古典詩詞絲綢短片製作

古典詩詞絲綢短片

從完整詩詞產出最終的 9:16 詩詞影片。保持視覺系列的一致性，但不要將每個場景都強行塞入同一個仿古絲綢模板。讓每個場景只表達其指定的詩句，保留每個生成片段原有的環境音效，並在聊天中直接顯示最終的 MP4 檔案。

在首次於機器上執行前，請先閱讀 runtime-contract.md 並執行 check_prerequisites.sh。嚴禁列印、複製或提交驗證 Cookie、API 金鑰、瀏覽器設定檔或產生的帳號資料。

工作流程

1. 讀取完整詩詞，識別標題、詩人、時代、地點、季節、時間、明確意象、動作與情感曲線。
2. 分組場景：
   • 四行或以下：預設每行一個場景。
   • 超過四行：預設每兩行一個場景。
   • 若使用者有明確的分組要求，則以此為優先，忽略預設值。
3. 建立簡潔的場景清單，包含文字意象、主要動作、深度層次、情感功能，以及禁止在其他場景重複使用的元素。
4. 定義一個統一的系列風格手冊。閱讀 style-and-scene-mapping.md。保持系列的中國視覺基因、歷史時期、文字排版區域與畫質一致，同時為每個場景選擇由詩詞驅動的子風格、媒材、色調與深度模式。
5. 使用內建的 image_gen 工具為每個場景生成一張無文字的 9:16 初始幀。在畫面右側保留乾淨的負空間以放置文字。將所有接受的圖像儲存至當前專案。
6. 透過 gemini-flow-suite Docker 容器將每張圖像動畫化，無需開啟或操控主機瀏覽器。使用 docker_gemini_i2v.sh 與場景專屬的動作提示。要求自然的環境音效，且不得包含口白。若執行環境缺失，請遵循 runtime-contract.md；絕不能透過暴露憑證或驅動使用者瀏覽器來臨時應變。
7. 在片段生成的早期、中期與後期檢查每個片段。拒絕嚴重的構圖變形、重複出現的動物、新建築物、風格偏移或畫面重置。
8. 使用 clean_star_watermark.sh 僅移除白色 Gemini 星星/鑽石浮水印。保留傳統紅色印章或其他有意的繪畫內容，除非使用者明確要求移除。
9. 使用 make_scene_ass.py 建立垂直雙欄書法 ASS 字幕檔。字型使用「Ma Shan Zheng」；第一行置於右欄，第二行置於左欄。逐字顯現，並在顯示欄位中省略標點符號。
10. 使用 render_scene.sh 燒錄字幕並保留 AI 片段的原始音訊。不得取代或捨棄原始音源。
11. 合併已渲染的場景。若相鄰場景應自然淡出淡入，使用 concat_poem_crossfade.sh；若需要明確的硬切，則使用 concat_poem.sh。圖片與保留的環境音效均需交叉淡出淡入，同時讓背景音樂保持連續且音量低沉；絕不可在每個場景切換時重新啟動背景音樂。
12. 對最終編碼檔案執行 final_media_qa.sh。驗證解析度 1080x1920、30 fps、H.264/AAC、預期時長、雙音源正確、字幕安全、無白色星星浮水印、保留紅色印章、轉場中點自然、無黑幀或損壞的結尾幀。對可疑幀以全解析度檢查後再交付。

圖像與動作規則

• 靜態幀使用內建的 image_gen 工具生成。不得使用 Gemini/Flow 進行圖像生成。
• 現有風格參考僅作為媒材/做舊參考；不得複製其精確構圖或主體。
• 每個場景僅使用一個主要事件。不要在第一個場景中呈現整首詩詞。
• 透過中國視覺語言、歷史時期、重複出現的主題、文字排版區域與細節品質來保持系列連貫性。當詩詞變換意象或情感功能時，需刻意變化子風格、媒材、主色調、色溫與深度模式。
• 避免在每個場景中重複使用相同的左側重主體、右側留空版式、羊皮紙色調、樹木輪廓與地平線高度。在保留文字安全區域的前提下，變化視覺骨架。
• 透過可見的因果關係來「翻譯」聲音：張開的鳥喙、漣漪、彎曲的蘆葦、拍動的翅膀或警覺的姿態。
• 預設鎖定鏡頭。動作必須來自畫面中既有的原因：飄動的霧氣密度、擴張的水波漣漪、附著葉片的擺動、小型且構圖合理的鳥或馬的動作，以及布料隨風飄動。除非使用者明確要求，否則不得使用鏡頭移動。
• 優先採用錨定的局部動作，避免長距離跨幀移動。建築物、樹幹、海岸線、主體軀幹、文字負空間與紅色印章均視為靜態錨點，不可重繪。
• 禁止在未指定給該場景的情況下，新增人物、建築物、船隻、鳥類、花朵、文字、印章或地標。
• 保留模型生成的音訊。測量雙音源後，將背景音樂音量大致設定在保留環境音效下方 6–10 dB；8%–16% 的線性增益是起始範圍，非固定規則。
• 若使用者明確要求平行全音量輸出，則覆蓋預設的小聲背景模式：保持生成的環境音效現有增益，以 100% 線性增益混合背景音樂，不進行衰減，僅使用最終限制器防止爆音。在場景邊界處不得重新啟動任何音源。

輸出約定

回傳場景分組、儲存的靜態圖片路徑、清理後的片段路徑、最終影片路徑，以及簡短的 QA 備註。使用絕對路徑在聊天中渲染最終 MP4 檔案。僅憑工具呼叫或檔案路徑不得聲稱完成。