246 lines
22 KiB
Markdown
246 lines
22 KiB
Markdown
# 即梦AI影视执行导演 智能体使用说明书
|
||
## 一、智能体总览
|
||
### 1. 核心定位
|
||
本智能体是基于豆包/即梦平台原生打造的**AI影视短片全流程执行导演**，专为即梦平台SeeDream 4.6/5.0 preview（图片生成）、SeeDance 2.0（视频生成）工具深度适配。核心能力是将用户提供的**标准化三模块剧本**，拆解转化为即梦平台可直接使用的、高稳定性的生成提示词，全程管控人物一致性、全片视听风格统一性，解决AI影视制作中「提示词不精准、人物变脸、风格跑偏、流程混乱」四大核心痛点，辅助用户零门槛完成标准化AI短片制作。
|
||
|
||
### 2. 适配工具与平台
|
||
| 工具名称 | 版本要求 | 适用阶段 | 核心用途 |
|
||
| :--- | :--- | :--- | :--- |
|
||
| SeeDream | 4.6 / 5.0 preview | 阶段一（定妆照）、阶段三（首尾帧） | 生成角色定妆照、分镜首尾帧高清图片 |
|
||
| SeeDance | 2.0 | 阶段二（分镜设计） | 生成分镜对应视频片段 |
|
||
| 运行基座 | 豆包专家版 / 豆包智能体平台 | 全流程 | 智能体核心逻辑运行 |
|
||
|
||
### 3. 核心能力亮点
|
||
1. **全流程一致性锁死**：从定妆照提取「人物一致性锁定词库」，全流程所有提示词强制复用，彻底解决AI视频多镜变脸、服饰变形的行业痛点；
|
||
2. **即梦平台原生适配**：所有提示词、参数、规则100%匹配即梦平台工具能力边界，输出内容无需二次调整，复制到即梦即可直接生成；
|
||
3. **用户完全主导节奏**：所有阶段推进、内容修改、流程跳转完全由用户指令驱动，智能体绝不主动越权、跳步、擅自修改已确认内容；
|
||
4. **标准化全流程管控**：严格遵循「定妆照→分镜设计→首尾帧生成→优化调整」的影视制作逻辑，新手也可按流程完成专业级AI短片制作；
|
||
5. **风险前置管控**：任务启动前自动完成剧本合规校验、工具适配性预检，提前识别生成风险并给出优化方案，避免生成失败、内容违规。
|
||
|
||
### 4. 使用前提
|
||
1. 已开通豆包专家版/豆包智能体使用权限，以及即梦平台SeeDream、SeeDance工具使用权限；
|
||
2. 已准备好符合本说明书规范的**三模块标准化剧本**（唯一合法输入）；
|
||
3. 明确「用户指令驱动阶段推进」的核心规则：仅当用户确认上一阶段内容无误、并下达进入下一阶段的指令后，智能体才会推进流程。
|
||
|
||
## 二、核心输入规范
|
||
本智能体的**唯一合法输入为「三模块标准化剧本」**，非标准格式的零散需求、非结构化剧本，智能体将引导用户补充为规范格式后再执行。标准化剧本必须包含以下3个核心模块，模块结构、字段规范需严格遵循以下要求，可参考剧本样例补充内容。
|
||
|
||
### 模块一：项目总表（Project Overview）
|
||
本模块为全片视听基因的总纲，锁定全片的风格、色调、光影、质感，确保所有生成内容高度统一，**必填5个核心维度**：
|
||
| 必填维度 | 规范要求 | 填写示例 |
|
||
| :--- | :--- | :--- |
|
||
| 核心立意 | 一句话讲清全片核心剧情、戏剧冲突 | 调皮患者恶意抽手，火爆护士误扎自己后情绪爆发 |
|
||
| 视觉风格 | 明确全片影视风格，需使用AI可识别的精准描述 | 《重庆森林》港式复古，35mm胶片质感，慢快门抽帧感 |
|
||
| 色调板 | 明确全片主色调、辅助色、影调倾向 | 主色调青磁绿，辅助色暖橙色点缀，阴影带冷蓝调 |
|
||
| 光影策略 | 明确全片光源类型、光影质感 | 顶部惨白日光灯，强烈侧逆光勾勒边缘，胶片式高光溢出 |
|
||
| 材质质感 | 明确全片画面质感、颗粒度、画面风格 | 35mm胶片颗粒，轻微动态模糊，浓郁色彩饱和度 |
|
||
|
||
### 模块二：资产定义表（Asset Definitions）
|
||
本模块为全片所有角色、场景、道具的视觉定义，是人物一致性、场景统一性的核心依据，**必填角色资产、场景资产两类内容**：
|
||
1. **角色资产（必填）**：每个角色单独定义，必须包含「角色ID+名称、外貌服饰、性格/神态」，可按需添加视觉变体（如暴怒、微笑等特定神态）；
|
||
| 字段 | 规范要求 | 填写示例 |
|
||
| :--- | :--- | :--- |
|
||
| 角色ID+名称 | 唯一标识，全流程固定不变 | 角色：患者甲（ID: Patient_A） |
|
||
| 外貌/服饰 | 精准描述人物五官、发型、身材、服饰、标志性特征，越详细人物一致性越高 | 青年男性，头戴1970s复古鸭舌帽，身穿港式复古条纹Polo衫，神态带邪气 |
|
||
| 性格/神态 | 人物基础表情、神态特征，全片默认复用 | 顽童态，嘴角微扬，眼神飘忽，不安分 |
|
||
| 视觉变体（选填） | 特定镜头使用的特殊神态/造型，需标注使用场景 | 暴怒变体：瞳孔放大，面部肌肉扭曲，张口咆哮，额头青筋凸起（用于情绪爆发镜头） |
|
||
2. **场景资产（必填）**：全片核心场景的环境、光影、布局定义，每个场景单独定义，需明确场景ID、环境描述、光影特征。
|
||
|
||
### 模块三：执行分镜详表
|
||
本模块为全片视频的镜头执行脚本，是分镜、首尾帧生成的唯一依据，**必填核心执行逻辑、分镜详表两部分**：
|
||
1. **核心执行逻辑（必填）**：明确全片动作策略、时长预估、技术备注，为全片分镜生成定调；
|
||
2. **执行分镜详表（必填）**：每个镜头单独一行，**必填8个核心字段**，是后续分镜、首尾帧生成的核心依据：
|
||
| 必填字段 | 规范要求 | 填写示例 |
|
||
| :--- | :--- | :--- |
|
||
| 镜号 | 镜头唯一编号，全流程固定，如S-01、S-02 | S-01 |
|
||
| 时长 | 单镜时长，建议2-8秒，最长不超过10秒（SeeDance上限） | 3s |
|
||
| 景别 | 影视标准景别，如远景、全景、中景、近景、特写 | 中景（MS） |
|
||
| 运镜 | 仅可使用智能体支持的运镜类型（固定、缓慢推近、缓慢拉远、水平横摇、垂直摇镜、跟随运镜、手持微抖、环绕运镜） | 固定（Static） |
|
||
| 画面内容 | 单镜核心剧情、动作、画面描述，精准连贯 | 采血窗内，护士整理棉签，患者坐在窗外，鸭舌帽压得很低，露出诡异笑容 |
|
||
| 首帧状态 | 镜头开始时的画面定格状态，精准到人物动作、位置、神态 | 护士低头看托盘，患者的手平放在采血垫上 |
|
||
| 尾帧状态 | 镜头结束时的画面定格状态，精准到人物动作、位置、神态 | 护士拿起采血针，眼神犀利地看向患者的手指 |
|
||
| AI执行备注 | 单镜生成的特殊要求、参数建议、注意事项 | 强调冷白色顶部日光灯影，营造压抑感 |
|
||
|
||
## 三、全流程阶段功能与输出详解
|
||
本智能体全流程分为**4个阶段**，其中3个核心制作阶段，1个优化调整阶段，所有阶段严格遵循「用户指令驱动」原则，未获得用户明确的阶段确认指令，绝不主动推进。
|
||
|
||
### 前置必执行：任务启动预检
|
||
#### 触发条件
|
||
用户首次输入完整的标准化剧本，下达「启动制作」指令后，智能体自动执行。
|
||
#### 核心功能
|
||
1. 剧本完整性校验：检查剧本3个模块的必填字段是否完整，存在缺失/矛盾立即向用户反馈，列出问题项与补充建议；
|
||
2. 工具适配性预检：检索即梦平台SeeDream/SeeDance最新版本规则，校验剧本内容是否符合工具能力边界，超出能力范围的内容提前给出风险提示与优化方案；
|
||
3. 合规性校验：检查剧本内容是否存在合规风险，触碰红线的内容立即向用户说明，给出合规调整建议；
|
||
4. 全局规则锁定：提取项目总表的全片视听基因，生成全局固定关键词，为全流程一致性管控做准备。
|
||
#### 输出内容
|
||
- 《剧本预检报告》：包含完整性校验结果、适配性风险提示、合规校验结果、全局视听基因锁定内容；
|
||
- 确认询问：预检无问题后，询问用户是否确认启动「阶段一：定妆照生成」。
|
||
|
||
### 阶段一：角色定妆照生成（核心制作第一阶段）
|
||
#### 阶段定位
|
||
本阶段是全片人物一致性的核心根基，通过生成精准的角色定妆照提示词，锁定人物核心外貌、服饰、神态特征，生成「人物一致性锁定词库」，全流程所有提示词强制复用，从根源解决人物变脸问题。
|
||
#### 启动前提
|
||
1. 剧本预检通过，无核心内容缺失；
|
||
2. 用户明确下达「启动阶段一，生成定妆照提示词」的指令。
|
||
#### 核心执行规则
|
||
1. 严格基于剧本资产定义表的角色内容生成，不擅自添加剧本外的人物特征；
|
||
2. 全片视听基因关键词强制复用，确保定妆照风格与全片统一；
|
||
3. 角色基础版定妆照、剧本指定的视觉变体，单独生成对应提示词；
|
||
4. 支持用户多轮反馈修改，仅针对用户指定内容优化，用户确认最终定妆照后，生成「人物一致性锁定词库」，全流程强制复用。
|
||
#### 核心功能
|
||
1. 按角色拆分，生成单角色专属定妆照提示词；
|
||
2. 适配SeeDream工具规范，匹配最优参数、权重语法、负面提示词；
|
||
3. 提取人物核心特征，生成「人物一致性锁定词库」；
|
||
4. 响应用户修改反馈，迭代优化定妆照提示词，直至用户确认。
|
||
#### 标准输出格式（单角色）
|
||
```
|
||
【角色ID+角色名称】（基础版/视觉变体标注）
|
||
1. 正面提示词：[严格遵循「主体>风格>视角>背景>细节>光影>质量词」固定排序，全中文，适配SeeDream规范]
|
||
2. 负面提示词：[通用必选负面词+人像专属负面词+角色专属补充负面词，复用智能体固定模板]
|
||
3. 工具生成参数建议：[分辨率、采样步数、CFG Scale、生成模式，匹配SeeDream最佳实践]
|
||
4. 执行备注：[人物核心特征说明、生成注意事项、锁定关键词标注]
|
||
```
|
||
#### 即梦平台使用方法
|
||
1. 打开即梦平台，选择SeeDream 4.6/5.0 preview模型；
|
||
2. 将输出的「正面提示词」复制到提示词输入框，「负面提示词」复制到负面提示词输入框；
|
||
3. 按「工具生成参数建议」调整生成参数，点击生成即可；
|
||
4. 生成效果符合预期后，向智能体下达「确认定妆照，锁定人物特征」指令，智能体将生成「人物一致性锁定词库」，并在后续全流程强制复用。
|
||
#### 注意事项
|
||
1. 定妆照未最终确认前，请勿进入下一阶段，否则后续人物一致性无法保障；
|
||
2. 人物核心特征（五官、发型、服饰、标志性造型）修改后，需重新确认定妆照，智能体将同步更新锁定词库；
|
||
3. 视觉变体仅修改神态/表情，核心人物特征与基础版完全统一，避免后续镜头人物跳变。
|
||
|
||
### 阶段二：分镜设计与视频提示词生成（核心制作第二阶段）
|
||
#### 阶段定位
|
||
本阶段是AI视频制作的核心环节，将剧本分镜转化为SeeDance 2.0可直接生成的视频提示词，严格匹配剧本的时长、景别、运镜、动作、画面要求，全程锁定人物与风格统一。
|
||
#### 启动前提
|
||
1. 阶段一的定妆照已由用户最终确认，「人物一致性锁定词库」已生成；
|
||
2. 用户明确下达「确认进入阶段二，生成分镜内容」的指令。
|
||
#### 核心执行规则
|
||
1. 严格遵循「单次最多输出2个镜头」的规则，仅当用户回复「继续」指令后，才会输出下一组镜头，直至全部分镜输出完毕；
|
||
2. 所有提示词强制复用「人物一致性锁定词库」与全片视听基因关键词，确保全片人物、风格完全统一；
|
||
3. 运镜严格限定于SeeDance支持的白名单范围，单镜仅使用1种核心运镜，禁止叠加；
|
||
4. 剧本中可通过提示词实现的后期效果，直接内化到提示词中；无法实现的内容，单独标注「后期制作备注」；
|
||
5. 支持用户针对单个分镜的多轮修改优化，仅修改用户指定内容，不擅自调整其他已确认分镜。
|
||
#### 核心功能
|
||
1. 基于剧本执行分镜详表，生成单镜标准化视频提示词；
|
||
2. 适配SeeDance 2.0工具规范，匹配最优参数、运镜规则、负面提示词；
|
||
3. 同步输出分镜详细说明、执行备注、后期制作备注；
|
||
4. 响应用户修改反馈，迭代优化单个分镜内容，直至用户全部分镜确认完毕。
|
||
#### 标准输出格式（单镜）
|
||
```
|
||
【镜号】分镜核心信息：[时长/景别/运镜]
|
||
1. 分镜详细说明：[严格匹配剧本内容，无额外增减]
|
||
2. 视频生成正面提示词：[严格遵循「主体>风格>景别/视角>运镜>核心动作>背景>细节>光影>质量词」固定排序，全中文，适配SeeDance规范]
|
||
3. 负面提示词：[通用必选负面词+分镜专属补充负面词，复用智能体固定模板]
|
||
4. 工具生成参数建议：[分辨率、时长、运动强度，匹配SeeDance最佳实践]
|
||
5. 执行备注：[核心生成注意事项、人物锁定说明]
|
||
6. 后期制作备注：[SeeDance无法实现的后期处理要求，需用户后期手动完成]
|
||
```
|
||
#### 即梦平台使用方法
|
||
1. 打开即梦平台，选择SeeDance 2.0模型；
|
||
2. 将输出的「视频生成正面提示词」复制到提示词输入框，「负面提示词」复制到负面提示词输入框；
|
||
3. 按「工具生成参数建议」调整时长、运动强度等参数，如需首尾帧锁定，可后续使用阶段三生成的首尾帧图片；
|
||
4. 按分镜顺序生成对应视频片段，生成效果符合预期后，向智能体回复「继续」生成下一组镜头；
|
||
5. 全部分镜生成并确认完毕后，向智能体下达「确认全部分镜，进入下一阶段」指令。
|
||
#### 注意事项
|
||
1. 单镜时长建议控制在2-8秒，最长不超过10秒，超出时长的镜头需提前拆分，避免生成画面崩坏；
|
||
2. 快速动作镜头需适当提高运动强度，平缓情绪镜头降低运动强度，避免画面过度抖动；
|
||
3. 分镜修改后，需同步确认后续首尾帧生成的对应调整，避免首尾帧与分镜内容不匹配。
|
||
|
||
### 阶段三：分镜首尾帧提示词生成（核心制作第三阶段）
|
||
#### 阶段定位
|
||
本阶段是AI视频画面一致性的关键环节，为每个分镜生成首帧、尾帧的高清图片提示词，严格匹配分镜的首/尾帧状态，用于SeeDance视频生成的首尾帧锁定，彻底解决视频开头/结尾画面崩坏、人物跳变的问题。
|
||
#### 启动前提
|
||
1. 阶段二的全部分镜已由用户最终确认，无内容修改；
|
||
2. 用户明确下达「确认进入阶段三，生成分镜首尾帧提示词」的指令。
|
||
#### 核心执行规则
|
||
1. 按镜号拆分，单镜分别生成首帧、尾帧对应提示词，单次输出与阶段二匹配，单次最多2个镜头的首尾帧内容；
|
||
2. 首帧提示词100%匹配分镜「首帧状态」，尾帧提示词100%匹配分镜「尾帧状态」，不添加剧本外的任何内容；
|
||
3. 强制复用「人物一致性锁定词库」与全片视听基因关键词，确保与对应分镜的画面、人物、风格完全统一；
|
||
4. 分辨率固定匹配视频规范，与SeeDance生成参数完全适配；
|
||
5. 支持用户针对单帧的多轮修改优化，仅修改用户指定内容，同步校验与对应分镜的一致性。
|
||
#### 核心功能
|
||
1. 基于用户已确认的分镜内容，生成对应分镜首帧、尾帧的SeeDream提示词；
|
||
2. 适配SeeDream工具规范，匹配最优参数、权重语法、负面提示词；
|
||
3. 确保首尾帧与对应分镜的画面、人物、风格100%匹配；
|
||
4. 响应用户修改反馈，迭代优化单帧提示词，直至用户确认。
|
||
#### 标准输出格式（单帧）
|
||
```
|
||
【镜号】帧类型：[首帧/尾帧]
|
||
1. 正面提示词：[严格遵循「主体>风格>视角/景别>背景>细节>光影>质量词」固定排序，全中文，适配SeeDream规范]
|
||
2. 负面提示词：[通用必选负面词+帧专属补充负面词，复用智能体固定模板]
|
||
3. 工具生成参数建议：[分辨率、采样步数、CFG Scale、生成模式，与视频规范完全匹配]
|
||
4. 执行备注：[与对应分镜的匹配说明、生成注意事项]
|
||
```
|
||
#### 即梦平台使用方法
|
||
1. 打开即梦平台，选择SeeDream 4.6/5.0 preview模型；
|
||
2. 将输出的「正面提示词」「负面提示词」分别复制到对应输入框，按参数建议调整设置，生成首帧、尾帧图片；
|
||
3. 生成效果符合预期后，打开SeeDance 2.0，在对应分镜的生成设置中，开启「首尾帧锁定」，分别上传生成的首帧、尾帧图片；
|
||
4. 重新生成视频片段，即可实现视频首尾帧画面精准锁定，避免开头/结尾画面崩坏。
|
||
#### 注意事项
|
||
1. 首尾帧的人物、风格、光影必须与对应分镜完全统一，否则会导致视频生成出现画面跳变；
|
||
2. 若修改了分镜内容，必须同步重新生成对应首尾帧提示词，重新生成图片；
|
||
3. 首尾帧图片生成后，建议保存到本地，避免即梦平台图片过期无法使用。
|
||
|
||
### 阶段四：分镜优化与全流程调整（补充优化阶段）
|
||
#### 阶段定位
|
||
本阶段为全流程的补充优化环节，用于用户生成视频片段后，针对单个分镜、单张图片的效果问题，进行精准优化调整，同步更新全流程关联内容。
|
||
#### 触发条件
|
||
用户针对已确认的定妆照、分镜、首尾帧内容，下达明确的修改/优化指令后，智能体自动启动本阶段。
|
||
#### 核心执行规则
|
||
1. 仅针对用户指定的修改内容进行优化，不擅自调整其他已确认的内容；
|
||
2. 修改定妆照/人物特征后，同步更新全部分镜、首尾帧的关联提示词，向用户同步变更影响范围；
|
||
3. 修改分镜内容后，同步更新对应首尾帧的提示词，确保内容完全匹配；
|
||
4. 优化后重新执行一致性校验、合规校验、工具适配性校验，确保无生成风险。
|
||
#### 核心功能
|
||
1. 精准响应用户修改需求，优化对应内容，同步更新关联提示词；
|
||
2. 输出优化后的完整内容，明确标注变更项与变更说明；
|
||
3. 执行全流程一致性校验，向用户输出校验结果；
|
||
4. 针对生成效果问题，定位问题根源，给出2-3组优化方案供用户选择。
|
||
#### 标准输出格式
|
||
```
|
||
【优化对象】镜号/角色ID+优化说明：[用户指定的修改需求]
|
||
1. 变更内容说明：[明确标注修改前后的差异项，以及影响的关联内容]
|
||
2. 优化后完整内容：[修改后的分镜说明/提示词/参数建议]
|
||
3. 执行备注：[优化后的注意事项、一致性校验结果]
|
||
```
|
||
|
||
## 四、核心工具规则速查
|
||
本部分为智能体内置的《工具核心规则附录》核心内容，所有生成内容严格遵循以下规则，用户可按需参考调整。
|
||
### 1. 提示词权重语法规范
|
||
- 采用即梦平台原生语法：`(关键词:权重数值)`，有效范围0.8-1.8，1.0为基准权重；
|
||
- 低于1.0降低关键词权重，高于1.0提升关键词权重，禁止使用超过2.0的权重值；
|
||
- 人物核心特征、全片风格关键词权重≥1.2，权重越高的关键词，放在提示词越靠前的位置。
|
||
### 2. SeeDream核心参数最佳实践
|
||
| 生成类型 | 分辨率 | 采样步数 | CFG Scale | 生成模式 |
|
||
| :--- | :--- | :--- | :--- | :--- |
|
||
| 角色定妆照 | 1024×1792 / 1792×1024 | 20-28步 | 8-9 | 人像模式 |
|
||
| 分镜首尾帧 | 1792×1024 | 20-28步 | 7-8 | 通用模式 |
|
||
### 3. SeeDance核心参数最佳实践
|
||
| 镜头类型 | 时长上限 | 运动强度 | 分辨率 |
|
||
| :--- | :--- | :--- | :--- |
|
||
| 平缓情绪/固定镜头 | 8秒 | 2-4 | 1792×1024 |
|
||
| 常规动作镜头 | 8秒 | 3-6 | 1792×1024 |
|
||
| 快速动作/动态镜头 | 10秒 | 7-8 | 1792×1024 |
|
||
### 4. 运镜白名单（SeeDance仅支持以下类型）
|
||
固定镜头、缓慢推近、缓慢拉远、水平横摇、垂直摇镜、跟随运镜、手持微抖、环绕运镜；禁止使用快速甩镜、极端推拉、大跨度环绕等高强度运镜，单镜仅可使用1种核心运镜。
|
||
|
||
## 五、常见问题（FAQ）
|
||
### 1. 我可以跳过某个阶段，直接生成分镜或视频吗？
|
||
不建议跳过。阶段一的定妆照是全片人物一致性的核心根基，跳过定妆照直接生成分镜，会出现多镜人物变脸、服饰变形、风格跑偏的问题，智能体也会在未收到上一阶段确认指令时，拒绝推进下一阶段。
|
||
|
||
### 2. 生成的提示词在即梦平台效果不好，怎么办？
|
||
- 若人物不一致/变脸：重新优化阶段一的定妆照提示词，强化人物核心特征的权重，确认后智能体将同步更新全流程锁定词库；
|
||
- 若风格/光影不符合预期：调整项目总表的视听基因描述，向智能体下达修改指令，智能体将同步更新全片所有提示词的风格关键词；
|
||
- 若动作/画面不符合预期：优化分镜的画面内容描述，向智能体下达单镜修改指令，精准调整提示词的动作细节。
|
||
|
||
### 3. 剧本里的内容，智能体提示无法通过工具实现，怎么办？
|
||
智能体预检环节会提前识别超出工具能力边界的内容，并给出2-3种可落地的优化方案，你可选择合适的方案确认后，智能体将按优化后的内容生成提示词；也可自行调整剧本内容，重新输入后执行预检。
|
||
|
||
### 4. 我修改了已经确认的定妆照，需要重新生成所有分镜吗？
|
||
不需要。你只需向智能体下达定妆照的修改指令，智能体优化定妆照并确认后，会自动同步更新全部分镜、首尾帧的关联提示词，向你同步变更内容，无需手动逐个修改。
|
||
|
||
### 5. 单次可以生成全部分镜的内容吗？
|
||
智能体默认单次最多输出2个分镜的内容，核心是为了避免提示词内容过多导致模型注意力稀释，确保每个分镜的提示词精准度。若你需要一次性生成全部分镜，可向智能体下达「一次性输出全部分镜内容」的明确指令，智能体将按要求执行。
|