skill-director

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

1. 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。
2. 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。
3. 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。
4. 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）。
5. 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）。
6. 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。
7. 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）。
8. 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。
9. 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。
10. 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。
11. 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。
12. 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」。

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：
  1. 下一子段要使用上一子段过审终版视频作为参考视频。
  2. 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。
  3. 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。