艺术犯爆款短视频复刻工作流 v6.1

Kunstfrevler – Workflow zur Nachbildung viraler Kurzvideos v6.1

Portabler Pfad

Das Verzeichnis, das diese SKILL.md enthält, wird als SKILL_DIR verwendet. Dieses Paket enthält bereits unter vendor/watch/ Backends für Einzelbildanalyse, Untertitelextraktion und ASR. In den Befehlsbeispielen wird der folgende portable Pfad verwendet:

SKILL_DIR="<Vollständiger Pfad zum Verzeichnis, das diese SKILL.md enthält>"

Lieferumfang

Standardmäßig werden geliefert: Nachweisquellen, Produktfakten, Produkt- und visuelle Stilsperren (Locks), maschinenlesbarer Replikationsvertrag, sekundengenaues Drehbuch, Charakterprofile, eigenständige Storyboard-Bilder, bewegungsbezogener Shot-Plan, Seedance-Prompts (aufgeteilt nach Modell-Laufzeit) und ein Vor-Generierungs-Qualitätsbericht.

Sofern der Benutzer nicht ausdrücklich etwas anderes verlangt, dürfen keine Videos generiert, Credits verbraucht, Endprodukte exportiert oder veröffentlicht werden. Wenn der Benutzer explizit eine vollständige Produktion wünscht, wird zuerst das Pre-Generation-Gate durchlaufen und dann vollständig der VidMuse Complete Production Branch eingelesen. Inhalte, die nicht durch echte Nachweise gestützt werden, sind als „kreative Extrapolation“ zu kennzeichnen.

Minimale Eingabe

• Vergleichsquelle: entweder ein lokaler vollständiger Pfad / öffentlicher Link zu einem Referenzvideo ODER die explizite Angabe „Intelligente Referenz aus historischer Erfolgsdatenbank“.
• Screenshots oder Detailunterlagen des Produkts; bei physischen Produkten müssen ausreichend klare Produktbilder zur Bestimmung von Form, Proportionen, Farbe, Material, Struktur und Logo vorhanden sein. Bei reinen Gutschein-/Leistungsseiten dürfen keine nicht gezeigten physischen Winkel erfunden werden.
• Stilreferenzbild oder ein Referenzvideo, das als Stilnachweis dient; wenn kein separates Stilbild vorliegt, ist das Originalvideo eindeutig als Stilquelle zu verwenden und kein allgemeiner „Hochwertigkeits“-Stil zu erfinden.
• Replikationsmodus und Taktfrequenz; wenn der Benutzer keine Angabe macht und verschiedene Optionen zu unterschiedlichen Ergebnissen führen, wird nur einmal nachgefragt.

Standardspezifikation: 9:16, Chinesisch (Mandarin), jedes generierte Segment 1 bis 15 Sekunden. Beim Schreiben der AI-Tabelle maximal 9 Anhänge für Personen, Storyboard, Audio und Produktmaterialien insgesamt. High-Fidelity-Remakes folgen standardmäßig der vollen Länge des Originalvideos; die anderen beiden Modi verwenden standardmäßig 30 Sekunden. Das Entfernen einer Wendung des Originals, um zwei Segmente zu füllen, ist nicht erlaubt.

Eingebaute Vektordatenbank historischer Erfolgsfälle (Intelligenter Referenzmodus)

Die Datei knowledge_base/index.sqlite3 dieses Skills ist eine sofort einsatzbereite Seed-Datenbank: Sie enthält nur formelle Projektfälle, keine privaten Chats, API-Keys, Cookies oder Originalvideos. Sie verwendet lokale, feste 2048-dimensionale Vektoren aus chinesischen Zeichen und Mechanismus-Tag-Hashes; die Abfrage nutzt keine kostenpflichtigen Embedding-Dienste.

Wenn der Benutzer nur Gutscheine/Produkte bereitstellt oder explizit eine intelligente Fallauswahl aus historischen Erfolgsfällen wünscht, muss zuerst die lokale Vektordatenbank durchsucht werden; es darf nicht aus dem Gedächtnis ein beliebiger Fall ausgewählt werden. Bei der Erstinstallation wird direkt gesucht, ohne vorher eine Datenbank zu erstellen:

python3 "${SKILL_DIR}/scripts/viral_library.py" search \
  "<Vollständige Erstellungsanforderung>" \
  --top-k 5 \
  --out "<Projektverzeichnis>/00_historical_match.md"

Erstellen Sie eine vollständige Abfrage, die Produkt, Zielgruppe, Nutzungskontext, visuelle Welt, Personenbeziehungen, Zielemotionen, Taktfrequenz und bestätigte Leistungen kombiniert – nicht nur den Produktnamen. Die Suchergebnisse liefern Fall-IDs; um den vollständigen Text des Falls aus dem Archiv zu lesen, führen Sie aus:

python3 "${SKILL_DIR}/scripts/viral_library.py" show "<case_id>" \
  --out "<Projektverzeichnis>/00_historical_case.md"

Nachdem Sie die Einzelbildanalyse, das Drehbuch, das Storyboard oder die Retrospektive für ein neues Video abgeschlossen und im Arbeitsverzeichnis outputs/ abgelegt haben, aktualisieren Sie den lokalen Index. Dieser Index ist standardmäßig mit der Seed-Datenbank zusammengeführt und wird bei der Suche bevorzugt verwendet:

python3 "${SKILL_DIR}/scripts/viral_library.py" build \
  --workspace "<Vollständiger Pfad zum Arbeitsverzeichnis der Erfolgsvideos>"

Fügen Sie bei späteren Abfragen --workspace "<Vollständiger Pfad zum Arbeitsverzeichnis der Erfolgsvideos>" hinzu, um in der kombinierten Datenbank aus „eingebauten Fällen + neuen Benutzerfällen“ zu suchen.

Standardmäßig werden keine privaten Codex-Chats indiziert. Nur wenn der Benutzer explizit den Aufbau einer rein lokalen privaten Datenbank wünscht, darf --include-chats verwendet werden; Datenbanken, die Chats enthalten, dürfen nicht nach außen verteilt werden.

Der Abfragebericht muss gleichzeitig enthalten: eine Hauptreferenz, eine wiederverwendbare Produktionsvorlage, maximal zwei Kandidatenreferenzen, den getroffenen Mechanismus, nachvollziehbare Pfade zu Analyse/Drehbuch/Prompt/Storyboard, ob das Originalvideo derzeit verfügbar ist, und die in diesem Fall unbedingt zu beachtenden Fehlschläge. Ausführungsregeln:

• Bei decision=insufficient_match wird das Aufzwingen der Vorlage gestoppt; stattdessen wird entweder ein neues Referenzvideo angefordert oder nur eine originäre Mechanismus-Extrapolation durchgeführt.
• Fälle mit quality_status=blocked dürfen deren Drehbuch, Prompts oder Storyboard nicht wiederverwenden; falls eine vertrauenswürdige Analyse des Originalvideos existiert, darf nur reference_analysis_only verwendet werden, während gleichzeitig die QC-Retrospektive als negatives Gate gelesen wird.
• quality_status=unknown bedeutet nicht Erfolg, sondern nur, dass das historische Material keine veröffentlichungsreife Schlussfolgerung enthält; nach Eintritt in die aktuelle Erstellung müssen dennoch alle Qualitätsgates durchlaufen werden.
• Die Seed-Datenbank enthält weder Originalvideos noch originale Maschinen-Assets. Es dürfen nur die im Archiv gespeicherten Zeitcodes, Hashes, Analysen, Drehbücher und Fehlschläge zitiert werden; es darf nicht behauptet werden, dass das Originalvideo in dieser Runde erneut angesehen wurde.
• Selbst wenn die lokale Datenbank des Benutzers explizit historische Chats enthält, haben diese Chats ein geringeres Gewicht als formelle Arbeitsergebnisse und dürfen die Bild-für-Bild-Analyse nicht ersetzen.
• Die Abfrage dient nur der Auswahl von Mechanismen und Assets; sie setzt keine alten Drehbücher direkt zusammen. Die Schritte Wettbewerbsphase, Produktentfernungstest, Tischlesung und Schema-v4-Vertrag müssen weiterhin in Phase 3 durchlaufen werden.

Wenn der Benutzer ein neues Referenzvideo bereitstellt, kann die Datenbank dennoch zur Suche nach ähnlichen Fällen und Fehlschlägen als Hilfsmittel verwendet werden, aber die Hauptreferenzidentität, Dauer und SHA-256 müssen auf dem in dieser Runde tatsächlich gelesenen neuen Video basieren.

Phase 0: Festlegung von Modus, visueller Welt und Asset-Identität

Vor der Drehbucherstellung oder Storyboard-Erstellung wird Folgendes ausgegeben:

Aktueller Modus: High-Fidelity-Visual-Remake / Trend-Mechanismus-Transfer / Kommerzielles Hybrid-Remake
Taktfrequenz: Wie Original / Standard / Hohe Wendungsdichte
Produktionsumfang: Materialpaket / AI-Tabellen-Lieferung / Vollständiges Video
Bewegungstyp: Referenzvideo-dominiert / Handlungsdarstellung / Kontinuierliche Bewegungs-Werbung
Begründung:
Visuelle Welt – Harte Einschränkungen:

Lesen Sie vollständig references/drei_remake_modi.md. Es darf nur ein Modus ausgeführt werden. Vom Benutzer explizit festgelegte Medien-, IP-Richtung oder Bildwelt sind globale harte Einschränkungen und verlieren ihre Gültigkeit nicht durch „Personen/Szenen austauschbar“; z. B. darf ein historisch künstlerisches CG nicht eigenmächtig in modernes reales Liebesdrama umgewandelt werden.

Vor dem Ausführen der Backends werden die vom Benutzer bereitgestellten absoluten Pfade oder URLs zurückgelesen. Die Auswahl anderer Materialien aufgrund ähnlicher Dateinamen ist verboten.

Phase 1: Ausführung der Evidenz-Backends

Das Backend-Kontrakt ist in references/backend_contract.md beschrieben. Überprüfen Sie zuerst die Alibaba-Cloud-Konfiguration:

python3 "${SKILL_DIR}/scripts/configure_asr.py" --check

Wenn die Konfiguration fehlt, führen Sie den folgenden Befehl aus; der Key wird über verdeckte Eingabe gelesen und darf nicht in Befehlszeile, Skill-Datei oder Berichte gesetzt werden:

python3 "${SKILL_DIR}/scripts/configure_asr.py" \
  --endpoint "<Alibaba Cloud Business Space compatible-mode/v1 Endpoint>"

Bereiten Sie die Referenz-Evidenz vor:

python3 "${SKILL_DIR}/scripts/prepare_reference.py" "<Referenzvideo>" \
  --out-dir "<Projektverzeichnis>"

Dieses Skript muss Folgendes durchführen:

• Sperren der lokalen absoluten Pfade, Dateinamen, SHA-256, Dauer, Bildformat und Audio-/Videoparameter.
• Extraktion von Schlüsselbildern aus dem gesamten Video und dichte, entduplizierte Frame-Extraktion für die ersten 3 Sekunden bei 2fps.
• Zusätzliche Generierung einer festen 0,5-Sekunden-Zeitachse für das gesamte Video; auch bei statischen Szenen keine Deduplizierung.
• Erzwungene Verwendung des Alibaba Cloud Business Space (nicht des standardmäßigen Groq).
• Getrennte Transkriptionen mit paraformer-v2 und paraformer-v1 und Generierung von Zeitcodes.
• Bei Inkonsistenzen zwischen den beiden Modellen wird „Prüfung erforderlich“ markiert; die Ergebnisse dürfen nicht direkt als Dialog behandelt werden.

Sehen Sie sich zuerst alle Frames der festen 0,5-Sekunden-Zeitachse aus watch/timeline_0_5s/timeline_manifest.json an, dann die Szenenschlüsselbilder. Nur das Ansehen der Szenenschlüsselbilder führt leicht zum Übersehen langer Pausen, statischer Darstellungen am Ende und zyklischer Enden. Nach dem Erkennen aufeinanderfolgender Täuschungen, schneller Aktionen oder räumlicher Wendungen führen Sie für jeden Wendungscluster ergänzend aus:

python3 "${SKILL_DIR}/vendor/watch/scripts/watch.py" "<Referenzvideo>" \
  --detail balanced --start <Start> --end <Ende> \
  --fps 2 --no-dedup --resolution 1024 --no-whisper \
  --out-dir "<Projektverzeichnis>/watch/reversal_<Nummer>"

„Frame-für-Frame-Analyse“ in diesem Skill bedeutet: Ansehen jedes Frames der festen 0,5-Sekunden-Zeitachse, Ansehen jedes Szenenschlüsselbildes, Ansehen der dichten Frames der ersten drei Sekunden und der Wendungscluster. watch kann maximal 2fps; es darf nicht behauptet werden, dass jedes einzelne Originalcodierungsframe des Videos angesehen wurde. Wenn der Benutzer explizit eine 30fps-Vollbild-Prüfung verlangt, muss klargestellt werden, dass ein separater Computer-Vision-Prozess für Vollbilder erforderlich ist.

ASR beweist nur, dass Ton erkannt wurde, nicht automatisch die Identität des Sprechers. Dialoge müssen mit Ergebnissen beider Modelle, sichtbaren Untertiteln, Lippenbewegungen und Bildaktionen gemeinsam validiert werden; Hintergrundgesang und Dialog sind in getrennten Spalten zu erfassen.

Phase 1 muss erzeugen:

• 00_source_manifest.json und 00_reference_evidence.md.
• Videodauer, Bildformat, Anzahl extrahierter Frames, Transkriptionsmodell und Transkriptionsstatus.
• Dialogtabelle mit Zeitcodes; jedes Segment als Zeilendialog/Liedtext/Toneffekt/Prüfung erforderlich markiert.
• Aufnahme-Tabelle mit Zeitcodes: Einstellungsgröße, Personen, Aktion, Ausdruck, Blickrichtung, räumliche Beziehung, Kamerabewegung und Ton.
• Sekundengenaue Evidenz der ersten 3 Sekunden, sekundengenaue Informationsänderungen in Wendungsclustern, erster Zeitpunkt der Markeneinblendung und Erinnerungspunkt am Ende.

Wenn Musik, Windgeräusche, Schläge, Ausschaltgeräusche oder zyklische Geräusche des Originalvideos Teil einer Wendung sind, werden sie in einer eigenen Tabelle mit Zeitcode aufgeführt. Wenn der Originalton an das Videomodell übergeben werden muss, verwenden Sie scripts/extract_reference_audio.py, um eine einzelne gemischte Spur des Originalvideos zu extrahieren; es muss klargestellt werden, dass diese gleichzeitig Musik, Dialog und Toneffekte enthalten kann, und es darf nicht behauptet werden, dass die Musik bereits isoliert wurde.

Phase 2: Extraktion von Mechanismen, Fakten und Produkt-/Stil-Doppelsperren

Es muss geantwortet werden: Warum verweilt die erste Sekunde? Warum schaut man weiter? Was war die anfängliche Fehleinschätzung? Wo ändern sich Macht-/Kausal-/Gegenstandsbedeutung/räumliche Wahrheit? Warum wird das Produkt zur Handlungsantwort? Warum sind die letzten 3 Sekunden es wert, angesehen zu werden?

Schnitte, Kamerawinkelwechsel, wiederholte Explosionen oder anhaltendes Schreien gelten nicht als Wendung. Hohe Wendungsdichte gilt nur für bereits erkannte Wendungscluster; innerhalb eines Clusters muss jede Sekunde mindestens eine neue gültige Variable hinzukommen, alle 2-3 Sekunden muss eine Ebene aufgewertet werden, und die spätere Änderung muss durch die vorherige verursacht sein.

Die Produktfakten-Tabelle muss mindestens enthalten: Produktname, Preis, Leistungen, teilnehmende Filialen, Verkaufszeitraum, Gültigkeitszeitraum, Einlösemethode, Einschränkungen und Rückgaberegel. Jeder Punkt muss mit Materialquelle und Bestätigungsstatus markiert werden. Berechtigungsscheine dürfen nicht als kostenlose Produkte beschrieben werden; nicht lesbare oder nicht bereitgestellte Preise, Mengen, Daten und Einschränkungen dürfen nicht ergänzt werden.

Gleichzeitig erstellen Sie 02_visual_lock.md:

• Produkt-Lock: Auflisten der relativen Pfade, SHA-256 und Verwendungszwecke jedes Produktreferenz-Assets; Punkt für Punkt Festlegung von Form, Proportionen, Farbe, Material, Struktur und Logo. Nicht belegte Seiten, Rückseiten, Anschlüsse, Verpackungstexte usw. werden einheitlich mit do_not_invent behandelt.
• Stil-Lock: Aus der Stilreferenz oder dem Originalvideo werden Licht, Farbe, Komposition, Kamerasprache, Personen, Szene und Materialtextur extrahiert; ein eindeutiger lock_id und ein wiederverwendbarer Stil-Prompt werden generiert; jeder Clip-Prompt muss diesen Prompt und lock_id wörtlich übernehmen.
• Verbotene Elemente: Nur die in diesem Projekt verwendeten Assets und vom Benutzer explizit geforderten konfligierenden Stile werden erfasst. Wenn das Originalvideo selbst Neon oder Cyberpunk ist, darf kein allgemeines Verbot angewendet werden.

In dieser Phase wird nur die Evidenz gesperrt, keine kreativen Ideen entwickelt. Produktreferenz-Assets müssen in das Projektverzeichnis kopiert und mit Hashes versehen werden; bei mehreren Winkeln werden die Verwendungszwecke separat angegeben; KI-generierte Bilder dürfen nicht als originale Produktnachweise ausgegeben werden.

Phase 3: Kreativraum-Wettbewerb und Tischlesungs-Zugang

Es ist verboten, sofort nach dem Ansehen des Referenzvideos ein sekundengenaues Drehbuch zu schreiben. Zerlegen Sie das Referenzvideo zuerst in seine Mechanismen-DNA: Einstiegshaken, Publikumsfrage, anfängliche Fehleinschätzung, Konfliktmotor, Wendungsmechanismus, emotionale Belohnung und Erinnerungspunkt am Ende. Hier werden nur die Verbreitungsmechanismen übernommen, nicht die wörtlichen Dialoge.

Schreiben Sie in der Drehbuchrunde mindestens 5 wirklich unterschiedliche Geschichtenkonzepte; wenn der Benutzer explizit „Hochbudget-Dynamik-Werbung“ oder motion_profile=continuous_motion_ad vorgibt, schreiben Sie 10. Jedes Konzept muss mindestens zwei der folgenden Punkte ändern: Personenbeziehung, Konfliktquelle, Personenentscheidung, Produkteingriff, Wendungsart oder End-Rückkopplung. Jedes Konzept muss enthalten: Ein-Satz-Geschichte, Konflikt, Personenentscheidung, sichtbare Konsequenzen, unerwartete Wendung, vorhergehende Evidenz, dramaturgische Rolle des Produkts und endgültige Einlösung. Bei kontinuierlicher Bewegungs-Werbung zusätzlich eine Zeile mit 6-8 kontinuierlichen Aktionsknoten: „Personenstart → Produkteingriff → Umgebungsänderung → Aktionseskalation → Höhepunkt → Produktabschluss“. Das Erzeugen mehrerer Optionen durch bloßen Wort- oder Kleidungsaustausch ist verboten.

Bewerten Sie in der Redaktionsrunde jedes Konzept: Einstiegshaken in den ersten 3 Sek. 20, Kausalität 25, Neuheit 20, Produkt-Kausalität 15, Vererbung des Referenzmechanismus 10, KI-Generierbarkeit 10. Bei kontinuierlicher Bewegungs-Werbung zusätzlich Vergleich von Dynamikstärke, visueller Wirkung, Bewegungsfluss, Personen-Produkt-Beziehung, narrativer Vollständigkeit und Teilbarkeit, ohne die 100-Punkte-Hauptbewertung zu ändern. Das ausgewählte Konzept muss mindestens 85 Punkte erreichen und darf keine harten Ablehnungsgründe aufweisen; nicht ausgewählte Konzepte müssen mit Ablehnungsgrund versehen werden. Die Redaktionsrunde kann alle Konzepte ablehnen und eine Neuschreibung verlangen. Harte Ablehnungsgründe sind: Personen ohne Motivwechsel, Produktlisten-Vorlesen, Geschichte bleibt auch ohne Produkt bestehen, unvermittelte Magie, Gegenstand ohne Herkunft, Erzählstimme ersetzt Schlüsselaktion, Endslogan ersetzt Handlungseinlösung. Bei kontinuierlicher Bewegungs-Werbung zusätzlich: Personen nur posieren/langsam gehen, nur Hintergrundwechsel, Kamerabewegung ersetzt Hauptaktion.

Heben Sie das ausgewählte Konzept zu narrative_qc.story_chain an und führen Sie eine Tischlesung durch. Beantworten Sie für jeden Erzählschritt: Was fragt sich das Publikum jetzt? Was ist in diesem Schritt neu? Wer trifft eine Entscheidung oder Reaktion? Welche sichtbare Aktion treibt den nächsten Schritt an? Kann der Schauspieler die Aktion in der zugewiesenen Sekundenzahl natürlich ausführen? Die Dialoge müssen mit Stoppuhr gemessen werden, und der „Produktentfernungstest“ muss durchgeführt werden; wenn die Geschichte nach Entfernung des Produkts noch funktioniert, wird sie zurück in den Kreativraum geschickt. Bevor nicht alle Tischlesungsfragen beantwortet sind, darf kein sekundengenaues Drehbuch geschrieben werden.

Schreiben Sie die Mechanismen-DNA, die 5 Kandidaten, die Punktzahlen, die harten Ablehnungen, die Auswahl-/Ablehnungsgründe und die Tischlesungsergebnisse in den Vertrag creative_room. Der maschinelle Gate prüft nur Evidenz und Zulassungskriterien; er darf nicht behaupten, dass vor der Veröffentlichung bereits ein Hit garantiert ist. Erst die Daten zu Verweildauer, Abschlussquote und Interaktion nach der Veröffentlichung validieren den Verbreitungserfolg.

Phase 4: Taktbuch des Originalvideos, Replikationsvertrag und eindeutige Abbildung

Schreiben Sie zuerst ein nach Zeit sortiertes Rxx-Taktbuch des Originalvideos, das jede Kausalitäts-, Macht-, Gegenstandsbedeutungs-, Raumwahrheits- und Zyklenänderung erfasst. Im High-Fidelity-Modus dürfen benachbarte Kausalknoten wie Vorwurf → Fehleinschätzung → Angriff → Gegenstandsenthüllung → Entschuldigung → zweite Fehlbedienung → Raumenthüllung → Endzyklus nicht zusammengefasst, umgestellt oder gelöscht werden; das Produkt darf nur an Stellen eingreifen, die der Benutzer explizit als austauschbar erlaubt hat.

Schreiben Sie oben in 03_structure_mapping.md den Modus, die Taktfrequenz, die harten visuellen Einschränkungen, was beibehalten werden muss und was ausgetauscht werden darf. Erstellen Sie eine eindeutige Kette:

R01 (Originalnachweis) → S01 (Neues Drehbuch) → B01 (Storyboard-Datei) → P01 (Seedance-Absatz)

Jeder neue Shot muss enthalten: Vergleichszeitcode, Zeitcode des neuen Videos, psychologische/visuelle Funktion des Originals, was beibehalten werden muss, was ausgetauscht werden darf, Storyboard-Datei und Prompt-Absatz. „Fühlt sich gleich an“ darf nicht durch überprüfbare Fakten ersetzt werden.

Erstellen Sie gleichzeitig nach der Replikationsvertrag-JSON-Spezifikation einen Schema-v4-08_replica_contract.json. Sperren Sie zuerst mit brief_alignment den ursprünglichen Modus, die ursprüngliche Dauer, den production_scope und die endgültigen Ausführungswerte; jede Änderung bedarf der ausdrücklichen Bestätigung des Benutzers und einer dokumentierten Begründung. Es ist verboten, den Vertrag stillschweigend zu ändern, um eine Validierung zu bestehen. Der Vertrag muss alle Rxx-Takte aus der Analyse abdecken und jeden Takt mit einem eindeutigen Sxx, Pxx, Storyboard und production_design.motion_beats verknüpfen. Solange der Vertrag nicht abgeschlossen ist, dürfen keine Bilder generiert oder AI-Tabellen geschrieben werden. Alte Schema-v3-Verträge dürfen nur zur Überprüfung historischer Pakete verwendet werden; neue Projekte dürfen keine v3 mehr erstellen.

Der Vertrag verwendet schema_version=4. Vervollständigen Sie zuerst creative_room und wählen Sie das einzige Konzept, das die 85-Punkte-Grenze und die Tischlesungsanforderungen erfüllt; dann vervollständigen Sie narrative_qc.story_chain und das Storyboard: Der erste Schritt muss eine Frage sein, in der Mitte muss eine Charakterentscheidung mit sichtbaren Konsequenzen stehen, der letzte Schritt muss die Eingangsfrage beantworten; jeder Schritt wird mit caused_by mit früheren Schritten verbunden. Das Produkt übernimmt mindestens eine Rolle: Evidenz, Einsatz, Anreiz, Hindernis oder Lösungswerkzeug. Standardmäßig allows_unexplained_magic=false; nur wenn der Benutzer explizit eine Fantasiewelt vorgibt, darf auf true gesetzt werden, und jede übernatürliche Änderung muss dennoch durch die vorherige Aktion ausgelöst werden. Charakterentscheidungen fehlen; „Gutschein wird plötzlich aktiv, Menge erscheint plötzlich, Feier beginnt plötzlich“ wird als Kausalbruch betrachtet und muss neu geschrieben werden.

Füllen Sie gleichzeitig aus:

• dialogue_requirements: Mindestens ein nicht verlierbarer Schlüsselsatz oder Schlüsselwort pro nicht-stummem Clip.
• prop_continuity_requirements: Auftreten, Übergabe/Nutzung und Ergebnisereignis von Schlüsselgegenständen.
• director_requirements: Erinnerungspunkt am Ende und Darstellungsbogen der Person „Start → Wendung → Ergebnis“.
• finale_policy: Nur story_action oder source_fact_card erlaubt. Ersteres erfordert eine sichtbare Endaktion/-reaktion in den letzten 3 Sekunden; Letzteres erlaubt nur, dass die Handlungsantwort zuerst eingelöst wird, gefolgt von einem echten Faktenbild des Benutzers, und verlangt eine Sperrung des Quelldatei und Start-/Endzeit.
• production_design: Enthält Produktreferenz-Assets und Hashes, sechs unveränderliche Merkmale, Stil-Lock, Musikstatus, Bewegungstyp sowie für jedes Pxx: Startzustand → Personenaktion → Produktaktion → Umgebungsreaktion → Kameraführung → Geschwindigkeitsänderung → Endzustand → Übergangsauslöser → Musik-Taktpunkt.

Jeder Bewegungstakt wird mit handoff_in/handoff_out zu einer eindeutigen Kette von START bis END verknüpft, und mit product_visibility=visible/withheld_for_reveal wird zwischen echter Einblendung und verzögerter Enthüllung unterschieden; nur bei visible-Takten wird das Produkt-Asset zwingend im Prompt gebunden. Dynamische Shots müssen den Test bestehen: „Nach Entfernen der Kamerabewegung ist immer noch eine signifikante Bewegung der Person oder Umgebung vorhanden“. Bewusste Stille ist nur erlaubt bei Original-Nachweisen, kurzer Anfangsspannung oder End-Produkt-Placement, mit Begründung. Komplexe Aktionen müssen mindestens drei Schlüsselbilder (Start, Mitte, Ende) binden. Kontinuierliche Bewegungs-Werbung hat mindestens drei verschiedene Eskalationsstufen, wobei die höchste Stufe nicht unter 4 liegt.

Führen Sie je nach Modus aus:

• High-Fidelity-Visual-Remake: Beibehaltung von Shot-Reihenfolge, Zeitverhältnissen, Einstellungsgröße, Kameraposition, Kameraführung, Bewegungsrichtung, Übergängen, Szenenstruktur und Licht-/Farbgebung.
• Trend-Mechanismus-Transfer: Beibehaltung von Verweilpunkten, Fehleinschätzungspfaden, Machtwechseln, Wendungsstufen, Kausalitätseskalation und End-Erinnerungspunkten, ohne dass die Shots optisch ähnlich sein müssen.
• Kommerzielles Hybrid-Remake: Sekunden 0-3 Rekonstruktion des kommerziellen Konflikts; ab Sekunde 3 Wiederherstellung der Shot-Reihenfolge, Zeitverhältnisse und visuellen Takte des Originals.

Es dürfen keine zusätzlichen Validierungsregeln aus anderen Modi übernommen werden.

Phase 5: Schreiben des sekundengenauen Drehbuchs basierend auf der Kausalkette des Originals und dynamische Segmentierung

Schreiben Sie zuerst das gesamte sekundengenaue Drehbuch und teilen Sie es dann an Stellen, die Dialoge und Wendungskausalität nicht unterbrechen, in mehrere Clips auf. Jeder Clip muss 1 bis 15 Sekunden lang sein und kontinuierlich von 0 Sekunden bis zur Zieldauer abdecken. Jeder Clip darf maximal 3 ausführbare Einheiten enthalten; bei narrativen Clips maximal 2 sprechende Einheiten und 1 Zeile mit Hauptproduktfakten. Jede Zeiteinheit muss eine analysierbare Markdown-Tabelle verwenden, die Zeitachse kann die ersten drei Spalten sein, das Format ist Start-Ende, und muss enthalten: Sxx/Pxx, Einstellungsgröße, Kameraführung, links/rechts/vorne/hinten Position der Personen, Körper- und Blickrichtung, Sprecher und Adressat, Hand- und Körperaktionen, Ausdrucksstart/-änderung/-ende, Dialog in Mandarin, Lippenbewegungssynchronisation, Kontinuitätsanker und Ton.

Führen Sie sofort nach Fertigstellung des Drehbuchs eine automatische Analyse durch, ohne manuelle Angabe von Sprechsekunden, Zeichenzahlen und Taktzahlen:

python3 "${SKILL_DIR}/scripts/analyze_script.py" \
  "<Projektverzeichnis>" --out "<Projektverzeichnis>/07_script_analysis.json"

Das Programm berechnet die minimale Sprechdauer mit 4,2 Zeichen/Sekunde; narrativer Dialog darf maximal 60% des Clips, Montage-Erzählstimme maximal 75%, Gedichtvortrag maximal 92% belegen. Es lehnt auch überladene Einheiten, zu viele Sprecherwechsel, Produktlisten-Dialog, Produktplatzierung vor den ersten 30% ohne Erlaubnis und unerklärte Magie ab. Treten Fehler auf, werden keine Bilder generiert.

Prinzipiell darf Produktverkauf nicht in den ersten 30% erscheinen. Das Produkt löst in der Mitte/am Ende durch bestätigte Leistungen ein Handlungsproblem; nur wenn das Originalvideo selbst das Produkt als Einstiegshaken verwendet, darf das Produkt nur mit ausdrücklicher Zustimmung des Benutzers und vollständigen Produktfakten vorne platziert werden. Das Ende muss standardmäßig eine Aktion, Gruppenreaktion oder eine zweite Wendung enthalten. Nur wenn finale_policy.type=source_fact_card ist, darf nach sichtbarer Lösung des Handlungsproblems ein 1-2 Sekunden langes Echthild des Produkts/der Leistung am Ende stehen, maximal 2,5 Sekunden; KI-generierte Nachbildungen oder statische Poster ohne gebundene Quelldatei sind verboten.

Phase 6: Charakterprofile und eigenständige Storyboard-Bilder

Vor der ersten Bildgenerierung lesen Sie die im aktuellen Codex-Umfeld installierten imagegen-Skill-Beschreibungen vollständig; standardmäßig wird der eingebaute image_gen verwendet, ohne eigenmächtig auf CLI/API zu wechseln.

1. Generieren Sie zuerst ein einheitliches Charakter-Setup-Bild: Vorderansicht, Seitenansicht, Rückansicht und Schlüsselemotionen.
2. Verwenden Sie das Charakter-Setup als Identitätsreferenz für alle narrativen Bilder.
3. Jedes Storyboard wird einzeln über einen separaten Bildgenerierungsaufruf erstellt; die Verwendung von Neunerrastern, Comic-Panels oder Collagen anstelle eigenständiger Storyboards ist verboten.
4. Speichern Sie jedes Bild im Projektverzeichnis und überprüfen Sie jedes auf Personen, Szene, Gegenstände, Bewegungsrichtung, Sprecher, keine Untertitel/QR-Codes/irrelevante Texte (außerhalb der Whitelist) und 9:16-Format.
5. Letztes Frame eines Clips und erstes Frame des nächsten Clips müssen dieselbe Datei oder eine pixelidentische Kopie verwenden; Personenposition, Pose, Orientierung, Gegenstände, Zeit und Licht müssen konsistent sein.
6. Wenn der Benutzer präzise Texte auf Fächern, Schildern, Verpackungen usw. wünscht, sind nur diese Whitelist-Texte erlaubt; schreiben Sie sie Wort für Wort in den Bildgenerierungsprompt, überprüfen Sie nach der Generierung mit view_image tatsächlich, ob sie nicht gespiegelt oder falsch geschrieben sind, und schreiben Sie sie dann in die visual_text_requirements des Vertrags. Zu diesem Zeitpunkt ist die Verwendung widersprüchlicher Einschränkungen wie „Bild enthält keinerlei Text“ verboten.
7. Für komplexe Aktionen generieren Sie jeweils Schlüsselbilder für Start, Mitte und Ende; Referenz-Assets sperren nur Identität, Produktzustand und dürfen die Personenpose nicht fixieren. Schlüsselbilder dienen nur als Eingabe für das Videomodell; sie dürfen nicht direkt als endgültige dynamische Shots betrachtet werden.

Jedes Storyboard muss gebunden werden an: Shot-ID, Zeitpunkt, Vergleichszeitcode, Bildzweck, Einstellungsgröße/Kameraposition/Komposition, drei Aktionszustände und Bildgenerierungsprompt.

Phase 7: Seedance-Prompts

Geben Sie für jedes Segment einen vollständig kopierbaren Codeblock aus, der enthält: Bildformat, genaue Dauer, Produkt-Lock, Stil-lock_id mit vollständig wiederverwendbarem Stil-Prompt, Zweck der Referenzbilder, sekundengenaue Shots, Aktionen, Dialogobjekt, Mandarin-Lippensynchronisation, Start-/End-Kontinuität und Negativbeschränkungen.

Der Prompt muss am Anfang die in diesem Segment tatsächlich verwendeten Anhangsdateinamen und deren Zweck einzeln auflisten; im Text muss jedes Pxx erneut den entsprechenden Storyboard-Dateinamen angeben. Es darf nicht nur „siehe Anhang“ geschrieben werden. Wenn Originalmusik oder Toneffekte verwendet werden, muss der Vertrag die Extraktionsintervalle des Originals und die Verwendungsintervalle im Ziel getrennt erfassen; der Prompt muss den Audiodateinamen, die Ziel-Start-/Endzeit und „keine andere Musik“ angeben. „BGM aus demselben Abschnitt des Originals“ kann den Dateinamen nicht ersetzen.

Außer den vom Vertrag spezifizierten Whitelist-Texten darf das Bild keine Untertitel, englischen Texte, QR-Codes oder irrelevanten Informationen enthalten. Im High-Fidelity- und Hybrid-Modus geben Sie die Reihenfolge, Dauer, Kameraposition, Kameraführung, Bewegungsrichtung und Übergänge nach Shot-ID an; im Trend-Transfer-Modus mit hoher Dichte geben Sie zuerst eine sekundengenaue Taktliste und dann die Taktliste in derselben Reihenfolge in den Prompt ein.

Jedes Pxx muss Punkt für Punkt die Bewegungskette des Vertrags wiederholen: Startzustand, kontinuierliche Personenaktion, Produktbewegung, Umgebungsreaktion, räumliche Kamerabewegung, Geschwindigkeitsänderung, Endzustand, aktionsausgelöster Übergang und Musik-Taktpunkt. Ein Shot hat nur eine Haupt-Personenaktion und eine Haupt-Kamerabewegung; bei komplexen Personenaktionen wird die Kameraführung vereinfacht, bei komplexer Kameraführung werden die Personenaktionen vereinfacht. Die Verwendung von Kamerazoom, digitalem Zoom, Hintergrundwechsel oder schnellen Schnitten, um dynamische Ereignisse vorzutäuschen, ist verboten.

Phase 8: Optionale AI-Tabellen-Lieferung

Diese Phase wird nur ausgeführt, wenn der Benutzer explizit das Schreiben in eine AI-Tabelle verlangt. Lesen Sie zuerst mit dem DingTalk-Skill die tatsächliche Base, Untertabellen, Felder und Ziel-Datensätze, und fügen Sie die Felder für automatisches Video, Formel, Kosten und Generierungsergebnis in die aitable_handoff.protected_field_ids des Vertrags ein. Schreiben ist nur in Prompt- und Anhangs-Feldern erlaubt; jeder Datensatz darf insgesamt maximal 9 Anhänge für Personenbilder, Storyboard-Bilder, Audio und Produktmaterialien enthalten. Reservieren Sie zuerst Slots für Personenbilder und Audio, bevor Sie die Anzahl der Storyboards festlegen. Beim Aktualisieren von Anhängen lesen Sie zuerst die aktuellen Anhänge und führen einen vollständig erhaltenden Austausch durch; es dürfen nicht nur neue Dateien hochgeladen werden, wodurch alte Anhänge verloren gehen. Nach dem Schreiben jedes Datensatzes muss zurückgelesen werden: Prompt-Referenzen, Anhangsdateiname/Anzahl, Originalwerte der geschützten Felder müssen erhalten bleiben; der „Generieren“-Button darf nicht versehentlich gedrückt werden. Wenn der Benutzer die Generierung wünscht, lesen Sie Datensatz für Datensatz zurück: Datensatz-ID → Clip-ID → Ergebnisdatei/Link → tatsächliche Dauer → Auflösung → Status. Laden Sie herunter und fügen Sie nur in der Vertrags-Clip-Reihenfolge zusammen, nicht nach Download-Zeit oder Tabellenzeilenposition.

Phase 9: Validierte Lieferung

Verwenden Sie templates/Pre-Generation-QC-Tabelle.md zur Durchführung der Inhalts-QC, und führen Sie dann das Pre-Generation-Gate aus:

python3 "${SKILL_DIR}/scripts/run_quality_gate.py" \
  "<Projektverzeichnis>" --stage pre-generation \
  --out "<Projektverzeichnis>/07_quality_gate_pre_generation.json"

Nur wenn decision=allow_generation ist, dürfen Bilder generiert oder AI-Tabellen geschrieben werden. Das Gate führt gleichzeitig Vertrags-/Asset-Validierung und automatische Skriptanalyse durch; bei Fehlschlag wird die Stufe angegeben, an die zurückgegeben werden muss. --legacy darf nur zur Überprüfung alter Pakete verwendet werden, nicht als Grundlage für neue Projekte.

Wenn der Benutzer explizit die Verwendung von VidMuse zur Generierung, Bearbeitung und Export wünscht, darf erst nach Erhalt von allow_generation zum VidMuse Complete Production Branch übergegangen werden. Dieser Branch muss zuerst das Konto, die Credits, die verfügbaren Modelle und Generierungsparameter in Echtzeit auslesen, bevor ein Budget inklusive Problem-Shot-Nachgenerierung eingeplant wird; Modellnamen, Preise, Laufzeiten und Zeitachsenfähigkeiten dürfen nicht allein aus diesem Dokument oder historischen Aufzeichnungen abgeleitet werden. Ohne explizite Generierungsanforderung wird hier gestoppt.

Nachdem der Benutzer das endgültige Video bereitgestellt hat, führen Sie die strukturelle Abnahme durch:

Erstellen Sie zuerst eine 09_delivery_manifest.json für die segmentierten Videos aus der AI-Tabelle, die nur nach Vertragsreihenfolge clip_id und tatsächliche Dateien registriert:

{"outputs":[{"clip_id":"clip01","file":"renders/clip01.mp4"}]}

Das Format für das Post-Generierungs-Manifest finden Sie in der Post-Production-Quality-Manifest-Spezifikation. Bereiten Sie das AI-Tabellen-Segment-Manifest, das Kandidaten-ASR-Manifest und das Watch-Direktor-Evidenz-Manifest vor; führen Sie vor dem Zusammenfügen aus:

python3 "${SKILL_DIR}/scripts/run_quality_gate.py" \
  "<Projektverzeichnis>" --stage pre-stitch \
  --delivery-manifest "<Projektverzeichnis>/09_delivery_manifest.json" \
  --asr-manifest "<Projektverzeichnis>/10_asr_manifest.json" \
  --director-manifest "<Projektverzeichnis>/11_director_qc.json" \
  --out "<Projektverzeichnis>/12_quality_gate_pre_stitch.json"

Nur wenn decision=allow_stitch ist, darf das Video zusammengefügt werden. Es wird zurückgewiesen bei: fehlenden Segmenten, falscher Reihenfolge, doppelten Segmenten, Zeitabweichungen, nicht 9:16, fehlender Audiospur, fehlenden Schlüsseldialogen, nicht sichtbaren Erzählschritten, fehlendem Darstellungsbogen, Gegenständen ohne Herkunft, Kontinuitätsfehlern, fehlendem End-Erinnerungspunkt, harten Ablehnungsgründen oder Director-QC-Wertung unter 85.

Führen Sie für High-Fidelity-Endprodukte zusätzlich die strukturelle Abnahme des Referenzvideos durch:

python3 "${SKILL_DIR}/scripts/validate_render.py" \
  "<Originalvideo>" "<Endvideo>" --out "<Projektverzeichnis>/QC/Render"

Wenn die Gesamtdauer des Endvideos, die Shot-Wechseldichte, die mittlere Audioenergie oder der dynamische Niederfrequenzbereich des Audios die Schwellenwerte nicht erreicht, wird direkt auf „Nicht ausgerichtet“ entschieden, auch wenn Haupthandlungsereignisse auftreten. Der dynamische Niederfrequenzbereich dient der Erkennung von Situationen, in denen die Gesamtlautstärke akzeptabel ist, aber Explosionen, Schläge, Übergänge usw. tatsächlich fehlen. Sehen Sie sich anschließend alle vom Skript generierten 0,5-Sekunden-Frames an und überprüfen Sie Wort für Wort mit dem Kandidaten-ASR die Dialoge des Vertrags.

Unabhängig vom Modus müssen jedes von der AI-Tabelle zurückgegebene Segment einzeln auf Übereinstimmung mit der Vertragssegmentdauer (Toleranz 0,5 Sekunden), Personen-/Gegenstandskontinuität, jedem Schritt der narrative_qc-Kausalität und Segmentreihenfolge geprüft werden. Jeder Fehlschlag führt nur zur Kennzeichnung „Generiertes Ergebnis“; Zusammenfügen oder Veröffentlichen ist nicht erlaubt.

Führen Sie nach dem Zusammenfügen für das endgültige MP4 selbst erneut prepare_reference.py aus, und schreiben Sie die Dual-Modell-ASR und die feste 0,5-Sekunden-Zeitachse in ein separates QC-Verzeichnis; das manuelle Kopieren von segmentierten ASR-Ergebnissen, die sich als endgültiges ASR ausgeben, ist nicht erlaubt. Erstellen Sie nach der Post-Production-Quality-Manifest-Spezifikation eine 13_final_manifest.json, in der das endgültige Video, die ASR-Evidenzdateien und die echten Faktenbilder mit SHA-256 gebunden werden. Führen Sie dann für alle Modi aus:

python3 "${SKILL_DIR}/scripts/run_quality_gate.py" \
  "<Projektverzeichnis>" --stage pre-publish \
  --delivery-manifest "<Projektverzeichnis>/09_delivery_manifest.json" \
  --asr-manifest "<Projektverzeichnis>/10_asr_manifest.json" \
  --director-manifest "<Projektverzeichnis>/11_director_qc.json" \
  --final-manifest "<Projektverzeichnis>/13_final_manifest.json" \
  --out "<Projektverzeichnis>/14_quality_gate_pre_publish.json"

Nur wenn decision=allow_publish ist, darf das Video als „veröffentlichungsbereit“ bezeichnet werden. Das endgültige Gate liest die tatsächliche Dauer, das Bildformat, die Audiospur und den Hash des zusammengefügten Videos, lädt Ergebnisse von mindestens zwei verschiedenen Modellen aus den ASR-Evidenzdateien und überprüft die Pixelähnlichkeit der Faktkarte im Endvideo. Bei Inkonsistenzen zwischen den beiden Modellen muss eine Person, die die Audiospur des Endvideos tatsächlich gehört hat, den Prüfenden, Zeitpunkt, bestätigte Dialog-ID und Grund angeben; die Modelle oder ASR-Ergebnisse dürfen selbst human_audio_qc nicht als bestanden markieren. Im High-Fidelity-Modus muss zusätzlich --render-validation angehängt werden, als zusätzliches Gate für die strukturelle Ausrichtung an das Originalvideo.

Standard-Lieferverzeichnis

outputs/<Projektname>/
├── 00_source_manifest.json
├── 00_reference_evidence.md
├── 01_reference_analysis.md
├── 02_product_facts.md
├── 02_visual_lock.md
├── 03_structure_mapping.md
├── 04_script.md
├── 05_seedance_prompts.md
├── 06_pre_generation_qc.md
├── 07_script_analysis.json
├── 07_quality_gate_pre_generation.json
├── 08_replica_contract.json
├── 09_delivery_manifest.json (Nach Generierung)
├── 10_asr_manifest.json (Nach Generierung)
├── 11_director_qc.json (Nach Generierung)
├── 12_quality_gate_pre_stitch.json (Nach Generierung)
├── 13_final_manifest.json (Nach Zusammenfügung)
├── 14_quality_gate_pre_publish.json (Nach Zusammenfügung)
├── asr/
├── audio/ (Bei Bedarf Originalmusik oder Toneffekte)
├── watch/
├── character/character_sheet.png
└── storyboard/ (Jedes als eigenständiges PNG; beim Schreiben der AI-Tabelle müssen Slots für Personenbilder, Audio usw. innerhalb der maximal 9 Anhänge reserviert werden)

Vorlagennutzung siehe templates/Vorlagennutzung.md.

Grenzen der Endprodukt-Retrospektive

Wenn der Benutzer später ein Endprodukt bereitstellt, führen Sie zuerst die Dual-Modell-ASR und das pre-publish-Gate für das endgültige MP4 durch; im High-Fidelity-Modus zusätzlich validate_render.py. Bestimmen Sie dann das Ziel: „Zuordnungsprüfung“ oder „Qualitätsbewertung“. Die Zuordnungsprüfung vergleicht die feste Zeitachse des Originals, das Drehbuch, das Storyboard, die Prompts, die Zeitcodes des Endprodukts und das Kandidaten-ASR; keine Qualitätsadjektive anstelle von Shot-Ketten-Nachweisen. Einzelne übertriebene Gesichtsausdrücke in einem Frame bedeuten nicht Ausrichtung der Darstellung; es müssen Start, Änderung und Ergebnis des Ausdrucks überprüft werden. Wenn neue Gegenstände auftauchen, müssen Sie die Entnahme, Übergabe oder Verformung sehen.