Music Aesthetics MV
Zweck
Verwende dieses Skill, wenn der Benutzer Musikvideo-Prompts oder emotionale Kurzfilm-Prompts erstellen, überarbeiten, prüfen oder generieren möchte, bei denen Musik, Texte, Typografie, Referenzen, Rhythmus, Performance und Kamerasprache gemeinsam gestaltet werden müssen. Der Workflow passt MV-Prompt-Regeln an die Hub-Ausführung an: wichtige kreative Entscheidungen werden bestätigt, gesperrte Prompts werden in Canvas-Textknoten geschrieben und die Medienerstellung wird an Hub-Agenten delegiert.
Nicht verwenden für: gewöhnliche Untertitel-Einbrennung, generische Videobearbeitung, Nicht-Musik-Produktanzeigen oder einfache Einzelbild-/Einzelclip-Anfragen ohne MV-Struktur.
Hub-Kompatibilitätsregeln
- Gehe nicht von Drittanbieter-Tools, Shell-Skripten, Browser-Plugins oder externen Generierungs-APIs aus.
- Schreibe gesperrte Prompts und Überarbeitungen in Hub-Canvas-Textknoten.
- Delegiere Charakterkarten, Szenenkarten, Typografiekarten, Videoclips, BGM und die Endmontage an Hub-Bild-, Video-, Musik- und Schnitt-Agenten.
- Gib keine Ausgabepfade fest vor; verwende immer von Hub zurückgegebene Pfade.
- Wenn der Benutzer „Bestätigung überspringen / mach einfach“ sagt, gilt dies nur für den aktuellen Durchlauf, es sei denn, der übergeordnete Orchestrator hat eine aktive Sitzungsautorisierung.
- Wenn der Benutzer nur einen Prompt möchte, beende die Ausführung nach der Auslieferung. Wenn der Benutzer ein fertiges MV möchte, fahre nach der Bestätigung mit der Generierung und Montage fort.
Kernprinzipien
- Verstehe die Arbeit, bevor du eine Struktur wählst. Vorlagen organisieren, sind aber keine zwingenden Formulare.
- Verwende die zuletzt bestätigte kreative Absicht.
- Lasse irrelevante Felder weg, anstatt Platzhalter zu füllen.
- Füge nicht mechanisch Performance, Typografie, Übergänge, Kamerabewegungen oder Charakteraktionen hinzu, nur weil eine Voreinstellung sie enthält.
- Text auf dem Bildschirm ist eine gestaltete visuelle Ebene, keine gewöhnlichen Untertitel, es sei denn, der Benutzer wünscht ausdrücklich Untertitel.
- Wenn der Benutzer einen echten Song oder Beat hochlädt, ist dies das Master-Musikbett, es sei denn, der Benutzer wünscht einen Austausch.
- Natürliches Multi-Shot-Stitching für Videos >15s: Wenn die Dauer das Einzelgenerierungslimit des Modells überschreitet, verwende „Multi-Shot-Storyboard-Aufteilung + Ende-/Anfangsbild-Kontinuität + Beat-Hard-Cuts + globale Master-Audio-Ausrichtung“. Jedes Segment muss das gleiche Groove-, Tempo-, Seitenverhältnis-, Charakterlogik-, visuelle Preset-, Lichtsprach- und Typografie-Bewegungsregel beibehalten.
- Wenn der Benutzer ein fertiges musikästhetisches MV ohne Text wünscht, generiere und sperre zuerst einen originellen Text. Das endgültige MV muss gemeinsam auf Charakter-, Typografie-Verpackungs- und Szenenkarten verweisen. Die Typografie-Verpackungskarte steuert nur den Textverpackungsstil, die Schriftart-Textur, das Grafikdesign, das Layout-Verhältnis und die Bewegungssprache.
SCHRITT 1: Pre-Flight-Lock
Bevor der endgültige Produktionsprompt geschrieben wird, bestätige das Mindestfundament mit prägnanten empfohlenen Optionen.
1.1 Videoformat
Biete feste Optionen an:
| Anwendungsfall | Seitenverhältnis | Auflösung |
|---|---|---|
| TikTok / Reels / Shorts vertikal | 9:16 | 1080×1920 |
| YouTube / Bilibili horizontal | 16:9 | 1920×1080 |
| Feed quadratisch | 1:1 | 1080×1080 |
| Dichter vertikaler Anzeigentest | 9:16 | 720×1280 |
| Kinoleinwand-MV | 21:9 | 2560×1080 |
Das ausgewählte Seitenverhältnis muss über Charakterkarten, Szenenkarten, Typografie-Referenzen, Shot-Prompts, Videoclips und die Endmontage hinweg wiederverwendet werden.
1.2 Zieldauer und Multi-Shot-Struktur
Bestätige die Ziel-MV-Dauer vor dem Prompt-Schreiben oder der Videogenerierung. Verwende niemals stillschweigend die Modelleinstellung als Benutzerabsicht.
Biete eine kompakte Dauerkarte an:
- 10-Sekunden-Test: ein oder zwei Shots, um Charakter, Szene, Typografie und Audiostil zu überprüfen.
- 15-Sekunden-Hook: 2–4 kurze Shots für eine vollständigere Chorus-/Hook-/Performance-Phrase.
- 30-Sekunden oder länger komplettes MV (Multi-Shot-Stitching): Da viele Modelle eine 15-Sekunden-Einzelgenerierungsgrenze haben, verwende automatisch einen Multi-Shot-Stitching-Workflow. Generiere oder sperre zuerst einen durchgehenden Song/BGM, teile 30 Sekunden in 4–8 dynamische 2–5-Sekunden-Shots auf und stitch dann über Beat-Sync und Kopf-/Endbild-Kontinuität.
- Benutzerdefinierte Dauer: Der Benutzer gibt die Dauer an; plane die Shot-Anzahl und das Stitching basierend auf dem Einzelclip-Limit des ausgewählten Modells.
Wenn hochgeladene Musik vorhanden ist, ist die bestätigte Dauer die Länge des Musikfensters.
1.3 Musikfenster
Wenn die hochgeladene oder angegebene Musik länger als die bestätigte Dauer ist, sperre ein Segment vor dem Prompt-Schreiben:
- Empfohlenes Fenster: Der Assistent identifiziert den stärksten Chorus/Hook/emotionalen Wendepunkt und bittet um Bestätigung.
- Benutzer-Zeitstempel: Der Benutzer gibt Start- und Endsekunden an; überprüfe, ob beide innerhalb des Audios liegen.
- Multivariant: Nur zum Testen von Ad-Hooks oder mehreren kreativen Richtungen.
Wenn die Musik kürzer als die Zieldauer ist, verwende das vollständige Audio, es sei denn, der Benutzer bittet ausdrücklich darum, es zu strecken oder zu verlängern.
1.3.0 Text-Sperre und Text-zuerst-Ausweichregelung
Bestimme vor den endgültigen Videoprompts oder der Generierung die Textinhaberschaft:
- Wenn der Benutzer den Text bereitstellt, ist dies der gesperrte Text. Generiere, füge, schreibe, erweitere, übersetze, paraphrasiere oder ersetze ihn nicht, es sei denn, es wird ausdrücklich darum gebeten.
- Wenn der Benutzer ein fertiges musikästhetisches MV ohne Text wünscht, generiere kurze originelle Texte, die zum Musikstil, Gesangsmodus, Dauer, Emotion und visuellen Preset passen, und sperre sie dann.
- Gesperrte Texte sind die einzige Quelle für Rap-/Gesangs-Performance und sichtbare Typografie.
- Teile gesperrte Texte in
Rap line:,Vocal line:,Soft vocal line:oderSpoken line:für jeden Shot auf. - Jedes
Typography:-Feld muss aus denselben gesperrten Texten stammen. Während der Gesangsperformance muss der sichtbare Text Wort für Wort mit der gesungenen Phrase übereinstimmen. - Im endgültigen Typografie-MV muss der Performer die gesperrten Texte rappen oder singen, mit sichtbaren Lippenformen, Kieferbewegungen, Atem, Gesichtsakzenten, Nicken und Handakzenten, die der Phrasierung und dem Rhythmus folgen.
1.3.1 Standard-Multi-Shot-Stitching für Videos >15s
Für MVs >15s, z. B. 30 Sekunden, ist das globale Multi-Shot-Prompt-Skript die maßgebliche Quelle:
- Sperre das komplette Master-Audio: Sperre einen durchgehenden Song/BGM-Track mit dem vollständigen Gesang und Groove als einzige Audio-Baseline.
- Erstelle eine Shotlist-Zeitleiste: Teile 30 Sekunden in 4–8 kurze Shots von 2–5 Sekunden auf, die präzise auf Text-Zeitstempel und Beats wie Snare, 808 und Drop abgestimmt sind.
- Kopf-/Endbild- und Szenenkontinuität: Wenn Shot B dieselbe Szene fortsetzt, verwende Shots A Endbild als Shots B Anfangsbild. Bei einem harten Schnitt behalte dieselbe Charakterkarte, Garderobe, Lichtprompt und verwende gleichgerichtete Kamerabewegung oder Match-Cut-Visualelemente.
- Generierung und Schnittmontage: Der Video-Agent generiert jeden Shot aus der Shotlist. Der Schnitt-Agent richtet alle Clips am globalen Master-Audio-Beat-Raster aus, trimmt, beschleunigt/verlangsamt und stitcht für natürlichen Lipsync, Beat-Sync und Übergänge.
SCHRITT 2: Kreativvertrag
Erstelle vor den endgültigen Prompts einen prägnanten Kreativvertrag:
- Musikgenre, Instrumentierung, Tempo/BPM-Gefühl, Gesangsmodus und emotionale Temperatur.
- Textquelle und gesperrte Texte.
- Zieldauer und Multi-Shot-Aufteilung, z. B. 30s aufgeteilt in 6 kurze Shots.
- Rollen der Referenzbilder: Charakterkarte, Szenenkarte, Typografie-Verpackungskarte.
- Kamerasprache, Bildgrößen, Fokus, Beat-Cut-Dichte und Übergangslogik.
- Ausschlüsse wie keine Überblendungen, keine glatte KI-Schönheitsgesicht, keine Einzel-Shot-Überdehnung, die zu Verformungen führt.
SCHRITT 3: Referenzrollen und Szenenabtastung
Weise jedem Referenzbild eine enge Aufgabe zu:
- Typografie-Referenzkarte: Steuert nur den Textverpackungsstil, die Schriftart-Textur, das Grafikdesign, das Layout-Verhältnis und die Bewegungssprache. Sie darf keine Personen oder Szenen beisteuern.
- Charakter-Referenzkarte: Steuert die Charakteridentität, Gesichtsaura, Frisur, Kleidungssilhouette, Proportionen, Haltung und Präsenz.
- Szenen-Referenzkarte: Steuert den Szenenstil, die räumliche Atmosphäre, die Bildtextur, die Hintergrundtiefe und die Lichtstimmung.
3.1 Nahaufnahme-Szenenwechsel und Multi-Shot-Abtastung
Für Trap, Dark-Pop, Cyber-Grunge und andere schnelle MVs wechsle schnell zwischen mehreren Nahaufnahme-Räumen:
- Halte die Szenenstimmung einheitlich, aber der Raum jedes Shots muss sich deutlich unterscheiden, z. B. lokaler Hintergrund, Tunnel, Wand, Lichtstreifen oder reflektierender Boden.
- Szenenwechsel müssen durch musikalische Einschläge ausgelöst werden: Bass-Hit, 808-Drop, Snare, Gesangsakzent oder Typografie-Smash.
- Shot-Wechsel sind „visuelle Samples“ auf dem Trap-Beat: Hard Cuts, Jump Cuts, Scan-Glitch-Cuts, Flash-Cuts oder Action-Match-Cuts.
SCHRITT 4: Preset-Grammatik, Dark-Pop / Cyber-Grunge und Trap-Beispiel
Visuelle und Schnittsprache
- Realistische High-Fashion-Textur und Film-Magazin-Textur, die späte 90er / frühe 00er Indie-Magazine, Fotokopierpapier, Filmscans und Zine-Collagen referenziert.
- Starkes Korn, leichter Filmjitter, Halbtonpunkte, raue Druckkanten, Scan-Versätze.
- Der Schnitt muss ausschließlich Hard Cuts verwenden. Keine Überblendungen, Auflösungen oder weichen Übergänge.
- Bild und Typografie reagieren stark auf Beat-Cues: Hi-Hat-Roll erzeugt Mikro-Shake/Frame-Skips, Snare löst Hochskalieren/Hard Cut/Schulter-Drop aus, 808-Bass-Hit erzeugt Niederfrequenz-Kompression/Streckung/Versatz.
Typografie-Verpackungsregeln
- Typografie ist ein dynamisches grafisches Subjekt im Raum, keine Untertitelleiste. Sie kann im Vordergrund, Mittelgrund, Hintergrund platziert oder von Schultern/Händen verdeckt sein.
- Text darf niemals die Augen oder den Hauptgesichtsausdruck verdecken; vermeide den Mund während kritischer Lippen-Synchronisation.
- Bei Gesang müssen sichtbare Wörter exakt mit den gesungenen Texten übereinstimmen. Jeder Shot hat nur ein Haupt-Typografie-Ereignis.
SCHRITT 5: Prompt-Strukturvorlage
Ein Multi-Shot-Skript muss modular nach Shots aufgebaut sein, mit genauer Dauer und Audio-Zuordnung:
[Global Aesthetic & Character Lock]: (globaler Charakter- und Ästhetik-Ankerprompt)
Shot 1 (0.0s - 3.5s)
Vocal Line: "..."
Typography: "..."
Visual & Action: ...
Camera & Motion: ...
Transition Out: Hard Cut zu Shot 2 beim Bass-Hit / gleichgerichteter Whip-Pan
Shot 2 (3.5s - 7.0s)
Vocal Line: "..."
Typography: "..."
Visual & Action: ...
Camera & Motion: ...
Transition Out: ...
SCHRITT 6: BGM-Kontinuität und natürliches Multi-Shot-Stitching-System
6.1 Globale Audio-Kontinuität
Das gesamte MV muss an einen Master-Audio-Track gebunden sein. Verwende während der segmentierten Videogenerierung keine unabhängigen, getrennten Clip-Audiodaten. Alle Videoclips werden während der Schnittmontage an ihre entsprechenden Zeitstempel auf der Master-Audio-Zeitleiste ausgerichtet.
6.2 Natürliches Stitching-Protokoll
Für das Stitching von >15s, erzwinge fünf Kontinuitätssperren:
Gesangs- & Lippenkontinuität: Schnittpunkte müssen auf Textpausen, Atemzügen, Snare oder Drop landen. Kein Hard Cut innerhalb eines aktiven Vokals oder Textes, es sei denn, der nächste Shot ist eine extreme Nahaufnahme mit durchgehender Mundform.
Rhythmus- & Beat-Matching: Schnittpunkte müssen das 1/4- oder 1/8-Beat-Raster treffen. Verwende Geschwindigkeitsrampen, um Kopfnicken, Handgesten und Blinzeln an Beats auszurichten.
Ästhetik & Color Grading: Jede Shot-übergreifende Generierung trägt denselben ästhetischen Header-Prompt: Kornstufe, LUT-Richtung und Lichtrichtung. Die Endmontage verwendet einheitliches 35mm-Filmkorn und LUT, um Chargen-Farbunterschiede zu verbergen.
Übergangs- & Bewegungskontinuität: Für die Fortsetzung langer Shots verwende das vorherige Endbild als nächstes Anfangsbild und prompt die Fortsetzung der Aktion. Für harte Szenenwechsel verwende kinetische Kontinuität wie gleichgerichtete Schwenks oder Hand-Occlusion-Match-Cuts.
Typografie-Bewegungs-Stitching: Text im vorherigen Shot sollte beim Bass-Hit zersplittern, auswischen oder den Bildschirm zertrümmern; Text im nächsten Shot zertrümmert oder entfaltet sich beim Akzent und überträgt visuellen Schwung.
SCHRITT 7: Checkliste
Überprüfe vor der Auslieferung stillschweigend:
- Wenn die Zieldauer 15s überschreitet, wurde automatisch eine Multi-Shot-Aufteilung verwendet?
- Ist ein globales Master-Audio gesperrt und sind die Schnittpunkte beat-ausgerichtet?
- Vermeiden Schnitte Unterbrechungen mitten im Text, mit natürlicher Lippen- und Atemkontinuität?
- Haben benachbarte Shots eine klare Stitching-Logik wie Ende/Anfang-Fortsetzung, gleichgerichtete Bewegung, Match-Cut oder Beat-Hard-Cut?
- Ist der Schnittstil strikt Hard Cut, ohne Überblendungen oder weiche Übergänge?
- Sind Charakter-/Szenen-/Typografiekarten isoliert, ohne Querkontamination?
- Ist Typografie eine räumliche Ebene, die niemals die Augen oder den Hauptgesichtsausdruck blockiert?
- Sind Bildqualität, Korn, Farbe und Licht global konsistent?
SCHRITT 8: Canvas-Auslieferung
Nachdem das vollständige MV-Prompt-Skript gesperrt ist, schreibe es in einen dedizierten Canvas-Textknoten mit dem Namen Complete MV Prompt. Der Knoten muss das vollständige Multi-Shot-Prompt-Skript und die Stitching-Notizen enthalten. Spätere Überarbeitungen aktualisieren denselben Knoten.
SCHRITT 9: Endgültiger MV-Generierungs- und Montage-Workflow
- Prompt-Sperre und Canvas-Schreiben: Bestätige, dass das vollständige Multi-Shot-Prompt-Skript mit Zeitstempeln, Textzuordnung und Übergangslogik in den Canvas geschrieben ist.
- Parallele Shot-Generierung: Der Video-Agent generiert jeden 2–5s-Shot aus der Shotlist. Für Fortsetzungs-Shots extrahiere das Endbild des vorherigen Shots als nächstes I2V-Anfangsbild.
- Multitrack-Schnitt und Stitching: Der Schnitt-Agent importiert das globale Master-Audio, richtet alle Shot-Videos nach Zeitstempel aus, trimmt und rampt auf dem Beat-Raster und prüht Nähte mit gleichgerichteter Bewegung oder Flash-Cut-Maskierung.
- Fertigstellung: Wende einheitliches Movie-LUT und 35mm-Filmkorn-Overlay an, um KI-Künstlichkeit zu reduzieren und die visuelle Konsistenz zu sichern.
- Auslieferung: Gib die nahtlose, vollständige MV-Videodatei aus.