YouTube Shorts 視覺導演與圖片生成技能

YouTube Shorts 視覺導演與圖片生成技能 是做什麼的？

此技能引導代理使用 Antigravity 原生的 generate_image 功能，為 YouTube Shorts 生成連貫、電影級的 9:16 垂直場景。

---

1. 視覺一致性框架（角色與世界同步）👥🌍

在為一部 Short 生成 5 到 20 張圖片時，避免風格或角色偏移至關重要。如果角色的臉部、服裝或環境在場景間隨機變化，影片的沉浸感就會被破壞。

場景間同步的三大支柱：

1. 角色 DNA 藍圖：

   • 在每個包含該角色的場景中，重複使用完全相同的五部分角色公式： [姓名 + 年齡/性別] + [髮型與髮色] + [臉部特徵] + [確切服裝項目與顏色]
   • 範例："Maya，26 歲女性考古學家，一頭亂糟糟的深色捲髮綁成馬尾，臉上有雀斑，穿著橄欖色亞麻狩獵襯衫，戴著黃銅指南針項鍊"
   • 切勿使用「她看起來」或「那位女士」等通用術語來替代。

2. 世界與燈光錨點：

   • 定義一個共享的環境陳述，並將其前置到所有場景提示中： [設定] + [主要光源與色溫] + [陰影風格] + [氛圍]
   • 範例："地下古埃及砂岩墓穴，溫暖的琥珀色火炬光線投射出深邃、搖曳的陰影，飄浮的金色灰塵顆粒，深鈷藍色背景。"

3. 視覺參考鏈結（ImagePaths 參數） 🔗：

   • Antigravity 的 generate_image 工具原生支援 ImagePaths（將先前圖片作為視覺條件參考傳遞）。
   • 工作流程：
     1. 生成場景 1（確立主要角色和燈光）。
     2. 儲存 scene_1.jpg。
     3. 對於場景 2、3、4...，在呼叫 generate_image 時傳遞 ImagePaths: ["<path_to_scene_1.jpg>"]。
     4. 這會將場景 1 的視覺潛在特徵直接饋送給 Imagen 3，從而將所有後續場景的臉部形狀、服裝顏色和環境色調錨定下來！

---

2. 預先驗證與使用者核准 🛑

關鍵要求（零 Token 浪費）： 在執行任何 generate_image 呼叫之前：

1. 執行預先分鏡驗證器：

   .\backend\venv\Scripts\python.exe backend\scripts\storyboard_validator.py --json "path/to/script.json"
   

   • 必須有 0 個阻斷錯誤（例如，沒有禁止的文字 Token、有效的 9:16 訊號、在 60 秒 Shorts 上限內）。
2. 向使用者展示已驗證的分鏡圖與藝術風格，並附上驗證統計資料。
3. 請求使用者明確核准：

   「故事板已通過所有預先安全檢查（0 個錯誤，預計長度約 X 秒）。您希望我繼續生成這 [N] 張 9:16 圖片，還是想先調整任何場景或風格參數？」

4. 在使用者給予明確確認之前，請勿生成圖片。

---

3. 使用 Antigravity generate_image 生成圖片

對於分鏡中的每個場景（在獲得使用者核准後）：

1. 生成前重複/快取檢查 🛑：

   • 檢查 scene_{X}.jpg 或 scene_{X}.png 是否已存在於目標資料夾 (backend/output/<job_id>/) 中且有效（大於 10 KB）。
   • 如果已存在，則跳過重新生成以防止浪費 Token，除非使用者明確要求重新生成/重擲該特定場景。

2. 合成最終提示（確保不同的攝影機取景）：

   [世界錨點] + [角色錨點] + [場景動作與不同的攝影機角度] + [全域藝術風格模板] + [9:16 垂直構圖]
   

   • 確保攝影機鏡頭（例如廣角 vs 微距 vs 反應）與前一個場景不同，以避免生成視覺上相同的靜止畫面。

3. 呼叫工具： 呼叫 generate_image，並附上：

   • AspectRatio："9:16"
   • ImageName：scene_1、scene_2、scene_3 等（每個場景嚴格唯一）。
   • Prompt：合成的提示。
   • ImagePaths：對於場景 2..N，傳遞 ["<path_to_scene_1.jpg>"] 以進行視覺條件設定。

4. 批次生成： 依序或分組生成場景（每個 Short 最多 20 個）。

---

4. 素材部署至 YTShorts 管線

圖片由 Antigravity 生成後：

1. Antigravity 將生成的圖片儲存在對話工件目錄中： C:\Users\<user>\.gemini\antigravity-ide\brain\<conversation-id>\*.png

2. 將圖片複製或連結到 YTShorts 的輸出/任務目錄： d:\WorkSpace\YTShorts\backend\output\<job_id>\ 後端要求的標準命名方式：

   • scene_1.png
   • scene_2.png
   • scene_3.png
   • ...

3. 與故事板 JSON 配對： 將 script.json 儲存在同一目錄中： d:\WorkSpace\YTShorts\backend\output\<job_id>\script.json

---

5. 觸發影片渲染 🚀

圖片和 script.json 準備好放置在 backend/output/<job_id>/ 後，執行獨立的組合工具：

.\backend\venv\Scripts\python.exe backend\scripts\assemble_short.py --job_dir "backend/output/<job_id>" --voice in_female --caption_style tiktok --music lofi --resolution 1080p --transition dynamic

這個單一指令會自動：

1. 合成高傳真 TTS 旁白（Edge-TTS / KittenTTS）。
2. 透過 Whisper 生成字詞級同步的 ASS 字幕。
3. 一次渲染最終的 1080p/4K .mp4 影片，包含光學轉場 (xfade)、Ken Burns 平移/縮放運動、背景音樂（含音訊閃避）以及字幕嵌入！

---

6. 頻道品牌與社群素材生成 🎨📊

除了 9:16 垂直故事場景外，視覺導演還會使用 Antigravity 原生的 generate_image 工具生成行銷素材：

1. 社群分頁圖片投票（1:1 正方形）：

   • 將角色生成或中心裁切為 1024x1024 的正方形卡片。
   • 將卡片存放在 backend/output/community_poll_assets/ 中（例如 poll_1_character.jpg）。
   • 在新頻道上，圖片投票的觸及率比標準文字貼文高出 3–5 倍。

2. 頻道頭像吉祥物（1:1 正方形）：

   • 生成居中、1024x1024 的 3D 皮克斯風格角色肖像，具有富有表現力的亮澤眼睛，手持一本發光的故事書。
   • 儲存至 backend/output/channel_branding/channel_avatar_1024x1024.jpg。

3. 全景頻道橫幅（16:9 橫向）：

   • 生成頻道重複出現世界的 16:9 全景電影級風景。
   • 使用 Lanczos 濾波器放大至 2560x1440。
   • 儲存至 backend/output/channel_branding/channel_banner_2560x1440.jpg。

4. 零外部 API 強制要求：

   • 始終優先使用 Antigravity 原生的 generate_image 工具。絕不依賴未經驗證的免費外部圖片 API。