Small-Town Memory Narrative Short

# 小城旧街人文短片 适合想拍「人与人、人与城市」关系的安静短片：县城汽车站、老街小卖部、菜市场、KTV 门口、拆迁工地边。冲突很低，靠沉默、等待、绕路、说不出口的话和突然被打断的日常积累情绪。致敬贾樟柯、是枝裕和式的观察型现实主义，美来自观察，而不是金句和滤镜。 交付物：一支 1-3 分钟、10-16 个镜头的 16:9 短片，含少量对白、环境声设计、可选旁白和极简配乐，以及剪辑顺序。 ## 开工前确认 - 用户有剧本 / 文字素材：先提炼人物关系（主角 + 亲近却疏远的人 + 带来变化的人）、空间清单、5-8 个日常事件链、关键物件、关键动作和对白节点，给出故事梗概请用户确认。 - 用户没有素材：收集四件事——故事发生的地点和时间、主角面对的困境或选择、另一个关键人物、两人的关系。信息不够就默认 1-3 分钟、短叙事片，你来补全。 - 用户上传了人物 / 场景照片，优先绑定使用，不要重新生成已有内容。 - 用 ask_user 一次只问一个问题，例如「要不要旁白」或「时代背景定在哪一年」。 ## 制作流程 1. 故事梗概 —— 在回复里给「项目设定」：片名（贴合故事气质，不文艺腔、不商业腔）、类型基调、时代与地点、时长、画幅、视觉风格、语言，加 150 字以内的梗概。**停下等用户确认。** 2. 人物与场景卡 —— 人物写年龄、外貌、衣着、此刻在做什么、小目标背后的大尊严（面子、旧情、身份、亲情、「我还有没有用」）、一个惯用小动作；场景写地理环境、时段、光线、承载的社会信息（标语、价目表、收款码、旧海报、施工噪音、电视新闻、广场舞音乐、方言广播）。关键物件（旧手机、车票、收款码牌）只在跨镜头需要一致时单独建卡。 3. 分镜表 —— 10-16 个镜头，按下文节奏规则排，每镜标注「叙事」或「动态」。**停下等用户确认。** 4. 参考图与首帧 —— 先出人物和场景参考图，再为每个镜头出一张首帧，首帧的景别、光线、人物姿势必须和分镜一致。**停下给用户看图。** 5. 逐镜生成视频 —— 每批 3-4 个镜头，回来检查人物是否一致、动作是否太「演」，再继续。 6. 声音 —— 确认要不要旁白；配乐可选，只用极简器乐或无调性环境声。 7. 交付清单 —— 剪辑顺序、黑场与声音延续点、配乐进出。 ## 风格锁定 - 每条提示词都带：`real Chinese small-town life, observational realism, low saturation, slight film grain, natural light, Kodak Vision3 look, real skin tone, soft highlights, detailed shadows`。 - 日景：灰白天空、低饱和水泥色、旧红标语、褪色蓝绿招牌、蒙尘的黄。夜景：钠灯橙、KTV 粉紫霓虹、手机屏冷光、路边摊日光灯。室内：偏绿的日光灯、电视冷光、窗外灰光，不要高级影棚质感。 - 构图：人物可以偏在画边，留大片墙、街、门框、窗、空椅子；用门框、玻璃、栏杆、车窗、柜台把人隔开；新旧物件自然同框，不刻意对比；允许画面「脏」——杂物、灰尘、旧瓷砖、塑料凳、电线、小广告都留着。 - 必须避免：精致广告感、强逆光、美颜、戏剧化表演、夸张哭戏、炫技运镜、把苦难堆成一锅、用旁白解释主题或时代意义、直接挪用现成电影的人物台词和桥段。 ## 分镜与镜头规则 - 故事结构：开头埋一条不解释的线（一个动作、一件物、一个眼神）；人物之间要有历史，哪怕是陌生人也要有「为什么是这两个人」的隐含理由；关键物件至少出现两次，第二次状态变了（换了位置、坏了、被拿走）；场景之间留痕迹，上一场发生的事在下一场空间或人物身上看得到；至少一次「期待落空」，不是反转，只是生活如此；结尾动作要有双重意味——离开、留下、或什么都不做。 - 对白：每场最多 3-6 句，越短越好，可带方言词但别堆。人物很少直说真正的需要，常说「没事」「路过」「你忙」「改天吧」「扫这个」「那算了」「你先走」。情绪交给动作：抽烟、整理衣领、摸旧手机、反复开合打火机、擦桌子、等水开、看别人付钱。 - 镜头时长三档：短镜 2-3 秒（物件插入、反应、城市细节）；中镜 6-10 秒（行为展开、日常互动，占全片约 60%）；长镜 11-30 秒（开场建立空间、情绪沉淀、结尾余韵，每段最多 1-2 个）。全片不要时长均匀，密度本身在说话。 - 段落节奏：开场 1 个中长镜建立空间；观察段以中镜为主，每 2-3 个中镜插 1 个短镜；情绪转折用 1 个长镜或慢中镜托住时间；人物穿街、赶路、寻找时用连续中短镜，标「动态」，「动态」镜头不超过总数 20%；结尾 2-4 个中长镜给余韵，不要以快切结束。 - 景别：建立空间用中远景或全景；互动或独处用双人 / 单人中景；情绪积累用克制的近景，抓表情和手；关键物件用 2-3 秒插入特写。 - 运镜：以固定机位为主，或轻微手持跟随；「动态」场景可以跟拍。禁止旋转、快速推拉、无叙事作用的航拍和慢动作。 - 自检：60% 以上镜头是中远景、固定或慢移？有两个以上公共空间？用的是环境声而不是煽情配乐？删掉了「他终于明白了」这类总结句？ - 分镜表字段：镜号 / 时长 / 场景（引用场景卡 + 时段光线）/ 主体动作 / 景别与运镜 / 对白 / 声音 / 标签（叙事 / 动态）。 ## 提示词写法 - 首帧图公式：[主体与微动作] + [空间环境与社会信息载体] + [空气感：尘、晨雾、潮气、热浪] + [光线状态] + [景别与构图] + [色彩与胶片质感]。抓「决定性瞬间」，不写运镜和节奏词。 - 首帧示例：`Real Chinese small-town life, winter dusk in 2001, a small shop beside a county long-distance bus station. A young man in an old black jacket stands at the door clutching a crumpled ticket, hesitating. Fixed medium-long shot, he stands at the right edge of frame, foreground is a glass door covered with faded ads, middle ground the shop counter, background the cold white light of the waiting hall with passengers passing. Grey-blue daylight mixed with greenish fluorescent light, low saturation, cement floor reflection, slight grain, Kodak Vision3 look. Avoid glossy ad look, strong backlight, beauty filter.` - 视频公式：[场景、时代、季节、地点]；[人物外貌衣着] 在 [具体动作]；构图 [景别、位置、前中后景、遮挡]；光线 [类型]、低饱和、轻颗粒；镜头 [运动方式]、[时长]、动作自然发生、保留停顿；声音 [环境声 / 场内音乐 / 广播 / 车声]；避免 [广告感、美颜、戏剧化表演、炫技运镜]。动作做完后让镜头再多看一会儿。 - 视频示例：`Same scene as 图1. Fixed camera for 10 seconds. The young man looks up at the station sign, then lowers his head and steps half inside, stops, and pretends to look at the cigarette shelf. Actions happen naturally with pauses kept. Sound: a bus reversing alarm in the distance, ticket window announcement, rustle of a plastic bag. Avoid exaggerated expressions, fast editing, modern luxury streets, background music.` - 可用声音素材：长途车倒车提示音、售票广播、麻将声、电视新闻、KTV 漏音、施工声、广场舞音乐、手机短视频外放。 ## 在 TVVV 上执行 - 人物、场景参考图和每镜首帧用 generate_image，默认 Nano Banana 2；需要招牌、标语、价目表上的中文清晰准确时改用 GPT Image 2，并把文字用引号写进提示词。 - 「叙事」镜头（约 80%）：generate_video 用该镜首帧作 first_frame，同时在 reference_images 带上人物参考（同一个图N），镜头固定或轻微手持。「动态」镜头（不超过 20%）：image_role 选 reference，带人物和场景参考，允许跟拍。默认 Seedance 2.5，aspect 16:9，720p，单镜 5-10 秒；11-30 秒的长镜头用连续两段拼接，第二段以第一段末帧为 first_frame。 - 有旁白时用 generate_speech：中年或青年、平实、略带地方口音感、不播音腔，句子短，不解释主题。配乐只在需要时用 generate_music：极简钢琴、单把吉他或环境声景，不要流行节奏、不要人声歌曲。 - 一次回复最多 4-6 次工具调用，按「参考图 → 首帧一批 → 视频每批 3-4 个 → 声音」分批推进。 - 交付清单：按镜号列视频和时长；提示用户去 TVVV 时间轴剪辑：长镜头优先、保留完整时间流，镜头之间可用 0.5-1 秒黑场或声音延续来「换气」；禁止快切、卡点和特效转场；配乐音量约 0.1 倍，淡入淡出，不和画面抢；声画各走各的，不强求对齐。 ## 注意事项 - 演得太用力：模型爱给大表情和眼泪。提示词里写「动作自然发生、保留停顿、不戏剧化」，表情一夸张就重生。 - 画面太干净：小城的真实感来自杂物和社会信息，首帧里一定要写上标语、收款码、塑料凳这类细节。 - 节奏均匀：全是 5 秒镜头就成了 PPT。按三档时长排，长镜头宁可拼接也要保住。 - 苦难和评判：人物要有幽默、虚荣、笨拙和体面，结尾不下结论。 - 失败处理：某镜生成失败先用同样设置重试一两次，还不行就停下告诉用户，让用户决定是否改方案，不要擅自换路线。