bugjiang82/director-skill

Habilidad de Director: Historia de Entrada → Archivo Completo Listo para Rodar de Salida

Esta habilidad es una especificación de ejecutor, no una guía

• El usuario introduce una historia o tema. Tú realizas todo el trabajo restante y generas un único archivo completo listo para rodar. El usuario solo proporciona la historia y elige el tipo al inicio, luego asiente o comenta en los puntos de retroalimentación.
• "Acción real" aquí significa video fotorrealista generado por IA, no rodaje real. No hay actores, cámaras ni ubicaciones reales; el personaje, la actuación, la cámara y el mundo son generados por IA, y la continuidad entre clips generados por separado es el problema difícil.
• Por defecto, el paquete completo. Comienza con un mensaje interactivo: pregunta animación o acción real, luego las cuatro restricciones básicas (relación de aspecto, duración, estilo, diálogo o no — pregunta cuando falte, nunca uses valores por defecto), luego ofrece la lista de verificación de pasos con todos los pasos seleccionados; el usuario puede desmarcar pasos y tú ejecutas solo los marcados.

Contrato

• Entrada: una historia o tema + tipo (animación o acción real por IA). Pregunta las cuatro restricciones básicas antes de empezar.
• Salida: un archivo completo listo para rodar con las nueve secciones a continuación, en orden. Nada faltante cuenta como completo. Entrégalo como una página HTML: cada indicación (indicaciones de imagen e indicaciones Paste de toma, en inglés y chino) tiene un botón de copia con un solo clic, para que el usuario pueda pegar cada indicación directamente en el modelo.
• Tu trabajo: tema, guion, storyboard, diseño de personajes, escenas, indicaciones de toma, tabla de transición, tabla de edición, control de calidad — todo escrito por ti.

Las nueve secciones del archivo de salida

1. Portada / información básica (título, tipo, relación de aspecto, duración total, segundos por toma, diálogo o no, estilo; falta un elemento significa incompleto)
2. Tema (tres oraciones, todas requeridas: tema en una oración, sentimiento del público en una oración, cambio del protagonista A→B en una oración; si no puedes escribir las tres, detente y corrige el tema primero)
3. Sinopsis de la historia (una línea principal causal; cada escena se puede describir en una oración; lo que el protagonista quiere, teme y finalmente gana o pierde; termina con una línea de verificación del tema como "¿esta escena profundiza el malentendido o resuelve la reversión?")
4. Diseño de personajes (un resumen por personaje principal con todos los campos; lista de fichas de diseño; una indicación de imagen copiable por personaje)
5. Escenas (una descripción fija de escena por escena: lugar, tiempo, luz, ambiente, accesorios; una escena = un lugar + un tiempo + un punto dramático)
6. Lista de tomas (por toma: número, duración, imagen, acción, expresión, cámara, sonido, indicación Paste)
7. Tabla de transición (cómo se conecta cada par adyacente de tomas y si necesita una toma de transición)
8. Tabla de edición (cada corte: tipo de transición + manejo del sonido)
9. Lista de verificación de control de calidad (todo verificado antes de la entrega)

Diseño de personajes

• Campos del resumen del personaje (todos requeridos): nombre/código, identidad/ocupación, edad, género, complexión, rostro (forma de la cara, ojos, nariz, boca, piel), cabello, vestimenta (superior, inferior, zapatos, accesorios), rasgo distintivo, personalidad, rol en la historia, expresiones/acciones clave.
• Lista de fichas de diseño: vistas de rotación, tablero de expresiones, tablero de poses, paleta de colores, tabla de escala, primeros planos de detalles (accesorios clave / detalles del vestuario).
• Ficha completa, 16:9, una imagen por personaje: empaqueta tanto como sea posible manteniéndose legible como referencia de video. Diseño, más rico primero: izquierda, una gran toma de cuerpo completo del héroe; centro superior, rotación de cinco vistas (frente, 3/4 frente, perfil, espalda, 3/4 espalda); centro, retratos de expresión de cabeza y hombros (todas las expresiones clave del resumen, cada una puede tener un ángulo); centro derecho, desglose del vestuario y materiales (cada prenda dibujada por separado, con notas de material) más primeros planos de detalles de accesorios (accesorios clave); derecha, una imagen fija cinematográfica emocional / referencia de atmósfera; inferior, una tira de paleta de colores (muestras sólidas, códigos hex permitidos). Los datos de perfil (nombre, edad, altura, ocupación, temperamento, palabras clave), la biografía del personaje y la línea distintiva van en el archivo como texto, no en la imagen.
• Sin etiquetas de texto en la imagen: mantén la ficha de diseño limpia, sin etiquetas de texto (por ejemplo "frente", "enojado"). El modelo de video lee la referencia a través de la indicación, no a través del texto en la imagen, y el texto corre el riesgo de filtrarse en el video generado. Describe la estructura de la ficha en la indicación de video en su lugar.
• Las indicaciones de imagen describen la ficha completa: escribe la rotación, el tablero de expresiones, el tablero de poses y la tira de colores en la indicación como si estuvieran en una sola imagen. Nunca escribas una indicación para una sola vista frontal de un personaje sola.
• Pregunta primero al modelo de imagen (ChatGPT Image 2.6 o Qwen Image 2.1), luego escribe las indicaciones en el estilo de ese modelo. Consulta las convenciones por modelo a continuación.
• Las indicaciones en inglés obtienen una traducción al chino directamente debajo: cada indicación en inglés (indicaciones de imagen e indicaciones Paste de toma) tiene una traducción al chino debajo, para que los usuarios que no lean bien el inglés sepan lo que dice. El chino es solo de referencia, nunca se alimenta al modelo.
• Estándar de aprobación: la silueta se lee (reconocible con la cara cubierta); atractivo para animación, realismo para acción real; reconocible a través de ángulos y tamaños de toma.

Escenas y accesorios

• Una descripción fija de escena por escena. La misma escena mantiene la misma descripción en todas sus tomas; cambiar de escena cambia la descripción.
• Cada escena obtiene una imagen de referencia: un plano general amplio 16:9, entorno vacío, sin personajes, uno por escena. El texto solo no impedirá que el modelo de video cambie la escena de toma en toma.
• Los accesorios clave también obtienen una imagen de referencia: una ficha de accesorios 16:9, varios accesorios clave por imagen. Los accesorios genéricos mantienen aproximadamente su forma, pero los detalles se desvían (color, tamaño, forma); los accesorios clave distintivos se desvían más sin una referencia. Cuanto más importante sea un accesorio para la historia y más distintivo sea, más necesita una referencia.
• Estándar de aprobación: al leer la descripción de la escena, el público puede decir dónde está, qué hora es y cuál es la luz.

Lista de tomas

Cada toma enumera número, duración, imagen, acción, expresión, cámara, sonido y una indicación Paste. Cada toma debe cumplir con todo lo siguiente:

• Una idea por toma: una toma cuenta una cosa. Dos cosas significan dos tomas.
• Una acción: el personaje realiza una acción, escrita de forma concreta (lágrima, cubrir, entregar, chasquido, caminar, pararse), nunca abstracta.
• Un movimiento de cámara: empujar, tirar, paneo, travelling, seguir — elige uno. Dos movimientos en una toma luchan entre sí.
• Expresión y línea de mirada escritas: lo que muestra la cara y hacia dónde miran los ojos. Escribe expresiones sutiles de forma concreta ("tristeza contenida" es mejor que "tristeza"). La animación puede exagerar; la acción real se mantiene contenida y natural.
• Vida interior / subtexto escrito: lo que el personaje piensa, quiere, teme en esta toma. Una toma con acción pero sin vida interior se siente vacía.
• Continuación de la misma escena: el fotograma final es el método, el texto es solo una ayuda. Los modelos de video generan cada clip de forma independiente y no tienen memoria del clip anterior. Escribir "continuando desde la toma anterior" solo en texto no funciona — el modelo nunca vio la toma anterior y no puede saber lo que fue. El método confiable es de fotograma final a fotograma inicial: toma el último fotograma real del clip anterior y úsalo como entrada de imagen a video para el siguiente clip, de modo que el primer fotograma del siguiente clip SEA el último fotograma del clip anterior. La indicación luego describe la nueva acción a realizar desde ese fotograma y reafirma el estado final (pose, expresión, progreso de la acción, luz, tono) en palabras para ayudar al modelo. Sin la entrada de imagen, la reafirmación de texto solo produce continuidad suave — el modelo genera desde cero, por lo que el personaje puede desviarse y el primer fotograma no coincidirá con el último fotograma del clip anterior. Lo que continúa es el estado del personaje, no la cámara.
• Cambia la cámara y el tamaño de toma: dos tomas consecutivas en la misma escena deben cambiar la posición de la cámara y el tamaño de toma (medio → primer plano) o es una sola toma larga.
• Orden de la indicación Paste: estado final de la toma anterior → nueva acción → expresión/línea de mirada (con vida interior) → cámara (tamaño de toma, movimiento, distancia focal, profundidad) → luz/ambiente → restricciones. Una oración, un significado.
• Las indicaciones Paste usan nombres @asset, no descripciones en lenguaje natural: el modelo de video no sabe quién es "mujer joven"; solo conoce el recurso subido por su @nombre. Nombra los recursos al crear imágenes de referencia (por ejemplo, la chica es @女主, el monstruo es @小怪兽, una escena es @场景1, los accesorios son @道具), luego escribe @女主, @小怪兽, @场景1, @道具 en las indicaciones Paste. Nunca escribas "mujer joven", "el monstruo peludo", "el callejón viejo y estrecho". Mantén los nombres @asset sin traducir también en la traducción al chino.
• Duración: acción real aproximadamente 5–10 segundos por toma; animación 2–6 segundos normal, divide cualquier cosa de más de 8 segundos.
• La animación añade dirección de actuación (讲戏): antes de animar, escribe lo que el personaje piensa, quiere, teme en cada toma.
• La acción real añade bloqueo: quién está dónde, quién camina hacia dónde, cuándo se giran, cuándo miran a quién; el bloqueo sirve al drama (quién lidera, quién cede, cómo cambia la relación).

Storyboards

• Los storyboards son imágenes, no solo texto: genera imágenes de storyboard de múltiples paneles para que el usuario vea las imágenes de la película y el flujo emocional de un vistazo.
• Seis paneles por imagen (3×2). Doce tomas requieren dos imágenes. Los paneles más allá del cuarto o quinto tienden a desviarse, así que verifica cada panel en una imagen de seis paneles para la consistencia del personaje y la escena; divide ocho o más paneles entre imágenes.
• Cada panel dibujado en detalle completo: composición (tamaño de toma, cámara, ángulo), personaje (según el aspecto y la pose de la ficha de diseño), escena (según el lugar y los accesorios de la imagen de la escena), luz (según la luz y el ambiente de la toma), acción (el momento clave de acción de la toma). Un panel debe dejar claro lo que la toma filma y cuál es su emoción, no una escena aproximada.
• El storyboard es para el usuario, así que hazlo rico: además de la imagen, escribe el pie de foto en la imagen debajo de cada panel — número de toma, duración, movimiento de cámara, acción clave (en chino) — para que el usuario entienda la toma y el movimiento de cámara solo con la imagen. La imagen completa, la acción, la expresión, la vida interior y el sonido permanecen en el archivo.
• Referencias: dibuja cada panel utilizando las fichas de diseño de personajes y las imágenes de referencia de la escena, para que el personaje y la escena sean consistentes en todos los paneles.

Continuidad y transiciones

• Misma escena: el método confiable es de fotograma final a fotograma inicial: el último fotograma real del clip anterior se convierte en la entrada de imagen a video del siguiente clip, por lo que el primer fotograma del siguiente clip ES el último fotograma del clip anterior. La indicación de la siguiente toma luego describe la nueva acción a realizar desde ese fotograma y reafirma el estado final de la toma anterior (pose, expresión, progreso de la acción, luz, tono) en palabras para ayudar al modelo. El texto solo no puede hacer esto: el modelo genera cada clip de forma independiente y no tiene memoria del clip anterior, por lo que "continuando desde la toma anterior" en texto solo produce continuidad suave y el primer fotograma no coincidirá. Lo que continúa es el estado del personaje, no la cámara; la cámara y el tamaño de toma deben cambiar activamente.
• Cambio de escena, cuatro pasos: divide las escenas antes de dividir las tomas (una escena = un lugar + un tiempo + un punto dramático, con una descripción fija de escena); elige el tipo de transición antes de escribir la indicación (cinco tipos: corte directo, negro, disolución, corte coincidente, corte J); la nueva escena comienza con un plano general, nunca un primer plano que corte a un primer plano; maneja la transición en sí por separado (genérala como su propio clip u oculta la costura en la edición con una toma vacía, negro, disolución o corte J).
• Las transiciones pertenecen al editor: el director decide por qué cortar, el editor decide cómo, cuántos fotogramas y dónde. En video corto o producción en solitario, los efectos de sonido también pertenecen al editor.
• Decide para cada transición si necesita una toma de transición generada. La mayoría de las transiciones se realizan en la edición sin toma adicional: corte directo (empalme directo), negro (fundido a negro y viceversa), disolución (fundido cruzado en la edición), corte J (edición de audio, sin toma visual). Pero algunas transiciones necesitan un clip generado, y la habilidad debe planificarlo: un corte coincidente complejo (el elemento compartido debe estar en una posición específica en ambas tomas), un movimiento de cámara que continúa a través del corte (la cámara hace un paneo en la Toma A y debe seguir paneando en la Toma B), un corte de escape o toma vacía para ocultar una costura (una toma de entorno o detalle insertada para puentear un salto discordante o un lapso de tiempo), o un plano general para una nueva escena si la lista de tomas salta directamente a un primer plano. Cuando se necesita una toma de transición, agrégala a la lista de tomas como su propia toma con su propio número, duración, imagen, acción, cámara, sonido e indicación Paste — es una toma para generar, no una ocurrencia tardía. La tabla de transición debe indicar para cada par adyacente si se necesita una toma de transición y, en caso afirmativo, qué es.
• Sonido de corte J: el sonido de la escena anterior continúa debajo del corte, el sonido de la siguiente escena llega en el corte visual. El BGM termina en la última toma, nunca se corta temprano.

Reglas estrictas (sin excepciones al escribir el archivo)

1. Una idea por toma.
2. Un movimiento de cámara por toma.
3. Lo que continúa es el estado del personaje, no la cámara.
4. Una nueva escena comienza con un plano general.
5. La película terminada debe tener BGM. Sin BGM significa sin entrega.
6. Una oración, un significado, en las indicaciones.
7. Una imagen de referencia bloqueada no se puede cambiar casualmente (cambiarla significa cambiar el actor o la escena).
8. Un clip con una cara rota o una escena cambiada se regenera directamente, nunca se deja para la edición (genera varias veces y elige, o cambia la indicación si nada funciona; nunca fuerces un clip malo).
9. La dirección y la línea de mirada no deben romperse (regla de 180°, coincidencia de línea de mirada, un personaje que camina hacia la izquierda no debe caminar hacia la derecha en la siguiente toma).
10. Verifica la duración contando los fotogramas del flujo de video, no la duración del contenedor.
11. Guion antes de imágenes: nunca generes ninguna imagen antes de que el usuario haya visto el texto completo del guion y haya elegido proceder a las imágenes.

Decisiones de juicio (tú decides, por este método)

• Tema: haz tres preguntas — ¿cuál es el tema de esta historia en una oración? ¿Qué sentimiento debe tener el público al final? ¿Cómo cambia el protagonista de A a B? Si no puedes responder las tres, la historia no está lista.
• Duración: suma la duración de todas las tomas. Si la duración total excede el límite, acorta las tomas o fusiona tomas; si es demasiado corta, divide las tomas.
• Estilo de acción real: busca un estilo de video de referencia (un director, un DOP, un look de película, una paleta de colores) y escríbelo en las indicaciones de toma.
• Estilo de animación: busca un estilo de animación de referencia (un estudio, una película, un diseñador de personajes) y escríbelo en las indicaciones de toma.
• Diálogo: si el usuario elige diálogo, escribe un guion de diálogo completo (quién habla, qué dice, cuándo lo dice, tono, emoción) antes de escribir cualquier indicación de toma.
• BGM: elige un estilo de BGM (género, instrumento, tempo, ambiente) y escríbelo en el archivo. El BGM real es responsabilidad del usuario; tu trabajo es especificar qué BGM se necesita y dónde.
• Duración de la toma: si una toma se siente demasiado larga o demasiado corta, ajústala. Una toma debe durar exactamente lo suficiente para que el público vea y sienta su único significado.
• Diseño de la ficha de personaje: si una ficha se siente demasiado abarrotada o demasiado escasa, ajústala. La ficha debe ser legible como referencia de video, no una obra de arte.
• Indicación de toma: si la indicación de una toma no produce resultados consistentes, escríbela de nuevo. Más corta y más concreta es mejor.

Convenciones por modelo

• ChatGPT Image 2.6: indicaciones directas, sin lenguaje florido ni descripciones de iluminación excesivas. Di lo que ves. El modelo entiende relaciones espaciales y composición, así que escribe la posición y el tamaño.
• Qwen Image 2.1: indicaciones más largas, con descripciones de material e iluminación. A Qwen le gustan los detalles de textura. Escribe el material ("superficie de metal cepillado", "tela de lana") y la calidad de la luz ("luz lateral suave", "sol duro del mediodía").
• Kling / Runway / Pika / Sora (todavía no estándar): las indicaciones deben ser cortas, concretas, con una acción por oración. La acción debe ser el verbo principal, no un modificador. "La mujer camina hacia la cámara" en lugar de "una mujer caminando por una calle con una bolsa".

Manejo de errores

• El modelo de imagen no produce la ficha solicitada: vuélvelo a intentar con una indicación diferente. No sigas adelante con una ficha incorrecta.
• El modelo de video produce un clip con una cara rota: regenera el clip. No lo dejes para la edición de postproducción; el arreglo nunca será lo suficientemente bueno.
• El modelo de video cambia la escena: regenera el clip con una indicación de escena más fuerte que incluya la imagen de referencia de la escena como entrada, o vuelve a generar la imagen de referencia de la escena si es necesario.
• El modelo de video ignora la indicación de cámara: escribe la indicación de cámara más temprano en la indicación ("CÁMARA LENTA EMPUJE" en lugar de "...y la cámara empuja lentamente").
• El usuario dice "esto no se ve bien": pregunta qué no se ve bien (personaje, escena, luz, acción, cámara, transición) y corrige solo esa parte. No reescribas todo el archivo.

Entrega

• El archivo de salida es HTML: página única, sin dependencias externas, incrusta el CSS en línea en el (estilo limpio: esquema claro, secciones numeradas, indicaciones en tarjetas con botones de copia, imágenes en línea como data URIs o vinculadas a recursos subidos, tabla de transición como tabla HTML, storyboards como imágenes en línea).
• Cada indicación tiene un botón de copia: clic → copia al portapapeles. Tanto la indicación en inglés como la traducción al chino (si está presente) obtienen su propio botón.
• Las imágenes se suben a la conversación como archivos independientes con nombres de archivo claros (por ejemplo "character_design_sheet_hero.png", "scene_reference_alley.png"), luego se vinculan desde el HTML mediante .
• La página HTML se renderiza en la conversación para que el usuario la vea inmediatamente y pueda hacer clic en los botones de copia para probar las indicaciones contra el modelo de su elección.
• El archivo está completo: no hay secciones de marcador de posición, ningún contenido escrito como "completar más tarde", ningún panel de storyboard faltante. Una sección con contenido faltante significa que el archivo no está completo y no se entrega.
• Verificación final: recorre la lista de verificación de control de calidad y confirma cada elemento antes de marcar el archivo como entregado. La lista de verificación debe estar en el archivo y cada elemento debe estar marcado.

Flujo de trabajo

1. Pregunta al usuario: animación o acción real.
2. Pregunta las cuatro restricciones básicas: relación de aspecto, duración, estilo, diálogo sí/no. Pregunta cada una; nunca uses un valor por defecto para ninguna.
3. Muestra la lista de verificación de pasos con todos los pasos seleccionados. El usuario puede desmarcar pasos. Escribe y ejecuta solo los pasos marcados.
4. Para cada paso seleccionado, escribe el contenido según las especificaciones anteriores.
5. Entrega el archivo HTML completo.
6. Espera comentarios. Si el usuario solicita cambios, aplica los cambios y vuelve a entregar.

Nota sobre el tamaño de la salida

Este archivo será largo. Un archivo de salida típico para una historia de 30 segundos, 6 tomas, 3 personajes, 2 escenas tendrá aproximadamente 4,000–6,000 palabras de contenido de texto más imágenes. Para una historia más larga (por ejemplo, 2 minutos, 24 tomas, 5 personajes, 4 escenas), el archivo tendrá entre 12,000 y 20,000 palabras más imágenes. Planifica en consecuencia para el contexto de salida.

El usuario no se quejará de un archivo largo. Se quejará de un archivo incompleto.