文档转视频提示词

解决什么问题

拿到一份产品方案、新闻稿、小说章节或教学材料，真正卡手的往往不是“让 AI 生成视频”，而是把文档内容改写成模型听得懂的分镜提示词：哪一段该切镜头、每个镜头几秒、主体和背景怎么描述、不同平台的格式差异怎么对齐。本技能处理的是 文档 → 可视化场景拆解 → 分批次提示词 这条转化链。

核心能力

• 多入口输入：PDF / Word 经 parse_file 解析，TXT / MD 用 read_file 读取，也可粘贴文本或用 fetch_web 抓取链接内容。
• 视频化分析：先产出核心主题、目标受众与调性、关键场景（场景名称 / 原文依据 / 画面构想 / 情绪氛围 / 预估时长）和叙事顺序；短文档可跳过，长文档仍先聚焦视觉表现力。
• 按 ≤11 秒分批：静态画面约 3-5 秒，单一动作 5-8 秒，复杂场景 8-11 秒；完整动作尽量不拆碎，相邻段落保持角色、色调和风格一致，通常生成 5-15 段并按「第 n 段/共 m 段」编号。
• 四平台适配：按 references/platform_templates.md 分别输出 Sora 英文物理真实感版本，以及 可灵、即梦、豆包 中文版本；每条提示词覆盖画面主体、镜头语言、光影色彩、风格、动态描述和时长标注。

输出与图生视频

每个平台的提示词放在独立代码块中，便于复制。标准输出是文生视频；如果用户已有实拍参考图，技能会追加 可替换场景版本，移除环境、背景和角色外观描述，保留运镜、动作、光影变化和时长，并给出 📷 建议参考图片（角度、构图、光线、主体）。

适用边界

• 纯数据表格、法律条文等缺少视觉场景的文档，更适合先提取关键观点再重试。
• 超过 5000 字的长文档会被精简，只保留核心场景。
• 用户可指定单一平台、风格、段数，或跳过图生视频版本；有参考图时也可直接只生成图生视频版本。
• 参考图与场景不匹配会影响成片，建议严格按每段的照片建议拍摄。