本地兼容性与验证 (2026-10-04)
用户指令和选择的提供商/模型优先于以下示例和默认值。仅凭提供商名称无法确定模型版本。请将本文档中的端点 ID、价格、持续时间、参考限制、工具可用性和质量排名视为参考示例;在执行前,请根据当前连接的工具 schema 或官方提供商文档进行验证。切勿擅自替换提供商或模型。
安装或更新本技能不代表授权生成、上传、购买或重试。请遵循用户的生成审批和预算指令。保留现有的 idoGen 必需图像/视频/表演技能要求。在调用生成成功之前,检查实际输出中是否符合身份、空间连续性、物理运动和请求格式。文档和安装检查并非输出质量测试。
使用生成式媒体的电影摄影
当用户需要电影级视觉方向,而非泛泛的“让它有电影感”提示时,请使用此技能。根据需要加载参考文档:
references/shot-language.mdreferences/lighting-lens-color.mdreferences/examples.mdreferences/camera-directing-playbook.md:Ido 自己的拍摄手册。对于任何 9:16 广告、任何预可视化/分镜驱动的拍摄计划、手持紧张感方向、旋转全画幅快门上的镜头/视场角选择、真实摄影机套装、安全区域或产品包装镜头规则,请加载此手册。与上述通用参考文档冲突时,以此手册为准。
同时加载 model-routing 技能以获取默认端点选择。
编写具体的视觉方向。避免空洞的华丽词汇和长破折号。
需要收集的输入
仅询问影响镜头的内容:
- 主体和动作。
- 介质:静态图像、视频、图像转视频、剪辑、分镜帧。
- 类型和情绪。
- 构图:特写、中景、广角、俯拍、主观视角、侧面、固定机位。
- 视频的摄影机运动:推、滑轨、跟拍、手持、摇臂、无人机。
- 镜头效果:广角、标准、长焦、微距、浅景深或深景深。
- 灯光:自然光、实景光、棚内光、黑色电影、高调、低调、逆光。
- 输出:宽高比、时长、第一帧、最后一帧、下载路径。
- 首选模型(如果用户指定了特定的电影摄影模型或质量/成本配置)。
生成式媒体工作流
-
从路由端点 ID 开始。
genmedia models --endpoint_id openai/gpt-image-2 --json genmedia models --endpoint_id fal-ai/nano-banana-pro --json genmedia models --endpoint_id bytedance/seedance-2.0/text-to-video --json genmedia models --endpoint_id bytedance/seedance-2.0/image-to-video --json genmedia models --endpoint_id xai/grok-imagine-video/text-to-video --json仅作为缺失摄影机控制角色的回退发现手段使用文本搜索:
genmedia models "cinematic video generation camera movement" --json genmedia docs "video generation camera movement prompt" --json -
检查 schema 并仅使用支持的控件。
genmedia schema <endpoint_id> --json genmedia pricing <endpoint_id> --json -
在需要图像转视频、首帧、末帧、风格参考或角色/产品连续性时,上传参考帧。
genmedia upload ./frame.png --json -
直接下载运行静态图像。
genmedia run <endpoint_id> \ --prompt "<cinematography prompt>" \ --download "./outputs/cinema/{request_id}_{index}.{ext}" \ --json -
异步运行视频。
genmedia run <endpoint_id> \ --prompt "<shot prompt>" \ --image_url "<uploaded frame if supported>" \ --async \ --json genmedia status <endpoint_id> <request_id> \ --download "./outputs/cinema/{request_id}_{index}.{ext}" \ --json
提示词构建顺序
使用 SCLCAM 结构:
- 主体:画面中是谁或什么。
- 背景:地点、时间、天气、故事时刻。
- 镜头/构图:距离、角度、焦距效果、景深。
- 摄影机运动:仅用于视频或需要运动模糊时。
- 气氛:薄雾、雨、实景光、反射、纹理。
- 情绪/色彩:调色板、对比度、色调、曝光风格。
- 输出控制:宽高比、时长、首帧连续性。
示例结构:
[主体] 在 [背景] 中,以 [景别和角度] 构图,[镜头效果],
[灯光设置],[摄影机运动(如果为视频)],[色彩分级],[纹理],
[时长或宽高比],[连续性约束]
模型路由
- 高级逼真静态图像:使用
openai/gpt-image-2。 - 高级风格化静态图像:使用
openai/gpt-image-2,然后fal-ai/nano-banana-pro,再fal-ai/nano-banana-2。 - 快速草稿静态图像:使用
fal-ai/flux-2/klein/9b。 - 最高质量视频:使用
bytedance/seedance-2.0/text-to-video或bytedance/seedance-2.0/image-to-video。 - 从强帧生成运动:使用
bytedance/seedance-2.0/image-to-video。 - 快速或低成本视频:使用
xai/grok-imagine-video/text-to-video或xai/grok-imagine-video/image-to-video。 - 复杂摄影机语言:先检查 Seedance 2.0,当涉及多提示或元素控制时再使用 Kling v3。
- 故事序列:使用故事叙述技能,本技能作为镜头语言支持。
- 角色或产品连续性:先使用相关领域技能,然后将电影摄影应用为变部分。
质量标准
返回前检查:
- 摄影机运动在物理上应对于场景合理。
- 镜头、景别和摄影机角度不应相互矛盾。
- 灯光方向清晰且一致。
- 色彩分级支持情绪,且不会压平主体细节。
- 视频提示词描述一个镜头,除非所选模型支持多个提示或镜头列表。
- 下载的文件来自
downloaded_files[]。
如果结果看起来泛泛,在添加更多形容词之前,应在摄影机、调度、光线和环境方面提高针对性。