atakoylan125-sketch/AI-Filmmaking-Skills

使用 ManimGX 进行场景调度

仅进行布局。此技能不编写故事、对话或表演，也不与任何摄像机系统、视频生成器或制作工具绑定。它只回答一个问题：所有物体和角色在哪里，它们如何移动，光线从哪里来，每台摄像机在哪里、朝向哪里？ 输出是一个短片，风格类似导演的平面图：完成的平面图先显示一秒，然后逐步构建地图，接着是移动路径，然后摄像机及其视野锥逐一出现，最后显示 180° 轴线和视线线。

用户可能是拥有完整分镜头列表的专业人士，也可能是仅有一句话描述的初学者。两者都必须得到相同质量的平面图。区别在于路径：完整的输入直接进入提议的布局；粗略的输入则先经过一轮简短的引导式输入，让用户决定布局，而不是由您猜测。这些问题也教初学者了解场景调度所需的信息。每条路径都以用户确认或纠正的计划结束，然后才进行渲染。

场景调度技巧——景别、摄像机高度、镜头感、布局法则、空间连续性以及如何描述每个镜头——参见 references/staging-craft.md。在选择摄像机、编写计划或进行最终检查之前，请阅读它。

仅根据您面前的场景工作。下面的问题模板、尺寸表和示例规格展示了形式和语法，而非内容：切勿将真实场景中的地点、道具、名称、位置或颜色套用到模板中。

完整输入——七个要素

当输入回答了以下七点时即为完整。在进行任何其他操作之前，请将每个收到的输入与它们进行核对。

序号	要素	确定的内容	地图需要它的原因
1	地点	场所的类型、大小和特征（小而紧凑或大而开阔、风格或时代），及其固定几何结构：墙壁、门、窗、对调度重要的物体	设定整个地图的比例，并决定存在哪些道具
2	位置	角色在何处、姿势（站立、坐、躺、跪……）、谁面向谁、相距多远	这些是“点”、姿势标签和方向箭头；180° 轴线由此绘制
3	朝向	关键特征（窗户、门、墙壁、道路）位于角色的哪一侧，相对于角色描述：“她右边的窗户”	没有它，地图可能会镜像，所有背景都会出错
4	灯光	每个重要的光源，它在物理上位于何处、光线来自哪一侧、是硬光还是柔光	决定每张脸哪一侧被照亮，以及哪些镜头会逆光
5	环境	动作的其他侧有什么	它成为每个反打镜头的背景
6	镜头	有多少个镜头、顺序如何、以及每个镜头的景别、镜头和角度（A 的特写、居中的双人镜头、越过 A 的肩膀看 B……）	这些就是摄像机
7	节奏	谁移动、从哪里移动到何处以及何时移动（站起、穿越、进入、离开、转身），以及每个镜头中发生了什么	移动会改变位置、朝向，有时会在场景中途改变轴线；移动绘制为路径

当输入明确说明某要素或使其毫不含糊时（例如，“他们面对面坐在卡座上”即代表填充了“位置”），该要素视为已填充。要素 7 仅当有人移动时才重要：如果每个节拍都是一句对话且无人移动，则不需要询问。

输入收集轮次——当信息不足时

1. 根据七个要素对输入进行评分，保持静默。切勿向用户展示清单本身。
2. 所有要素均已填充 → 跳过收集，直接进入工作流程。当用户表示不需要提问（“sorma”、“direkt yap”、“just do it”）时也跳过：用默认值填充空白；这些默认值在计划中列出（工作流程步骤 4）。
3. 任何要素缺失 → 询问，使用用户的母语提问：
   • 每次消息最多 3 个问题，总共最多 2 条消息。顺序：首先询问地点 → 位置 → 镜头，因为它们决定了地图结构；然后是朝向 → 灯光 → 环境；最后是节奏。
   • 如果位置和位置同时缺失，在第一条消息中仅问这两个：其他每个问题的选项都取决于它们的回答。
   • 每个问题都是选择题：2-4 个为该场景编写的选项，根据输入已有的信息构建，再加上一个最终的**“您决定”选项**（使用用户母语，例如“您提议”）。用户始终可以输入自己的答案。
   • 将您会选择的选项标记为 （推荐） 并附上简短理由，以便初学者可以直接接受。
   • 每个问题附带一行解释它为什么对地图重要。
   • 如果您的环境具有结构化的选择题工具，请使用它；否则，在纯文本中编写带编号的问题和带字母的选项。
   • 切勿询问输入已经回答的问题。切勿询问关于故事、对话或表演的问题：那不是此技能的职责。
   • 当用户像专业人士一样写作（使用镜头、景别、“越过 A 的肩膀”、轴线等术语）时，完全按照给定的选择接受。仅询问真正缺失的要素，切勿重新讨论他们已经做出的决定。
4. 在获得回答后，任何仍然未填充或回答为“您决定”的项目将被赋予合理的默认值。然后进入工作流程；步骤 4 中的计划是用户确认或纠正这些默认值的地方。

问题模板

这些显示每个问题的形式。根据您面前的场景重新编写措辞和选项；切勿逐字粘贴。

• 地点 — “这发生在哪里，这个地方是什么样子的？” → 根据输入构建的选项，例如 狭小、紧凑的室内 · 宽敞、开阔的室内 · 室外 · 您决定。原因：它设定了比例和存在哪些道具。
• 位置 — “他们是如何布置的？” → 适合输入中地点和人物的选项，结合位置和姿势（都坐着，面对面 · 并排 · 一人坐着，一人站着 · 您决定）。原因：180° 轴线在两个主要角色之间绘制。
• 朝向 — “<窗户/门/墙壁> 在 的哪一侧？” → 的左侧 · 的右侧 · 后面 · 后面。原因：没有它，地图可能会镜像，所有背景都会改变。
• 灯光 — “主光源从哪里来？” → 该地点存在的光源（从 <窗户/门> 一侧 · 从头顶固定装置 · 从场景中的实用灯 · 从其中一人身后（逆光） · 您决定）。仅当用户提到了光源时才询问硬光或柔光。原因：它决定每张脸哪一侧被照亮。
• 环境 — “他们另一侧有什么？” → 适合地点的选项。原因：它是每个反打镜头的背景。
• 镜头 — “您想如何拍摄？” → 我给您列个清单（数量、顺序、景别） · 经典覆盖：一个全景、两个过肩镜头、两个特写镜头 · 一个连续镜头 · 您决定。原因：这些就是摄像机。
• 节奏（仅当移动是合理的时）— “场景中有人移动吗？” → 不，所有人都待在原地 · <此场景建议的一个移动，为其编写> · 是的（告诉我谁、从哪里到何处以及何时移动） · 您决定。原因：移动绘制为路径，并且可以改变轴线。

工作流程

1. 阅读场景 — 输入加上任何收集到的答案。提取：

   • 地点、其固定几何体和对于调度重要的道具（墙壁、门、窗、家具、车辆、路径）；
   • 每个角色：他们在哪里、姿势、面向什么；
   • 每个移动：谁、从哪里、经过哪里、到何处、结束时的朝向和姿势；
   • 每个重要的光源（太阳、窗户、灯、实用灯）：它在物理上位于何处、光线来自哪一侧、照到了谁；
   • 主要关系——互相交谈或注视最多的那一对。这一对定义了 180° 轴线。如果移动改变了几何结构，则为其后的镜头决定轴线；
   • 镜头。如果用户将其留给您或选择了经典覆盖，请自行构建（参见覆盖规则）。

   然后在开始布局之前，先为自己回答三个问题：在场景中物理上发生了什么变化（谁移动了、拿起了什么、打开了什么）；观众必须同时看到什么（两个人在同一帧中、一张脸和其后的门）；哪些内容必须在各个镜头之间保持不变（被照亮的窗户、桌子、场景所依赖的物体）。答案决定了哪些道具被命名、哪些镜头必须是双人镜头以及轴线必须在何处保持。

2. 以米为单位进行布局，使用真实世界尺寸（见下表）。地图惯例：+y 是从主摄像机/开场摄像机方向“进入场景”，+x 是向右。将主摄像机放在动作的南侧，朝北看。

3. 编写场景规格文件（JSON，架构见下；完整 JSON Schema 参见 references/scene.schema.json），保存到工作目录，然后在不渲染的情况下进行验证： uv run <skill-dir>/scripts/staging_render.py scene.json --check （<skill-dir> 是包含此 SKILL.md 的文件夹）。它会打印已解决的报告（摄像机位置、警告）或一行 spec error: …；修复并重新检查，直到通过。

4. 预览并获取批准——在任何渲染之前。 运行 uv run <skill-dir>/scripts/staging_render.py scene.json -o <name>.mp4 --preview （几秒钟）。它会写入 <name>.preview.png（完成的平面图）和 <name>.report.json。首先自己查看预览，修复明显的问题（如果您无法查看图像，请改为检查报告，并告知用户您无法检查图像）。然后向用户展示预览图片和一份用他们母语编写的简明计划：

   • 环境 — 空间大小、关键物体及其位置（相对描述加米数）；
   • 角色 — 位置、姿势、朝向；然后按顺序列出每个移动；
   • 灯光 — 每个光源、它在哪里、照亮了谁的哪一侧；
   • 摄像机 — 表格：序号、景别、镜头、位置（例如“A 前方右侧 2.9 米，眼平高度”）、它看到什么，以及一行关于此摄像机用途的解释（其在覆盖中的任务）；
   • 镜头描述 — 对于每台摄像机，根据规格文件和报告中的 frame 数据，使用 references/staging-craft.md 中的模板编写的简短通俗语言帧描述：哪些人和物在帧内、在哪一侧、他们后面是什么、光线从哪一侧来、视线方向和轴线侧。中性和事实性：不含风格或情绪词汇，不含针对特定图像或视频工具的措辞；
   • 180° 轴线 — 哪一对、摄像机保持在轴线哪一侧、是否有任何镜头被镜像或越轴；
   • 假设 — 您选择而非用户决定的每个值，并标记为假设；
   • 备选方案 — 两到三个用户未提及的摄像机选项，每行一个及其权衡（参见 references/staging-craft.md 中的“提供备选方案”）。仅当用户选择时才应用其中一个。 要求他们批准或纠正任何内容（“把门放在另一面墙上”、“让镜头 3 成为特写”、“她保持坐着”）。将纠正应用到规格文件，再次预览并展示修改后的计划；重复直到他们批准。仅在批准后渲染。仅在用户明确要求无需审查直接渲染时跳过此步骤；然后在交付时列出假设。

5. 使用捆绑的引擎进行渲染 scripts/staging_render.py（路径相对于此技能文件夹；请勿重写或复制）： uv run <skill-dir>/scripts/staging_render.py scene.json -o <name>.mp4 --quality h。 使用 --quality l 进行快速草稿。视频以完成的平面图显示 1 秒开始（--poster 1.0，默认值），然后交叉淡入逐步构建过程。第一帧也是社交平台上的缩略图，因此它必须显示整个结果；仅当用户要求纯构建过程时使用 --poster 0。 它会打印一份 JSON 报告，包含每个角色、灯光和摄像机（位置、距离、水平视野，以及一个 frame 块，列出了在帧内可见的人和物及其在帧中的哪一侧，以及每个光源来自帧的哪一侧）和 warnings（也保存为 <name>.report.json），并保存 <name>.last.png（完成的平面图）。

6. 在交付前检查结果。 打开 <name>.last.png 并查看它（如果您无法查看图像，则依赖报告并说明情况）：每个标签可读、没有摄像机图标放在人物身上、锥体指向正确的拍摄对象、移动路径可读、图例未被截断。然后运行 references/staging-craft.md 中的最终空间一致性检查：各个镜头之间左右和视线一致、每个入场和出场是可能的、固定物体和主光源在每个镜头中位于相同的物理位置、没有未标记的越轴。读取 warnings——必须向用户提及自动镜像的镜头或越轴的摄像机。修复规格文件并重新渲染（最多两轮）。

7. 交付 视频、规格 JSON 文件（以便通过更改数字来编辑布局）以及更新到最终规格文件的已批准镜头描述。使用用户的母语，用两到三行说明哪些默认值仍然存在（仅限收集轮次中留空的或用户交回的），以及任何轴线警告。除非用户另有要求，否则地图标签使用英文。

覆盖规则（当镜头留给您时）

构建覆盖场景的最小集合，按分镜头脚本顺序，最多 8 个：

1. 开场全景 — 所有人在帧内（target: 所有角色名称的列表，size: "wide"，lens: 35，from: "S"）。
2. 对于主要对 A/B： 每人的过肩镜头（over_shoulder: B, target: A 和反向）。选择肩膀，使两个摄像机都位于轴线的同一侧；引擎会镜像任何不符合的摄像机并报告。
3. 关键节拍的单人镜头：size: "cu" 或 "mcu"，lens: 85/50，from: "front-left"/"front-right"（相对于角色的正面朝向），在轴线的同一侧。
4. 道具插入镜头 用于任何动作所依赖的道具（size: "insert"，lens: 85，height: "high" 用于桌子上的东西）。
5. 移动后： 覆盖结束位置（target: "A@1"），并为移动后的镜头设置它们自己的轴线（"axis": ...）。

...（因翻译而截断）