Skill Director
Designskill-directorSkill Director is an Agent Skill for design published in the wangzai-double-milk/Vibefilming repository on GitHub: a SKILL.md instruction file an AI agent can load to do this task.
当已有剧本、故事方向或内容大纲,需要转成可拍摄执行方案时使用。负责镜头节拍、场景/角色/道具资产计划、故事板表达方式、剪辑决策、段间承接和音频处理计划等“怎么拍”的设计。
How to use this skill
Bring this guide into your coding agent with a prompt tailored to the tool you use.
- Open your project in Codex.
- Copy and paste the prompt below.
- Review files and risks before approving any action.
Inspect the Agent Skill at https://github.com/wangzai-double-milk/Vibefilming/blob/HEAD/skills/skill_director/SKILL.md and all supporting files. Report provenance, permissions, scripts, dependencies, and security risks. Propose an exact installation into .agents/skills/skill-director, but wait for my approval before writing files or running scripts.
Copying this prompt does not install or run the skill. Review third-party files before use.
Skill · 编导转译(从剧本到可拍方案)
执行卡
- 何时读我:剧本已定稿,准备进入素材、故事板、视频生成、合成之前;或发现成片平、乱、没故事感、不会剪的时候。
- 我负责:把"发生了什么"转成"观众先看到什么、怎么被钩住、每个信息用什么镜头交代、相邻段怎么接、最后怎么剪"。
- 我不负责:重写剧本、直接生成素材、替提示编译环节写最终 prompt、替审查做放行判断。
- 输入:已过审剧本(人物、场景、剧情、逐字台词、关键道具、风格)、用户目标、目标时长和平台约束。
- 输出:
director_plan.json或等价执行方案。它是后续素材、提示编译、视频生成、剪辑和审查共同消费的唯一事实源。 - 失败回流:审查打回若根因在主线、承接、视角、场景参考、道具持有链、文字节拍或镜头动机,回本层补那一小段 plan,再让下游重新编译;不绕过 plan 在 prompt 上硬补。
交付前先过这 12 条
- 主线先行:一句话写清谁、困境 / 目标、阻碍 / 转折、落点;每段都说明推进主线的功能。
- 镜头参数可继承:每个关键 beat 写清景别、视角、机位、运镜、焦距 / 光圈、景深、主体尺度;大环境里人物该渺小就写占画面比例。
- 段内变化先粗拆:每段视频只要有动作、表情、道具、环境、光影、镜头或声音变化,就先拆成 3-6 个时间阶段;编导写清每阶段的主要变化,提示编译环节再扩写细节。
- 生活物理先想清:有食物、液体、热量、重量、湿滑、锋利、燃烧、碰撞的动作,先写接触后果和人的下意识反应;酱汁会滴,热汤要吹,大块食物要分口(PHYS-1)。
- 对象用法先定清:不同对象要用不同处理方式;先判断手拿 / 工具拿、抿 / 嘬 / 啜 / 大口喝、咬 / 撕 / 嚼 / 含化 / 吞咽,不能把所有吃喝都写成“拿起吃下”(USE-1)。
- 资产先登记:人物、场景、道具、文字特写、风格锚点、色卡、故事板、blocking 图、route map / camera path map 都进入资产清单或参考计划,不让下游临场发明。
- 关键状态也要登记:主要人物、关键道具、核心场景只要会出现明显视觉状态变化,就要登记状态变体参考图;干净 / 沾土、完整 / 破损、正常 / 受伤、空场 / 营业中、白天 / 夜晚不能只靠文字临场改(STATE-1)。
- 主要角色有记忆点:每个主要角色在角色卡身份里钉死至少 2 个记忆点,其中至少 1 个必须来自脸型 / 五官 / 体型 / 姿态这类一眼可见的主体特征;辨识度要上镜、舒服、可信,不能靠令人不适的缺陷堆出来。
- 故事板只管剧情流动:固定 3×3 九宫格,讲剧情梗概、事件顺序、情绪 / 信息推进;不承担分镜、人物细节、材质、场景结构、镜头视角或精确空间路线。
- 空间路线另画 route map:人物穿过场景、追逐、逃跑、横穿街道、绕障碍物、长距离移动,必须补场景左 / 中 / 右视图 + 红色人物 / 物体运动路线图;红线不代表镜头视角。
- 开场不套模板:不要默认每个新场景都先空镜 tilt up 再进人;人物正在进入或穿过场景时,第一秒就写清人物和场景关系。
- 连续性写到可接:段初承接、段末交接、关键道具持有链、链式延展的上一段终版参考和续写关系,都写进 plan。
红线速查(命中即停手,改完再下游)
下面的 ID 与提示编译 / 审查共用。 只有跨多个阶段反复打回的硬伤才新增 ID;本阶段局部规则直接写成普通红线,不编号。 正文只展开规则,真实事故集中放在文末「反例库」。
| ID | 红线(出现即错) | 一句话正解 |
|---|---|---|
| MAIN-1 | 没有一句话故事主线,或每段只是一串好看画面 | 先写清"谁 + 困境/目标 + 阻碍/转折 + 落点",每段推进它 |
| HOOK-1 | 前三秒平铺环境、信息滞后 | 第一段必须有视觉 / 信息 / 声音 / 结构钩子 |
| INFO-1 | 关键反转、动机、文字、道具状态只留在剧本里 | 每条不可丢信息都落到镜头、声音或画面文字 |
| TXT-1 | 画面文字没有作为叙事线设计,或覆盖率不足 | 每段显式写 onscreen_text 或不上字理由,复杂叙事至少半数 segment 有文字路标 |
| CU-1 | 承载文字的特写没写逐字内容 | 表盘、屏幕、纸条、合同、名片等逐字写清,优先单独盯质量 |
| CU-3 | 需要观众看清的食材 / 材质 / 产品 / 文字 / 状态细节没有单独特写素材,或特写脱离原始素材另起一套画面 | 先基于基础资产 / 状态资产 / 所在场景生成关键特写参考图,再让视频镜头绑定它;不能从大场景硬裁,也不能凭空文生导致场景偏移 |
| REF-1 | 人物、场景、道具、关键特写只靠文字描述 | 进入生成前必须登记并使用真实参考资产 |
| STATE-1 | 主要人物 / 道具 / 场景发生明显状态变化,却只做一个基础参考图 | 在 reference_pack 登记状态变体参考图,写清适用 beat、差异点和状态承接 |
| CAST-1 | 主要角色是可替换的大众脸,或记忆点只靠小配饰 / 令人不适的缺陷 | 角色卡身份里钉死至少 2 个记忆点,至少 1 个来自脸型 / 五官 / 体型 / 姿态;角色要上镜、舒服、可信,要么有吸引力,要么体型 / 气质反差强 |
| BG-1 | 把参考图光影当成成片光影 | 参考素材走白底 / 中性底锁结构,成片光影交给提示编译环节按本场重建 |
| CU-2 | 特写为了看清细节另起棚拍白光 | 特写发生在某场戏里,继承本场主光方向、色温、软硬和反差 |
| COLOR-1 | 只有一句"电影感色调"或一张风格锚点图,没有显式调色板和色卡 | style_contract.color_palette 钉死主 / 辅 / 点缀色、色温、对比度、影调、LUT,并登记色卡资产 |
| TIME-1 | 一段视频只写总体动作,没有拆段内变化 | 先按时间阶段写清人物、镜头、表情、道具、副主体和环境如何变化 |
| PHYS-1 | 违反生活物理或人类下意识反应:热汤不吹就喝、大块食物一口吞、酱汁不滴、液体不晃 | 在 beat / time_axis 里写清接触后果、流体 / 热量 / 重量变化和人的本能预动作 |
| USE-1 | 对象处理方式不符合物性:所有东西都手拿、所有饮品都大口喝、所有食物都一口吃下 | 按对象属性写清手 / 工具、入口方式、咬合 / 咀嚼 / 吞咽节奏 |
| EMO-1 | 情绪只写"哭了 / 笑了 / 崩溃" | 写清触发、内部变化、外部流露,让提示编译环节能编译成微表情 |
| CAM-1 | 镜头语言只写"电影感 / 蒙太奇 / 某导演感" | 写成景别、视角、机位、运镜、焦点、光照、变速和机械动作 |
| SPACE-1 | 主体朝向、运动方向、人物左右关系没定 | beat 里钉死面朝哪、看向哪、往哪动、谁左谁右、从哪进出 |
| ROUTE-1 | 人物穿过场景 / 追逐 / 长距离移动只靠故事板或文字,没有场景运动轨迹图 | 场景多视图 + 红色运动路线图先补齐,提示编译环节按红线写运动 |
| CONT-1 | 相邻段物理状态凭空跳变 | 连续戏写段初承接=上段段末;硬切换场要标清时间 / 地点 / 线索变化 |
| CHAIN-1 | 长镜头链式延展没标清上一子段视频参考和续写关系 | 链式子段串行;下段基于上段终版视频继续往后扩写 |
| PROP-1 | 关键道具跨段无交接就换手、消失或状态重置 | 为每件关键道具维护持有链和状态线 |
| STB-1 | 故事板画成单帧写实图、低于 3×3,或没讲清剧情流动 | 九宫格手绘线稿,格间有顺序、箭头和递进 |
| STB-2 | 故事板凭空新增未注册人物/道具/文字标注,或把标注当成成片内容 | 只画已登记资产;新增先补资产和来路,箭头/编号/注释只作规划 |
| CUT-1 | 数故事板几格就切几刀 | 故事板是流动建议;切几个镜头由 director_plan 节拍表决定 |
| VOICE-1 | 角色音色写"同上" | 给每个开口角色固定六项音色档案,交给提示编译环节每次完整复述 |
| FIX-1 | 审查打回后只原样重抽或只在 prompt 加形容词 | 回根因所在层:补 plan、补资产、重编译,再重生成 |
本地红线不编号:beat 不能只写剧情摘要,要写清镜头为什么出现;BGM 不能每段各配各的,必须当全片一条曲线设计。
一、先定故事和结构
一句话主线(MAIN)
做任何镜头设计之前,先在 director_plan 写死这部片到底在讲什么。
主线必须一句话说清:
谁(主角) + 想要什么 / 面临什么困境 + 最大阻碍或转折 + 最后落到什么情绪或结果
写不出这一句,说明剧本理解还没完成,先别排镜头。
主线确定后,加两道硬约束:
- 每个 segment 都要回答"这一段替主线推进了哪一步"。推进目标、加深阻碍、给出线索、制造转折、完成情绪落点,至少占一项。
- 观众不看剧本,也要能只凭画面、画面文字、对白 / 旁白和剪辑因果,复述主角是谁、困境是什么、怎么转、结局如何。
故事感来自因果推进和信息可读,不来自更多漂亮空镜。 发现"片段都还行但整片没故事感",先查 MAIN、INFO、TXT、CONT,不先加氛围镜。
叙事顺序
剧本按事件顺序写,成片未必按这个顺序拍。先判断结构:
- 线性推进:因果强,冲突早,适合清晰叙事。
- 结果前置:先给崩溃 / 反转 / 危险结果,再回溯原因。
- 插叙:用回忆、证据、旧物打断当下,逐步补信息。
- 倒叙:从结局倒推原因,适合悬疑和反讽。
plan 要写清为什么选这种结构,它如何服务前三秒钩子和最终情绪落点。
黄金三秒(HOOK)
第一个片段必须承载黄金三秒,不许平淡铺垫开场。 钩子至少用一种:
- 视觉钩子:异常画面、危险动作、强反差表情、强构图。
- 信息钩子:反常台词、可读文字、倒计时、背叛提示。
- 声音钩子:门铃、录音、喘息、突然静音、环境声异常。
- 结构钩子:结果前置、插叙切入、反转片段抢先出现。
开场可以用蒙太奇 / 快切堆张力,但每次时空跳跃都要有标识: 镜头语言咬合、声音桥、时间 / 地点卡、黑场字卡都可以。 缺这层标识,蒙太奇会糊成一堆互不相干的画面。
二、不可丢信息与画面文字
不可丢信息清单(INFO)
从剧本抽出所有不能被概括掉的信息,并给每一条挂到具体镜头、声音或文字上:
- 逐字对白、逐字旁白、画外音、内心 OS。
- 屏幕、纸条、手机、合同、日历、表盘、招牌上的逐字文字。
- 时间、日期、数字、倒计时、关键信息卡。
- 推动剧情的道具状态、动作破绽、换手动作、损坏状态。
- 反转句、告别句、情绪爆点、人物动机。
- 角色音色、关键环境声、需要保留的现场声。
禁止只写"他发现异常""她看到消息""两人争吵"。 信息要镜头化:
- 文字信息用屏幕 / 纸条 / 合同 / 手机特写,并逐字写出。
- 时间数字用表盘、手机角落、监控画面等可读镜头。
- 道具线索用插入镜头加人物反应。
- 情绪变化用面部近景、手部动作、停顿、呼吸、声音或反应镜头。
- 反转要先铺垫,再可读 / 可听地揭示,再给反应。
任何"好看但不知道为什么出现"的镜头,必须补叙事功能、改成信息镜头,或删掉。
画面文字是叙事主干(TXT)
画面文字不是审核阶段补的装饰,而是编导阶段和镜头并列设计的信息线。 每个 segment 都必须显式写:
onscreen_text:有文字时逐字写内容、位置、时机、停留、消散、样式。no_onscreen_text_reason:不上字时写理由。
复杂叙事、预告片、广告片、神话 / 悬疑 / 科幻 / 多时空 / 多人物内容,若有 3 个及以上 segment,至少一半 segment(向上取整)要有文字路标: 时间卡、地点卡、章节卡、人名牌 / 身份牌、阵营牌、关键概念短卡、片名 / 主题短句等。 片尾 logo / 片名落版若不解释故事进展,不能凑覆盖率。
画面文字先判断它替观众做哪件事:
- 定位:这是哪、什么时候、第几章。
- 标识:这个人是谁、什么身份、属于哪一方。
- 强调:一个关键数字、一句主题短句、一个悬念提示。
- 引导:片名、剧名、上映信息、行动号召、尾部钩子。
仍然不做整段对白字幕、逐句台词字幕、长句旁白字幕。 这类信息靠声音承担,不靠满屏长字。
文字节拍和样式
每处画面文字都要写清四件事:
- 逐字内容。
- 出现时机与持续:镜头内哪个时间段出现、停多久、何时消散。
- 引入 / 引出动效与位置:淡入淡出、上滑、打字机、缩放、居中、lower-third、角落时间卡等。
- 样式与全片风格一致:字体气质、字号、颜色、描边、底色、运动方式。
预告片常用文字节拍:
- 开场前三秒先用画面 / 声音钩住人,钩子落定后再引入片名或 teaser 标语。
- 中段在情绪台阶之间穿插一两处强调类短文字。
- 高潮之后留白,再推出片名 logo 落版卡、标语、上映信息或尾部钩子。
人物出场文字要像镜头设计: 和人物第一次被看清的动作绑定,停 1-2 秒,随后淡出、滑出、颗粒消散或被动作遮挡带走。 不要压脸、压手、压关键道具,样式不要每个人一套 UI。
承载文字的特写(CU)
只要特写主体承载文字,beat 里就要写死逐字内容。 对象包括表盘、屏幕、手机、纸条、合同、名片、书页、招牌、按钮、UI、产品包装。
这类镜头优先单独生成并逐字盯质量: 乱码、错字、截断、冲出画面、糊成假字,都不能带病进入合成。 特写参考可以是白底 / 干净底,但成片特写必须继承所在场景光照。
如果用户或审查指出"有乱码 / 看不清字",不要把它当成泛泛的画面瑕疵,也不要随便换一段镜头绕过去。 先定位是哪一段、哪一秒附近、画面哪个载体上的哪段文字坏了;再判断这段文字是否承担叙事、品牌、产品或操作信息。 需要观众读懂的,就回到这个文字载体本身:补清晰的屏幕 / 包装 / logo / 标语 / UI 局部特写或落版设计,让下游围绕这块重新生成受影响镜头。 不需要读懂的背景假字,才可以降级为抽象 UI 纹理;但不能把 plan 里明确设计的文字悄悄删掉。
三、资产与参考包规划
资产清单不是软建议(REF)
凡这一镜叙事成立依赖观众看清的人物、场景、道具、局部、文字、产品、UI,都要登记资产。
assets_needed 不写"可选 / 如需要 / 靠描述兜底"。
真正可选的只有不影响理解的纯氛围背景物件。
资产清单至少覆盖:
- 主要角色、反复出现配角、进入中近景 / 特写 / 动作戏的人。
- 每个去重后的实际拍摄场景。
- 关键道具、产品、武器、信物、屏幕、纸张、包装。
- 手、脸部局部、表盘、UI、纸条、食材切面、菜品质感、产品局部等关键特写主体。
- 风格锚点、故事板、场面调度 / blocking 图、复杂运镜路径图。
- 人物穿过场景、追逐、逃跑、进入房间、横穿街道、绕过障碍物这类空间运动段,必须单独登记场景运动轨迹图 / scene route map;它和故事板分开,不用故事板替代。
戏里有几个实体,清单就要有几个:
写 beat 时凡出现"两人对峙 / 交接 / 对望 / 同框",就意味着这一镜至少两个角色,每个都要各自登记角色卡,不能只做主角、让第二个人靠提示编译环节临场描。
凡出现"某道具的特写 / 交接",那件道具就要进清单。
下游(提示编译 / 生成)无权凭空造一个没登记的人或物——所以缺的实体必须在这一层补齐,别指望 prompt 兜底。
审查若打回"这段该有的人 / 物没出现、或每段脸都不一样",根因常常就是编导阶段漏登记了这个实体:回本层把它补进 assets_needed、补它的 beat 和与已有人物 / 道具的站位承接,再交素材生成、提示编译环节重编译。
关键状态也要有参考图(STATE-1):
资产不是只锁"它本来长什么样",也要锁"剧情关键状态下长什么样"。主要人物、关键道具、核心场景只要发生明显视觉状态变化,且这个状态会被中近景 / 特写看见、会跨段延续、会反复出现,或会影响观众理解,就必须在 reference_pack 里登记状态变体参考图。
需要状态变体的典型情况:
- 人物:干净造型 / 淋雨湿发 / 妆花了 / 受伤流血 / 制服换私服 / 情绪崩溃后的红眼妆 / 老年妆 / 伪装后形象。
- 道具 / 产品:干净 / 沾土,完整 / 破损,未开封 / 已拆封,空杯 / 半杯 / 倒翻,生食 / 熟成 / 切开,干燥 / 被水浸湿,发光 / 熄灭。
- 场景:白天 / 夜晚,空场 / 营业中,整洁 / 事故后混乱,雨前 / 雨中 / 雨后,灯亮 / 停电,正常陈设 / 被翻乱。
登记时写清:
state_id:如prop_box_clean、prop_box_muddy、hero_wet_hair、restaurant_night_busy。- 基准状态和变化状态分别锁什么:外观、污渍位置、破损边缘、湿度、血迹、食物切面、场景灯光开关、桌椅凌乱程度。
- 适用 beat / segment:哪个状态从哪一段开始,持续到哪一段,何时恢复或继续恶化。
- 承接关系:状态变化从哪个动作来,例如"摔进泥里后沾土""雨中奔跑后湿发""翻桌后场景混乱"。
不用滥出图: 纯一闪而过、远景看不清、只是一点临时褶皱 / 表情 / 光影变化,可以交给 beat 和 PE 描述。STATE-1 只管主要人 / 物 / 场景的可见、稳定、影响连续性的状态。
关键特写必须单独出素材(CU-3): 凡这个镜头的任务是让观众"看清楚",就不能只从全景 / 中景里硬裁,也不能让视频模型临场猜局部细节。编导必须把它登记成独立的关键特写素材,先生成过审,再给提示编译环节绑定进图像或视频生成。 单独出素材不等于脱离原素材重画一张。关键特写必须从对应的基础资产、状态变体或所在场景参考里放大出来:小龙虾肉丝特写要继承原锅 / 原盘的颜色、油光、辣椒蒜粒和桌面光线;产品文字特写要继承原包装形状和材质;沾土 / 破损 / 切开状态要继承对应状态资产。否则特写会漂成另一道菜、另一件道具或另一处场景。
必须单独出特写素材的典型情况:
- 美食 / 探店:食材切面、刺身纹理、油脂纹路、米粒颗粒、酱汁挂边、拉丝、爆汁、热汤表面、烤痕、筷子夹起后的食物边缘。
- 产品 / 道具:包装文字、按钮、logo、屏幕 UI、票据、名片、表盘、钥匙齿、破损边缘、机关结构。
- 人物局部:眼泪、手部动作、指尖沾料、伤口、妆花、关键配饰。
- 状态证据:沾土、湿透、烧焦、破损、切开、拆封、倒翻、血迹、污渍等必须被观众确认的状态。
登记时写清:
closeup_id:如closeup_sashimi_fat_lines、closeup_eel_sauce_drip、closeup_phone_screen_text。- 它属于哪个基础资产或状态资产:如
prop_eel_grilled/prop_a_muddy。 - 它从哪些原始参考继承:基础菜品 / 道具 / 人物局部 / 状态变体 / 场景桌面与光线;不能只靠一句文字另起炉灶。
- 要看清什么:纹理、切面、文字、液体、破损、污渍、接触面、尺度。
- 适用 beat:哪一秒 / 哪个镜头需要它,成片特写如何继承本场光照(见 CU-2)。
CU-3 只管素材先单独生成;CU-2 继续管成片特写不能把白底 / 棚拍光带进戏里。这两条不能互相替代。
故事板也必须遵守资产清单(STB-2):
故事板不是给模型临场发明物件的地方。
如果某格要用水杯、手表、刀、手机、路人、车辆、宠物、屏幕等推动动作或交代动机,先把它登记到 assets_needed 或场景固定陈设里,并写清它的来源和去向。
例如水杯用于表现人物紧张,必须说明它原本在桌上、从包里拿出、别人递来,还是一直握在手里;后面是放回、摔碎、带走,还是移出画面。
没登记、没来源、没去向的东西不能画进故事板,更不能交给提示编译环节让模型凭空生成。
风格锚点要变成文字风格契约
风格锚点图不能只是一张好看的参考图。
编导必须在 director_plan 里写一段可复制的 style_contract,作为全片风格真相源。
style_contract 至少写清:
- 媒介类型:写实真人电影、纪录片感、动画、插画、黏土、3D、游戏 CG 等。
- 写实程度:真人皮肤、真实毛孔、自然比例、真实镜头,还是明确的动画 / 漫画化。
- 摄影与显影:画幅、镜头、颗粒、景深、动态模糊、黑位、高光、色彩倾向。
- 光影和材质:主光逻辑、阴影密度、空气感、材质粗糙度、反光和磨损。
- 负向风格禁忌:明确禁止哪些风格误入。
编导锁死调色板(COLOR-1)
只写一句"电影感色调"或只丢一张风格锚点图,控不住每段视频的颜色——同一份文字契约下,模型每段仍会各漂各的色温和饱和度。编导必须在 style_contract 里再钉一段显式调色板,作为全片颜色的权威真相源,让所有场景图、角色卡、道具图和视频都复述同一份规格。
style_contract.color_palette 至少写清(能给近似 hex 就给,给不出就给可复现的颜色命名 + 参照物):
- 主色(1-2 个):占画面主导的颜色,写命名 + 近似 hex + 用在哪(如
暖橙 #E8A15C,用于灯光和食物高光)。 - 辅色(1-2 个):与主色搭配的环境色 / 阴影色。
- 点缀色(1 个):小面积高饱和提神色,写清只在什么元素上出现,不能铺满。
- 色温:整体偏暖 / 偏冷 / 中性,给近似开尔文或参照(如
3200K 钨丝灯暖调)。 - 对比度与影调:高 / 中 / 低对比,高调 / 低调 / 正常,黑位是否上提、高光是否收敛。
- 饱和度走向:整体浓郁 / 自然 / 去饱和,以及哪些颜色单独压低或提亮。
- LUT / 调色氛围:一句可复现的成片氛围描述(如
青橙分离、暗部偏青、肤色保暖),作为合成阶段统一 LUT 的依据。
编导必须把色卡登记进资产清单(见资产先登记):色卡是一张把上面调色板铺成色块 + 标注的锚点图,供提示编译环节和人肉对照,让"暖橙""青影"这类词有唯一可视基准。色卡只锁调色板规格和影调方向,不锁构图、主体、场景内容——它不是场景参考图,不能当角色 / 场景 / 道具参考用。
调色板一旦锁定就是全片真相源:后续任何一段想改颜色,先回本层改 color_palette 和色卡,再让下游复述,不允许提示编译环节或生成阶段就地改色。
例如用户要写实悬疑片,就要写清: 写实真人电影质感、真实人类面部比例、自然皮肤毛孔和细纹。 真实布料与金属材质、电影摄影机景深和颗粒。 同时明确禁止:动漫风、二次元、卡通、插画、Q 版、游戏渲染、塑料 3D、玩具感、过度磨皮蜡像皮肤。
这段文字不是只给风格锚点图用。 角色卡、场景参考、道具参考、关键特写和最终视频 prompt 都要继承它。 故事板是例外:故事板可以是手绘线稿,但它的草图画风不能反向污染最终成片风格。
角色参考包
主要角色必须做角色卡身份母版。
每个角色登记为 reference_pack:
- 至少一张角色卡 / character sheet,同图包含正面全身、侧面全身、背面全身三视图。
- 需要表演或特写时,补面部近景、表情基线、手部、服装、配饰细节。
- 角色卡只锁身份:脸型、五官、发型、身形、服装轮廓、配色和关键配饰。
角色卡生成要求也必须带
style_contract。 写实片的角色卡不能因为是参考图就跑成动漫脸、游戏角色或塑料 3D。
纯远景群众或一次性背景人物可以不做角色卡,但必须写明不上角色卡理由。
主要角色要有记忆点(CAST-1)
主要角色(主角和高频出场角色)不能是可替换的大众脸——千篇一律的"清秀男生""漂亮女生""普通中年人"会让全片没看点、观众记不住谁是谁。编导要在角色卡身份里就为每个主要角色钉死至少两个记忆点,写进 reference_pack,让下游每段锁同一套特征。
硬标准:至少一个记忆点必须来自主体视觉本身,不能只靠眼镜、耳钉、帽子这类小配饰。角色要么明显比普通路人更有吸引力(更有骨相、更有气质、更上镜),要么体型 / 站姿 / 脸型 / 气质反差足够强,让观众一眼能分清。漂亮可以,但不要是模板漂亮;普通可以,但必须有可识别的体态、脸型或气场。辨识度不等于丑化:角色应当让观众愿意看、记得住,而不是靠不适感强行出挑。
记忆点可以来自:
- 独特的五官组合或脸型:偏离标准比例但可信的眉眼、鼻梁、下颌、脸型;不是"标准帅哥美女"。
- 发型发色:标志性发型、挑染、白发绺、寸头、卷发、辫子等。
- 体型与气质:骨架、身高、站姿、体态,或独特气场。
- 标志性穿搭 / 配饰:固定的一件外套、帽子、眼镜、耳饰、纹身、随身物。
- 面部特征:少量雀斑、泪痣、浅酒窝、眉尾断点、自然肤色不均、很淡的旧伤痕等,必须适度、可信、上镜;不能把一脸麻子、大片病态皮损、恐怖伤疤、缺齿等当默认记忆点,除非题材明确需要且用户同意。
- 气质反差:娃娃脸配冷峻眼神、精致西装配粗粝手部、柔弱外形配狠劲、老派长相配潮流打扮——反差最出记忆点;反差优先来自气质、姿态、穿搭和骨相,不靠冒犯性缺陷。
约束:
- 记忆点要服务角色设定、可信,且守
style_contract——写实片别为了辨识度把脸做成夸张漫画脸或 cosplay 感。 - 记忆点要有审美安全边界:不写"一脸麻子 / 满脸烂疮 / 恐怖疤痕 / 畸形五官"这类让观众生理不适的默认特征;需要病痛、伤残、灾难妆时必须由剧情明确驱动,并单独说明不是为了猎奇。
- 不接受"普通好看 / 清秀 / 年轻 / 戴眼镜"当唯一记忆点;这类词太大众,必须继续具体到骨相、比例、体型、发型轮廓、姿态或稳定反差。
- 记忆点在角色卡里定死后就是身份的一部分,和脸型 / 五官 / 服饰一起锁,每段都带,不能这段有那段没。
- 只要求主要角色;纯远景群众、一次性路人不必设记忆点。
场景多视角参考包
每一个不同的实际拍摄场景,都要有自己的多视角空间参考包。 长片尤其不能只做前几个场景,后面靠文字硬生。
做法:
- 先列全片去重后的场景清单,相同场景合并,不同场景各占一行。
- 每个场景挂一个
reference_pack,至少包含主视角、反向或侧向视角、俯视或关键区视角。 - 复杂空间升级为参考组:总览 / 俯视、主视角、关键区域、路线。
- 每个参考包写清入口、出口、主体常站位置、镜头可走路线、关键地标、空间结构、主要材质。
- 交付前做 scene coverage check:清单里的每个场景是否都有多视角包。
只要有人物穿过这个场景,最小包升级为左 / 中 / 右三视图 + 俯视路线图:
- 左视图:从场景左端 / 入口侧看过去,锁起点、入口、近景遮挡和人物最初所在区域。
- 中视图:从场景中心 / 主表演区看,锁中段障碍物、转折点、光源和前中后景层次。
- 右视图:从场景右端 / 出口侧看回去,锁终点、出口、后景结构和人物离开区域。
- 俯视路线图:在同一场景平面上用红色路线标出人物运动轨迹,标起点、终点、关键停顿、转向、绕障碍物和道具交互点。
左 / 中 / 右不是为了让成片切成三个镜头,而是为了让提示编译和模型知道这个空间真实存在两端和中段。 成片可以一镜到底、跟拍、侧移或固定机位,但人物总体路线必须能在三视图之间对上。
真正可以不做多视角的,只有纯远景一扫而过、不承载空间关系的背景板,并且要写明理由。
场景参考生成要求同样要带 style_contract。
如果全片是写实电影,场景图不能漂成动漫背景、游戏地图或插画概念图。
场面调度图 / blocking 图(SPACE / CONT)
只要一个场景里有人物进出、多人同场、追逐、推门、对峙、换手、绕桌、穿过街道或跨镜头移动, 就要给这个场景或关键 beat 画一张 blocking 图。 它不是故事板,也不是成片参考图,而是让模型知道"谁在场、谁站哪、谁往哪走、门内门外是什么关系"。
blocking 图可以是简化俯视平面图、鸟瞰示意图或低保真场景草图。 必须标出:
- 场景固定结构:门、窗、桌、柜台、街角、车辆、楼梯、遮挡物、光源方向。
- 每个在场人物的稳定标签:用
[林深]、[陈雨]这类和 prompt 一致的标签。 - 人物初始站位、面朝方向、视线方向和彼此左右关系。
- 人物运动路线:从哪到哪,箭头方向,关键停顿点,是否绕过障碍物。
- 进出关系:谁在门外,谁在门内,门打开前后各自在哪。
- 关键瞬间状态:推门瞬间、换手瞬间、对峙瞬间、擦肩而过瞬间、开枪 / 跌倒 / 拾取道具瞬间。
推门、开窗、转角进入这类镜头尤其要画。 如果门内本来有人,blocking 图要同时说明门打开前室内谁在什么位置、门打开后门内外人物如何相遇。 不能只画一个空房间参考图,让模型自己猜"门后有没有人"。
给提示编译环节时要说明:
- 这张图只锁站位、运动路线、朝向、门内外关系和遮挡层级。
- 箭头、编号、标签、红线只作参考,不出现在成片画面里。
- 成片里的角色外观仍看角色卡,场景质感仍看场景参考包,镜头节拍仍看
director_plan。
白底参考与成片光影(BG / CU)
静态参考素材统一走白底 / 干净中性底。 它们只负责锁外观、身份、形状、结构、空间布局、材质和逐字文字,不负责烧进戏剧光影。
编导要在 beat 里给提示编译环节写清:
- 这一镜属于哪个场景。
- 故事时间是什么。
- 主光从哪来,方向、高低、软硬、冷暖、强弱如何。
- 空气、雾尘、湿度、空间层次和影调是什么。
特写同理。 特写参考图可以白底,但成片特写发生在具体场景里,必须继承本场光照。 不能因为想看清细节,就把夜戏特写拍成均匀无影白光。
场景运动轨迹图 / 运镜路径参考图(ROUTE / SPACE)
复杂运镜可以先画路径图,再写运镜。 适用场景: 人物穿过某个场景、载具行驶、追逐、高空推进到地面、绕场环行、长距离跟拍、多个空间节点串联。
先分清三种图:
- 故事板:九宫格讲剧情怎么流动。
- blocking 图:锁谁站哪、谁看谁、门内外关系、遮挡层级。
- 场景运动轨迹图 / scene route map:锁人物或物体在场景里的总体路线,尤其是"从场景这一头到那一头"。
- 运镜路径图:锁摄影机路线,镜头从哪开始、怎么跟、在哪停顿或转向。
场景运动轨迹图必须用俯视、鸟瞰或低保真场景图,标出:
- 红色人物 / 物体路线:起点、终点、方向箭头、关键拐点、停顿点、绕行障碍物、拾取 / 放下道具的位置。
- 可选蓝色摄影机路线:镜头从哪开始、如何移动、跟随谁、经过哪些节点、在哪停顿或转向。
- 场景固定锚点:门、窗、墙、桌、楼梯、街角、车辆、沙丘、柱子、光源位置。
红线、箭头、编号只服务规划,不是成片画面。
给提示编译环节时要写成自然语言:[人物A] 从场景左侧入口进入,沿红线经过中段柱子前方,绕过倒下的椅子,在右后方出口离开;运动轨迹按场景路线图红线执行,红线和箭头不出现在成片里。
如果这一段是人物穿过场景,但没有左 / 中 / 右三视图和红线轨迹图,按 ROUTE-1 停下补图,不把空间关系留给提示编译环节猜。
四、镜头节拍表(编导核心产物)
每个片段写一份镜头节拍表,不许只写剧情摘要。 每个 beat 至少说清:
- 这个镜头为什么现在出现,给不看剧本的观众补哪条信息。
- 景别、明确视角类型、机位、运镜方向与速度、稳定度。
- 焦距 / 光圈数字、焦点、景深、前中后景关系。关键镜头尽量写成
24mm、f/5.6 深景深、85mm、f/1.4 浅景深这类可被提示编译环节原样继承的专业参数。 - 构图和主体尺度:主体在画面里占多大、在前 / 中 / 后景哪一层、环境是压过人物还是托住人物;大远景要写清人物是否渺小,不能默认把人拍大。
- 光照来源、方向、高度、色温、软硬、明暗反差,是否符合故事时间。
- 速度:正常、慢动作、加速,以及哪个动作变速。
- 画面动作、主体朝向、运动方向、人物左右关系、进出场方向。
- 段内时间轴变化:按本段时长拆成 3-6 个阶段,写清每阶段人物位置 / 动作、镜头推进、表情大方向、关键道具状态、副主体 / 环境变化和声音节点;纯静态镜头也要写清保持状态和细微变化。
- 必须可读的画面文字,逐字内容和出现 / 消散节拍。
- 对白 / 旁白 / 声音:谁说、逐字内容、音色档案、环境声或 BGM 意图。
- 需要哪些参考素材:角色、场景、道具、关键特写、故事板、blocking 图、路径图。
- 开头承接状态和结尾交接状态,供相邻段对齐。
镜头开场不能套模板:
- 不要默认每个新场景都先"镜头从下往上摇 / tilt up 交代环境,然后人物再进入"。
- 如果这段戏的重点是人物正在进入或穿过场景,人物和场景应当同时成立:第一秒就写清人物在场景哪一端、从哪条边进入、环境如何包住他。
- 只有叙事需要先制造空场、悬念、尺度揭示或信息延迟时,才用空镜上摇 / 下摇 / 慢慢揭示场景,并写清为什么人物暂时不出现。
- 开局方式要服务戏:人物已在场景内,就从人物和场景关系开;人物走进场景,就从入口、方向、身体尺度和环境压迫一起开;纯环境母版才单独交代空间。
检查:
- 每个不可丢信息都落到某个 beat。
- 每个新镜头至少新增一种东西:新信息、更强情绪、更清楚动作、空间方位重置、权力关系变化或节奏换气。
- 没有叙事功能、不能推进人物目标 / 阻碍 / 线索 / 情绪 / 空间交代的镜头,不能靠"氛围感"留在 plan。
情绪 beat(EMO)
情绪必须有因果过程,不是强度堆叠。 每个情绪 beat 写三段:
- 触发:哪件事、哪句台词、哪个道具、哪个眼神、哪个声音击中了人物。
- 内部变化:人物在压住、迟疑、动摇、破防、转冷、松弛还是转为攻击。
- 外部流露:视线躲开、眼睑变重、嘴角抿紧、下颌绷住、吞咽、呼吸停顿、手指攥紧、肩膀卸力等。
编导层不必写满每块脸部肌肉,但要写清"原因 → 变化方向 → 可拍端点"。 提示编译环节后续再把它编译成嘴角、眼睛、呼吸和细小动作。
调度 beat
调度必须由戏剧变化驱动。 人物进入画面、穿过空间、坐下、停住、靠近、后退、转身、背对、跪下、崩塌, 都要对应目标变化、权力变化、恐惧、发现、压迫、亲密或逃离。
主体运动路径和镜头路径分开写: 主体从哪里到哪里;镜头从哪里跟、迎、侧移、后退。 门、桌、柱子、人群、台阶、窗、屏风等障碍物如何改变走位和遮挡关系,也要写清。
如果这个调度 beat 依赖多人站位、进出门、穿街移动、追逐路线、遮挡关系或道具交接, 不能只用文字写。 给它配 blocking 图,并在 beat 里引用这张图:
- "人物站位见 blocking 图 A"。
- "推门前后门内 / 门外人物位置见 blocking 图 B"。
- "街上行走路线见 blocking 图 C,人物按箭头方向移动"。
没有 blocking 图就很容易出现: 推门瞬间室内变空、上一镜有人下一镜人没了、两人左右关系互换、人物从错误方向进场。 这类 beat 要在编导阶段补图,不留给提示编译环节猜。
时间段与特写内部节拍
镜头内时间段是细节控制手段,不是把故事板格数当成成片切镜。
凡是这一段里有人物运动、情绪变化、道具状态变化、食物制作、环境扰动、光影变化、镜头推拉摇移或声音节点,都要在 director_plan 先给粗时间轴,通常拆成 3-6 个阶段。
长镜头、复杂动作、多焦点调度、人物出场、标题 / 时间地点卡、屏幕文字、关键道具、重要特写和段间承接镜必须拆;短过渡也至少写前段 / 中段 / 后段。
编导层写的是结构骨架,不抢提示编译环节的细节工作:
0-3s:人物从哪到哪,镜头怎么跟,观众先看到什么。3-7s:主体动作 / 道具 / 环境发生什么变化,焦点是否转移。7-11s:情绪或信息如何升级,副主体和环境有什么响应。11-14s:以什么动作、姿态、道具状态或画面重心收住,供下一段承接。
提示编译环节后续再把每个阶段扩写成微表情、左右肢体、衣物 / 发丝 / 配饰 / 道具随动、蒸汽 / 尘埃 / 光影变化等细节。编导如果完全不拆,提示编译环节只能猜节奏,成片就会变成"一段里概括性地做了某事"。
特写也要有内部节拍:
- 特写主体如何进入画面或被镜头找到。
- 焦点先落在哪里。
- 哪处纹理、文字、结构、动作必须看清。
- 镜头停多久给观众读。
- 最后用人物反应、焦点转移、动作完成或切点状态收住。
高密度审美 beat
这些 beat 要标成高密度审美设计: 人物首次重要出场、情绪特写、关键道具 / 产品 / 屏幕 / 文字特写、场景母版、大远景、世界观建立、高潮动作、反转揭示、牺牲、死亡、告白、胜利、片名 / 章节 / 时间地点卡。
高密度 beat 不能只写"她很悲伤""古城很宏大""动作很帅"。 按需要选下面几类可见证据:
- 人物可见状态:眼神、嘴角、呼吸、手指、肩背、发丝、汗、泪、血、衣褶、小动作。
- 叙事物证:倾倒的碗、破损屏幕、带血玉佩、烧焦地面、被雨打湿的纸条。
- 光色反差:主光方向、冷暖、软硬、明暗、关键颜色的戏剧功能。
- 摄影注意力:观众先看哪里、再看哪里,焦点落在哪里,是否用浅景深、前景遮挡、长焦、微距;需要专业表达时写清焦距 / 光圈数字,别只写"电影感"。
- 质感四层:环境层、镜头层、材质层、显影层。
- 空间层次与世界观纯度:前中后景分别承担什么,哪些时代 / 题材禁忌绝不能出现。
简单空镜、短反应和过渡镜可以轻。 但关键镜头如果没有可见证据,后续 prompt 会退化成形容词堆叠。
五、镜头语言选择(CAM / SPACE)
镜头语言是编导的核心,不是可选项。 每个 beat 的景别、机位、运镜、焦点、光照、变速都要主动选择,并写清服务什么情绪或信息。
基础维度
- 景别:远景交代环境和规模;全景给完整动作;中景表现关系;近景抓表演;大特写放大信息和张力。
- 机位与视角:平视、俯拍、仰拍、过肩、主观 / 第一人称、贴地、鸟瞰、门缝 / 柜内 / 冰箱内物体主观。每个 beat 写清是谁的眼睛在看,为什么不是普通正面机位。
- 运镜与稳定度:推、拉、摇、移、跟拍、升降、环绕、甩镜、固定机位。写清方向、速度和稳定度:三脚架、斯坦尼康、手持、肩扛。
- 跟拍关系:后跟、前导、侧跟、推进跟拍、拉远跟拍。写清镜头在主体前 / 后 / 侧,跟随速度是否和主体一致,景别是否变化。
- 焦距 / 光圈 / 焦点与景深:写清焦距、光圈、哪里实、哪里虚,焦点何时从前景转到背景或反向转移。plan 写了
24mm、f/8 深景深、50mm、f/2.0 中近景、85mm、f/1.4 浅景深,提示编译环节才能把这些数字原样带进 prompt。 - 光照:光源动机、主光方向、光质、色温、明暗反差、眼神光、轮廓光,且要和故事时间自洽。
- 变速:慢动作放大关键动作,加速压缩过程,正常速是默认。写清哪个动作变速,如何回到正常速度。
空间朝向与越轴(SPACE)
每个 beat 都要钉死空间信息:
- 主体面朝哪、看向哪、正对 / 侧身 / 背对镜头。
- 运动方向:向画面里 / 外、左 / 右、冲向镜头 / 远离镜头、向上 / 下。
- 主体在场景哪里,和地标、门、桌、楼梯、其他人物的相对方位。
- 主体在构图中的大小和权重:人物占画面高度约多少,环境占多少;是人物压住场景,还是场景压住人物。沙漠、城市、巨型建筑、战场、山谷这类尺度镜头要明确人物很小,不能让模型把人默认拍大。
- 从画面哪条边进,往哪条边出;进出房间的入口 / 出口在哪一侧。
- A 在画面左还是右,B 在左还是右,谁看向谁,视线越过哪条方向。
连续戏要保持方向一致。 上一镜向右跑、下一镜无解释向左跑,就是越轴。 确实要换方向,用转身、过轴镜头、中性轴线镜头、环绕运动或转场交代。
标志性 / 作者镜头库(CAM)
不要让全片只会蒙太奇 / 快切 / 平推。 标志性镜头是记忆点,靠精准不靠多。 每次点用都写清:用哪个手法、机械动作是什么、为什么这一镜非它不可。
- 希区柯克变焦:dolly-in + zoom-out,或 dolly-out + zoom-in。主体大小基本不变,背景透视被拉伸或压缩。用于眩晕、认知崩塌、真相压迫。
- 斯皮尔伯格闯入 / 敬畏推镜:前景元素闯入构图,或稳定推近被奇观 / 真相击中的脸。用于惊叹、揭示、宏大降临。
- 诺兰时间停滞 / 时间操纵:水滴、碎片、飞尘近乎凝固,局部静止而主体仍在动,或时间回卷 / 错层。用于抉择重量、宿命感、记忆和梦境。
- 昆汀后备箱视角:从后备箱、抽屉、容器、冰箱、井底、坟坑等内部向上仰拍,洞口边框可见。用于被困、被审视、物件主观、黑色幽默。
- 其他变体:一镜到底、对称正中构图、单点透视走廊推镜、极端大特写对切、抽帧手持贴身跟拍。
挑不出叙事理由就别硬塞。 多样性首先来自基础维度的主动切换,标志性镜头只是锦上添花。
对话和多人场景
不要架一个机位干拍两个人说话。 多人对话用正反打、过肩、反应特写和稳定机位切人物推进。
切给谁由表演和声音决定: 谁在说、谁的反应更重要,镜头就给谁。 可以用声音先入、画面后切: 下一个人的声音先漫进上一个人的画面,再切到说话者;或上一句没落音就切到对方反应。
这属于段内部镜头调度。 段间转场另在第七节设计。
六、故事板(STB / CUT)
它是什么
故事板是编导在开拍前做的一串 3×3 九宫格手绘剧情流动草图。 它把一段戏按剧情流动拆成若干 panel。 一格对应故事往下走的一个节拍,不等于一个成片镜头。
故事板只解决一件事: 让后续环节对齐"故事怎么流动"。 它表达剧情梗概、事件顺序、情绪和信息怎么递进。
它不是分镜表,不代表成片要切几刀;也不是场景运动轨迹图、人物细节参考、材质参考、关键帧精修图或成片画风设定。
人物外貌、服装材质、皮肤质感、道具材质、场景结构和光影,都回到角色 / 道具 / 场景参考资产和 director_plan。
人物从场景哪里走到哪里,回到场景运动轨迹图 / blocking 图。
它也不是新增资产入口:故事板只能组织已登记的人物、场景、道具和画面文字,不能为了画面丰富临时加杯子、手表、路人、车辆或另一个人。
格号、阅读顺序箭头、动作方向箭头、人物标签和说明文字只为下游理解流动,不是成片画面文字。
形态硬规则(STB)
故事板必须:
- 一张图内固定做 3×3 九宫格,每格一个剧情节拍或情绪 / 信息推进点。
- 手绘线稿、铅笔速写、弱色彩、草图质感。
- 格间有箭头、标号或顺序线,表达剧情阅读顺序;格内箭头可表示物体 / 人物动作方向,但只作剧情理解,不是成片里的可见元素。
- 每格相对上一格有新动作、新信息、新情绪变化、空间 / 视角改变或关系变化。
- 本段关键节拍、反转、道具、文字、情绪落点必须被画进某一格。
- 每格只能使用
assets_needed或场景固定陈设中已登记的实体;确需新增就先回资产清单补登记、补来源和去向,再画故事板。 - 格内若需要提示词说明动作,只写成规划标注;必须提醒提示编译环节这些标注、箭头、编号、标签不进入成片。
故事板生成要求里不要出现 photorealistic、cinematic、电影级写实、精细上色、成片质感。 画得像一张漂亮单帧,就是错。
故事板不主导切镜(CUT)
故事板是"流动方向的建议",不是"这段要切几刀"的指令。 九格故事板不代表视频要切成九个镜头。
成片切几个镜头、每刀切在哪、是否长镜头、是否只切两三刀,全部由本阶段的镜头节拍表决定。 一段戏可以有九格故事板,却拍成一个连续长镜头,镜头连续走过这些剧情节拍。 也可以拍成 2-3 个镜头。
下游如果为了贴合故事板格数把一段戏切碎,按 CUT-1 回提示编译环节重编译。
给下游的故事板字段
每段至少写清:
- 故事板固定 3×3 九宫格。
- 每格画哪个剧情节拍,不是每格一个成片 shot;九格只帮助理解故事梗概和情绪 / 信息推进。
- 需要继承哪些角色、场景、道具参考。
- 每格用到哪些已登记资产;是否有新增人物 / 道具 / 场景。新增则先补
assets_needed、参考图、来源和去向,不得直接下游。 - 只继承故事梗概、剧情流动、事件顺序和情绪 / 信息递进;不继承线稿画风、弱色彩、草图质感,也不继承人物细节、材质细节或镜头切分。
- 阅读顺序箭头、动作方向箭头、编号、格号、人物标签和故事板说明字只用于规划和理解,不是成片文字。
- 若要表达人物穿过场景或长距离运动,必须另给场景运动轨迹图;不要让故事板承担精确空间路线。
- 哪些镜头细节仍以
director_plan为准:景别、视角、运镜、焦点、逐字声音、画面文字。
没用资产参考生成故事板,故事板先漂。 画了故事板但视频没体现其剧情流动和信息推进价值,故事板白画。
七、段间承接、转场和剪辑
段间因果
成片不是一串"然后发生了"的画面,而是一条"因为 A,所以 B;B 又迫使 C"的理解链。 每个片段至少交代:
- 承接什么:上一段留下的情绪、问题、动作、声音或未完成信息。
- 为什么现在发生:本段由上一段哪个行动、发现、情绪或时间推进触发。
- 本段新信息:观众看完比上一段多知道什么,人物状态发生什么变化。
- 抛给下一段什么:结尾留下问题、目标、压力或情绪余波。
- 怎么接到下一段:镜头继续推进 / 拉远 / 升降、动作或视线引导、匹配剪辑、声音先入、叠化、硬切、留白、文字卡等。
把所有片段的"承接 → 触发 → 新信息 → 抛出"连起来,应该能复述成完整故事线。 如果只能说"先在这里、再去那里、然后又出现一个画面",编导转译没做完。
物理承接(CONT)
连续戏中,本段开头必须接住上一段结尾的物理状态。 每段都写两项:
- 段初承接状态:接上一段结尾的位置、距离、场景、背景、在场人物和道具。
- 段末交接状态:留给下一段的位置、距离、场景、背景、在场人物和道具。
四项必对:
- 人物在空间里的位置。
- 人物到镜头的距离 / 景别。
- 所在场景与背景。
- 在场人物与相对方位。
例外是有意硬切: 场景切换、时间跳跃、剧情段落转换、平行剪辑,本就可以让两段差异很大。 但 plan 必须标清这是硬切 / 换场,并保证观众能读懂换到哪、什么时候、哪条线。
一句话: 连续戏要连得上,硬切换场要切得清楚。
关键物品流动(PROP)
为每件承载剧情或跨段出现的关键道具维护持有链。 对象包括伞、钥匙、信、刀、手机、钱、药、信物、产品、武器等。
逐段写清:
- 此刻在谁手上 / 在哪,用角色标签或场景位置指明。
- 换手 / 移动发生在哪一段,靠什么动作:递出、抢夺、放下、遗落、拾起。
- 状态如何随时间变化:湿的会慢慢干,点燃的会变短,破损的不会复原,液体会减少。
- 不凭空出现或消失。
同时守住物理定律: 放下的东西不会飘,抛出去会落,握住要真握住,道具在人物前后层级要固定。
生活物理与本能反应(PHYS-1)
大多数"假"不是因为镜头不够电影感,而是因为动作违背生活常识:酱汁很多却从不滴,滚烫的汤不吹就喝,一大块鳗鱼一口吞,湿滑食物被筷子稳稳悬空,重物被轻飘飘拿起。编导在 plan 里必须先把这些物理约束和人的下意识反应粗拆出来,提示编译环节再扩写细节。
任何 beat 出现下面对象,都要写清"物体状态 → 接触后果 → 人的本能反应 → 段末状态":
- 液体 / 酱汁 / 油脂:粘稠还是清水状,会不会滴落、拉丝、挂在筷子或食物边缘,滴到盘子 / 碗沿 / 桌面后留下什么痕迹;杯中液体被端起会晃,倾斜会沿杯壁移动。
- 热量 / 蒸汽:热汤、热锅、刚烤好的食物会冒蒸汽;人通常先吹、试探小口、停顿避烫,手指碰到烫碗会换握法或缩一下。
- 食物大小与入口可行性:一大块鳗鱼、厚肉、长面条不该一口吞;要先咬断、分两口、夹稳、咀嚼、咽下后再说完整句。
- 重量 / 阻力 / 湿滑:重物拿起要有手腕和肩膀发力;湿滑食物会下垂、滑动或需要调整筷子角度;拉门、掀帘、推椅都有阻力和回弹。
- 危险 / 锋利 / 脏污:锋利物体靠近皮肤会让人避开;油溅、水溅、灰尘扑面会眨眼、偏头、缩肩或抬手挡。
写法例子:
- 不够:
鲣鱼夹起鳗鱼吃下,露出满足表情。 - 合格:
0-3s 筷子夹起半块烤鳗鱼,酱汁在边缘拉出短丝并滴回盘中;3-6s 她先吹一下,咬下一小口,剩下半块仍被筷子夹着轻晃;6-9s 咀嚼后眼睛睁大,肩膀微缩,左手下意识托在嘴边防止酱汁滴落。
PHYS-1 不是让每段都堆细节;它只要求凡是有物理后果和人的本能反应的动作,不能跳步。跳步会让成片看起来像摆拍假动作。
对象处理方式与入口方式(USE-1)
同样是"拿起""喝一口""吃一口",不同对象的真实动作完全不同。编导不能只写"她拿起食物吃下""他喝了一口",必须先判断对象的属性,再写适配的处理方式。USE-1 负责"怎么处理这个对象",PHYS-1 负责"处理后产生什么物理后果",两者要一起写。
每个涉及手、工具、入口、吞咽的 beat,至少判断四件事:
- 用手还是用工具:干爽、不烫、不脏、可直接接触的东西可以手拿;烫、油、湿滑、脏、细小、锋利、礼仪场景里的食物要用筷子、勺、叉、夹子、刀、吸管、手套或餐巾辅助。
- 工具怎么用:筷子是夹、拨、托还是卷;勺子是舀汤、托软物还是刮边;刀叉是切开、压住还是叉起;吸管是小口吸、连续吸还是停顿。
- 饮品怎么入口:热汤先吹再小口啜;浓稠奶昔 / 珍珠饮品要用吸管嘬;清水可以正常喝;烈酒 / 浓咖啡常是小口抿;运动后矿泉水可以大口喝;杯沿、吸管、勺子入口方式不同。
- 食物怎么入口:刺身薄片可以蘸后整片入口或轻嚼;大块鳗鱼要咬断分口;面条要夹起 / 吸入口中再咬断;果冻 / 布丁偏含化和抿;硬脆物要咬碎并有咀嚼声;粥 / 汤羹多用勺舀小口。
写法例子:
- 不够:
她喝汤,觉得很好喝。 - 合格:
她先用勺子舀起半勺热汤,靠近嘴边轻吹两下,先小口啜入一点试温,再含住汤停顿半秒,咽下后眼神放松。 - 不够:
他吃蓝莓奶冻。 - 合格:
他用勺尖舀起一小块奶冻,先用嘴唇轻轻抿住边缘,奶冻在舌尖压开,不需要大幅咀嚼,只做两下轻微含化吞咽。
USE-1 不要求每个群众动作都写细;只要对象处理方式会影响真实感、食欲、礼仪、危险性、角色性格或镜头重点,就必须写清。
转场和剪辑决策
全片每个衔接点都要主动设计。 转场不是后期滤镜补丁,不能替代故事动机。
可选手法:
- 镜头语言咬合:动作、视线、焦点、景深、运镜方向承接。写进上段结尾镜和下段开头镜。
- 声音桥:上段声音延续到下段,或下段声音提前进入上段结尾。
- 后期切点转场:硬切、叠化、淡入淡出、黑 / 白场。写清类型、时长和理由。
- 文字卡 / 时间地点卡:时空跳跃、换地点、换线索时最直接。
剪辑决策表写清:
上一段 → 下一段、转场类型、时长、为什么这样剪、原声怎么处理、是否需要文字卡。
同场景连续动作可以利落切换;时间跳跃 / 回忆 / 空间转换 / 情绪渐变需要更明确的过渡。
中间接缝要的消融 / 叠化 / 匹配转场,优先写成生成层任务,不要留给合成层的 crossfade 工具: 把它拆进相邻两段的首尾镜——上段结尾镜和下段开头镜设计成咬合帧(同构图、同色调、同运动方向、可承接的收束 / 起势),合成时硬切拼接,接缝由画面本身完成。 剪辑决策表里把这类切点标成"生成层咬合 + 合成硬切",只把整片淡出到黑之类的收束留给合成层的淡入淡出。
时长纪律
段时长按内容定,禁止机械均分。 先按戏给每段定合理时长,再让总时长贴近目标,而不是总时长除以段数。
单个视频生成镜头有最长落地上限,约 15 秒。 超过时先判断:
- 本来就是多个镜头:按机位、景别、视角、动作拆成多个分镜。
- 确实不能断的长镜头:走链式延展,上段结尾状态就是下段开头状态。
拆分必须发生在编导阶段,写进 director_plan,不能等提示编译 / 生成环节超时后临时补救。
编导拆分时要一次写清:
- 子段 ID、子段名、各自时长,且每段不超过生成上限。
- 每个子段自己的镜头节拍、首尾状态、画面文字、音频和参考素材。
上一子段 → 下一子段的动作、视线、空间、道具和声音承接。- 哪些地方是自然切镜,哪些地方是链式延展,哪些地方是硬切换场。
- 链式延展子段必须标清:
- 下一子段要使用上一子段过审终版视频作为参考视频。
- 下一子段 prompt 应从上一子段最后可见状态继续往后扩写,而不是重新生成同一个动作。
- 不允许重置的连续项:人物姿态、衣物和配饰位置、道具状态、光线方向、机位运动、运动方向、环境粒子和副主体运动。
如果提示编译或生成环节发现某段超过上限,正确动作是停下并回编导补拆分后的 plan。
不要在生成调用前临时把 seg02 口头拆成 seg02a/seg02b 直接提交。
没有进入 director_plan 的子段,不算正式 segment。
口诀: 能拆成几个镜头更好看,就分镜。 只有必须一镜到底、断了就毁,才用链式延展。 链式延展不是"多写一句承接",而是"上一段终版视频作为下一段参考,下一段从这个视频往后扩写"。
八、音频计划(VOICE / BGM)
音频先设计、再处理。 别一段原声、一段静音、一段随机 BGM,最后硬混。
音频计划要写清:
- 对白策略:哪些角色开口,逐字台词,尾音是否需要反应 / 呼吸 / 停顿。
- 旁白 / 画外音策略:逐字内容、语气、出现时机、和画面信息关系。
- 现场声:哪些片段保留环境声、动作声、空间声。
- 静音:哪些片段明确设计为静默,静默服务什么情绪。
- BGM:哪里起、哪里推进、哪里到高潮、哪里收。
没有角色对白要求的剧情片、宣传片、设定展示片、概念短片,旁白大概率需要默认设计。 除非用户明确要求纯视觉 / 无声,否则不要让画面和 BGM 独自承担所有叙事。
人声音色档案(VOICE)
每个开口角色都要在编导阶段定固定音色档案,绑定到 [标签]。
至少六项:
- 性别与年龄感。
- 音高。
- 音质 / 音色:沙哑、清亮、磁性、鼻音、气声、厚实等。
- 语速与节奏。
- 口音 / 咬字。
- 气质 / 情绪基调。
这份档案作为不可丢信息传给提示编译环节。 提示编译环节在每段每次该角色开口时都要完整复述,不能写"同上"。 临时情绪(哭腔、压低、怒吼)叠加在固定档案之上。
BGM 连续性(BGM)
BGM 要把全片当一条曲子来设计。 相邻段不能一个高潮刚起,下一段换另一种风格又从头高潮。
先认清一个物理约束:成片是一段段分开生成再拼接的。
每段的配乐是模型在这一段内部独立现编的,读不到上一段的旋律,也无法自动接着上一段的乐句往下走。
所以"全片一条曲线"这句话若只写在 audio_plan 里,生成阶段根本做不到。
seg03 自己冲到管弦齐奏、到段尾戛然而止,seg04 又从头起一段新音乐——这就是段间配乐忽大忽小、突然断掉的根因。
编导必须在 audio_plan 里显式选一条 BGM 架构,并写清生成层怎么落地:
- 架构 A · 统一配乐轨(推荐用于连贯情绪片): 各段生成时不各自内嵌 BGM(prompt 里明确写"无内嵌背景音乐,仅保留环境声 / 动作声")。 另外单独生成 / 选用一条贯穿全片的音乐,在合成阶段整轨铺到成片上。 这样旋律天然连贯,不受分段切割影响。
- 架构 B · 分段自带 BGM 但有头有尾: 确实要每段各自出 BGM 时,每段的音乐都要写成"从上一段的情绪续上、到本段末尾留一个可衔接的收束", 而不是每段都自成一首完整曲子。相邻段的乐器、调性、速度、强弱要连续,禁止风格跳变。 段尾禁止硬停:写清最后一两秒是渐弱、还是保持一个持续音过桥到下一段。
不管选哪条,每个有 BGM 的衔接点仍三选一:
- 延续同一主题:靠编曲强弱自然推进,不换曲子。
- 渐变过渡:前一段收下来、淡出淡入,或用一小段过渡把情绪接到下一段。
- 留白:用环境声或安静过渡顶住接缝,避免两段音乐硬撞。
这条 BGM 架构选择、每段是否内嵌音乐、每个衔接点怎么过渡,都要写进 audio_plan 和剪辑决策表,
供提示编译环节编译段尾收束、供合成阶段执行真实过渡。
宁可没有 BGM,也不要无过渡地硬撞、硬停。
九、交付与放行自检
交付物要能被后续素材、PE、生成、审查、合成逐项消费。 至少包括:
- 一句话故事主线和每段推进主线的功能。
- 叙事结构选择和黄金三秒钩子。
- 不可丢信息清单。
- 去重场景清单、角色 / 道具 / 特写 / 风格参考包、scene coverage check。
- 每段镜头节拍表。
- 每段段内时间轴变化设计:3-6 个阶段,写清动作、表情大方向、道具 / 副主体 / 环境 / 镜头 / 声音变化节点。
- 每段故事板规划。
- 每段
onscreen_text或no_onscreen_text_reason。 - 段初承接状态和段末交接状态。
- 关键道具持有链。
- 剪辑决策表。
- 音频计划、音色档案、BGM 曲线。
放行前逐项自检:
- MAIN-1:一句话主线存在,且每段都推进它。
- HOOK-1:前三秒有钩子,不是平铺环境。
- INFO-1:关键反转、动机、逐字文字、道具状态都落到镜头 / 声音 / 文字。
- TXT-1:每段有
onscreen_text或不上字理由;复杂叙事文字覆盖率达标。 - CU-1 / CU-2:承载文字的特写有逐字内容,并继承本场光照。
- REF-1:角色、场景、道具、关键特写都有参考资产,不靠文字硬兜。
- BG-1:参考素材中性底,成片光影由 beat 给提示编译环节明确依据。
- 每个 beat 有镜头功能,不是剧情摘要。
- TIME-1:每段视频的段内变化已粗拆,提示编译环节不需要从一句总体动作里猜 14 秒怎么展开。
- EMO-1:情绪有触发、变化和外部流露。
- CAM-1 / SPACE-1:镜头语言、视角、运镜、光照、方向、左右关系写清。
- 焦距 / 光圈数字、主体在场景中的大小比例和构图权重已写清,供提示编译环节原样继承。
- CONT-1:连续戏段初段末物理状态对齐,硬切换场已标清。
- PROP-1:关键道具有持有链和状态线。
- STB-1 / STB-2 / CUT-1:故事板为 3×3 九宫格,讲清剧情流动;不新增未注册人物 / 道具 / 场景;切镜不按格数。
- ROUTE-1:人物穿过场景 / 追逐 / 长距离移动时,场景左 / 中 / 右三视图和红色运动轨迹图已补齐,红线只代表空间路线,不代表镜头视角。
- VOICE-1:角色音色档案六项完整。
- 音乐选定 BGM 架构(统一轨 / 分段自带),衔接点写清过渡,段尾不硬停。
- FIX-1:审查打回路径写清回哪一层、改哪一小块。
反例库(真实事故,别重犯)
- MAIN-1|片段都还行但没故事感:每段都是漂亮画面,盲看者说不出"谁想要什么、卡在哪、怎么转、结局如何"。正解:先钉一句话主线,再让每段推进它。
- TXT-1|文字表达线缺席:全片只有片尾片名,没有时间、地点、身份、章节或关键概念路标,观众认不清人物和时空。正解:编导阶段逐段写
onscreen_text或不上字理由,覆盖率先达标。 - TXT-1|乱码打回后乱重生:审查说屏幕 / logo / 标语乱码,agent 没找具体时间和画面区域,直接重抽整段或换个无关画面。正解:先定位乱码载体和应读文字;需要读懂的先补局部特写 / 清晰落版 / UI 参考,再只重做受影响镜头。
- REF-1|后半片场景没参考包:前几个场景做了多视角,后面偷懒靠文字生成,空间越到后面越漂。正解:先列去重场景清单,每个实际拍摄场景都挂多视角参考包。
- BG-1 / CU-2|白底参考污染成片:参考图为了锁身份走白底,成片特写也被拍成棚拍白光,和夜戏 / 暖调场景断开。正解:白底只服务参考,成片光照由 beat 和提示编译环节按所在场景重建。
- CUT-1|故事板格数绑架切镜:九格故事板被下游拍成九刀碎切,一段戏没一个镜头能喘匀。正解:故事板只管流动方向,切几个镜头按镜头节拍表。
- STB-1|故事板退化成漂亮关键帧:一张电影级写实单帧被叫做 storyboard,没有九宫格、箭头、顺序和剧情递进。正解:3×3 九宫格手绘线稿,格间有推进。
- STB-2|故事板凭空加资产:故事板为了好看画了水杯、手表、路人或另一辆车,但
assets_needed没有这些东西,也没写来源和去向。下游一参考故事板就凭空多物件,跨段又消失。正解:故事板只能使用已登记资产;要新增先补资产、补 beat、补道具来路和状态线。 - ROUTE-1|把故事板当空间路线图:人物要穿过车站 / 沙漠 / 走廊,只给九宫格故事板,没有左中右场景视图和红线轨迹图,提示编译环节只能猜从哪进从哪出,运动起来空间就漂。正解:先给场景多视图和 scene route map,红线只锁人物路线,不锁镜头视角。
- SPACE-1|人物和环境尺度错:plan 要"荒漠里一个人显得渺小",但 beat 没写主体占比,后续成片把人物拍成半身大脸。正解:编导阶段写清人物占画面比例、位于哪一层,环境是否压过人物。
- CONT-1|跨段物理瞬移:上一段人物已经走远 / 出门,下一段无过渡又贴脸 / 回室内墙背景。正解:连续戏段初承接=上段段末;若是硬切换场,plan 标明并给时间地点或线索。
- PROP-1|道具自己换手:伞上一段在 A 手里,下一段无交接到了 B 手里,湿伞又突然变干。正解:维护持有链、换手动作和状态线。
- TIME-1|14 秒只有一句动作:beat 写"她走到摊位前吃一口,露出满足表情",下游不知道 0-3 秒走近、3-6 秒闻香、6-10 秒入口、10-14 秒回味该怎么展开,成片表演像跳步骤。正解:编导先粗拆段内时间轴,再让提示编译环节扩写每阶段微表情、道具、副主体和环境随动。
- EMO-1|只写情绪结果:beat 写"她哭了",没有触发、强忍、失守和外部细节,成片情绪突兀。正解:写原因、变化方向和可拍端点。
- CAM-1|镜头语言只会蒙太奇:遇到紧张、回忆、转折都写一组快切,整片语言单调。正解:按戏选择基础镜头维度,必要时点用标志性镜头并写机械动作。
- VOICE-1|音色同上:编导没定固定音色档案,提示编译环节写"同上",跨段随机换嗓子。正解:每个开口角色六项音色档案固定传下去。
- BGM|段间配乐戛然而止:
audio_plan写了"全片一条曲线 seg01 单音起→seg03 管弦齐奏→seg04 收尾",但每段各自内嵌 BGM 独立生成,seg03 冲到高潮就硬停、seg04 又从头起,合成只套 0.3 秒 crossfade,成片段间音乐忽大忽小、突然断掉。正解:先选 BGM 架构——统一配乐轨(各段不内嵌,合成整轨铺上)或分段自带但有头有尾、乐器调性连续、段尾渐弱过桥,衔接点按audio_handling做真实音频过渡。 - FIX-1|打回后只重抽:审查发现承接状态错,却只在 prompt 里加"保持连续",plan 仍然没写段初段末。正解:回编导补那两段承接状态,再让提示编译环节重编译。
- REF-1|戏里要两人却只登记一人:beat 写"开场两人对峙",
assets_needed却只有主角一张角色卡,第二个人没做。成片要么只有一个人,要么提示编译环节硬凑一个每段变脸的路人。正解:戏里有几个实体就登记几个,缺的补进assets_needed、补 beat 和两人站位承接,再交素材生成、提示编译环节重编译。