剧情短片全流程

# 剧情短片全流程 适合任何「我有一个故事想拍成短片」的通用需求：悬疑、温情、科幻、职场、奇幻都可以。和用户协作推进一个项目，在每个关键节点停下来确认，最大限度保证角色和场景跨镜头一致。默认交付一部 30 秒到 3 分钟、16:9 的剧情短片：约 3-15 个长镜头（每镜 10-15 秒，内部可以切换机位）+ 对白 + 可选旁白 + 全片配乐。 ## 开工前确认 - 用户给故事点子、剧本、角色照片、场景图、音乐都可以。用户已经提供的素材直接放进对应的分镜位置使用，不要重复生成。 - 只有一句话点子时，帮他扩成三幕结构的梗概（开端 / 冲突 / 结局）再往下走。 - 用 ask_user 一次只问一个真正影响结果的选择：时长 → 视觉风格（写实电影感 / 动画 / 复古胶片等）→ 对白语言。画幅默认 16:9，用户要发短视频平台时改 9:16。 ## 制作流程 1. **项目设定** —— 回复里用表格给出：片名、类型、画幅、时长、视觉风格、对白语言、一句话梗概。**停下确认**。 2. **分镜** —— 先列关键元素：角色（多造型写「造型 1 / 造型 2」，附声线描述）、主要场景（写清重要物件的位置和朝向）、关键道具。再写镜头表和音轨规划（至少一条全片配乐；长片在转折处可分段；需要旁白时写好声线和逐字稿）。**停下确认**。 3. **元素设定图** —— 每个角色出三视图（正 / 侧 / 背），每个场景一张空景，关键道具单独出。同一角色不同造型以第一张为参考做图生图。**停下确认**。 4. **逐镜关键帧** —— 每个镜头先出一张首帧静帧：带上该镜相关的元素图，再带上同场景里前面最相似的一张关键帧，用来锁定站位、朝向和表情这些设定图管不到的细节。**停下确认**。 5. **逐镜视频** —— 用元素图 + 本镜关键帧生成视频。**停下确认**。 6. **配乐与旁白** —— 按音轨规划生成。**停下确认**。 7. **交付清单** —— 镜头顺序、音轨叠法，引导到 TVVV 时间轴合成并导出。 ## 风格锁定 - 每个项目定一组统一画风关键词，所有镜头都带。写实电影感项目的默认值：`cinematic live-action film still, strong chiaroscuro, negative fill, restrained Hollywood color grade, one dominant tone covering about 90% of frame, fine 35mm film grain, very subtle handheld micro-shake`。 - 写提示词时把六条电影感规则自然融进一段英文里（不要分标签罗列）： 1. **专业风格术语**：用具体的流派和视觉锚点代替空泛说法，如「新黑色电影、冷峻的工业都市质感」而不是只写「黑色风格」。 2. **构图与景别**：过肩、荷兰角、特写、中景，写清楚。 3. **光线**：写主光方向，并强调负补光（negative fill）制造反差和脸部阴影。 4. **调色**：克制，一个主色调占画面约 90%（如深青蓝），除非用户要求，不用红蓝霓虹对撞。 5. **画面质感**：细腻渲染、丰富细节、轻微柔焦等。 6. **情绪与潜台词**：把动作定格在戏剧性瞬间，写微表情和气氛，拒绝摆拍。 - 必须避免：解释角色动机或内心（模型看不懂）、描述画面外看不见的东西、满屏霓虹、过分光滑的「AI 塑料感」。 ## 分镜与镜头规则 - **优先长镜头 + 镜头内切换**：每镜 10-15 秒，在镜头内部安排 2-3 次机位切换，而不是拆成一堆 3 秒短镜头；切换频率跟着故事节奏走。单镜不超过 15 秒。 - **镜头数参考**：30 秒约 3-4 镜，1 分钟 5-6 镜，2 分钟 9-12 镜，3 分钟 12-15 镜。 - 每个镜头写三样：场景（引用场景元素）、故事内容（角色动作、关键物件变化、逐字台词或内心独白）、镜头语言（景别、机位角度、运镜）。 - 镜头内有切换时按顺序写：「第 1 段：特写，她的手指停在鼠标上 → 切到第 2 段：过肩中景，屏幕上的文件夹 → 切到第 3 段：正面近景，她的瞳孔放大」。 - **首帧要表现「意图」**：动作开始之前的状态——重心偏移、视线方向、肢体预备、尚未触发的效果、变化前的环境、机位初始位置。避免首帧卡在动作中间，否则视频会动不起来或动作断裂。 - 分镜表字段：镜号 / 时长 / 场景 / 内部分段（景别 + 动作 + 运镜）/ 对白 / 音效 / 旁白。 ## 提示词写法 - 用户用中文时提示词主体写中文，台词按设定的对白语言写。 - **图片提示词结构**：主体与身份 → 关键外观细节（五官、发型、服装材质与状态）→ 动作与环境 → 构图景别 → 光线 → 调色 → 质感 → 情绪。画面里需要出现的文字用引号括起，如招牌写着 "DANGER"。 - 首帧图片示例： ``` 过肩中景，深夜空荡的设计公司办公室，年轻女设计师坐在工位前，身体微微前倾，右手悬在鼠标上方，视线落在屏幕中央一个名为 "UNKNOWN" 的文件夹图标上；周围工位全部熄灯。显示器冷光作为唯一主光从正面打亮她半张脸，另一侧沉入阴影，negative fill，深青蓝色调占据画面九成，fine 35mm film grain，空气里有压抑的静默。 ``` - **视频提示词结构**：首帧里已有的静态细节不要重复，重点写「变化」：主体 + 动作（带程度副词：缓慢、猛地、大幅度）、背景 + 变化、镜头 + 运动；多段动作用「先……然后……最后……」或「切到」标记；写清对白（没有就写「无对白」）和关键音效（没有就写「无音效」）。写实项目默认加极轻微手持晃动和细胶片颗粒；固定机位就写「固定镜头」，不加手持。 - 视频示例： ``` 图1 为女设计师三视图，图2 为本镜首帧。第 1 段：固定镜头，她的食指缓缓按下鼠标，文件夹打开，屏幕光在她脸上闪了一下。切到第 2 段：屏幕特写，一排缩略图逐个加载，全是她工位的背面照片。切到第 3 段：正面近景，镜头极慢推近，她的表情从疑惑变成僵住，呼吸停顿，眼睛缓慢转向身后的黑暗。very subtle handheld micro-shake, fine film grain。音效 <鼠标点击、硬盘轻微嗡鸣、远处空调停止运转>。无对白。no music, no subtitles. ``` ## 在 TVVV 上执行 - 元素图和关键帧用 generate_image，默认 Nano Banana 2；画面里有精确文字排版（屏幕字、招牌、片名卡）时用 GPT Image 2。关键帧的 reference_images 带上相关元素图 + 同场景前一张最相似的关键帧。 - 视频用 generate_video，默认 Seedance 2.5、720p、默认 16:9，单镜 5-10 秒（长镜头可到 15 秒）。reference_images 带上同一批 图N：角色三视图和场景图用 reference，本镜关键帧用 first_frame。 - 旁白用 generate_speech；如果分镜里有独立旁白轨，视频提示词里不要写旁白内容，避免声音冲突。配乐用 generate_music，至少一条全片配乐。 - 一次回复最多 4 次工具调用：元素图一批，关键帧每批 3-4 张，视频每批 2-3 镜，结果回来确认后再继续。 - 交付清单：按镜号列出视频，建议剪辑顺序，配乐全程铺底、对白和旁白时压低，旁白放在对白空隙；提示用户在 TVVV 时间轴里拼接、加字幕并导出。 ## 注意事项 - **一口气跑完全部步骤**：用户会在最后发现角色不对，前面全白做。每个阶段都停下确认。 - **角色跨镜走样**：只靠设定图管不住站位和表情。关键帧阶段一定带上同场景的前一张关键帧。 - **首帧卡在动作中间**：首帧写动作之前的预备状态，尾帧才写动作结果。 - **视频提示词重复描述静态画面**：模型会把精力花在重画而不是动起来。只写变化，用短句。 - **多出背景音乐和字幕**：每条视频提示词末尾都加 no music, no subtitles；配乐和字幕在剪辑阶段统一加。