技能介绍

解决什么问题

AI 短片制作最常见的失败不是单帧画面不够好看，而是镜头之间不连贯：角色换了张脸、色调每镜都变、运镜描述靠猜（“镜头推进”到底对应推镜还是变焦）、明明要竖屏却生成一堆 16:9，最后像是一堆互不相关片段的拼接。本技能解决的是从创意到成片的这套系统性问题——把导演思路翻译成 AI 模型能稳定理解的 Prompt，并保证多镜头之间的一致性与可交付规格。

技能如何工作

核心是一套可复用的提示词公式与分镜方法：

基础公式：主体 + 场景 + 运动 + 美学控制 + 风格化，把“我要一个有电影感的镜头”拆解为可执行的结构。
多镜头公式：总体描述 + 镜头序号 + 时间戳 + 分镜内容，在脚本阶段就把整片节奏定下来。
运镜词典与镜头语言：推拉摇移跟、远景/中景/近景/特写的明确语义，以及 32mm/50mm/85mm 焦段选择矩阵，避免“镜头语言”沦为黑话。

工作流分四阶段推进：

创意与脚本规划：明确视频目标与目标平台（16:9 / 9:16 / 1:1），输出含主体、场景、运动、时长的分镜脚本，并为角色/产品建立视觉锚点档案。
素材生成：静态关键帧用 Midjourney / Stable Diffusion / DALL·E，动态镜头用 Runway / Kling / Sora / Pika；一致性通过 Seed 锁定、参考图注入与 Character Reference 控制。
后期合成：CapCut / 剪映完成镜头拼接与节奏控制，叠加 AI 字幕、TTS 配音与背景音乐，用 LUT 与颗粒匹配统一全片调色。
质量审核：按内置清单逐项检查时长、比例、角色一致性、口型同步、品牌元素与导出分辨率（不低于 1080P）。

最终交付物包括分镜脚本、逐镜头 Prompt 列表、带参数建议的工具链推荐和后期合成指南。

适用边界

它是一套方法论与提示词规范，不是自动出片的 Agent——输入信息（视频类型、内容描述、品牌元素等）需要用户自行整理提供。
工具参数与一致性手段（Seed 锁定、Character Reference）的实际效果随模型版本波动，长片和多角色场景仍需人工返工。
方法论参考了上海交大“世界叙事模型”（控制器 + 渲染器）的架构思路，但要落地为导演级精准调度，需要先理解这套架构再决定如何选用。
更详细的词库与输出模板在 references/internal-manual.md 与 assets/specifications.json，本技能文件只给出方法论骨架。