音樂美學 MV
目的
當使用者想要創作、修改、審查或生成音樂影片提示詞,或情感短片的提示詞,且需要同時設計音樂、歌詞、排版、參考素材、節奏、表演與鏡頭語言時,請使用此技能。此工作流程將MV提示規則適應到Hub執行:確認關鍵創意決策,將鎖定的提示寫入畫布文字節點,並將媒體創作委派給Hub代理。
請勿將其用於一般字幕燒錄、通用影片剪輯、非音樂產品廣告,或沒有MV結構的簡單單張圖片/單一剪輯請求。
Hub 相容性規則
- 請勿假設第三方工具、shell 腳本、瀏覽器外掛或外部生成 API。
- 將鎖定的提示與修改寫入 Hub 畫布文字節點。
- 將角色卡、場景卡、排版卡、影片剪輯、BGM 與最終組裝委派給 Hub 的圖像、影片、音樂與剪輯代理。
- 請勿硬編碼輸出路徑,始終使用 Hub 回傳的路徑。
- 如果使用者說「跳過確認 / 直接執行」,僅對當前運行套用此規則,除非外部編排器具有活躍的會話授權。
- 如果使用者只需要提示詞,傳遞後即停止。如果使用者想要完成的 MV,則在確認後繼續生成與組裝。
核心原則
- 在選擇結構之前先理解作品。模板有助於組織,但不是強制形式。
- 使用最新確認的創意意圖。
- 省略不相關的欄位,而不是填入佔位符。
- 不要因為預設包含就機械式地加入表演、排版、轉場、鏡頭運動或角色動作。
- 螢幕文字是經過設計的視覺圖層,不是一般字幕,除非使用者明確要求字幕。
- 如果使用者上傳真實歌曲或節拍,除非他們要求更換,否則它就是主要音樂基底。
- 超過15秒影片的自然多鏡頭拼接:當時長超過模型單次生成限制時,使用「多鏡頭故事板分解 + 頭/尾畫面延續 + 節奏硬切 + 全域主音軌對齊」。每個片段必須保留相同的律動、節奏感、畫面比例、角色邏輯、視覺預設、燈光語言與排版動態規則。
- 如果使用者想要完成的音樂美學 MV 但沒有歌詞,請先生成並鎖定原創歌詞。最終 MV 必須同時引用角色卡、排版包裝卡與場景卡。排版包裝卡僅控制文字包裝風格、字體紋理、圖形設計、佈局比例與動態語言。
步驟 1:預檢鎖定
在撰寫最終生產提示詞之前,使用精簡的建議選項確認最低基礎。
1.1 影片格式
提供固定選項:
| 使用情境 | 長寬比 | 解析度 |
|---|---|---|
| TikTok / Reels / Shorts 直式 | 9:16 | 1080×1920 |
| YouTube / Bilibili 橫式 | 16:9 | 1920×1080 |
| 動態消息正方形 | 1:1 | 1080×1080 |
| 密集直式廣告測試 | 9:16 | 720×1280 |
| 電影寬螢幕 MV | 21:9 | 2560×1080 |
所選比例必須在角色卡、場景卡、排版參考、鏡頭提示、影片剪輯與最終組裝中重複使用。
1.2 目標時長與多鏡頭結構
在提示詞撰寫或影片生成之前,確認目標 MV 時長。切勿將模型預設值視為使用者意圖。
提供一個精簡的時長卡:
- 10 秒測試:一到兩個鏡頭,用於驗證角色、場景、排版與音訊風格。
- 15 秒鉤子:2–4 個短鏡頭,用於更完整的副歌/鉤子/表演樂句。
- 30 秒或更長的完整 MV(多鏡頭拼接):由於許多模型有 15 秒的單次生成上限,自動使用多鏡頭拼接工作流程。首先生成或鎖定一首連續的歌曲/BGM,將 30 秒拆分為 4–8 個動態的 2–5 秒鏡頭,然後透過節奏同步與頭/尾畫面連續性進行拼接。
- 自訂時長:使用者提供時長;根據所選模型的單一剪輯限制規劃鏡頭數量與拼接方式。
如果已上傳音樂,確認的時長即為音樂區間長度。
1.3 音樂區間
如果上傳或指定的音樂長於確認的時長,請在撰寫提示詞前鎖定一個段落:
- 推薦區間:助理辨識最強烈的副歌/鉤子/情緒轉折點,並請求確認。
- 使用者時間戳記:使用者提供開始與結束秒數;確認兩者皆在音訊範圍內。
- 多變體:僅用於廣告鉤子測試或多個創意方向。
如果音樂短於目標時長,除非使用者明確要求拉長或擴展,否則使用完整音訊。
1.3.0 歌詞鎖定與歌詞優先回退
在最終影片提示詞或生成之前,確定歌詞所有權:
- 如果使用者提供歌詞,這些即為鎖定的歌詞。除非明確要求,否則請勿生成、添加、重寫、擴展、翻譯、改寫或替換。
- 如果使用者想要完成的音樂美學 MV 但沒有歌詞,請生成與音樂風格、演唱模式、時長、情緒與視覺預設相符的簡短原創歌詞,然後鎖定。
- 鎖定的歌詞是饒舌/演唱表演與可見排版的唯一來源文字。
- 將鎖定的歌詞拆分到每個鏡頭的
Rap line:、Vocal line:、Soft vocal line:或Spoken line:。 - 每個
Typography:欄位必須來自相同的鎖定歌詞。在演唱表演期間,可見文字必須與表演的樂句逐字相符。 - 在最終的排版 MV 中,表演者必須饒舌或演唱鎖定的歌詞,並有可見的嘴唇形狀、下巴動作、呼吸、臉部表情、點頭與手勢動作跟隨樂句與節奏。
1.3.1 超過15秒影片的預設多鏡頭拼接
對於超過 15 秒的 MV(例如 30 秒),全域多鏡頭提示腳本是權威來源:
- 鎖定完整主音軌:鎖定一首連續的歌曲/BGM 曲目,包含完整人聲與律動,作為唯一的音訊基準。
- 建立鏡頭清單時間軸:將 30 秒拆分為 4–8 個 2–5 秒的短鏡頭,精確對應歌詞時間戳記與節拍,例如小鼓、808 與 Drop。
- 頭/尾畫面與場景連續性:如果鏡頭 B 延續相同場景,使用鏡頭 A 的尾畫面作為鏡頭 B 的頭畫面。如果是硬切,保留相同的角色卡、服裝、燈光提示,並使用相同方向的鏡頭運動或匹配剪輯視覺元素。
- 生成與剪輯組裝:影片代理從鏡頭清單生成每個鏡頭。剪輯代理將所有剪輯對齊到全域主音軌的節拍網格,進行修剪、速度調節與拼接,以實現自然的嘴型同步、節奏同步與轉場。
步驟 2:創意合約
在最終提示詞之前,建立一個簡潔的創意合約:
- 音樂類型、樂器編制、節奏/BPM 感覺、演唱模式與情緒溫度。
- 歌詞來源與鎖定歌詞。
- 目標時長與多鏡頭分解,例如 30 秒拆分為 6 個短鏡頭。
- 參考圖像角色:角色卡、場景卡、排版包裝卡。
- 鏡頭語言、鏡頭尺寸、焦點、節奏剪輯密度與轉場邏輯。
- 排除項目,例如無淡入淡出、無光滑的 AI 美顏臉部、無導致變形的單一鏡頭過度拉伸。
步驟 3:參考角色與場景取樣
為每個參考圖像分配一個狹窄的工作:
- 排版參考卡:僅控制文字包裝風格、字體紋理、圖形設計、佈局比例與動態語言。它不得貢獻人物或場景。
- 角色參考卡:控制角色身份、臉部氛圍、髮型、服裝輪廓、比例、姿勢與存在感。
- 場景參考卡:控制場景風格、空間氛圍、影像紋理、背景深度與燈光情緒。
3.1 特寫場景切換與多鏡頭取樣
對於 Trap、Dark-pop、Cyber-grunge 等快節奏 MV,在多個特寫空間之間快速切換:
- 保持場景情緒統一,但每個鏡頭的空間必須有明確差異,例如局部背景、隧道、牆面、燈條或反光地板。
- 場景切換必須由音樂衝擊觸發:低音重擊、808 Drop、小鼓、人聲強調或排版重擊。
- 鏡頭切換是陷阱節拍上的「視覺取樣」:硬切、跳接、掃描故障切、閃切或動作匹配剪輯。
步驟 4:預設文法,Dark-pop / Cyber-grunge 與 Trap 範例
視覺與剪輯語言
- 寫實的高級時裝紋理與電影雜誌紋理,參考 90 年代末/2000 年代初的獨立雜誌、影印紙、底片掃描與 Zine 拼貼。
- 厚重顆粒感、輕微底片抖動、半色調網點、粗糙印刷邊緣、掃描偏移。
- 剪輯必須僅使用硬切。無淡入淡出、溶解或柔和轉場。
- 圖像與排版強烈回應節拍提示:Hi-hat 滾奏產生微震動/跳幀,小鼓觸發放大/硬切/肩膀下沉,808 低音重擊產生低頻壓縮/拉伸/偏移。
排版包裝規則
- 排版是空間中的動態圖形主體,而非字幕條。它可以位於前景、中景、背景,或被肩膀/手部遮擋。
- 文字絕不能遮蓋眼睛或主要面部表情;在關鍵嘴型同步期間避免遮蓋嘴巴。
- 有人聲時,可見文字必須與表演的歌詞完全一致。每個鏡頭只有一個主要排版事件。
步驟 5:提示結構模板
多鏡頭腳本必須按鏡頭模組化,具有準確的時長與音訊對應:
[全域美學與角色鎖定]:(全域角色與美學錨點提示)
鏡頭 1 (0.0s - 3.5s)
Vocal Line: "..."
Typography: "..."
Visual & Action: ...
Camera & Motion: ...
Transition Out: 對低音重擊硬切至鏡頭 2 / 同方向甩鏡
鏡頭 2 (3.5s - 7.0s)
Vocal Line: "..."
Typography: "..."
Visual & Action: ...
Camera & Motion: ...
Transition Out: ...
步驟 6:BGM 連續性與自然多鏡頭拼接系統
6.1 全域音訊連續性
整支 MV 必須繫結到一條主音軌。在分段影片生成期間,請勿使用獨立的、斷開的片段音訊。所有影片剪輯在剪輯組裝期間對應到主音軌上的相應時間戳記。
6.2 自然拼接協定
對於超過 15 秒的拼接,強制執行五個連續性鎖定:
人聲與嘴唇連續性:剪輯點必須落在歌詞停頓、呼吸、小鼓或 Drop 上。請勿在活躍的母音或歌詞中間硬切,除非下一個鏡頭是保持連續嘴型的極端特寫。
節奏與節拍匹配:剪輯點必須落在 1/4 或 1/8 節拍網格上。使用速度調節將點頭、手勢與眨眼對齊到節拍。
美學與調色:每次跨鏡頭生成都攜帶相同的美學標題提示:顆粒感程度、LUT 方向與光線方向。最終組裝使用統一的 35mm 底片顆粒與 LUT 來隱藏批次顏色差異。
轉場與運動連續性:對於長鏡頭的延續,使用前一個鏡頭的尾畫面作為下一個鏡頭的頭畫面,並提示動作的延續。對於硬場景切換,使用動態連續性,例如同方向平移或手部遮擋匹配剪輯。
排版動態拼接:前一個鏡頭中的文字應在低音重擊時碎裂、掃出或撞擊畫面;下一個鏡頭的則在強調點撞入或展開,轉移視覺動量。
步驟 7:檢查清單
在交付前默默驗證:
- 如果目標時長超過 15 秒,是否已自動使用多鏡頭分解?
- 是否已鎖定一個全域主音軌,且剪輯點與節拍對齊?
- 剪輯點是否避免在歌詞中途中斷人聲,並保持自然的嘴唇與呼吸連續性?
- 相鄰鏡頭是否有明確的拼接邏輯,例如頭/尾延續、同方向運動、匹配剪輯或節奏硬切?
- 剪輯風格是否嚴格採用硬切,無淡入淡出或柔和轉場?
- 角色/場景/排版卡是否相互隔離,無交叉污染?
- 排版是否為空間圖層,且從未阻擋眼睛或主要面部表情?
- 圖像品質、顆粒感、顏色與光線是否全域一致?
步驟 8:畫布交付
在完整的 MV 提示腳本鎖定後,將其寫入一個名為 Complete MV Prompt 或 完整MV Prompt 的專用畫布文字節點。該節點必須包含完整的多鏡頭提示腳本與拼接備註。後續修改將更新同一節點。
步驟 9:最終 MV 生成與組裝工作流程
- 提示鎖定與畫布寫入:確認完整的時間戳記、歌詞對應與轉場邏輯的多鏡頭提示腳本已寫入畫布。
- 平行鏡頭生成:影片代理從鏡頭清單生成每個 2–5 秒的鏡頭。對於延續鏡頭,提取前一個鏡頭的尾畫面作為下一個 I2V 的頭畫面。
- 多軌剪輯與拼接:剪輯代理匯入全域主音軌,按時間戳記對齊所有鏡頭影片,在節拍網格上修剪與速度調節,並使用同方向運動或閃切遮罩檢查接縫。
- 後期處理:套用統一的電影 LUT 與 35mm 底片顆粒覆蓋層,以減少 AI 塑膠感並鎖定視覺一致性。
- 交付:輸出無縫的完整 MV 影片檔案。