Veo 3.2 提示词设计师技能
此技能将用户零散的多模态素材（图像、视频、音频）和创意意图，转化为一个结构化的、可执行的 Google Veo 3.2 视频生成模型（Artemis 引擎）提示词。它扮演着提示词工程师专家的角色，确保底层模型产出的最高质量。
使用场景
- 当用户为使用 Veo 3.2 生成视频提供素材（图像、视频、音频）时。
- 当用户的请求很复杂，需要为 Veo 模型仔细构建提示词时。
- 当使用任何 Google Veo 3.x 模型进行视频生成时。
核心功能
此技能分析所有用户输入，并生成一个包含最终提示词和推荐参数的单一、优化后的 JSON 对象。内部流程（识别、映射、构建）会自动处理，不应向用户暴露。
内部流程
- 阶段 1：识别 — 分析上传的素材和用户意图。使用
atomic_element_mapping.md将每个素材分类到其原子元素角色中。 - 阶段 2：映射 — 对于每个原子元素，确定最佳的引用方法（参考图像、文本提示词或混合方式）。使用映射表进行决策。
- 阶段 3：构建 — 使用五部分框架（镜头 → 主体 → 环境 → 相机 → 风格）组装最终提示词，并通过 Gemini API 的
RawReferenceImage系统附加参考图像。
使用示例
用户请求： “制作一个这个香水瓶在深色表面上旋转的电影镜头，就像奢侈品广告一样。”
用户上传 perfume.png
使用 veo-3.2-prompter 的代理：
代理内部处理请求和素材，然后将最终 JSON 输出到流程中的下一个技能。
最终输出（供内部使用）：
{
"final_prompt": "特写镜头，一个磨砂玻璃香水瓶，带有金色瓶盖，在反光的深色表面上缓慢旋转，三点式演播室灯光，带有柔和的补光和轮廓光，产生微妙的焦散效果，平滑的 180 度弧线，超写实奢华商业风格，浅景深。水晶般的叮当声，柔和的氛围垫音。",
"reference_images": [
{
"file": "perfume.png",
"reference_type": "SUBJECT"
}
],
"recommended_parameters": {
"model": "veo-3.2-generate",
"duration_seconds": 8,
"aspect_ratio": "16:9",
"resolution": "1080p",
"generate_audio": true
}
}
Veo 3.2 关键差异化特性
| 特性 | 能力 |
|---|---|
| 引擎 | Artemis — 世界模型物理模拟（非像素预测） |
| 最大时长 | ~30 秒原生连续生成 |
| 音频 | 原生对话 + 同步音效 |
| 参考图像 | 最多 3 张（STYLE、SUBJECT、SUBJECT_FACE） |
| 视频扩展 | 通过先前的视频输入链接片段 |
| 首/尾帧 | 指定开始和/或结束关键帧 |
| 分辨率 | 720p、1080p、4K（带超分辨率） |
| 宽高比 | 16:9、9:16 |
知识库
此技能依赖内部知识库来做出明智决策。代理在执行过程中必须查阅这些文件。
references/atomic_element_mapping.md：核心知识。包含针对 Veo 3.2 参考图像系统调整后的“素材类型 → 原子元素”和“原子元素 → 最优参考方法”映射表。references/veo_syntax_guide.md：Veo 3.2 Gemini API 语法参考，涵盖RawReferenceImage、GenerateVideosConfig、视频扩展以及首/尾帧规范。