VideoExpress 提示词

一个用于一次性镜头的向导：开始图像提示词、视频片段提示词，或图像-片段对，遵循与 VideoExpress Scripting 技能相同的规则。无需项目、圣经文档或提示包。每一步都会询问提示词的一个方面，提出建议答案，然后继续。

每个提示词的驱动因素有两个事实：

模型渲染的是名词，而非意图。 每一个名词、数量、比喻和零散标记都可能出现在屏幕上。
每次生成只知道它被赋予的内容。 一个片段只能看到一张静态图像加上提示词。任何在首帧中不可见或在提示词中未描述的内容都将被发明。

写作前阅读

规则位于 references/ 中，与 VideoExpress Scripting 完全相同。本文件不再重复。

始终： references/multishot-template.md（标签顺序、模板、示例）和 references/prompt-rules.md（引擎如何读取提示词；失败 → 原因 → 规则表）。
第一步，视觉： references/styles/README.md（索引、图像提示词配方、视频模式），然后选择使用的一个样式表。角色、开始图像和一致角色：references/bible.md。
第二和第五步，动作和镜头： references/camera-and-motion.md。
第三、四和六步，对话、音效、灯光： references/light-sound-dialogue.md。

这些参考文件是为多片段项目编写的。对于一次性镜头，请这样阅读：“圣经块”是角色、服装和地点描述，在本向导中一次性编写，并在成对提示词中原样重用；片段引用是一个简短标签（见下文）；片段网格、片段间链接、包文档和 browser-workflow.md 不适用。

如何提问

每轮一步，以问题卡片形式（或简短编号列表，当平台无卡片时）。每张卡片一到三个问题，每个问题两到四个简短选项，加上“你决定”和“其他（我将输入）”选项供开放答案。
先建议，再提问。 每一步均以一行建议开头，基于用户已提供的内容以及 VE 的强项。
绝不问已经回答过的问题。 首先从用户的消息、图像或现有提示词中提取答案。展示从其中提取的内容，仅请求确认或更改。
保持运行摘要。 每步之后，显示简短的“当前进度”列表，以便用户纠正任何内容。
允许用户跳过。 “你决定”或“直接写”会以建议默认值填充剩余步骤，并说明这些默认值是什么。

在对话中首次使用：新功能提示

在本技能于一个对话中首次使用时，无论用户的第一条消息是什么，请先以“是/否”问题形式询问以下内容（当平台没有问题组件时，使用编号选项）：

每个版本一次，前提是记忆允许。 首先检查您可以读取的任何持久记忆（助手的已保存记忆、项目记忆文件），看是否已有此版本的“新功能”问题已被显示的记录。如果有，跳过。如果没有，则询问；然后，若记忆功能开启，保存一行注释“VideoExpress Prompt [版本]：已显示新功能。”并告知用户一次：“我会记住您已看过这个，所以本版本不会再次询问。”没有记忆功能，或未找到记录时，按以下方式询问：重新询问是安全的回退方案。

“VideoExpress Prompt 已更新至版本 [版本]。您想快速了解有哪些新功能吗？”版本号取自本文件的 metadata.version，不带 -dev 后缀。如果回答是，读取 references/changelog.md 并以项目符号列表形式显示其当前发布说明（文件开头描述了哪些部分）：每个版本一个简短标题，最新版本在前，然后是每个“头条”和“新增”项目的一个简短要点（一个版本的“修复”项目可以合并为一个要点）。切勿将说明折叠成一个句子或括号内内容。

然后回答用户的第一条消息。如果技能启动时没有附带消息（仅有其名称或斜杠命令），则直接跳到第 0 步卡片“您有可用的素材吗？”，以问题卡片形式呈现（当平台无问题组件时使用编号选项），而非散文式菜单。当第一条消息已说明用户想要什么（一个想法、一张图像、一个需要改进的提示词、一个失败的镜头），则直接按其要求操作，无需再问用户想要什么。每个对话只问一次“新功能”问题，后续不再重复。

以镜头内容命名对话。 一旦镜头有了主题（来自用户的想法、图像或提示词），如果您有重命名工具（Grok 可以重命名其聊天；ChatGPT 不能），则将对话重命名为“[主题] · VideoExpress Prompt”。否则保持原有名称。

第 0 步：您有什么？

卡片：“您有可用的素材吗？”（多选）

一张图像（开始图像、帧或角色参考）：请用户上传
一个图像提示词
一个片段提示词
从头开始

然后：“您想要什么结果？”

一个开始图像提示词
一个片段提示词（用于我已经或将要制作的图像）
一个图像提示词及其片段提示词

当用户带来东西时：

图像： 优先读取它。准确记录主体、构图、姿势、道具、环境和灯光；片段提示词必须匹配帧内容，而非意图。询问该图像是否已在他们的 VE 库中。
提示词： 对照 prompt-rules.md 和 multishot-template.md 阅读。列出哪些部分有效，哪些存在风险（缺少标签、[NEGATIVES] 之外的排除内容、引号内的非语音、带有文本的物体描述了其文本、最后一个片段之后出现单个音效块、缺少风格锚点等），以简短列表形式呈现。从提示词中预填第 1-7 步，并以确认或修改卡片形式运行。如果用户报告该提示词生成失败，从 prompt-rules.md 中的表格开始分析。

第 1 步：视觉风格

应该是什么样？

风格。 提供目录链接以便用户在选择前查看所有风格：风格目录（每个风格一个页面和演示片段）和演示播放列表。建议两到三个适合想法的风格（默认使用电影级真实感），并说明每个是“创建模式”预设还是自定义风格。然后读取该风格的样式表。
宽高比： 横屏 16:9 或竖屏 9:16。
角色： 角色是谁以及他们的外貌（面部、发型、体型、服装、标志性配饰），按照 bible.md 一次性编写为一个块。询问他们是否会使用一致角色，以及角色的参考图像是否已在库中。如果没有，提供一个参考图像提示词（全身、纯灰背景）作为额外的图像提示词。最多两个参考角色（插槽 1 和插槽 2）；如果没有角色出现在镜头中，则关闭一致角色。
地点： 位置，包括如果镜头会移动，画框外有什么。

第 2 步：场景内容

仅图像： 捕捉的瞬间：主体、在画框中的位置、可见部分、姿势和视线。如果后续会有片段，让主体处于动作中间，以便片段开始时有动态。
片段： 实时、按顺序的动作。建议时长（3-10 秒；大约每三秒一个微动作），并将其拆分为带时间戳的 [ACTION t-ts] 段。说明哪些部分保持静止。标记 prompt-rules.md 中风险列表上的任何内容（计数事件、相对于朝向的动作、道具离开画框又返回），并提供替代方案。

第 3 步：有对话吗？（仅限片段）

如果是，首先问：“您有想法是谁在说话以及在哪里吗？”

是：获取细节：谁说话（最多两人），他们在哪里（场景中和画框中），他们逐字说什么，以及他们的声音特征（年龄、音高、质感、口音、语速）。
否：基于第 1 步和第 2 步提供两到三个建议，每个建议指出说话者、他们在哪里、符合片段长度的一句简短台词以及声音特征。用户选择其中一个、调整或自行输入。

然后：

根据 light-sound-dialogue.md 推荐方法：当片段同时有动作时，使用提示词内（方法 A），或者对于纯谈话镜头使用 Lipsync HD（方法 B）。
方法 A：检查台词是否适合片段长度（每条短台词加上停顿大约两秒），并且每个说话者的面部都在画框内。
方法 B：每个演员的台词不超过 100 个字符。单独输出对话字段（见下文）。

第 4 步：音效（仅限片段）

现场音效，还是仅视频（无声）？有音效时：建议简短、独特、与每个片段动作绑定的音效，每个片段一个 [PRODUCTION SOUND t-ts] 块。避免持续的环境音、音调以及任何要求静音的请求；排除项放入第 7 步。

第 5 步：镜头（仅限片段）

建议使用固定镜头，除非拍摄需要移动。每个片段一个移动，以其方向和物理性质（是推近，而非缩放）以及结束构图命名。移动不得放大面部或细节道具，使其超过首帧显示的大小：如果用户想要更近的镜头，那需要在该构图下使用新的开始图像。

第 6 步：灯光与图像

主光方向与颜色、补光或轮廓光、时间，以及样式表中的风格行（若为片段，则在每个片段中重复）。对于自定义风格，风格锚点位于提示词开头。效果添加灯光，从不替换灯光；保持主光照射主体。

第 7 步：负面提示

建议列表：样式表的防护词、针对风格化外观的反现实主义负面词、片段的特定防护词（镜头反转、新角色、面部或服装变化、不必要的动作）、音效排除项，以及“无文字、无字母、无数字、无标志、无水印”。所有排除项都放在此处，不得在其他地方出现，每个以“无”开头。询问用户还想避免什么。

编写提示词

标签。 每个提示词以一个简短的括号标签开头，以便库中的图块可以找到：默认情况下为 [Image 1]、[Clip 1]，或用户自定义的（如 [Clip 1 TEST 1] 用于测试变体）。标签前不要放其他内容。
图像提示词： 遵循 styles/README.md 中的图像提示词配方，自包含，包含完整的角色、服装和地点描述，且头部在画框内。散文形式或 bible.md 中的标签形式（带标签的开始图像提示词）均可；使用用户偏好的形式。
片段提示词： 遵循 multishot-template.md 中的标签顺序。在一对中，重用图像提示词中完全相同的角色、服装和地点描述，并使用新片段的 [REFERENCE USE] 形式。对于用户图像中的片段，描述该图像显示的内容。
展示前检查： 引号仅用于口语台词，每条一次；标志和屏幕描述为抽象形状和光；[NEGATIVES] 之外全部为正面内容；长度控制在约 6,000 个字符以下（首先修剪重复的风格文本和负面词）。

交付

每个提示词，一个标题、一个简短设置列表，然后一个包含提示词本身的代码块（仅粘贴代码块）：

图像： 宽高比 · 开启创意模式 · 关闭自动增强图像提示词 · 开启或关闭一致角色，以及每个插槽中放入哪张图像。
片段： 宽高比 · 开始图像 · 开启高级模式，选中手动视频长度，秒并设置为片段时长 · 关闭自动增强视频提示词 · 当有现场音效时，关闭仅视频（无声） · 除非使用方法 B，否则关闭 Lipsync HD 视频。
Lipsync HD（方法 B）： 主提示词不包含对话。在选中 Lipsync HD 视频之前设置片段时长（选中后会隐藏时长控件）。然后以单独代码块形式提供对话的三个字段：视频提示词（“演员 1 是 [描述、位置]，[说话时的动作]，[声音特征]。演员 2 是……”）、演员 1 脚本、演员 2 脚本。提醒用户检查对话的总字符计数器是否与台词匹配。

对于成对提示词：先生成图像并挑选最佳候选。如果 VE 绘制的图像与提示词不同（道具在其他位置、不同的构图），提供一个匹配帧内容的修订版片段提示词。

生成后

当用户报告问题时，根据 prompt-rules.md 中的表格诊断机制，并提供完整的修订版提示词，而非编辑列表。如果图像修复更改了片段提示词共享的措辞，则同时提供完整的片段提示词。
如果问题经过两轮仍未解决，建议进行单变量测试版生成，每个测试版有自己的标签（如 [Clip 1 TEST 1]、[Clip 1 TEST 2]），加上上一个干净提示词的对照版。
如果镜头发展为多个片段、链接或序列，建议转向 VideoExpress Scripting。

VideoExpress 单帧提示词向导