Estação de Prompts de Vídeo
Uma storyboard que se lê e uma lista de geração que roda – entre elas há uma camada de tradução. Esta skill faz essa tradução.
Produz dois arquivos: a Lista de Ativos (quais imagens preparar) e a Lista de Geração (como gerar cada segmento).
Ela não reescolhe temas, não altera a estrutura do roteiro, não julga a qualidade do conteúdo – isso é upstream. Também não gera imagens ou vídeos diretamente; apenas traduz para algo diretamente executável.
1. Cinco Regras de Ouro
Escritas primeiro porque cada uma corresponde a um tipo de falha.
- Ativos primeiro. Sem numeração, nada de prompts. Se um mesmo produto na 3ª cena se transforma em outro, a causa raiz é quase sempre a falta de um ativo.
- Um prompt de vídeo descreve apenas um momento contínuo. Troque de cenário, divida em segmentos – não deixe o modelo fazer a transição sozinho.
- Reutilize o sujeito literalmente com "anchor phrase". Trocar por sinônimo é trocar de pessoa.
- Defina a fonte do produto antes de escrever o prompt. Se houver material real ou oficial, use-o; se não, pode gerar com IA, mas fixe geometria, impressão e logotipo. Cenas com parâmetros ou alegações de eficácia só podem usar material real ou oficial.
- Prompt de vídeo escreve-se no modo positivo; prompt de imagem usa seção negativa. Essas duas sintaxes não se trocam, veja a seção 8 de
references/prompt-syntax.md.
2. Entrada
Obrigatório
| Item | De onde vem | Se faltar |
|---|---|---|
| Storyboard | Seção 4 do plano, tabela curta de 6 colunas + detalhes cena a cena | Sem número de cena, duração numérica ou campo de transição chave, recuse, não adivinhe |
| Nome real e especificações do produto | Seção 1 do plano | Se não tiver, pergunte; se não conseguir, marque como "a confirmar" |
| Modelo alvo | Usuário especifica, padrão Seedance | Use o padrão, não precisa perguntar |
Tabela curta de seis colunas: Número da cena / Duração (s) / O que essa cena mostra / Locução / Texto na tela / Função da cena. Detalhes por cena: percepção do público / dependências prévias / fatos visíveis chave / intenção da duração.
Opcional
- Proporção de tela (padrão 9:16), resolução do vídeo (padrão 480p, consistente com o gerador)
- Limites de duração por segmento (padrão 5–10 segundos)
- Se incluir áudio (obrigatório ativar. A narração é lida pelo modelo; desligar equivale a ficar sem som; só desligue se for uma cena vazia confirmada)
Dois Modos de Entrada
| Modo | Processamento |
|---|---|
| Modo padrão | Leia a seção 4 do plano, campos completos, vá direto ao passo 3 |
| Modo flexível | Apenas uma tabela markdown externa; primeiro analise, exiba ao usuário para conferência, destaque campos faltantes |
A análise flexível deve informar explicitamente "Esta é uma análise reduzida, por favor confira". Errar em silêncio é pior do que relatar um erro.
3. Oito Passos
1 Ler tabela → 2 Visualizar → 3 Extrair ativos → 4 Dividir segmentos → 5 Primeiro frame → 6 Montar prompt → 7 Gerar listas → 8 Autoverificação
Passo 1 · Ler Tabela
Corresponda a tabela curta com os detalhes cena a cena pelo número da cena, e lembre-se das informações do produto. Este passo é apenas de verificação, não de criação. Se a skill de planejamento estiver instalada, execute seu script scripts/check_plan.py --plan <caminho_do_plano>; se instalada isoladamente, verifique cena por cena conforme a lista de campos de entrada. Tabelas antigas de 5 colunas, sem campo de transição, retornem para preenchimento.
Três verificações:
- Números de cena contínuos, duração positiva
- Duração de cada cena entre 2–6 segundos (sinalize as exceções)
- A storyboard tem "O que esta cena mostra", não apenas locução
Passo 2 · Visualizar
Este é o único passo criativo em toda a skill, e o mais fácil de pular.
A storyboard dá uma descrição do conteúdo ("explica por que fora está quente e dentro frio"), mas o prompt precisa da imagem. Cada segmento deve preencher os seguintes campos:
| Item | O que perguntar | Exemplo |
|---|---|---|
| Sujeito | O que há na imagem | Marmita de cerâmica branca, tampa aberta |
| Estado | Qual o estado atual do sujeito | Tampa aberta, marmita sobre a mesa |
| Ação | Quem está fazendo o quê, uma ação | Uma colher sendo inserida no centro |
| Ambiente | Onde, o que há ao redor | Mesa de escritório, micro-ondas ao fundo |
| Iluminação | De onde vem a luz, qual temperatura de cor | Luz branca quente do topo, complemento da janela esquerda |
| Enquadramento | Qual a escala da imagem | Close-up |
| Ângulo/Posição da câmera | Onde a câmera está em relação ao sujeito | Altura da mesa, 30 graus frontal-lateral |
| Movimento de câmera | Como se move (escolha apenas um) | Câmera fixa, aproximação lenta |
Nenhum campo pode faltar. Cada segmento deve listar explicitamente sujeito, estado, ação, ambiente, iluminação, enquadramento, ângulo/posição e movimento de câmera; quando não aplicável, explique o motivo. Se faltar, primeiro tente preencher; se não conseguir, pergunte ao usuário – não deixe vazio no prompt, pois o modelo inventará.
Os "fatos visíveis chave" e "dependências prévias" da storyboard devem ser marcados na Lista de Geração: se são estado visível no primeiro frame ou ação que ocorre dentro do segmento de vídeo. Ações processuais não podem ser representadas por um único primeiro frame que mostre antes, durante e depois.
Passo 3 · Extrair Ativos
Siga references/assets.md para quatro ações: numerar, dividir, definir fonte, gerar tabela.
- Prefixo de número:
PRProduto /SCCenário /CHPersonagem /SPAcessório - Critério para entrar na lista: referenciado por dois ou mais segmentos, ou exige identidade consistente
- Três níveis de fonte: Real / Material oficial (use se houver), Gerado por IA (se não houver material real, fixe geometria e impressão), A complementar
Passo 4 · Dividir Segmentos
Interseção de três restrições:
- Duração do segmento ≥ número de palavras da locução ÷ 4 palavras/segundo (o modelo lê chinês a cerca de 4–5 caracteres/segundo, use o menor valor)
- Segmento individual 5–10 segundos (limite do modelo, ver
prompt-syntax.md) - Uma ação por segmento
A regra 1 usa 4 e não 6.5 por um motivo: o modelo não acelera a fala; ele simplesmente pula a segunda metade da frase. Segmentos cortados com otimismo resultam em frases faltando na geração, o que é muito mais trabalhoso do que cortar mais um segmento.
Locução por segmento limite de 36 caracteres. Acima disso, divida o segmento; não force a barra comprimindo o texto.
Para cenas muito longas, use extensão + frame de transição: escreva claramente qual é o estado visual do último frame do segmento anterior, não "continua do segmento anterior".
Passo 5 · Primeiro Frame
Nem todo segmento precisa de primeiro frame. Julgue pela sensibilidade:
| Obrigatório ter primeiro frame | Pode ser texto-para-vídeo diretamente |
|---|---|
| Close-up de produto, ação com as mãos, aparecimento de logotipo ou texto | Cena vazia, atmosfera, transição, puro efeito de luz |
A imagem do primeiro frame é escrita com prompt de imagem (veja seção 4 de assets.md com 7 módulos), princípio: "produto real como base + cenário gerado por IA".
Passo 6 · Montar Prompt
Escreva seguindo os 6 blocos de references/prompt-syntax.md:
[Estilo e proporção] → [Referência de ativo] → [Sujeito fixo] → [Linha do tempo] → [Locução e som] → [Restrições de qualidade]
Quatro itens obrigatórios: movimento de câmera único, lista Motion:, texto da locução (exatamente como está, sem mudar palavras), No subtitles.
O quinto bloco agora carrega a própria locução – não há mais etapa separada de dublagem; a fala é entregue ao modelo por este bloco. A coluna de locução da storyboard deve ser copiada palavra por palavra, sem adicionar marcações de tom, parênteses extras ou alterar uma palavra. Se mudar, a legenda não vai sincronizar com o áudio.
Passo 7 · Gerar Listas
Preencha os dois modelos, salvando no diretório especificado upstream (padrão 02-ativos.md, 03-geracao.md).
Passo 8 · Autoverificação
Execute seis verificações, com script se possível:
python scripts/check_gen_list.py --dir <diretoriode_producao>
Código de saída: 0 aprovado / 2 itens críticos / 3 arquivo ilegível.
4. Duas Saídas
Lista de Ativos (02-ativos.md)
Tabela de seis colunas, seguidas pelos prompts de imagem de cada ativo:
| Número | Tipo | Uso | Fonte | Referenciado por segmentos | Status |
|---|
- Tipo: Corpo do produto / Detalhe do produto / Cenário / Personagem / Acessório
- Fonte: Real ou material oficial / Gerado por IA / A complementar
- Status: Existente / A gerar imagem / A fotografar
Lista de Geração (03-geracao.md)
Uma tabela de visão geral + prompts completos por segmento (prompts longos demais para caber na tabela):
| Segm. | Cena | Duração | Modo | Ativo referenciado | 1º frame | Pós-produção | Nº de candidatos | Dependência prévia / Fato visível |
|---|
- Modo: Primeiro+último frame / Imagem de referência / Texto-para-vídeo
- 1º frame:
S01_f01ou "nenhum" - Nº de candidatos: sugerido 2–4
Os três modos são opções para o downstream, nem todos os modelos suportam todos. Atualmente, o KIE Seedance oferece apenas texto-para-vídeo, primeiro frame e primeiro+último frame; o modo de imagem de referência deve ser rebaixado para primeiro frame – a regra de rebaixamento está em short-video-generate, esta skill apenas escreve conforme o padrão, sem ajustar para o modelo.
Abaixo da tabela, para cada segmento com ### S01 · Cena 1–2 ｜ 8s ｜ Primeiro+último frame, forneça os 8 campos visuais e o prompt completo, junto com a fonte do primeiro frame, dependências prévias e itens de pós-produção.
Modelos disponíveis em assets/.
5. Nove Verificações de Autoverificação
| # | Verificação | Se falhar |
|---|---|---|
| 1 | Cada segmento tem número de cena, não há segmentos extras | Volte ao passo 4 e redivida |
| 2 | Soma das durações dos segmentos difere da duração total da storyboard em ≤1 segundo | Ajuste a duração do segmento, não mude a storyboard |
| 3 | Números de ativos referenciados na lista estão definidos na Lista de Ativos | Adicione a definição ou remova a referência |
| 4 | Modo principal único: Primeiro+último frame e Imagem de referência não se misturam | Uniformize em todo o vídeo |
| 5 | Fonte da cena do produto está marcada; cenas com alegações usaram material real ou oficial | Volte ao passo 3 e mude a fonte |
| 6 | Cada prompt de vídeo tem: movimento de câmera único, Motion:, No subtitles | Adicione um a um |
| 7 | Segmentos com fala: bloco de locução coincide palavra por palavra com a locução da storyboard | Compare segmento por segmento; um caractere diferente já exige correção |
| 8 | Campos visuais completos | F8 só verifica se a tabela de "campos visuais" existe e está preenchida, não infere de palavras-chave; sujeito, estado, ação, ambiente, iluminação, enquadramento, ângulo/posição, movimento de câmera, dependência/fato visível devem ser preenchidos; itens não aplicáveis explicar motivo |
| 9 | Dependência foi transmitida | Dependências prévias e fatos visíveis chave da storyboard foram mapeados para o primeiro frame ou ação dentro do segmento |
O verificador F8 só confirma que a tabela de visão geral preencheu a coluna "Dependência prévia / Fato visível" para cada segmento, não prova que o conteúdo foi realmente apresentado pelo primeiro frame ou pela ação do segmento; G2 ainda precisa de verificação manual segmento por segmento.
O item 4 com redação precisa: Primeiro+último frame e Imagem de referência são mutuamente exclusivos; Texto-para-vídeo é usado apenas para cenas sem sujeito. Misturar dois modos principais em cenas de produto resulta em imagens que não se conectam.
O item 7 é novo e o mais fácil de esquecer. A abordagem é simples, mas eficaz: coloque a coluna de locução da storyboard e o bloco de locução da lista lado a lado e compare caractere por caractere. Se mudar uma pontuação ou trocar um sinônimo, a legenda terá que mudar, e a legenda é feita apenas no S4 – quando descobrir, já será tarde.
Aproveite para verificar duas coisas: se cada segmento tem mais de 36 caracteres (se tiver, o modelo vai pular partes) e se há marcações de tom como (risos) [animado] (o modelo as lerá).
6. Limites
- Não reestruturar o conteúdo: números de cena, ordem e duração vêm upstream; esta skill não altera a estrutura
- Não julgar a qualidade do conteúdo: tema, gancho, estrutura são decisões upstream
- Não gerar diretamente: apenas listas e prompts; geração de imagens fica com
short-video-assets, geração de vídeo comshort-video-generate - Não prometer sucesso na primeira tentativa: geração é probabilística; esta skill garante apenas que "aquela tentativa que vale a pena" tenha maior probabilidade
- Não copiar parâmetros: parâmetros do modelo mudam; a skill dá princípios e diretrizes gerais, valores específicos consulte a documentação oficial
7. Referências
| Arquivo | Quando ler |
|---|---|
references/prompt-syntax.md | Ao escrever prompts de vídeo; ao ajustar movimento de câmera, linha do tempo, referências de ativos |
references/assets.md | Ao extrair ativos, escrever prompts de imagem de ativos e primeiro frame |
references/consistency.md | Quando múltiplos segmentos não combinam, produto deforma, rosto não corresponde |
references/troubleshooting.md | Quando um segmento não gera repetidamente |
Modelos: assets/asset-list-template.md, assets/gen-list-template.md
Validação: scripts/check_gen_list.py