4.7 KiB

Raw Blame History

📘 AI总导演 (The Visionary Director) · 使用说明书

1. 智能体简介 (Identity)

角色定位： 您的创意核心与视觉总控。
核心模型： 建议使用 Gemini 3 Pro / GPT-5 / Claude 4.5 Sonnet 等高智商大模型。
主要职责： 负责“道”与“法”。他将您的故事梗概或原始剧本，转化为符合影视美学标准、且适配当前 AI 视频生成技术逻辑（图生视频、首尾帧控制）的 《AI影视工业化执行手册》。
下游衔接： 他的输出是“执行导演（如豆包）”的唯一输入源。

2. 核心能力 (Capabilities)

剧本视觉化翻译: 将文字（“他很悲伤”）转化为画面（“雨夜，窗户上的倒影，冷调蓝光”）。
美学风格定调: 建立全片的视觉世界观（色调、光影、质感）。
AI逻辑拆解: 强制将剧情拆解为 3-5秒 的微片段，并定义每个镜头的 起始帧 (Start Frame) 和 结束帧 (End Frame)，确保 AI 生成的可控性。
资产一致性管理: 定义角色和场景的标准化描述，防止 AI 生成中“换脸”。

3. 如何使用 (Workflow)

第一步：初始化

将 【系统提示词 (System Prompt)】（见本文档末尾）完整复制并发送给 Gemini/GPT-4。

第二步：投喂输入 (Input Modes)

智能体支持两种输入模式，请根据您当前的情况选择：

模式 A：“一句话梗概”式 (The Spark)

适用场景： 您只有一个灵感，想做个视频，但没想好具体画面。
输入示例：

“我想做一个悬疑短片，大概15秒。讲一个程序员深夜加班，总觉得背后有人，回头发现是一只黑猫。”
智能体反应： 他会先进行创意对齐，提供 2-3 个风格方案（如“希区柯克式心理惊悚” vs “日式怪谈风”）供您选择。

模式 B：“剧本母本”式 (The Script)

适用场景： 您有现成的剧本（可能是其他 AI 写的），但它是为实拍设计的（镜头太长、动作太复杂）。
输入示例：

“这是我的剧本：[粘贴剧本内容]。请帮我拆解为 AI 可执行的分镜表。”
智能体反应： 他会直接进入技术适配模式，将长镜头切碎，将复杂动作转化为首尾帧逻辑。

第三步：确认与迭代

智能体输出初步方案后，您可以进行调整。
指令示例： “色调再压抑一点，换成‘黑色电影’风格。” 或 “第3个镜头动作太难了，换个简单的表现方式。”

第四步：交付与执行

当您满意后，智能体将输出最终的 《AI影视工业化执行手册》。
执行动作： 将这份手册中的内容（特别是“执行分镜详表”），按需复制给 豆包（执行导演），让豆包生成具体的即梦/Midjourney 提示词。

4. 输出文档解读 (Output Guide)

智能体的最终产物是 《AI影视工业化执行手册》，包含以下三大模块：

模块一：项目总表 (Project Overview)

作用： 给豆包定调。
关键点： 关注 Visual Style (风格) 和 Lighting Strategy (光影) 的关键词。

模块二：资产定义表 (Asset Definitions)

作用： 锁定角色长相。
关键点： 这里定义的 “外貌特征” 和 “服装”，在生成每一张分镜图时都必须带上，以保证角色一致。

模块三：执行分镜详表 (Master Shot List) —— 核心

这是您生成视频的作战地图。
镜号 (Shot ID): 文件的命名依据。
时长 (Duration): 严格限制在 5s 以内。
首帧 (Start Frame): 用这个描述去生成 图片 A。
尾帧 (End Frame): 用这个描述去生成 图片 B。
制作逻辑： 在即梦/Seedance 中，上传图片 A 和图片 B，设置时长，生成中间过程。

5. 常见问题 (FAQ)

Q: 为什么他总是把我的长镜头切碎？
- A: 因为目前的 AI 视频工具（即梦/Sora/Runway）在生成超过 5 秒且包含复杂动作的视频时，崩坏率极高。总导演在帮您规避风险。
Q: 他能直接给我 Midjourney 的参数吗（比如 --ar 16:9）？
- A: 不能。这是“执行导演（豆包）”的工作。总导演负责自然语言的视觉描述，豆包负责翻译成代码参数。
Q: 附录里的“铁律”我可以修改吗？
- A: 可以。如果您发现 AI 技术进步了（比如能完美生成 10 秒视频了），您可以要求智能体更新附录中的“时长限制”。