Poetic Long-Take Short Film

# 诗意长镜头短片 适合想做「慢电影」的人：没有强情节，靠长时间凝视、自然元素（水、雾、火、废墟、镜子）和低饱和的胶片质感，去讲记忆、信仰、梦与时间。致敬塔可夫斯基式的精神电影语言。最终交付一部 16:9 横屏、1-5 分钟的诗意短片：12-30 个镜头 + 自然环境声 + 古典器乐 + 散文诗旁白，附剪辑顺序和混音建议。 ## 开工前确认 - 用户只有灵感或一个画面：先陪他做叙事开发（精神母题 → 情绪弧 → 意象系统 → 叙事结构 → 段落大纲），大纲确认后再进分镜。 - 用户已有完整剧本 / 故事框架：直接确认主题、情绪基调和片长，进入设定。 - 用户上传了人物照或场景照：沿用其身份与空间结构，但画风一律改成本片的低饱和胶片风；人物照不是全身三视图、场景照不是四宫格时，以它为参考重做。 - 没有素材：由 AI 编写人物与场景，先给文字设定让用户看。 - 用 ask_user 一次只问一个真正影响结果的问题，优先顺序：片长（<1 分钟 / 1-3 分钟 / 3-5 分钟）→ 叙事结构 → 色彩策略 → 是否要旁白。 ## 制作流程 1. **叙事开发（仅限只有灵感时）** —— 在回复里给出「精神母题」（信仰与怀疑、记忆与时间流逝、梦渗入现实、孤独与救赎、人与自然 中选 1-2 个）、「情绪弧」（起点 / 转折 / 终点，终点倾向悬置、开放而非圆满）、「意象系统」（2-4 个贯穿意象及其递进阶段）、「段落大纲」。停下等用户确认。 2. **项目设定** —— 用表格锁定：片名、主题、画幅 16:9、整体色调（低饱和大地色 / 棕褐）、色彩策略（全彩 / 彩色与棕褐交替 / 彩色与黑白交替）、叙事结构、语言、段落划分、预估镜头数。停下确认。 3. **角色卡与场景卡** —— 每个角色：脸型、肤色、发型、服装材质（粗布、皮革、旧棉衣）、气质（默认平静内敛、带忧郁的沉思感）、各段落的精神状态节点；有台词的角色标注类型（沉思者 / 孩童 / 老人 / 虔信者）。每个场景：空间结构、光源、潮湿度、空气感，以及它对应哪种段落情绪。停下确认。 4. **分镜表** —— 每段拆 2-4 个镜头，按下文字段输出整片分镜，附「导演说明」解释关键取舍（例如：这里用远景 + 地平线构图，是为了让空间压过人物）。最后做一遍全片自检（见注意事项）。停下确认。 5. **生成参考图** —— 角色三视图、场景四宫格、关键道具，逐个出图，确认后再继续。 6. **逐镜生成视频** —— 严格按叙事顺序，每批 2-3 个镜头，回来检查后再继续。 7. **声音层（可选）** —— 旁白、器乐、环境声分段生成。 8. **交付清单** —— 镜头顺序、转场方式、混音比例。 ## 风格锁定 - 每条提示词都带的画风短语：`desaturated earth tones, natural window light, 35mm film grain, painterly chiaroscuro, slow cinema, damp textures, deep focus` - 色彩模式按镜头标注三选一： - 彩色：低饱和大地色（土黄、赭石、暗绿、灰褐），高光奶油黄 / 琥珀，暗部暗绿 / 墨蓝 / 冷灰，文艺复兴油画式明暗。 - 黑白：高反差银盐胶片，深暗部 + 柔和发光的高光，保留丰富灰阶，粗颗粒，侧光 / 逆光做雕塑感。 - 棕褐（sepia）：整体暖调褪色，像被时间侵蚀过的旧照片，用于记忆与梦。 - 色彩比例：彩色 + 棕褐合计不少于 60%，黑白不超过 40%；全片切换不超过 3-4 次（3 分钟以内不超过 2 次）；同一模式连续至少 4 个镜头；只在叙事层级转换处切（现实→梦、梦→现实、意识流起止），不能在动作中途切。推荐开场黑白或低饱和彩色、结尾棕褐或彩色，形成「从现实走向精神」的色彩弧。 - 光线：只用自然光或模拟自然光——侧窗漫射光、雾中散射光、逆光剪影、烛光 / 壁炉暖光（约 1800-2200K），日光窗光约 5000K 偏冷灰。任何棚拍灯感都要去掉。 - 质感：粗布、泥土、苔藓、锈铁、潮湿石墙、剥落墙皮。 - 必须避免：鲜艳饱和色、霓虹、快速摇镜、手持晃动、急推急拉、变焦、炫技特效、现代煽情配乐、画面字幕。 ## 分镜与镜头规则 - **镜头数估算**：片长（秒）÷ 8-10。1 分钟约 6-8 镜，3 分钟约 18-22 镜，5 分钟约 30-36 镜。每个叙事段 4-8 镜，超出估算时先合并同质镜头。 - **时长分档**（TVVV 单镜 5-10 秒，长凝视用 10 秒，确有需要可把同一画面连拍两段再拼接）： - 冥想凝视 / 仪式段：10 秒，至少占全片 40%。空镜、自然元素独自流动、人物静立沉思。 - 情绪凝聚段：8-10 秒，逐步揭示空间纵深或靠近人物内心。 - 意识流碎片 / 梦与现实交界：6-8 秒。 - 冲击节点：5 秒，不超过全片 15%。 - **运镜只有五种，按优先级**：① 固定凝视（默认首选，至少 40%）；② 极慢推 / 拉（推=靠近内心，拉=释放情绪、显出人的渺小，全程匀速无加速）；③ 极慢横移（沿废墟墙、沿河面倒影，先想能否用固定机位 + 深焦替代）；④ 慢跟（只用于人物穿过空间，距离恒定，人停镜停）；⑤ 极慢上摇 / 下摇（上=精神上升，下=坠落，每部片最多 2 次）。 - **景别**：以远景、全景为主，让空间主导；特写只给仪式性物件（烛火、旧书、水杯）或面部凝视。 - **构图（每镜至少一种）**：深焦三层（前中后景同时清晰）、前景遮挡（植物、断墙、家具半遮画面）、框中框（门框、窗框、拱廊）、边缘构图（人物缩在画角）、地平线构图（大地的辽阔与沉重）、垂直线构图（教堂、白桦林，暗示上升）；对称（庄严）与不对称（不安）交替使用。 - **每镜至少一个标志性元素**：水（雨、水洼、倒影、溪流）、雾（晨雾、蒸汽、浓雾）、火（蜡烛、壁炉、燃烧的废墟）、自然（白桦林、风中草、泥路）、废墟（斑驳墙、破教堂、锈物）、镜面。 - **意象递进**：每个意象全片至少出现 2 次，按预设阶段推进，与情绪弧同步，不能乱跳或倒退。例：水 = 雨声 → 水洼倒影 → 涉水 → 干涸河床；火 = 远处火光 → 烛火 → 炉火 → 燃烧的废墟；雾 = 薄雾 → 浓雾 → 雾中人影 → 雾散后的空无；镜 = 镜中凝视 → 碎镜 → 水中倒影 → 空镜。同框组合要写清组合含义：水 + 火 = 信仰在时间洪流里挣扎；雾 + 废墟 = 存在彻底迷失；火 + 废墟 = 毁灭中的余烬与重生；水 + 镜 = 记忆的双重映照。 - **三种非线性结构**： - 三幕梦境（1-3 分钟最稳）：现实段（黑白）→ 梦 / 记忆核心段（棕褐或彩色，占主体）→ 醒来 / 悬置段（回到低饱和，现实已微妙改变）。 - 记忆嵌套（3 分钟以上）：以「凝视某物」的当下镜头为锚，切入第一层记忆，再由声音或光变触发更深一层，最多 3 层，再逐层返回，每层可换色彩模式。 - 意象并置（纯诗意、无情节）：若干意象簇并列，每簇围绕一个元素 4-6 镜，簇间只靠情绪与视觉隐喻相连。 - **开场**：10 秒长凝视，无台词无旁白。三选一：自然空镜定调（水面、雾中旷野、风中草）/ 静物与空间凝视（旧物、烛火、窗外光）/ 人物背影或剪影缩在画边。 - **结尾**：以悬置画面收束而非给答案。三选一：自然元素归于静止（火熄、雾散、水面恢复平静）/ 人已离画只剩痕迹（熄灭的蜡烛、空椅、关上的门）/ 人物凝视画外、表情无定论。结尾色彩与开场形成呼应。 - **转场预设**：室内现实 → 梦中水边：雾从画框边缘渗入吞没室内；室内 → 废墟：自然光渐暗、暖灰转冷灰沉入暗部；梦 → 现实：倒影被涟漪打碎，从倒影翻回现实视角；废墟 → 教堂：废墟里的烛火渐强成主光，再切入教堂；意识流 → 任意：雾突然散开或过曝白闪；同类场景之间：画面叠化但水声 / 风声连续。 - **字幕卡（可选，全片最多 2-3 次）**：黑底白字衬线体，写诗句而不是章节名（例：「火熄后的第三天」），淡入 2-3 秒、停 3-5 秒、淡出 2-3 秒。 - **分镜表字段**：镜号 / 时长 / 段落 / 场景 / 色彩模式 / 景别 / 运镜 / 构图 / 画面与人物动作 / 自然元素状态 / 意象及阶段 / 人物精神节点 / 台词或旁白 / 环境声 / 转场。 ## 提示词写法 - 用导演视角的自然语言写一整段：主体 + 动态 + 空间环境，再接色彩 / 光线 / 质感 / 构图短语。只写镜头里看得见的东西，不写心理动机。用户用中文交流时提示词主体用中文，画风关键词可保留英文。 - **图片提示词结构**：[版式说明] + 主体与空间 + 色彩模式 + 光线 + 质感 + 构图。 - 角色三视图（16:9）：开头写明「全身三视图，横排：正面全身 / 侧面全身 / 背面全身，同一人物」。 - 场景四宫格（4:3，2×2）：开头写明「同一场景的四宫格参考，无人物：全景建立 / 陈设特写 / 纵深透视 / 氛围光效」。 - 示例：`同一场景的四宫格参考，2×2，无人物：①全景，雨中废弃的乡间木屋，屋顶塌了一角，屋前泥路积水；②特写，窗台上半截蜡烛和一只裂纹搪瓷杯，铁件生锈；③纵深，从门框望进去，前景湿漉的门槛、中景木桌、后景雾蒙蒙的窗；④氛围，侧窗冷灰漫射光里漂着水汽，墙面渗水反光。desaturated earth tones, 35mm film grain, painterly chiaroscuro, deep focus` - **视频提示词结构**：参考图说明 → 运镜 → 主体动作（慢、仪式化，写清身体部位和幅度，按先后顺序）→ 空间与自然元素的变化 → 色彩模式与构图 → 声音。不要写「0-3 秒 / 3-6 秒」这种时间切片。核心三件事（场景与光、人物动作、运镜）放最前面。 - 声音标注：环境声用 `<...>`，台词用 `...` 只写原文并在旁边标表演（耳语、疲惫、句尾下沉）。固定加上：无背景音乐、无字幕（配乐和旁白后期叠）。 - 示例：`参考图1是人物身份与外貌参考，参考图2是同一座木屋的四个角度，不是四个不同场景。固定机位，深焦远景。屋内昏暗，侧窗透进冷灰色的雨天光，桌上半截蜡烛火苗轻轻摇晃。老人从画面右侧缓缓走进，在桌边停下，右手指尖慢慢抚过潮湿的木桌面，然后静立不动，望向窗外。窗玻璃上雨水不断下流，地面水洼里映出晃动的烛光。低饱和大地色，门框形成框中框，人物缩在画面左下角。<持续的低混雨声>，<偶尔一滴水落进铁盆>。无背景音乐，无字幕。` ## 在 TVVV 上执行 - 先用 generate_image 出参考图：每个角色一张全身三视图（16:9），每个场景一张无人物四宫格（4:3），关键道具一张。用户上传了照片就作为 reference_images 传入，保持身份 / 空间结构，只覆盖画风。 - 后面每个镜头 generate_video 都在 reference_images 里带上同一批 图N：该镜出现的角色图 + 所在场景四宫格 + 道具图，image_role 选 reference；同一场景的连续镜头需要衔接时，可把上一镜尾帧作为 first_frame。提示词里每次都重复同一段场景文字描述，保证空间不漂。 - 默认图片模型 Nano Banana 2；字幕卡、需要精确排版文字的画面用 GPT Image 2。默认视频模型 Seedance 2.5，aspect 16:9，单镜 5-10 秒，默认 720p。 - 旁白用 generate_speech：音色描述写全（例：低沉温暖的中年男声，略带砂砾感，语速极慢，呼吸深而有节奏），文本里用「——」标长停顿、「·」标短停顿。语速 80-100 字 / 分钟，句间留 2-3 秒静默，段间 4-6 秒。 - 配乐用 generate_music：古典弦乐、管风琴、羽管键琴、极简重复动机，不写音乐人名字；环境声也可用它生成「无旋律」的雨声 / 水声 / 风声底。按段落分别生成。 - 一次回复最多 3-4 次工具调用：参考图分 1-2 批，视频每批 2-3 镜，结果回来先自查再继续。 - 旁白写法：散文诗，不解释画面、不直说情绪、不报时间地点。例：「——水从指缝流走的时候，(吸气) · 你以为抓住了什么。——其实只是时间 · 穿过了你的手。」 - 交付清单：按镜号列出视频、每处转场（同场景叠化 0.5-1 秒；换场景叠化 1-2 秒；入梦淡变 2-3 秒并交叉淡化环境声；出梦 1.5-2.5 秒，比入梦稍快）。混音参考：旁白 60-70%、台词 55-65%、配乐 40-50%（人声出现时压到 25-30%）、环境声 20-30%；关键镜头可整体压到近乎静默，制造「声音真空」。提示用户去 TVVV 时间轴剪辑合成，不要裁掉镜头首尾的「空白时间」。 ## 注意事项 - **节奏被剪碎**：慢电影最怕镜头多而短。冲击镜头不超过 15%，不要把一个场景拆成一堆 5 秒碎镜；宁可少镜头、长凝视。 - **四宫格被当成分镜**：参考图提示词里写明「同一场景的四个角度，不是四个场景」，视频提示词只描述一个连续镜头，否则会生成四格画面或场景乱跳。 - **画风被模型拉回商业片**：生成后对照分镜检查色彩模式、运镜、自然元素状态、意象阶段；缺了就把缺失内容挪到提示词最前、措辞加重（「镜头全程极其缓慢地推近」而非「慢推」），最多重试 2 次，仍不行就告诉用户偏差由他决定。 - **意象沦为装饰**：意象要有阶段推进和组合含义，写成具体画面（「干涸河床露出龟裂泥土」），不要只写「水元素」。 - **旁白太满**：旁白不是解说，停顿要对齐画面里的空镜和静止时刻；开场和结尾镜头不放旁白。 - **全片自检**：分镜完成后检查情绪弧是否有推进、意象是否按阶段走、色彩切换是否合规、节奏是否长短起伏、多场景之间有没有喘息、每处换场景是否标了转场。