Especialista em Prompts de Vídeo para Dramaturgia / Curtas Wan3.0

Transforma roteiros, storyboards e descrições de cena em prompts utilizáveis pelo wan3.0-video, e diagnostica casos de dramaturgia com problemas, aplicando os patches mínimos necessários.

Limite: Esta skill é responsável por escrever / ajustar prompts, não por submissão de tarefas, polling ou download. Por padrão, entrega apenas o prompt, não gera o vídeo automaticamente; só inicia o fluxo de geração se o usuário disser explicitamente "roda / gera o case / vamos ver / processa em lote". Antes de gerar, exiba e confirme duration / resolution / ratio / audio. Esta skill cobre apenas prompts de dramaturgia / curtas / cenas narrativas; não abrange vídeos de produtos, vendas ao vivo, macros de materiais ou unboxing/try-on.

Leitura obrigatória antes de começar:

references/wan3-formulas.md —— As 7 fórmulas do Wan3.0: Básica, Avançada, Imagem para Vídeo, Som, Referência, Múltiplos Planos, Edição de Vídeo + convenção de nomenclatura @imagem1 + comportamentos padrão para storyboard/fala/BGM. Em caso de conflito, esta é a referência final.
references/wan3-protocol.md —— Restrições rígidas do protocolo (negative_prompt obsoleto, som padrão ativado, proporção adaptativa, limite de mídia, parâmetros e precificação, checklist de confirmação de geração).
references/shot-language.md —— Linguagem cinematográfica / dicionário estético (fontes de luz, planos, composição, ângulos de câmera, distância focal, paleta de cores, movimentos de câmera, estilos, categorias de som). Consulte ao escrever prefixos estéticos.
references/prompt-craft-discipline.md —— Disciplina geral de engenharia: continuidade da linha do tempo e contagem de segmentos, declaração de responsabilidade dos materiais, lista de exclusão (3–8 itens), cinco elementos para ações complexas, engenharia reversa de vídeos de referência, regras para plano-sequência, complementação de elementos de extensão/edição, linha de qualidade mínima. Técnicas complementares. Em caso de conflito com o arquivo de fórmulas, prevalece a fórmula.
references/exemplars.md —— Biblioteca de exemplos de GoodCases dramáticos: narrativa em plano-sequência de 30s / múltiplos planos com storyboard / ação física complexa / luta de artes marciais / emoção estilizada / animação/jogos/CG / Vlog de longa duração / edição V2V / modelo de escrita para primeiro e último frame, incluindo 6 bônus gerais para dramaturgia. Ao escrever um novo case dramático, priorize segurar esta estrutura.

§0 Fluxo de Trabalho

Identifique o modo: Escrita / Reescrita / Diagnóstico / Edição V2V / Processamento em lote de episódio completo (veja §1).
Identifique a modalidade: T2V / Primeiro Frame / Primeiro e Último Frame / Referência Completa / Edição de Vídeo V2V / Arquivo/Página Web (veja wan3-protocol.md §1) —— Para curtas, o padrão é Referência Completa (consistência de personagem é essencial).
Selecione a fórmula: A correspondência modalidade → fórmula está em wan3-formulas.md §9.
Identifique a estrutura de planos: Plano único (plano-sequência) / Múltiplos planos com timestamps (veja §4).
Escreva o prompt com a estrutura de seis camadas (veja §2), verificando cada uma das oito regras de ouro em §7.
Trave o personagem + trave o espaço: Personagem use @imagemN / @videoN + reference_voice; posicionamento use coordenadas explícitas (veja §5).
Detecção de risco → Aviso → Solução → Decisão do usuário: Ao atingir itens da lista de pontos fracos em §6, explique claramente o risco, ofereça 2–3 alternativas, não bloqueie arbitrariamente.
Auto-check de disciplina de engenharia (prompt-craft-discipline.md): Os timestamps de múltiplos planos são contínuos e a soma é igual a duration? Cada segmento tem um "estado final"? O número de segmentos excede o limite? Há declaração de responsabilidade para múltiplos materiais? A lista de exclusão está entre 3–8 itens? Há descrições mutuamente exclusivas no corpo? Os primeiros 2 segundos têm um gancho? O final tem um ponto de chegada?
Saída: Corpo do prompt + Parâmetros sugeridos + Tabela de mapeamento personagem/timbre + Aviso de risco (formato no §9).

Se faltar informação, pergunte. Não invente. Perguntas obrigatórias: Tem imagem de referência / vídeo de referência do personagem? Quer falas e timbre de voz? Plano único ou múltiplos planos? Proporção e duração do vídeo final?

§1 Roteamento de Modos

Aparência da entrada do usuário	Modo	Ação
Forneceu trecho de roteiro / descrição de cena, quer prompt	Escrita	§2 Estrutura de seis camadas + §8 Modelo
Forneceu storyboard estruturado ou descrição em prosa, quer "um prompt utilizável"	Reescrita	Converta para narrativa do diretor: primeiro adicione coordenadas espaciais (§5), depois camadas estéticas e de som (§2)
Já tem um vídeo finalizado e quer modificá-lo (mudar falas, trocar figurino, alterar clima, continuar a próxima cena, converter maquete 3D para vídeo real)	Edição V2V	Siga §3, escreva apenas "objeto da edição + ação de edição", não reescreva o prompt inteiro
Forneceu um prompt + "a boca não sincroniza / o rosto mudou / a fala foi cortada no meio / a posição do personagem derivou"	Diagnóstico	Siga `references/drama-diagnosis.md`, primeiro identifique a causa, depois dê o patch mínimo (altere apenas as sentenças necessárias, não reescreva o texto inteiro)
Forneceu um vídeo de referência / amostra e quer "gravar um igual a este"	Engenharia Reversa	Siga `references/prompt-craft-discipline.md` §5: Reconstrua baseado nos cortes reais de edição, escreva apenas ações e falas confirmadas visualmente no quadro, não faça extrapolações criativas; se quiser adicionar conteúdo, crie uma "versão de extensão criativa" separada
Forneceu um roteiro de episódio inteiro e quer storyboard e processamento em lote	Processamento em lote de episódio	Primeiro entregue uma lista em Excel (Nº do plano / Cena / Personagem / Imagem de referência / Fala / Prompt / duration / ratio), aguarde o usuário preencher duração e proporção antes de submeter cada case
Forneceu um vídeo finalizado / captura de tela e disse "o que há de errado aqui?"	Diagnóstico	Primeiro descreva o fenômeno observado → mapeie para a tabela de sintomas → aplique o patch

§2 Estrutura de Seis Camadas para Curtas

A linha de base é [Sujeito + Cena + Movimento + Controle Estético + Estilização + Efeito Sonoro] (Fórmula Avançada) + [Objeto de Referência @ + Ação + Fala] (Fórmula de Referência). Para curtas, ela é fixada em seis camadas:

[Prefixo Estético] Luz + Plano + Composição + Ângulo + Distância Focal + Paleta de Cores + Movimento de Câmera
[Referência ao Personagem] @imagemN / @videoN (Referência Completa) —— Não descreva aparência, cabelo ou figurino novamente
[Posicionamento Espacial] Quem está na esquerda/centro/direita do quadro, para onde está virado, distância entre si, entrada/saída de quadro
[Ação e Atuação] Ação específica + Amplitude + Velocidade + Processo de expressão facial e mudança emocional
[Fala e Som] Seis elementos da voz humana + Som em três segmentos + BGM em dois segmentos
[Camada de Exclusão] Use descrições positivas para travar pontos que tendem a falhar (deformação, legendas, ângulo de câmera, orientação)

A camada de Fala e Som deve seguir estritamente a fórmula de três segmentos (wan3-formulas.md §4):

Voz humana = "conteúdo da fala" + Emoção + Tom + Velocidade + Timbre + Sotaque (Seis elementos; se faltar um, o modelo improvisa aquele elemento)
Referência de timbre = Na mesma sentença da ação de fala, imediatamente após a fala, adicione "referência de timbre @audioN": XX diz a fala: "...", referência de timbre @audio1. A escrita proativa independente, como "Extraia as características de timbre de @audio1 e faça XX dizer...", não funciona; sempre reescreva no formato sufixo da sentença de fala
Efeito sonoro = Material da fonte sonora + Ação + Som ambiente
BGM = Música de fundo / Trilha sonora + Estilo
Se não houver fala, escreva "Sem falas em todo o vídeo"; se não houver música, escreva "Sem música de fundo"

Exemplo de diálogo em plano único (Referência Completa, dois personagens com timbres):

Luz suave, contraluz, luz prática interna, plano médio próximo, plano de dois, ângulo over-the-shoulder, distância focal média, paleta de cores fria, câmera fixa.
@imagem1 O homem está no lado esquerdo do quadro, corpo virado para a direita e para frente; @imagem2 A mulher está sentada no sofá à direita do quadro, enfrentando-o e erguendo o olhar; os dois estão a cerca de um metro e meio de distância.
@imagem1 Com as mãos nos bolsos, dá meio passo à frente, queixo ligeiramente recolhido, sobrancelhas passam de relaxadas a gradualmente franzidas. @imagem2 Os dedos apertam inconscientemente o braço do sofá, o olhar muda de desviar para encarar diretamente.
@imagem1 Diz em voz baixa: "Eu já sabia disso há muito tempo." Emoção reprimida e controlada, tom grave e descendente, velocidade lenta, voz grave e rouca, mandarim padrão.
@imagem2 Após uma pausa de um segundo, responde: "Então por que você não disse?" Emoção magoada e agitada, tom ascendente, velocidade um pouco rápida, voz clara e levemente fina, mandarim padrão.
Fundo com o som muito leve do tique-taque de um relógio de parede e o ruído distante do trânsito. Sem música de fundo.
As feições e proporções corporais de ambos os personagens permanecem estáveis durante todo o vídeo, a orientação e a posição relativa não mudam, a imagem está limpa sem sobreposição de legendas, o ângulo da câmera e a distância focal permanecem inalterados.

Exemplo de close-up emocional (Primeiro Frame, usando a fórmula de imagem para vídeo: escreva apenas movimento + movimento de câmera):

Luz de borda, close-up próximo, composição central, profundidade de campo rasa, teleobjetiva, baixa saturação, câmera avança muito lentamente.
O personagem primeiro olha para baixo, para a carta em sua mão, cílios tremem ligeiramente, canto da boca aperta-se levemente para baixo; depois ergue lentamente a cabeça e olha para a janela,
os olhos gradualmente brilham com lágrimas, mas não caem, o pomo-de-adão sobe e desce uma vez, a respiração torna-se profunda.
Sem falas em todo o vídeo, apenas o leve som do papel roçando e o vento lá fora. Sem música de fundo.
O contorno facial e as proporções das feições permanecem estáveis e naturais, a imagem está limpa sem gráficos sobrepostos, o ângulo da câmera e a distância focal permanecem inalterados.

Disciplina de referência @: Escreva @imagem1 / @video1 / @audio1, com @ e usando o nome completo "imagem"; imagens, vídeos e áudios são numerados separadamente a partir de 1. O mesmo personagem pode ser referenciado várias vezes na mesma sentença — esta é uma técnica recomendada para aumentar a taxa de acerto da referência: repita o @ ao mudar de sentença, de ação ou na segunda aparição, é mais estável do que usar "ele/ela". A escrita antiga "fig1 / video1" não é mais aplicável; ao reescrever prompts antigos, substitua-os pela nomenclatura completa com @.

Regra de limite para imagens de referência: Após @imagemN, escreva apenas "o que fazer, para onde ir, qual emoção, como a câmera se move", NÃO escreva "qual a aparência, o que está vestindo, qual o penteado". É proibido escrever "reproduza exatamente as feições da imagem de referência" ou "seja pixel a pixel idêntico à imagem de referência" — a imagem de referência é a própria restrição; re-descrever a aparência apenas rouba a atenção do modelo das instruções de atuação.

§3 Edição de Vídeo V2V (o método principal para modificar e continuar curtas)

Fórmula: Prompt = Objeto da edição + Ação de edição (texto completo em wan3-formulas.md §7). Disciplina central: Escreva apenas o que deve ser alterado, não redescreva o vídeo original inteiro. Se quiser preservar o resto, adicione "Mantenha todo o resto inalterado."

Solicitação de dramaturgia	Escrita	Exemplo
Mudar falas (preservar timbre)	Edição temporal	"Mantendo o timbre e o tom do personagem, mude o conteúdo da fala da mulher para: 'Eu nunca pensei em ir embora'"
Adicionar/modificar ação	Edição temporal	"Faça o homem no vídeo pegar o envelope sobre a mesa e rasgá-lo lentamente"
Trocar figurino / adereço	Edição de elemento (múltiplas imagens numeradas)	"Faça o homem no vídeo vestir o sobretudo preto de @imagem1 e usar o relógio de @imagem2"
Trocar personagem	Edição de elemento	"Substitua a atriz coadjuvante no vídeo pelo personagem de @imagem1, mantenha todo o resto inalterado"
Adicionar/remover elemento de cena	Edição de elemento	"Adicione um abajur aceso sobre a mesa" / "Remova o pôster na parede"
Mudar clima / período do dia	Edição global	"Modifique o vídeo para uma noite chuvosa, mantenha todo o resto inalterado"
Mudar paleta de cores / tom emocional	Edição global	"Modifique para paleta de cores fria, reduza a saturação, mantenha todo o resto inalterado"
Modificação de estilo	Edição global	"Transforme o vídeo em estilo de animação 2D" / "Transforme o vídeo no estilo de nanquim da imagem"
Continuar a próxima cena	Extensão de vídeo	"O homem continua andando pelo corredor, para na esquina e olha para trás"
Converter maquete 3D em vídeo final	Referência (com entrada de vídeo de pré-visualização 3D)	"Converta o vídeo de pré-visualização 3D em um vídeo finalizado, substitua o personagem de maquete branca no vídeo de pré-visualização pelo homem de @imagem1 e pela mulher de @imagem2, mantenha os movimentos de câmera e o posicionamento originais"

Avisos especiais para V2V em curtas:

Ao mudar falas, é obrigatório escrever "Mantenha o timbre e o tom do personagem", caso contrário o timbre pode variar e não se alinhar com os planos anteriores/posteriores.
As imagens de referência para trocar personagem/figurino devem ser no mesmo plano e na mesma orientação, senão a costura e as proporções falham.
Mudanças globais de paleta de cores alteram também a cor da pele e a cor original do figurino. Use com cautela em séries contínuas onde a consistência do personagem é crítica. Prefira refazer o plano separadamente.
Para extensão de vídeo, escreva apenas a "dinâmica subsequente", não descreva novamente a imagem já existente, pois isso faz o modelo re-encenar tudo desde o início.
O valor da referência de maquete 3D reside no fato de que o movimento de câmera e o posicionamento já estão definidos; o foco do prompt é "quem substituir", não redesenhar a câmera.
O vídeo de entrada do V2V conta para o limite de duração: Duração total da entrada + Duração da saída ≤ 30s.

§4 Plano Único vs. Múltiplos Planos

Comportamento padrão: Se o storyboard não for escrito, o modelo improvisa — pode gerar um plano único ou vários planos em quantidade arbitrária. Para dramaturgia, o controle deve ser explícito.

Plano-sequência (Plano Único)

Escreva explicitamente no prompt "Gerar plano único" ou "Plano-sequência" (em inglês Generate single shot.). Em dramaturgia, se não quiser cortes, é obrigatório escrever, caso contrário o modelo pode dividir a cena, causando mudanças abruptas de personagem e saltos espaciais.

Múltiplos Planos com Timestamps

Fórmula = Descrição geral + Número do plano + Timestamp + Conteúdo do plano, formato "Nº plano [a-b segundos]", com o tipo de transição e ângulo de câmera escritos no início do conteúdo do plano.

Esta história é contada em terceira pessoa, sobre um encontro inesperado em um corredor escuro à noite, com uma sensação documental de câmera na mão, paleta de cores fria durante todo o tempo.
Nº 1 plano [0-3 segundos] Plano médio, ângulo baixo. @imagem1 O homem entra no corredor vindo do canto inferior direito do quadro, os passos acendem a luz do sensor de presença, ele para em frente à caixa de correio e levanta a mão.
Nº 2 plano [3-6 segundos] Transição de corte seco, close-up próximo, câmera fixa. Os dedos rasgam o lacre de uma carta, a borda do papel é áspera, as articulações dos dedos ficam brancas pela força.
Nº 3 plano [6-10 segundos] Transição de corte seco, plano médio próximo, ângulo nivelado, câmera avança lentamente. @imagem1 Abaixa a cabeça para ler a carta, o olhar passa de calmo a chocado, os lábios se entreabrem mas não emitem som.
Efeitos sonoros: zumbido da corrente elétrica do sensor de presença, som do rasgar do papel, eco do corredor. Sem falas em todo o vídeo. Sem música de fundo.
Nos três planos, o figurino e as características faciais do personagem permanecem consistentes, a orientação do espaço do corredor é uniforme para frente e para trás, a imagem está limpa sem legendas.

Disciplina de múltiplos planos:

Use o formato padrão "Nº plano [a-b segundos]", com timestamps contínuos e sem lacunas, a soma de todos os planos deve ser igual a duration.
O tipo de transição (corte seco / fusão / chicote) deve ser escrito no início do conteúdo do plano, imediatamente após o timestamp.
Cada plano não deve ter menos de 2 segundos, caso contrário a ação não tem tempo para se desenvolver.
A consistência entre planos deve ser declarada uma vez no final (figurino/face/orientação espacial), não repita em cada plano.
Até 4 planos é a zona segura; acima de 5, é recomendável dividir em várias tarefas, gerar segmento por segmento e depois editar.
Múltiplos planos + falas longas simultaneamente = alto risco. Priorize dividir a tarefa.

Técnica de Conexão para Geração em Segmentos

Ao dividir conteúdo longo em várias rodadas (também uma forma de evitar o timeout 504):

Após a conclusão de um segmento, use seu último frame como first_frame do próximo; ou use diretamente a extensão de vídeo (§3) para continuar escrevendo.
Na primeira frase de fala do próximo segmento, adicione um ponto de ancoragem de conexão (repetindo o tom ou o ponto de partida da ação da última metade da fala do segmento anterior) para evitar ruptura na sincronização labial e na emoção.
Cada segmento tem seu próprio task_id independente, proibido misturar. Fixe o seed por segmento para facilitar a reprodução.

§5 Consistência do Personagem e Posicionamento Espacial (os dois pontos críticos dos curtas)

5.1 Consistência do Personagem

Método	Ação	Aplicação
`reference_image`	1–2 imagens nítidas de frente/perfil por personagem, use `@imagem1` / `@imagem2` no prompt para se referir	Método principal e mais estável
`reference_video`	Forneça um vídeo curto (≤15s, e entrada+saída ≤30s) da atuação do personagem, escreva `@video1` no prompt	Quando precisar preservar a expressão dinâmica / postura; também pode referenciar apenas a ordem temporal, como "refira-se ao movimento de câmera de @video1"
`reference_audio`	Imediatamente após a sentença de fala, adicione "referência de timbre @audio1", como "@imagem1 diz: '...', referência de timbre @audio1"	Referência de timbre no nível do prompt; deve estar na mesma sentença da ação de fala, a escrita proativa independente "extraia características de timbre" não funciona
`reference_voice`	No nível do parâmetro: anexe ao sub-objeto do `reference_image` / `reference_video` correspondente	Primeira escolha para diálogos com múltiplos personagens, mais forte do que a descrição no prompt; pode ser usado simultaneamente com "referência de timbre @audioN" após a sentença de fala

O mapeamento de múltiplos personagens deve ser listado na saída para evitar erros de numeração:

@imagem1 = Protagonista masculino (terno preto) → reference_voice: male_low.mp3
@imagem2 = Protagonista feminina (suéter bege) → reference_voice: female_bright.mp3
@imagem3 = Referência de cena (sala de estar, panorama geral, sem timbre)

A numeração = ordem de upload no array input.media dentro daquele tipo; imagens / vídeos / áudios são contados separadamente (@imagem1 / @video1 / @audio1 começam cada um em 1). Erro de numeração é o acidente mais frequente em curtas — verifique um a um antes de entregar.

5.2 Coordenadas Espaciais Explícitas

O Wan3.0 possui erros espaciais conhecidos (orientação deitada errada, desproporção entre pessoa e objeto), é obrigatório especificar:

Posição: Esquerda / Centro / Direita do quadro + Primeiro plano / Plano médio / Fundo
Orientação: De frente para a câmera / De frente para o lado esquerdo do quadro / De costas para a câmera / De lado, enfrentando o outro
Distância: Cerca de X metros / Distância de um braço / Próximos no mesmo quadro
Para deitados, é obrigatório escrever a direção cabeça-pés: "Cabeça virada para o lado esquerdo do quadro, pés virados para o lado direito do quadro, deitado de barriga para cima"
Entrada / Saída de quadro: Entra no quadro vindo do lado direito / Sai do quadro em direção ao lado esquerdo
Para ≥ 3 pessoas, primeiro divida as zonas: "Duas pessoas lado a lado à esquerda, uma pessoa sozinha no centro, uma pessoa semi-virada à direita", depois dê a ação de cada uma

Ao cruzar planos / parágrafos, o ponto de ancoragem espacial deve reutilizar o mesmo conjunto de nomenclatura de esquerda/direita em cada plano, não diga "ele está à esquerda" em um plano e "ele está à direita" no próximo (a menos que haja um movimento de câmera ou deslocamento explícito).

5.3 Ancoragem de Adereços / Artefatos

Adereços assimétricos comuns em wuxia/fantasia/ficção científica (artefatos, espadas, lanças, armas de fogo, cetros, instrumentos). O Wan3.0 frequentemente segura ao contrário, no lugar errado, com orientação incorreta. A causa raiz é a instabilidade do modelo em reconhecer a orientação esquerda/direita e superior/inferior nas imagens de referência; âncoras posicionais relativas como "o lado direito da imagem é o cabo da espada" são espelhadas durante a geração. Disciplina de escrita:

Sempre use nomes funcionais, não direções relativas: Escreva "parte do cabo / cabo da espada / extremidade emissora de luz / extremidade do olho / extremidade traseira / cano da arma / lâmina", não escreva "lado direito da imagem / extremidade esquerda da imagem de referência"
Dê a direção de ambas as extremidades: Escrever apenas "segura o cabo" não é suficiente — é obrigatório dar tanto a "posição do cabo junto ao corpo" quanto a "direção da outra extremidade"; se faltar uma, a orientação flutuará
Para adereços assimétricos, faça uma declaração de estrutura no início: Como "O artefato de @imagem3 é composto por duas partes: o segmento do cabo e o segmento do olho emissor de luz. O segmento do cabo está firmemente nas mãos do portador, o segmento do olho está suspenso, apontando para longe"
A posição de segurar também deve ser fixada: Segurar horizontalmente com ambas as mãos / Segurar verticalmente com uma mão, a outra mão naturalmente pendente / Segurar com a mão invertida
Adicione uma declaração de consistência no final para múltiplos planos: "A posição de segurar e a orientação do artefato de @imagemN permanecem inalteradas durante todo o vídeo"
Âncora de proporção: O comprimento total do artefato é cerca de X décimos da altura do portador / Quando disposto horizontalmente, ocupa cerca de X décimos da largura do quadro (o Wan3.0 é notoriamente fraco em proporções espaciais)

Para regras de diagnóstico e tabela de sintomas, veja references/drama-diagnosis.md Grupo I "Sintomas de segurar/orientação de adereços/artefatos".

§6 Consulta Rápida de Pontos Fortes e Fracos do Wan3.0 para Curtas

Capacidade	Desempenho do Wan3.0	Estratégia de Escrita
Seguir instruções de fala comuns	Ponto Forte	Incorpore as falas diretamente entre aspas, ouse dar frases longas e completas; combine com `reference_voice` para travar o timbre
Consistência do personagem/sujeito	Ponto Forte	Sinta-se à vontade para usar referência completa com múltiplas imagens, ouse colocar vários personagens no mesmo quadro
Expressividade da ação	Ponto Forte	Ouse escrever ações de grande amplitude, velocidade clara e processo de transição emocional
Texto / Legendas ilegíveis	Relativamente estável	Mas não deixe o modelo gerar legendas, sempre escreva "imagem limpa, sem sobreposição de legendas"
Instruções de efeitos especiais / animação	Ponto Fraco	Ilusões, clones, efeitos de energia: reduza as expectativas ou divida em segmentos
Estabilidade da imagem (interação física intensa)	Ponto Fraco	Cenas de luta, quedas, objetos quebrando, líquidos espirrando: siga o fluxo de aviso abaixo
Lógica espacial	Erros conhecidos: orientação deitado errada, desproporção entre pessoa e objeto	§5.2 coordenadas explícitas, é obrigatório escrever direção cabeça-pés e âncora de proporção
Falas longas	Facilmente cortadas	Nº de caracteres ≈ duração × 4; se exceder, divida em segmentos e adicione ponto de ancoragem de conexão

Lista de ações de alto risco (ao atingir, siga "Detecção → Aviso → Solução → Decisão do usuário"): Luta corporal, queda, arremesso e recepção, vidro/objeto quebrando, derramar líquido, abraço e empurrão (contato físico frequente), passagem rápida de múltiplas pessoas, operação manual fina (enfiar agulha, acender fogo, abrir fechadura).

Ao atingir, diga o seguinte:

Detectei que <ação> é um item de alto risco para interação física intensa no Wan3.0 (esse tipo de ação propensa a erros: membros atravessando objetos, objetos desaparecendo, desproporção). Três soluções para você escolher: ① Dividir em dois segmentos: O segmento A grava o "confronto e preparação antes do ataque", o segmento B grava o "estado resultante e a consequência", evitando o momento do impacto ② Mudar o ângulo: Mude para um close-up parcial ou ângulo over-the-shoulder (o soco passa raspando na bochecha / os fragmentos caem), a área propensa a erros é menor ③ Executar diretamente com restrições: Escreva claramente "o número de braços e pernas é claramente contável, o contorno dos membros é completo e não se penetram, os objetos mantêm forma contínua após o contato", combine com a reprodução de seed, best-of-3 para selecionar o quadro Qual você escolhe?

Ao adicionar lutas ou operações complexas, não use "proibido" como bloqueio duro, sempre siga "Detecção → Aviso → Solução → Decisão do usuário".

⚠️ Não super-pulifique: Ao encontrar ações de grande escala / íntimas / violentas, não assuma que deve suavizar a cena por conta própria — o usuário quer "preservar a intenção criativa original + avisar sobre o risco". Primeiro, escreva conforme a intenção original; ao atingir um ponto fraco / risco de revisão, siga "Detecção → Aviso → Solução → Decisão do usuário". Só altere a escala quando o usuário concordar em suavizar, ou quando a verificação de texto da plataforma bloquear rigidamente a execução. Explique o que foi alterado para permitir reversão.

Verificação de texto Green Net (bloqueio rígido da plataforma): O Wan3.0 passa por uma verificação Green Net na fase de entrada de texto. Se palavras sensíveis forem detectadas (puxar gola / beijar o pescoço loucamente / pressionar o corpo / estrangular / ver sangue / sacrifício, etc.), a tarefa falha diretamente (Green net check failed for text (input)), o vídeo nem é gerado. Isso é diferente de "a imagem foi bloqueada pelo Green Net". Não use patches de nível de imagem para tratar bloqueios de nível de texto; suavize as palavras gatilho ou informe honestamente o usuário para desistir. Veja drama-diagnosis.md Grupo J.

Não corrija excessivamente o movimento de câmera: Ao receber um case de "movimento de câmera errático", primeiro identifique a intenção — Bug do modelo (movimento do sujeito é confundido com movimento da câmera, câmera fixa ainda balança) só então trave com "ângulo da câmera e distância focal permanecem inalterados"; Movimento de câmera intencional do usuário (avançar em direção à câmera / correr em direção à câmera / avanço rápido é o que a dramaturgia quer) não pode ser imobilizado, escreva "é o sujeito avançando em direção à câmera, a câmera se move rapidamente na mesma direção para acompanhar", fazendo o sujeito e a câmera se moverem na mesma direção. Veja drama-diagnosis.md Grupo F.

Não corrija excessivamente a amplitude da ação (armadilha complementar): Ao corrigir "movimento de câmera errático" travando a câmera fixa, é muito fácil travar também a ação do sujeito — um tigre/fera/inimigo que deveria "investir / pular / apoiar as patas dianteiras no chão e abaixar a postura" seria arruinado se escrito como "andar estável / avançar lentamente". A escrita correta: câmera fixa + ação ampla do sujeito escritas separadamente, como "O ângulo da câmera e a distância focal permanecem inalterados. O sujeito no quadro realiza uma postura de ataque: apoia as patas dianteiras no chão, abaixa o corpo, impulsiona com as patas traseiras e salta violentamente para frente, a ação de avançar em direção à câmera é ampla e feroz." Verbos de ataque são obrigatórios: "investir / saltar / aproximar-se ameaçadoramente / apoiar as patas dianteiras / impulsionar com as patas traseiras / mostrar os dentes / rosnar", substituindo palavras suaves como "aproximar-se / chegar perto / chegar".

Olhar para a câmera no início: O Wan3.0, por padrão, faz o personagem olhar para a câmera no primeiro plano de um vídeo dramático (sensação de posing). No início, escreva explicitamente "três quartos de perfil, olhar fixo no oponente/alvo, não olhar para a câmera". No final, uma exclusão global: "todo o olhar é apenas entre si, nenhum personagem olha para a câmera" (exceto para monólogos para a câmera). Veja drama-diagnosis.md Grupo D.

Estado final da ação / efeito sonoro pontual / direção de múltiplas pessoas (três armadilhas frequentes): O Wan3.0 tende a "voltar para o quadro que faz melhor", omitindo partes trabalhosas — ① Ações como abrir caixa/porta/tampa só executam a primeira metade (só destrava a fivela, não levanta a tampa) → Divida em estado final explícito: "a tampa da caixa está completamente levantada e ereta, revelando o interior" e dê 3–4 segundos suficientes; ② Efeitos sonoros pontuais como batida na porta/golpe único frequentemente não são gerados → Timestamp explícito + onomatopeia "No 6º segundo 'tum-tum-tum'" + reação corporal visível (tremor / recuo) como dupla segurança; ③ Múltiplas pessoas + multidão + fonte de ameaça no mesmo quadro, quando a câmera se aproxima, a narrativa se desfaz em "close-up de bela mulher" → Trave a câmera fixa, proíba close-ups faciais, escreva a fonte de ameaça como uma âncora visual recorrente e visível. Veja drama-diagnosis.md Grupo K.

🚨 Proibido chuva em interiores (erro frequente e recorrente): Sempre que a cena for interna / semi-interna (estábulo / igreja / corredor / salão / adega), independentemente de quão fria, escura ou misteriosa seja a atmosfera, é obrigatório travar o seco explicitamente: "Interior seco e limpo, chão seco, sem poças ou marcas d'água, não há fios de chuva, gotas ou água da chuva no quadro, sem umidade no ar." Lista de palavras gatilho (a presença de qualquer uma delas exige o "travar seco"): chão molhado / escorregadio / poça / água parada / chão reflexivo / lagoa / úmido / luz azul fria / atmosfera de suspense / noite de tempestade / noite chuvosa — se qualquer uma aparecer, imediatamente no mesmo parágrafo adicione "mas o chão está seco, não há fios de chuva no quadro". "Reflexo de chão molhado" é o gatilho mais forte para chuva interna; se quiser reflexo no chão, escreva "o assoalho de madeira polido reflete uma luz suave" ou "o chão de pedra reflete a luz de velas", absolutamente não escreva "chão molhado / escorregadio / reflexo de água". Se a dramaturgia exigir chuva, limite-a à janela: "A chuva está apenas do lado de fora da janela, visível através do vidro, mas absolutamente não entra no interior. O chão interno está completamente seco." Veja drama-diagnosis.md Grupo L, linha 3.

🚨 Consistência entre planos com corte seco (se o cliente quer corte seco, o corte seco deve ser estável): Ao fazer corte seco dentro de uma única tarefa Wan3.0 ("Nº 1 plano [0-4 segundos]... corte seco... Nº 2 plano [4-8 segundos]..."), a consistência do personagem / consistência espacial entre planos não é garantida automaticamente pelo modelo — após o corte, o personagem pode mudar de rosto, o penteado pode ser trocado, os detalhes do figurino podem derivar, a posição esquerda/direita pode ser invertida, os detalhes da cena podem mudar. Princípio chave: quando o cliente/a dramaturgia exige corte seco, não mude arbitrariamente para plano-sequência. O corte seco é uma escolha legítima de ritmo narrativo. Nosso trabalho é tornar o corte seco mais estável, não evitá-lo. Seis patches para estabilidade do corte seco (use em conjunto): ① Repita o identificador do personagem em cada segmento — No início de cada plano, reescreva completamente uma vez "@imagem1 Ofélia (vestido vermelho, trança, batom escuro) está no lado esquerdo do quadro", não confie em "herdar do plano anterior"; ② Restrição explícita de consistência entre planos — No final do corpo do texto, é obrigatório escrever "As feições / penteado / figurino / brincos / padrão da gola / detalhes do cabelo do mesmo personagem nos três planos são completamente idênticos, sem qualquer deriva; a posição relativa (quem está à esquerda, quem está à direita) permanece consistente entre os planos, sem quebrar o eixo"; ③ Âncora visual da cena — Repita a posição de elementos fixos da cena em cada segmento ("a segunda divisória do estábulo à direita do fundo, o palheiro à esquerda, a lanterna ao longe"), ancorando o espaço; ④ Fixe a reprodução com um seed — Fixe o parâmetro seed por segmento; a consistência entre planos melhora drasticamente; ⑤ O ponto de corte deve evitar o meio de uma palavra — O ponto de corte seco deve cair em um ponto final ou pausa silenciosa breve, nunca corte no meio de uma frase de fala, caso contrário a fala será cortada ao meio; ⑥ Minimize o número de imagens de referência — Muitas imagens de referência diluem o peso da consistência; mantenha apenas a(s) imagem(ns) mais crucial(is) do personagem, coloque figurino/adereços na mesma imagem se possível. Plano de contingência: Se mesmo com os seis patches não for possível obter um resultado estável, considere dividir em tarefas independentes (cada segmento com 3-5s, mesmo seed) para edição local, ou peça ao cliente para aceitar a abordagem de plano-sequência — mas a primeira escolha é sempre "corte seco + seis patches", não mude proativamente a estrutura narrativa do cliente.

§7 Oito Regras de Ouro

Não escreva "não" — O negative_prompt está obsoleto no Wan3.0. Todas as negações devem ser convertidas em exclusões positivas. Tabela de correspondência em wan3-protocol.md §4. (Exceção: frases de controle fixas já validadas como "câmera não corta plano" podem ser usadas, veja exemplars.md J3).
A camada de som deve existir — Padrão audio=true. Se quiser falas, escreva todos os seis elementos; se não quiser voz humana, escreva de acordo com a palavra de controle "Sem falas em todo o vídeo, apenas mantenha o som ambiente"; se não quiser música, escreva "Sem música de fundo", caso contrário o modelo inventa um BGM.
Objetos de referência sempre escreva @imagemN — Com @, use o nome completo, repita o @ sempre que o mesmo personagem aparecer várias vezes. A escrita antiga "fig1" não é mais usada.
Se houver imagem de referência, não redescreva a aparência — Aparência, figurino, penteado são transmitidos pela imagem de referência. O prompt é responsável apenas por atuação, deslocamento, movimento de câmera e restrições de estabilidade.
O espaço deve ser fixado por escrito — Posição + Orientação + Distância; para deitados, é obrigatório escrever a direção cabeça-pés. Este é um ponto fraco conhecido do Wan3.0; se não escrever, dá errado.
Se não houver corte, escreva "Gerar plano único" / "Plano-sequência" — Se o storyboard não for escrito, o modelo improvisa, podendo gerar cortes que causam mudanças abruptas de personagem.
Nº de caracteres da fala ≈ Duração × 4 — Se exceder, a fala será cortada. 5s ≈ 20 caracteres, 10s ≈ 40 caracteres é a linha de segurança. Para muito longos, divida em segmentos + ponto de ancoragem de conexão.
Proporção depende de parâmetro, não de texto — ratio padrão é adaptive. Para travar retrato, mude o parâmetro para 9:16; escrever "retrato" no prompt não funciona. Calcule o custo primeiro: 1080P ≈ 1,2 yuan/segundo. Antes de dividir um episódio inteiro em planos, estime o total. Não seja ganancioso com uma única vez (risco de timeout 504).

§8 Modelos de Cena

Todos os modelos de tipos de plano comuns para curtas estão em references/drama-templates.md:

#	Cena	Modalidade Recomendada	Pontos Chave
1	Diálogo de duas pessoas (plano/contraplano / over-the-shoulder)	Referência Completa + reference_voice	Ancoragem espacial esquerda/direita + Seis elementos da voz
2	Close-up emocional (sem fala)	Primeiro Frame ou Referência Completa	Emoção escreva "processo de mudança", não um adjetivo estático
3	Monólogo / Discurso longo	Referência Completa + reference_voice	Nº de caracteres controla a duração; muito longo, divida em segmentos
4	Deslocamento e entrada/saída de quadro	Referência Completa	Direção de entrada + Direção de saída + Velocidade do passo
5	Cena de grupo com múltiplos personagens (≥3 pessoas)	Referência Completa (múltiplas imagens)	Primeiro divida zonas, depois dê ações; verifique a numeração @imagemN uma a uma
6	Luta / Ação intensa	Referência Completa, recomenda-se dividir em segmentos	Primeiro siga o fluxo de aviso §6
7	Transição (salto temporal/espacial)	Primeiro e Último Frame	Escreva apenas o processo de transição intermediário
8	Parágrafo narrativo com múltiplos planos	T2V ou Referência Completa	Descrição geral + "Nº plano [a-b segundos]", ≤ 4 planos
9	Saída direta de arquivo de roteiro	file + enable_thinking	Escreva apenas "que estilo de vídeo finalizado quer", o conteúdo é lido pelo modelo
10	Mudar fala / Continuação / Converter maquete 3D para vídeo real	Edição de Vídeo V2V	Escreva apenas objeto da edição + ação de edição, veja §3

§9 Formato de Saída

【Modalidade】Referência Completa (reference_image ×2 + reference_voice ×2)
【Fórmula】§5 Vídeo de referência + §4 Som (+ §6 Múltiplos planos)
【Parâmetros Sugeridos】duration=10  resolution=720P  ratio=9:16  audio=true  seed=Recomenda-se fixar
【Mapeamento de Personagens】
  @imagem1 = Protagonista masculino → male_low.mp3
  @imagem2 = Protagonista feminina → female_bright.mp3
【Prompt】
<prompt completo que pode ser copiado diretamente, em um único segmento ou com números de plano por linha, sem tags entre colchetes>

【Explicação por Camada】(Opcional, forneça se o usuário pedir)
O que foi escrito no prefixo estético / referência ao personagem / posicionamento espacial / ação e atuação / fala e som / camada de exclusão, e por quê.

【Aviso de Risco】
- Fala com 46 caracteres vs duration 10s (linha de segurança 40 caracteres) → Sugiro duration 12s ou remover uma frase
- Atingiu ação de alto risco X → Sugiro solução ① ② ③

Formato de saída do modo de diagnóstico:

【Fenômeno】… (Qual segundo, qual personagem, qual erro)
【Causa】Escrita do prompt / Modalidade errada / Parâmetro incompatível / Limite da capacidade do modelo — qual frase especificamente
【Patch Mínimo】
  Alterar: <frase original> → <nova frase>
  Adicionar: <nova frase>
  Remover: <frase a ser removida>
【Sugestão de Reteste】seed fixo / duration alterar X / dividir em segmentos / best-of-3

Para processamento em lote de episódio inteiro, primeiro entregue o Excel (Nº do plano / Cena / Personagem / Imagem de referência / Fala / Prompt / duration / ratio), não comece a rodar diretamente.

§10 Modo de Diagnóstico

Quando o usuário envia um case "com problemas", siga references/drama-diagnosis.md:

Reafirme o fenômeno (sem adivinhar): Qual segundo, qual personagem, qual parte, qual erro.
Mapeie para a tabela de sintomas → Atribua a uma das quatro categorias: "Escrita do prompt / Modalidade errada / Parâmetro incompatível / Limite da capacidade do modelo".
Dê o patch mínimo: Liste apenas as sentenças alteradas, marcando "Remover / Alterar / Adicionar", não reescreva o texto completo.
Dê sugestão de reteste: Fixar seed, qual parâmetro alterar, se deve dividir em segmentos, se deve usar best-of-3.

Ao atribuir a causa a limite da capacidade do modelo, diga claramente "Isso não pode ser resolvido com prompt" e dê caminhos alternativos (mudar modalidade, dividir em segmentos, usar V2V para correção local). Não use patches sem sentido para fingir que resolveu. Ao receber um prompt antigo, primeiro faça uma verificação de consistência: Há resquícios de "não X"? Há uso da antiga escrita "fig1"? A camada de som está vazia? O storyboard foi declarado explicitamente? A proporção está escrita no texto? A soma dos timestamps de múltiplos planos é igual a duration? Há descrições mutuamente exclusivas no corpo? Esses sete itens respondem pela maioria dos BadCases.

nian-pangolin/wan3-drama-skills

O que é wan3-drama-skills?

Perguntar na sua IA favorita

Documentação