拼貼B-roll說明影片

將約5秒的口白濃縮為一個清晰的視覺想法，再將其轉化為高質感的編輯風格紙拼貼組裝動畫。

預設流程：

僅設計視覺隱喻，然後等待使用者確認
僅生成最終靜止畫面，然後等待使用者確認
自動使用首/末幀參考生成影片並執行品質檢查
可選擇生成配對口白並混合

兩個確認關卡是工作流程的一部分，而非額外開銷。它們讓使用者將注意力集中在美學和方向上，並防止錯誤的隱喻或錯誤的靜止畫面浪費影片生成成本。

執行環境需求

MaxFusion MCP 已連接並通過驗證（https://mcp.maxfusion.ai/mcp）。所有影像、影片和語音生成皆透過此路徑。如果未連接，請在執行任何操作前停止並引導使用者進行連接。
本地檔案存取與 ffmpeg（例如 Claude Code）：影格準備、影片品質檢查、無聲交付以及口白配對需要下載資產並在本地處理。沙盒代理（無法本地下載）仍可執行所有三個關卡並在 MaxFusion widget 中顯示結果，但必須告知使用者影格準備將降級為僅提示文字的色彩比對，且逐影格自我品質檢查、音訊去除以及口白配對已被跳過——使用者應以肉眼判斷片段，並在其編輯器中自行靜音。

強制性的審核協議

關卡 1：隱喻確認

當您收到腳本行時，首先提出視覺隱喻。不要生成任何影像，不要生成任何影片，不要呼叫任何生成工具。

針對每一行，提供：

核心含義
情緒
一句話的視覺提案
3–6 個關鍵物件
建議的背景顏色與局部強調色
預期的組裝順序

然後明確停止並等待使用者回覆「已批准」、「全部批准」或給予個別項目的修改意見。

如果使用者僅批准某些編號項目，只有已批准的項目會進入關卡 2；繼續針對其餘項目迭代隱喻。

關卡 2：靜止畫面確認

僅在隱喻確認後，您才能撰寫視覺規格與影像提示，並使用 maxfusion_generate_image 生成最終靜止畫面。

將原始檔案儲存到專案目錄，建立編號的靜止畫面聯絡表，向使用者顯示每一張靜止畫面（每張影像使用一次 maxfusion_display_generation，加上編號對應），然後再次停止。在此階段您仍然不得生成任何影片。

如果使用者僅批准某些靜止畫面，只有已批准的項目會進入關卡 3；先重新生成被拒絕的靜止畫面並再次確認。

關卡 3：影片生成

一旦靜止畫面確認，立即生成影片。影片模型已鎖定：

video_model: gemini-omni-flash

絕對不使用其他任何影片模型。不要提供模型選擇，不要詢問使用者使用哪個模型，不要在失敗時回退到任何其他模型——套用修復劇本並重新在 gemini-omni-flash 上執行。

成功標準

一行腳本精確表達一個清晰的隱喻
一批專案共享同一種設計語言，但不強制使用單一藍色背景
背景是強烈、平坦、均勻的色域，依含義變化
主體由黑白半色調攝影剪紙構成
關鍵卡片、按鈕、膠捲、規則手冊等可能使用紅色、黃色、青色、橙色、紫色或奶油色的卡紙
每個紙張零件具有清晰的裁切邊緣、奶油色的勾邊線、柔和低透明度的陰影以及紙張紋理
動作為從空畫面組裝——而非輕微漂移、晃動或慢速縮放
無字幕、無完整腳本文字、無標誌、無浮水印、無 UI
預設交付：9:16、5 秒、720p、無聲 MP4（音訊軌道已移除）——或當使用者需要口白時的有聲版本

何時不應使用此技能

需要精確控制圖層、遮擋、鏡頭穿越或可編輯時間軸：請改用圖層動畫工具（例如 HTML 渲染的圖層影片方法）
使用者僅需要影片提示，而非完成片段：只需撰寫提示，跳過此流程
使用者需要真人產品廣告或鏡頭前的主持人：請勿使用此拼貼流程
使用者明確需要每個圖層可編輯的透明資產：此技能不提供分離的透明圖層

預設專案目錄

本地工作資料夾，以使用者的本地日期命名：

~/collage-broll-projects/YYYY-MM-DD-<title>/

批次專案的建議結構：

<project>/
├── brief.md
├── visual-spec.json
├── imagegen-prompts.md
├── omni-jobs.json
├── gate2-qa.md
├── gate3-qa.md
├── still-contact-sheet.jpg
├── omni-contact-sheet-all.jpg
├── video-first-frame-all.jpg
├── end-frame-comparison-all.jpg
├── 01-<concept-name>/
│   ├── omni-prompt.txt
│   ├── voiceover-raw.mp3            (選用口白階段)
│   ├── voiceover-trim.mp3
│   ├── frames/
│   │   ├── last-frame-original.png
│   │   ├── first-frame.png
│   │   └── last-frame.png
│   └── omni/run-v01/
│       ├── final-5s.mp4
│       ├── final-5s-noaudio.mp4
│       ├── final-5s-voiced.mp4      (選用口白階段)
│       ├── contact-sheet.jpg
│       ├── video-last-frame.jpg
│       └── end-frame-comparison.jpg
└── 02-<concept-name>/...

同時透過 maxfusion_create_project 建立一個 MaxFusion 專案（相同名稱），並在批次中的每次生成時將其 ID 傳遞為 project_id / project_group_id，以便所有資產在工作區中保持分組。追蹤每個項目的內容：已確認的隱喻文字、已確認靜止畫面的影像工作 ID + 影像 ID、已上傳的首/末幀 file_id、影片工作 ID + 影片 ID，以及品質檢查判定——並在每個關卡向使用者報告這些 ID，以便任何項目可以被單獨參考或重新執行。

階段 1：設計視覺隱喻

首先將腳本行壓縮為單一的視覺提案。

提取：

核心含義：觀看者最終必須理解的內容
情緒：平靜、驚訝、急迫、頓悟、荒誕、諷刺
動作動詞：打開、連接、漏出、綁定、歸檔、發亮、壓縮、分岔、組裝
視覺隱喻候選：機器、時鐘、膠捲、檔案櫃、主控台、規則書、漏斗、鐵軌、西洋棋棋子

不要將腳本文字逐字放入畫面中。預設每行一個隱喻，限制在 3–6 個關鍵物件；過多元素會稀釋含義並使 Omni 組裝不穩定。

偏好觀看者能從日常生活中識別的隱喻（水壺、雪球、拍照亭）而非抽象隱喻——口白會負責與使用者的實際主題建立連結，因此視覺可以保持大膽而不晦澀。

對於批次項目，偏好能形成前/後敘事的隱喻——例如，先展示手動的辛勞與經驗的流失，然後展示流程化的過程與人機分工。

關卡 1 輸出範例

1. 核心含義：專業知識每次都被從頭開始消耗
   視覺隱喻：一位熟練的剪輯師繞著巨大的膠捲時鐘逐幀剪輯；時鐘完成一整圈旋轉，卻只產出一小段完成的膠捲
   關鍵物件：膠捲時鐘、剪輯師人物、剪刀、短輸出條
   顏色：焦橙色色域、奶油色與淺青色強調
   組裝順序：時鐘 → 人物搭配剪刀 → 膠捲 → 最終短輸出

輸出此內容並停止；等待確認。

階段 2：生成彩色拼貼靜止畫面

隱喻確認後，首先撰寫一個自足的 visual-spec.json，然後是影像提示。

視覺規格

{
  "script_meaning": "",
  "visual_metaphor": "",
  "style_signature": "平坦大膽色域，混合黑白半色調剪紙與彩色卡紙強調，清晰的裁切邊緣，奶油色勾邊線，柔和的紙張陰影，編輯風格紙拼貼",
  "aspect_ratio": "9:16",
  "color_field": {
    "background_hex": "",
    "accent_colors": [],
    "paper_grain": "細緻無塗層紙纖維"
  },
  "elements": [
    {
      "what": "",
      "role": "",
      "motion": "",
      "placement": ""
    }
  ],
  "composition": {
    "layout": "",
    "negative_space": "",
    "final_frame": ""
  },
  "motion_plan": "結構優先，其次主體或卡片，再次連接，最後動作與結果",
  "avoid": "排版文字、可讀字母、數字、標誌、浮水印、UI、字幕、光滑3D、寫實環境"
}

顏色規則

不要將鈷藍色視為唯一預設。從含義中挑選強烈的色域，在整個批次中保持「相同設計語言，不同色域顏色」：

焦橙色/紅色：時間消耗、勞動、急迫
芥末黃：工具、警告、經驗流失
墨綠色：認知、品味、系統重置
深紫色：規則、條文化、長期記憶
青色：判斷、協作、自主執行

主體保持以黑白半色調為主，但每個彩色卡紙強調必須服務於資訊層級——絕不為了顏色而顏色。

影像提示範本

使用 maxfusion_generate_image 生成（預設模型，aspect_ratio: "9_16"，quality: "high"）：

Use case: ads-marketing
Asset type: final still frame for a 9:16 image-to-video B-roll clip
Primary request: Create a finished editorial paper-collage image expressing [one-sentence visual proposition].
Scene/backdrop: perfectly flat [color name] paper field [hex] with subtle uncoated paper fiber.
Style/medium: premium editorial stop-motion paper collage; black-and-white halftone photographic cut-outs mixed with selective [accent colors] colored cardstock.
Composition/framing: vertical 9:16 locked poster frame; central subject within the middle 70 percent; generous clean color-field negative space; 3–6 large separable paper groups for later assemble-from-empty animation.
Materials/textures: visible printed halftone dots, crisp machine-cut edges, thin warm-cream paper keylines, soft low-opacity physical drop shadows.
Constraints: [the one relationship this metaphor must communicate at a glance].
Avoid: no typography, no readable letters, no numerals, no logos, no watermark, no UI, no subtitles, no glossy 3D, no photoreal environment, no clutter.

如果場景包含任何轉盤、鐘面、儀表或計數器，請新增明確的限制，要求上面的每個標記都是普通的刻度線——絕不能用羅馬數字或數字。如果場景包含睡覺的人物，明確禁止「Zzz」標記。影片模型喜歡偷偷加入這些。

使用 maxfusion_get_job (wait: 60) 輪詢工作；將每張靜止畫面從其資產 URL 下載到 <item>/frames/last-frame-original.png，並記錄影像工作 ID + 影像 ID。

靜止畫面品質檢查

隱喻是否一目了然
主體是否集中
是否有假文字、標誌、浮水印或 UI
是否留有足夠的純色域以從空白畫面組裝
是否有 3–6 個清晰的大群組，而非螢幕上的五彩碎紙
在整個批次中：統一的紋理，多變的色域顏色

將通過的原始檔案複製到專案目錄，建立編號的靜止畫面聯絡表，向使用者顯示（加上每張影像的 maxfusion_display_generation），然後為關卡 2 確認而停止。將靜止畫面品質檢查判決寫入 <project>/gate2-qa.md。

如果使用者要求重新生成某些靜止畫面，僅重新生成那些並產生 still-contact-sheet-v2.jpg（v3、v4……視後續輪次而定），保留舊的聯絡表以供比較——絕不覆蓋它們，也絕不在下游重複使用被拒絕的靜止畫面。

階段 3：使用 Omni 生成影片

1. 準備首幀和末幀

保留影像生成原始檔，然後正規化末幀：

ffmpeg -y -i <item>/frames/last-frame-original.png \
  -vf "scale=1080:1920:force_original_aspect_ratio=increase,crop=1080:1920" \
  <item>/frames/last-frame.png

首幀默認為與末幀相同背景顏色的純空白色域：

ffmpeg -y -f lavfi -i color=c=0x<HEX>:s=1080x1920 \
  -frames:v 1 <item>/frames/first-frame.png

（<HEX> 是視覺規格中的 background_hex——與寫入影像提示中的相同十六進位值，這使得兩個影格保持相同顏色。）

只有在使用者明確要求不要從完全空白的色域開始時，首幀才可以保留一個基礎結構物件。

使用 maxfusion_upload_asset 將兩個影格上傳到 MaxFusion（purpose: "image_reference"，content_type: "image/png"，精確的 size_bytes，filename）：該工具會返回一個上傳工作階段 — 將一個多部分表單 POST 到 upload.url，並使用 upload.fields 中給出的每個鍵/值（完全按照給定），加上檔案位元組作為名為 file 的最終部分（任何 2xx 狀態碼即為成功），然後使用返回的每個 file_id。記錄每個項目的兩個 file_id。

2. 撰寫 Omni 動畫提示

預設動作順序：

基礎結構 → 人物或關鍵卡片 → 連接器 → 動作 → 最終結果

提示範本（每個項目儲存為 <item>/omni-prompt.txt）：

Paper-collage stop-motion assembly, using Image 1 as the exact empty first frame and Image 2 as the exact completed last frame. In one continuous locked-off vertical shot, open on the empty flat [color] paper field.

Assemble the scene piece by piece with crisp physical stop-motion timing: [describe, in order, how the 3–6 elements slide in, snap into place, connect, and complete the action]. End by holding the supplied completed composition.

Preserve the exact 9:16 framing, [hex] color field, colored cardstock accents, uncoated paper grain, halftone dots, cream keylines, crisp cut edges and soft shadows. Restrained tactile 2D paper craft only.

No scene cuts, no camera movement, no zoom, no morphing, no new objects, no text, no letters, no numbers, no logos, no watermark, no UI, no sound.

每個提示必須說明 Image 1 是空的起始影格，Image 2 是已確認的完成末格。最終構圖必須落在 Image 2 上——不要讓模型重新設計最 …

[僅供翻譯，此處截斷]

拼貼B-roll說明影片技能