素（一条地平线、一张桌子轮廓、一扇窗框……），画面底部中间留空给角色站。 - 必须避免：写实光影、3D、渐变、纹理、景深、动态模糊、画面字幕、满屏元素。 ## 分镜与镜头规则 - **四幕结构**（按时长比例分配）： | 幕 | 占比 | 作用 | 要求 | |---|---|---|---| | 日常 | 20% | 主角的日常，暗示问题 | 背景极简，一条地平线表现「平常」 | | 困境 | 35% | 问题爆发、反复失败 | 至少 2 个失败镜头；每 45-60 秒一个视觉笑点 | | 顿悟 | 30% | 揭示核心知识点 | 顿悟镜头后停 2 秒；背景从乱线变成干净几何形 | | 解决 | 15% | 用新知识解决问题 | 最后一镜定格 2-3 秒 + 一句金句 | - 每幕只讲 1 个核心信息；信息密度控制在每 30 秒 1 个要点。 - 景别四档：远景（人占 10-20%）、中景（40-50%）、近景（70-80%）、特写（元素占满）。 - 每个镜头的动作必须写三段：预备 → 主动作 → 收势（例：屈膝蓄力 → 向前冲 → 落地前倾回弹），不要写「做个动作」这种空话。 - 运镜写清方向 + 速度 + 景别变化（例：从远景缓推到中景）。 - 构图禁忌：角色贴边（四周至少留 1/6）、元素超过 5 个、倾斜构图（只在情绪失衡时用，最多 2 秒）。 - 转场：80% 用硬切；幕与幕之间用淡入淡出 0.5 秒；知识点出现用中心弹出 0.3 秒；连续非硬切不超过 3 个；动作戏不用叠化。 - 分镜表字段：镜号 / 幕 / 时长 / 景别 / 场景编号 / 角色动作（三段）/ 情绪（平静、焦虑、兴奋、思考、释然）/ 运镜 / 本镜要点 / 旁白 / 转场 / 是否停顿。 ## 提示词写法 - 用户用中文时提示词正文用中文，风格锁定词保留英文原样。 - **角色设定图结构**：角色描述 → 识别特征 → 构图（左头肩特写、右全身）→ 风格锁定。示例： ``` 火柴人角色，圆头加一撮呆毛，纯黑 2px 线条，无填充，关节处小圆点，正面站立，左侧头肩特写、右侧全身，纯白背景，表情简单好认，大量留白，stick figure, minimalist line art, clean educational style, golden yellow accent, pure white background, hand-drawn minimalist style, flat illustration, no realistic lighting, no shadows, no shading ``` - **场景背景图结构**：核心元素（≤5）→ 留白要求 → 配色 → 风格锁定。负面：detailed, photorealistic, complex, crowded。 - **视频提示词结构**：参考绑定 → 情绪状态 → 三段动作 → 运镜 → 风格锁定 → 负面。示例： ``` 图1 是主角小圆，图2 是卧室场景。小圆焦虑，凌晨躺在床上：先翻身侧躺（预备），猛地坐起盯着天花板（主动作），身体晃一下又倒回枕头（收势），头顶冒出一串问号。镜头从中景缓推到近景。bouncy exaggerated motion, anticipation and follow-through, squash and stretch, clean educational style, pure white background, hand-drawn minimalist style, flat illustration, no realistic lighting, no shadows, no shading. no realistic physics, no motion blur, no depth of field, no subtitles, no music ``` - 常用动作速查：走路 `bouncy walk cycle, exaggerated arm swing`；跑 `leaning forward 30 degrees, speed lines trailing`；跳 `crouch-jump-squash with rebound`；惊讶 `sudden startle, limbs extend, exclamation mark above head`；思考 `slow pacing, side-to-side sway, question mark floating`。 - 旁白单独生成时，视频提示词里不要再写旁白内容。 ## 在 TVVV 上执行 - 角色设定图和场景背景图用 generate_image 先出，默认 Nano Banana 2；同一角色的不同表情、换装都以已确认的设定图为参考生成。画面里要出现精确的知识点文字（公式、关键词卡）时用 GPT Image 2。 - 每个镜头 generate_video 都用 reference_images 带上同一个角色 图N 和该镜的场景 图N，image_role 选 reference；和上一镜动作强连续时，才额外把上一镜末帧设为 first_frame。 - 默认视频模型 Seedance 2.5，720p，16:9，单镜 5-8 秒。 - 一次回复最多 4 次工具调用，按幕分批生成，每批回来检查线条粗细、配色是否一致再继续。 - 旁白用 generate_speech：温暖、中性、聊天感，不要播音腔；语速每分钟约 150-170 字；困境幕略紧张，顿悟幕明亮；知识点前停 0.8 秒，每幕结尾停 1.5 秒。按场景分段生成，方便对齐。 - 配乐用 generate_music：轻快的木吉他 / 尤克里里 / 简单钢琴，BPM 90-110；困境幕可加一段小调版本。3 分钟以上可分段。 - 交付清单：镜头顺序（严格按分镜）、每镜转场、需要插 2 秒定格的位置、配乐音量不超过旁白的 40%、每幕旁白与画面时长差不超过 0.5 秒，提示用户在 TVVV 时间轴完成拼接和混音。 ## 注意事项 - **画风漂移**：中途出现阴影、渐变、3D 感。对策：每条提示词都完整带上全局锁定词和预设锁定词，负面写 no shading, no gradient。 - **角色认不出**：几镜之后呆毛没了、头变方。对策：每镜都绑定同一张角色设定图，提示词里重复写「圆头 + 呆毛」。 - **信息太满**：一个镜头塞三个知识点，观众记不住。对策：严格每幕 1 个要点，每 30 秒 1 个信息。 - **没有停顿**：顿悟点一闪而过。对策：顿悟镜头和结尾镜头必须标停顿，剪辑时插 2 秒定格。 - **中途换风格**：用户做到一半想换配色。对策：提前说明需要全部重出，确认后再执行。