技能介绍

问题背景：从小说文本到视频提示词的断层

当你拿到一段中文小说或网文，想用豆包视频生成模型做可视化时，最大的障碍不是模型本身，而是中间的「翻译」工作。模型不理解「他眼中闪过一丝杀意」这样的文学描写，它需要的是具体的镜头语言：景别、运镜、动作、环境和视觉风格。手动把一段几百字的小说拆成十几个连贯的镜头，并且保证人物外貌描述一致、每个镜头时长在模型的最佳窗口内，是一件极其耗时且容易出错的体力活。

这个技能就是为了填平这个断层。它不负责直接生成视频，而是把小说文本预处理成模型可直接消费的 prompt 结构。

核心能力与工作流

技能的核心逻辑是「场景 → 镜头」的两级拆解，并针对豆包视频模型的输入习惯做了专门优化。

体量自适应处理：粘贴文本后，技能会先判断题材、人称、情绪基调和字数。≤ 800 字 一次性处理；800–3000 字 先输出前 5 个镜头并询问后续策略；> 3000 字 则拒绝单次处理，要求分批，避免单次输出超过 30 个镜头的上限。
场景切分（Scene Segmentation）：基于地点变化、时间跳转、视角切换、情绪突变或情节标记（如 —— 分隔线）将文本划分为 S1, S2, S3... 等独立场景，并用一句话概括每个场景的核心冲突或氛围。
镜头拆解与参数标注：每个场景进一步拆为 1–6 个镜头。拆解优先级依次为动作变化、情绪焦点、对话轮次、关键道具特写和网文节奏点。每个镜头必须填齐编号、时长（2–8s）、景别、运镜、主体、动作、环境、情绪、风格标签以及中英双语 prompt。
人物一致性约束：同一个人物在所有镜头中必须复用同一段外貌描述，这是防止豆包视频生成时人物形象前后漂移的关键。
双风格预设：默认适配「网文短视频」节奏（2–5s 单镜、特写为主、快推/甩镜、高饱和调色）。若用户明确要求「电影感」「写实」或「慢节奏」，则自动切换到「电影写实」配置（4–10s 单镜、中远景为主、固定/慢推、自然色调）。

适用边界与注意事项

仅支持中文文本：纯英文小说或非中文语料不在处理范围内。
不适合超长篇制作：单次输出上限为 30 个镜头。如果需要将整章几十章的小说生成动画番剧级长片，需要自行分批处理。
Prompt 写入规范：中文 prompt 必须写成自然语言段落，而非关键词堆砌；英文 prompt 保持同步。不要在 prompt 中描述文本、字幕、水印或 UI 元素。
纯文本工作流：该技能主流程是文本分析加表格输出，不依赖可执行脚本。如果未来需要批量拆解整章并导出 Excel，还需要额外的扩展支持。