古典詩 絹絵動画
完成した9:16の詩動画を、詩の全文から作成します。すべてのシーンを一つのアンティークシルクテンプレートに無理に押し込めることなく、視覚シリーズの一貫性を保ちます。各シーンは割り当てられた詩句のみを表現し、生成された各クリップの元の環境音を保持し、最終的なMP4をチャット上で可視化します。
マシンでの初回実行前に、runtime-contract.mdを読み、check_prerequisites.shを実行してください。認証クッキー、APIキー、ブラウザプロファイル、生成されたアカウントデータを印刷、コピー、コミットしないでください。
ワークフロー
- 詩の全文を読みます。タイトル、詩人、時代、場所、季節、時間、明確なイメージ、動作、感情の流れを特定します。
- シーンをグループ化します:
- 4行以下の場合: デフォルトで1行につき1シーン。
- 4行を超える場合: デフォルトで2行につき1シーン。
- 明示的なグループ化のリクエストがあれば、これらのデフォルトよりも優先します。
- コンパクトなシーン台帳を作成します。そこには、文字通りの画像、支配的な動作、深度レイヤー、感情的な機能、および他のシーンに予約された禁止イメージを含めます。
- 1つのシリーズバイブルを定義します。style-and-scene-mapping.mdを読んでください。シリーズの中国の視覚的DNA、歴史時代、タイポグラフィゾーン、品質レベルを一貫させつつ、各シーンに詩主導のサブスタイル、メディア、パレット、深度パターンを選択します。
- 組み込みの
image_genツールを使用して、シーンごとにテキストなしの9:16初期フレームを1枚生成します。右側にタイポグラフィ用のクリーンなネガティブスペースを残します。承認されたすべての画像をアクティブプロジェクトに保存します。 - ホストブラウザを開いたり制御したりせずに、
gemini-flow-suiteDockerコンテナを通じて各画像をアニメーション化します。docker_gemini_i2v.shとシーン固有のモーションプロンプトを使用します。自然な環境音を必要とし、音声ダイアログは禁止です。ランタイムがない場合は、runtime-contract.mdに従ってください。資格情報を公開したりユーザーのブラウザを操作したりするような即興は絶対に行わないでください。 - 生成された各クリップを、初期、中間、後期のタイムスタンプで検査します。重大な解剖学的変化、動物の重複、新しい建築物、スタイルの逸脱、または構図のリセットを拒否します。
- clean_star_watermark.shを使用して、白いGeminiのスパークル/ダイヤモンドウォーターマークのみを削除します。伝統的な朱印やその他の意図的な絵画コンテンツは、ユーザーが明示的に削除を要求しない限り保持します。
- make_scene_ass.pyを使用して、縦2列の書道ASSファイルを作成します。
Ma Shan Zhengフォントを使用し、最初の行を右列に、2行目を左列に配置します。一度に1文字ずつ表示し、表示列から句読点を省略します。 - render_scene.shを使用して、キャプションを焼き付け、AIクリップの元のオーディオを保持します。ソースオーディオを置き換えたり破棄したりしないでください。
- レンダリングされたシーンを結合します。隣接するシーンを自然にディゾルブさせる場合はconcat_poem_crossfade.shを、意図的なハードカットを行う場合はconcat_poem.shを使用します。映像と保持された環境音の両方をクロスフェードし、BGMはそれらの下で連続的に静かに保ちます。シーンごとにBGMを再起動しないでください。
- 最終エンコードファイルに対してfinal_media_qa.shを実行します。1080x1920、30 fps、H.264/AAC、期待される長さ、両方のオーディオソース、安全なタイポグラフィ、白いスパークルウォーターマークがないこと、朱印が保持されていること、自然なトランジションミッドポイント、および黒または破損した終了フレームがないことを確認します。配信前に不審なフレームをフル解像度で開いて確認します。
画像とモーションのルール
- 静止フレームには組み込みの
image_genツールを使用します。静止フレームにGemini/Flow画像生成を使用しないでください。 - 既存のスタイルリファレンスはメディア/パティナのリファレンスとしてのみ使用し、その正確な構図や被写体をコピーしないでください。
- シーンごとに1つの支配的なイベントを使用します。シーン1で詩全体を描写しないでください。
- 中国の視覚言語、時代、繰り返し現れる被写体、タイポグラフィゾーン、ディテール品質を通じてシリーズの一貫性を保ちます。詩がイメージや感情機能を変える場合は、意図的にサブスタイル、メディア、支配的な色相、光の温度、深度パターンを変化させます。
- すべてのシーンで同じ左重心の被写体、右側が空のレイアウト、羊皮紙の色、木のシルエット、水平線の高さを繰り返さないでください。キャプションの安全性を維持しながら、視覚的な骨格を変化させます。
- 音を視覚的に表現する: 開いたくちばし、さざ波、曲がる葦、羽ばたく翼、または注意深い姿勢。
- カメラはデフォルトで固定します。モーションは、描写された既存の原因（漂う霧の密度、広がる水面のさざ波、付随する葉の揺れ、解剖学的に一貫した小鳥や馬の動作、風に反応する布地）からのみ発生する必要があります。ユーザーが明示的に要求した場合にのみ、カメラムーブメントを使用します。
- フレームをまたぐ長い移動よりも、アンカーされた局所的な動きを優先します。建築物、木の幹、海岸線、主要な胴体、タイポグラフィのネガティブスペース、朱印は、再描画してはならない静的なアンカーとして扱います。
- そのシーンに割り当てられていない限り、新しい人物、建物、ボート、鳥、花、テキスト、印、ランドマークを禁止します。
- モデル生成のオーディオを保持します。両方のソースを測定し、BGMを保持された環境音より約6～10 dB低く配置します。8%～16%の線形ゲインは開始範囲であり、固定ルールではありません。
- ユーザーがフルボリュームの並列サウンドを明示的にリクエストした場合、静かなBGMのデフォルトをオーバーライドします: 生成された環境音の既存のゲインを維持し、BGMを100%の線形ゲインでミックスし（ダッキングなし）、クリッピングを防ぐために最終リミッターのみを使用します。シーンの境界でいずれかのソースを再起動しないでください。
出力契約
シーングループ化、保存された静止画パス、クリーニング済みクリップパス、最終動画パス、および短いQAノートを返します。絶対パスを使用して、最終MP4をチャット上にレンダリングします。ツールコールやファイルパスだけから完了を主張しないでください。