导演技能：输入故事 → 输出完整可拍摄文件
本技能为执行规范，而非指南
- 用户输入一个故事或主题。你完成所有剩余工作，并输出一个完整的可拍摄文件。用户仅在开始时提供故事并选择类型，然后在反馈节点点头或评论。
- 此处的“真人视频”指AI生成的逼真视频，而非真实拍摄。没有演员、摄像机和真实拍摄地点；角色、表演、摄像机和世界均由AI生成，而独立生成的片段间的连续性是需要解决的难题。
- 默认为完整包。以交互式提示开始：询问动画或真人视频，然后四个基本约束（宽高比、时长、风格、是否含对白——缺失时询问，绝不使用默认值），然后提供包含所有步骤的步骤清单；用户可以取消勾选步骤，你仅运行勾选的步骤。
契约
- 输入：一个故事或主题 + 类型（动画或AI真人视频）。开始前询问四个基本约束。
- 输出：一个包含以下九个部分（按顺序）的完整可拍摄文件。没有任何缺失才算完整。以HTML页面形式交付：每个提示（图像提示和镜头粘贴提示，中文和英文）都有一个一键复制按钮，方便用户直接将提示粘贴到模型中。
- 你的工作：主题、剧本、故事板、角色设计、场景、镜头提示、转场表、剪辑表、质量控制——全部由你编写。
输出文件的九个部分
- 封面/基本信息（标题、类型、宽高比、总时长、每镜头秒数、是否含对白、风格；缺失一项即不完整）
- 主题（三句话，全部必需：一句话主题、一句话观众感受、一句话主角变化A→B；如果你无法写出全部三句，请停止并先修正主题）
- 故事梗概（一条因果主线；每个场景都能用一句话概括；主角想要什么、害怕什么、最终得到或失去什么；以主题检查句结尾，例如“这个场景是加深误解还是揭示反转”）
- 角色设计（每个主要角色一份简要描述，包含所有字段；设计图列表；每个角色一个可复制粘贴的图像提示）
- 场景（每个场景一个固定的场景描述：地点、时间、光线、氛围、道具；一个场景 = 一个地点 + 一个时间 + 一个戏剧点）
- 镜头列表（每镜头：编号、时长、画面、动作、表情、摄像机、声音、粘贴提示）
- 转场表（每对相邻镜头如何连接，以及是否需要转场镜头）
- 剪辑表（每个剪辑点：转场类型 + 声音处理）
- 质量控制清单（交付前全部检查）
角色设计
- 角色简要字段（全部必需）：姓名/代码、身份/职业、年龄、性别、体型、面部（脸型、眼睛、鼻子、嘴巴、皮肤）、发型、服装（上衣、下装、鞋子、配饰）、标志性特征、性格、故事中的角色、关键表情/动作。
- 设计图列表：多视图环绕、表情板、姿势板、配色板、比例表、细节特写（关键道具/服装细节）。
- 综合图，16:9，每个角色一张图像：在保持可读性作为视频参考的前提下，尽可能丰富地打包信息。布局，最丰富的优先：左侧，一张大型全身主角特写；中上，五视图环绕（正面、3/4正面、侧面、背面、3/4背面）；中部，头部和肩部表情肖像（所有简要描述中的关键表情，每个可带有角度）；中右，服装和材质分解（每件服装单独绘制，附带材质说明）加上配饰细节特写（关键道具）；右侧，一张电影感情绪定格/氛围参考；底部，配色板条带（纯色块，允许十六进制颜色代码）。个人资料数据（姓名、年龄、身高、职业、气质、关键词）、角色简介和签名行以文本形式放在文件中，而非图像中。
- 图像中无文字标签：保持设计图整洁，上面没有文字标签（例如“正面”、“愤怒”）。视频模型通过提示而非图像中的文本来读取参考，且文字有渗入生成视频的风险。改为在视频提示中描述设计图的结构。
- 图像提示描述综合图：将环绕图、表情板、姿势板和配色条带写入提示，作为一张图像中的内容。绝不为单个正面角色单独编写提示。
- 首先询问图像模型（ChatGPT Image 2.6 或 Qwen Image 2.1），然后以该模型的风格编写提示。参见下面的按模型惯例。
- 英文提示下方有中文翻译：每个英文提示（图像提示和镜头粘贴提示）下方都有一个中文翻译，方便不擅长英文的用户理解其内容。中文仅为参考，绝不输入模型。
- 通过标准：剪影可读（遮住脸部也能识别）；动画需有吸引力，真人视频需逼真；在不同角度和景别下可识别。
场景和道具
- 每个场景一个固定的场景描述。同一场景在其所有镜头中保持相同的描述；场景变化则描述变化。
- 每个场景都有一张参考图像：一张16:9的广角定场镜头，空环境，无角色，每个场景一张。仅凭文字无法阻止视频模型在镜头间改变场景。
- 关键道具也有一张参考图像：一张16:9的道具图，每张图包含几个关键道具。普通道具大致保持形状但细节会漂移（颜色、尺寸、形状）；独特的关键道具在没有参考的情况下漂移更严重。道具对故事越重要、越独特，越需要参考。
- 通过标准：阅读场景描述，观众能说出它在哪里、什么时间以及光线如何。
镜头列表
每个镜头列出编号、时长、画面、动作、表情、摄像机、声音和粘贴提示。每个镜头必须满足以下所有条件：
- 每个镜头一个想法：一个镜头讲述一件事。两件事意味着两个镜头。
- 一个动作：角色做一个动作，具体地写（撕裂、覆盖、交出、轻弹、走、站立），绝不抽象。
- 一个摄像机运动：推、拉、摇、移、跟——选择一个。一个镜头中两个运动会互相冲突。
- 写出表情和视线方向：面部显示什么以及眼睛看向何处。具体地写出微妙的表情（“克制悲伤”优于“悲伤”）。动画可以夸张；真人视频保持克制和自然。
- 写出内心活动/潜台词：角色在这个镜头中思考、想要、害怕什么。一个有动作但没有内心活动的镜头会显得空洞。
- 同场景延续：尾帧是方法，文字只是辅助。视频模型独立生成每个片段，且没有之前片段的记忆。仅凭文字写“延续上一镜头”是无效的——模型从未见过上一镜头，无法知道它是什么。可靠的方法是尾帧到首帧：将上一片段实际的最后一帧作为下一片段图像到视频的输入，这样下一片段的第一帧就是上一片段的最后一帧。然后提示描述从该帧开始的新动作，并以文字重申结束状态（姿势、表情、动作进度、光线、色调）以帮助模型。没有图像输入，文字重申只能产生软连续——模型从头生成，因此角色可能发生漂移，且第一帧不会匹配上一片段的最后一帧。延续的是角色的状态，而非摄像机。
- 改变摄像机和景别：同一场景中连续两个镜头必须改变摄像机位置和景别（中景 → 特写），否则就是一个长镜头。
- 粘贴提示顺序：上一镜头结束状态 → 新动作 → 表情/视线（含内心活动） → 摄像机（景别、运动、焦距、景深） → 光线/氛围 → 约束。一个句子，一个意思。
- 粘贴提示使用@资产名称，而非自然语言描述：视频模型不知道“年轻女子”是谁；它只知道上传的资产通过其@名称。创建参考图像时命名资产（例如女孩是@女主，怪物是@小怪兽，场景是@场景1，道具是@道具），然后在粘贴提示中写@女主、@小怪兽、@场景1、@道具。绝不要写“年轻女子”、“毛茸茸的怪物”、“狭窄的老巷”。在中文翻译中也保留@资产名称不翻译。
- 时长：真人视频每镜头约5–10秒；动画正常2–6秒，超过8秒的需拆分。
- 动画增加表演指导（讲戏）：在动画制作前，写出角色在每个镜头中思考、想要、害怕什么。
- 真人视频增加走位：谁站在哪里、谁走到哪里、何时转身、何时看向谁；走位服务于戏剧性（谁主导、谁让步、关系如何变化）。
故事板
- 故事板是图像，而非仅文字：生成多面板故事板图像，让用户一眼看到影片的画面和情感流动。
- 每张图六面板（3×2）。十二个镜头需要两张图。第四或第五面板之后的画面容易漂移，因此检查六面板图像中每个面板的角色和场景一致性；八个或更多面板需拆分到多张图中。
- 每个面板绘制完整细节：构图（景别、摄像机、角度）、角色（按设计图的外观和姿势）、场景（按场景图像的地点和道具）、光线（按镜头的光线和氛围）、动作（镜头的关键动作时刻）。一个面板必须清晰地显示镜头拍摄的内容及其情感，而非粗糙的场景。
- 故事板是为用户制作的，因此使其丰富：除画面外，在图像中每个面板下方写入说明——镜头编号、时长、摄像机运动、关键动作（中文）——以便用户仅从图像就能理解镜头和摄像机运动。完整的画面、动作、表情、内心活动和声音保留在文件中。
- 参考：使用角色设计图和场景参考图像绘制每个面板，以确保角色和场景在不同面板间保持一致。
连续性与转场
- 同一场景：可靠的方法是尾帧到首帧——上一片段实际的最后一帧成为下一片段图像到视频的输入，使下一片段的第一帧就是上一片段的最后一帧。下一镜头的提示然后描述从该帧开始的新动作，并以文字重申上一镜头的结束状态（姿势、表情、动作进度、光线、色调）以帮助模型。仅凭文字无法做到这一点：模型独立生成每个片段，且没有之前片段的记忆，因此仅凭文字写“延续上一镜头”只能产生软连续，且第一帧不会匹配。延续的是角色的状态，而非摄像机；摄像机和景别必须主动变化。
- 更换场景，四个步骤：在拆分镜头前先拆分场景（一个场景 = 一个地点 + 一个时间 + 一个戏剧点，有一个固定的场景描述）；在编写提示前选择转场类型（五种类型：硬切、黑屏、溶解、匹配剪辑、J-cut）；新场景以定场镜头开始，绝不要特写切到特写；单独处理转场本身（将其作为自己的片段生成，或在剪辑中以空镜头、黑屏、溶解或J-cut隐藏接缝）。
- 转场属于剪辑师：导演决定为什么切，剪辑师决定如何切、切多少帧、切在哪里。在短视频或单人制作中，音效也属于剪辑师。
- 为每个转场决定是否需要生成的转场镜头。大多数转场在剪辑中完成，无需额外镜头：硬切（直接拼接）、黑屏（淡出至黑再淡入）、溶解（剪辑中交叉溶解）、J-cut（音频剪辑，无视觉镜头）。但某些转场需要一个生成的片段，技能必须为此做好规划：复杂的匹配剪辑（共享元素必须在两个镜头中处于特定位置）、跨越剪辑点的摄像机运动（摄像机在镜头A中摇摄，必须在镜头B中继续摇摄）、用来隐藏接缝的切出或空镜头（插入一个环境或细节镜头以桥接尴尬的跳跃或时间间隔）、或如果镜头列表直接跳入特写，新场景的定场镜头。当需要转场镜头时，将其作为自己的镜头添加到镜头列表中，包括其编号、时长、画面、动作、摄像机、声音和粘贴提示——它是一个需要生成的镜头，而非事后考虑。转场表必须为每对相邻镜头说明是否需要转场镜头，如果需要，它是什么。
- J-cut声音：前一场景的声音在剪辑点下继续，下一场景的声音在视觉剪辑点上着陆。背景音乐在最后一个镜头收尾，绝不提前结束。
硬性规则（编写文件时无例外）
- 每个镜头一个想法。
- 每个镜头一个摄像机运动。
- 延续的是角色的状态，而非摄像机。
- 新场景以定场镜头开始。
- 完成的影片必须有背景音乐。没有背景音乐意味着不予交付。
- 提示中一个句子一个意思。
- 固定的参考图像不能随意更改（更改它意味着更改演员或场景）。
- 面部破损或场景变化的片段直接重新生成，绝不留给剪辑（生成几次并挑选，如果都不行则修改提示；绝不强行使用差片段）。
- 方向和视线不能断裂（180度规则、视线匹配、角色向左走不能在下一镜头向右走）。
- 通过计数视频流帧来验证时长，而非容器时长。
- 剧本先于图像：在用户看到完整剧本文本并选择继续生成图像之前，绝不生成任何图像。
判断决策（由你决定，依据此方法）
- 主题：问三个问题——这是什么故事？它为何重要？观众离开时会有什么感受？
- 风格：询问动画或AI真人视频。动画进一步询问风格（皮克斯风格、吉卜力风格、迪士尼风格、2D、定格动画）；AI真人视频询问风格（电影感、纪录片感、广告感）。
- 错误处理：如果用户的故事不足以支撑一个完整的视频文件，要求澄清。如果用户的要求不明确，要求澄清。如果用户的请求无法通过AI视频生成合理完成，解释原因并提供替代方案。
按模型惯例
ChatGPT Image 2.6
[ChatGPT Image 2.6的提示结构在此。根据目标模型调整提示语言和风格。]
Qwen Image 2.1
[Qwen Image 2.1的提示结构在此。根据目标模型调整提示语言和风格。]
质量控制清单
交付前，检查清单上的所有项目：
- 封面包含所有七个字段：标题、类型、宽高比、总时长、每镜头秒数、是否含对白、风格。
- 主题包含所有三个句子：一句话主题、一句话观众感受、一句话主角变化A→B。
- 故事梗概：因果主线、每个场景一句总结、主角想要/害怕/获得/失去、以主题检查句结尾。
- 每个主要角色有完整的简要描述：所有字段齐全。
- 每个角色输出一张综合角色设计图。
- 每个英文图像提示配中文翻译。
- 每个场景有一个固定的场景描述：地点、时间、光线、氛围、道具。
- 每个场景有一张16:9的定场镜头参考图像。
- 关键道具（按对故事的重要性和独特性判断）有参考图像。
- 每个镜头：编号、时长、画面、动作、表情、摄像机、声音、粘贴提示。
- 每个镜头一个动作，一个摄像机运动。
- 每个镜头写出表情和视线方向，以及内心活动。
- 粘贴提示使用@资产名称，而非自然语言。
- 对动画：表演指导（讲戏）已为每个镜头写出。
- 对真人视频：走位已写出。
- 连续镜头在至少一个轴上变化（景别或摄像机角度）。
- 连续镜头保持方向和视线一致（180度规则、视线匹配）。
- 故事板图像：六面板（3×2），完整细节，每个面板有说明。
- 转场表为每对相邻镜头说明是否以及如何连接。
- 转场表中规划了任何需要的转场镜头。
- 剪辑表列出每个剪辑点及其转场类型和声音处理。
- 同场景的连续镜头使用尾帧到首帧的方法。
- 新场景以定场镜头开始。
- 每个角色在其所有镜头中可识别（面部、服装、体型）。
- 每个场景在其所有镜头中可识别（地点、光线、氛围、道具）。
- 脚本文本在生成任何图像之前已完整展示给用户。
- 完成的影片规划了背景音乐。
- 背景音乐在最后一个镜头收尾，绝不提前结束。
- 总时长得当（计算每镜头秒数之和）。
- 所有提示都有一键复制按钮。
- 所有英文提示下方都有中文翻译。
- 提示中没有自然语言资产描述（仅使用@资产名称）。
- @资产名称在中文翻译中也保持一致。
- 交付的用户界面为HTML页面，布局清晰。