1174 lines
31 KiB
Markdown
1174 lines
31 KiB
Markdown
# 1
|
||
|
||
先进行讨论。
|
||
|
||
现在总纲、分镜清单骨架你都提出了，然后你提供了一个最小测试包，来测试3个镜头的出图情况。
|
||
我们发现出图不太理想，现在是优化出图。
|
||
|
||
我觉得可能有两部分：
|
||
1. 定妆照阶段，人物定型不足
|
||
2. 出图提示词，约束不足
|
||
|
||
然后你给了优化定妆照的方向。我们测试了一个，后续没跑（任务我中断了）。
|
||
原因是，人物与之前相差比较大，不能用。
|
||
|
||
我们需要基于以上讨论，对这个工作流进行一个优化。
|
||
|
||
1. 对GPT的定位，原先考虑到具体图片提示词。现在考虑到Codex具有`GPT image 2 skill`，其`Advisor 模式`下，如果再叠加GPT的知识库，出的图片提示词质量应该比GPT高。
|
||
2. GPT我也可以打造一个Local的，而不用WEB的。
|
||
|
||
综上，GPT应该只需要出总纲和分镜头清单就可以了。
|
||
|
||
```
|
||
GPT image 2 skill
|
||
|
||
面向 GPT Image 2 的图像生成 / 编辑技能。可在 3 种环境下使用：(A) Garden 本地模式，通过 OpenAI 兼容接口直接出图并落盘；(B) Host-Native 模式，把本 Skill 当作提示词工程指引，把渲染好的 prompt 交给宿主 Agent 自带的图像工具出图；(C) Advisor 模式，宿主无任何图像工具时退化为高质量 prompt 顾问。涵盖 18 大类、80+ 个结构化模板，覆盖海报 / UI / 产品 / 信息图 / 学术图 / 技术架构图 / 漫画 / 头像 / 流程板 / 电影分镜 / IP 周边 / 编辑工作流等场景。
|
||
```
|
||
|
||
---
|
||
|
||
第二个，比较复杂的/棘手的，或者核心问题在视频部分，就是人物一致性保持的问题。
|
||
所以，这个部分，你能否联网搜索一下，最建议的方式是什么，而不是我这边猜测。
|
||
|
||
强哥，我赞同你的判断：这次不是某一条 Prompt 写得不够好，而是**工作流边界需要重构**。
|
||
|
||
现在暴露的问题很典型：S-05 因为不依赖脸，靠靴子、泥、低角度、身体代价感就成立；S-03 和 S-14 虽然人物锚点稳定，但都被定妆照拉回了“正面肖像”倾向。三份 review 也印证了这一点：S-03 被评价为更接近正面人物肖像、需要加强侧身、背包动作和路向纵深；S-14 也偏正面、略看镜头，需要更克制、更少肖像感；S-05 则作为低角度泥靴近景基本成立。
|
||
|
||
---
|
||
|
||
## GPT
|
||
|
||
### 一、联网后的结论：人物一致性最推荐的不是“多写 Prompt”，而是“多阶段视觉锚定”
|
||
|
||
我查到的主流结论基本一致：
|
||
|
||
**长视频 / 多镜头人物一致性，不能只靠文字 Prompt。必须有视觉锚点，并且要分阶段生成。**
|
||
|
||
一个 2025 年底的多阶段角色稳定视频论文说得很直接：不要一步生成完整视频，而是先由 LLM 生成详细制作脚本，再让文生图模型为角色生成一致视觉，再作为视频模型逐场景生成的锚点；去掉视觉锚定机制后，角色一致性评分从 7.99 掉到 0.55。这个结论和我们这次试运行高度吻合：文字和定妆概念都不够，视觉锚点才是身份保持的底座。([arXiv][1])
|
||
|
||
另一个关于多镜头视频一致性的研究指出，视频模型里身份、结构、运动之间存在天然纠缠：想让人物动起来、换角度，就容易影响身份；想死守身份，又容易牺牲运动和镜头变化。也就是说，S-03 / S-14 被拉成肖像，不是偶然，而是模型在“守脸”和“做镜头”之间选择了守脸。([arXiv][2])
|
||
|
||
OpenAI 的图像生成文档也支持这个方向：GPT Image 模型可以用一张或多张图片作为参考生成新图，也支持多轮编辑；其 prompting guide 明确建议多图输入时要说明每张图的角色，并显式写出要保留的 identity / geometry / layout 等不变量。([OpenAI开发者][3]) ([OpenAI开发者][4])
|
||
|
||
Runway 的 Gen-4 References 文档同样强调：可以用一张或多张 reference 来提取角色、风格、对象和场景；文章 highlights 里特别提到最多可用 3 个 reference，高质量自然光照片更好，复杂变化应拆成单个元素迭代，并把中间结果继续作为新 reference。([Runway][5])
|
||
|
||
所以，最推荐的路线不是：
|
||
|
||
```text
|
||
一张定妆照 + 每镜超长 Prompt
|
||
```
|
||
|
||
而是：
|
||
|
||
```text
|
||
总纲 / 分镜
|
||
→ 角色视觉锚点包
|
||
→ 镜头类型分组
|
||
→ 每组小批量试跑
|
||
→ 通过图继续作为 reference
|
||
→ 再进入下一批
|
||
```
|
||
|
||
---
|
||
|
||
### 二、对 GPT 定位的修正：你说得对，GPT 不应该再抢“图片 Prompt 工程师”的位置
|
||
|
||
我建议把 GPT 的职责收窄、上移。
|
||
|
||
#### 原来 GPT 的角色
|
||
|
||
之前我是这样做的：
|
||
|
||
```text
|
||
总纲
|
||
分镜清单
|
||
分镜深潜
|
||
具体图生图 Prompt
|
||
Codex 字段
|
||
```
|
||
|
||
这在没有图像专用 Advisor 时合理。
|
||
但现在 Codex 侧已经有 `GPT image 2 skill`，而且有 Advisor 模式，那 GPT 再写很细的图像 Prompt，可能反而变成“双重提示词工程”，造成责任不清。
|
||
|
||
#### 新定位
|
||
|
||
GPT / 强哥的策划导演以后负责：
|
||
|
||
```text
|
||
方向判断
|
||
情绪线
|
||
视觉母题
|
||
人物设定
|
||
分镜清单
|
||
每镜导演意图
|
||
镜头类型
|
||
参考图需求
|
||
验收标准
|
||
失败归因
|
||
流程修正
|
||
```
|
||
|
||
Codex / GPT image 2 skill 负责：
|
||
|
||
```text
|
||
根据镜头卡生成高质量 prompt
|
||
选择 reference
|
||
执行图生图 / 文生图
|
||
生成图片
|
||
写 review notes
|
||
提出下一轮调整建议
|
||
```
|
||
|
||
也就是说，我不再输出“最终可直接跑图 Prompt”，而是输出 **Shot Spec / 镜头导演卡**。
|
||
Prompt 由 Codex 的 GPT image 2 skill 渲染。
|
||
|
||
这更符合 video-workbench 的分工：GPT 端负责规划、总纲、分镜、页面设计、执行包；Codex / video-workbench 负责资产生成、落盘和交接。
|
||
|
||
---
|
||
|
||
### 三、人物一致性问题：不要贸然生成“正侧背三视图”
|
||
|
||
你刚才中断得对。
|
||
|
||
你试了一个优化定妆照，但人物和之前差别比较大，这说明一个问题：
|
||
|
||
> **从单张正面定妆照强行扩展三视图，模型会大量“脑补”，脑补越多，身份越容易漂。**
|
||
|
||
所以我收回之前“直接补三张全身、侧面、背面”的粗糙建议。
|
||
更稳的做法应该分层：
|
||
|
||
---
|
||
|
||
### 四、新的角色参考包，不叫“三视图”，叫“三类锚点”
|
||
|
||
#### 1. 身份锚点：保脸
|
||
|
||
保留你现在满意的定妆照。
|
||
|
||
用途：
|
||
|
||
* 近景
|
||
* 中近景
|
||
* 半正面
|
||
* 需要脸的镜头
|
||
|
||
它的缺点我们已经发现：容易把画面拉成正面肖像。
|
||
所以它不能单独用于所有镜头。
|
||
|
||
---
|
||
|
||
#### 2. 服装 / 身体锚点：保轮廓，不强求脸
|
||
|
||
这个可以有，但目标不是“生成另一个完整的你”。
|
||
|
||
它只负责固定：
|
||
|
||
* 长外套长度
|
||
* 背包形态
|
||
* 裤脚
|
||
* 靴子
|
||
* 身体比例
|
||
* 旅人轮廓
|
||
|
||
这张最好不是大头照，而是全身或接近全身。
|
||
但验收标准不是“脸像不像”，而是“服装系统是不是稳定”。
|
||
|
||
---
|
||
|
||
#### 3. 镜头姿态锚点：保构图和动作，不保身份
|
||
|
||
这一类可以用：
|
||
|
||
* 背影路人图
|
||
* 侧身行走图
|
||
* 低角度靴子图
|
||
* 远景小人物图
|
||
* 电影截图式构图参考
|
||
|
||
它不负责“像强哥”，只负责告诉模型：
|
||
|
||
> 这不是肖像，是 MV 分镜。
|
||
> 人物在路里，环境占比大，视线不看镜头。
|
||
|
||
这和 Runway 多参考图思路接近：多张 reference 可以分别承担角色、风格、对象或场景特征，而不是所有 reference 都承担同一个功能。([Runway][5])
|
||
|
||
---
|
||
|
||
### 五、最稳的实际方案：参考图分工，而不是参考图合并
|
||
|
||
以后每个镜头要明确：
|
||
|
||
```text
|
||
identity_ref：身份参考
|
||
wardrobe_ref：服装参考
|
||
pose_ref：姿态 / 构图参考
|
||
style_ref：整体风格参考
|
||
```
|
||
|
||
如果工具支持多图参考，就同时喂。
|
||
如果只支持单图参考，就按镜头目的选主参考。
|
||
|
||
举例：
|
||
|
||
#### S-03 清晨薄霜
|
||
|
||
不应该只用身份照。
|
||
应该是：
|
||
|
||
```text
|
||
identity_ref：现在满意的定妆照
|
||
pose_ref：侧身背包动作 / 路边出发构图
|
||
style_ref：清晨冷灰公路片
|
||
```
|
||
|
||
#### S-14 我走过泥泞
|
||
|
||
应该是：
|
||
|
||
```text
|
||
identity_ref：定妆照
|
||
wardrobe_ref：全身服装图
|
||
pose_ref：侧身或 3/4 行走图
|
||
shot_rule：不直视镜头，环境占比 > 60%
|
||
```
|
||
|
||
#### S-05 泥泞鞋底
|
||
|
||
不用身份照作为主参考。
|
||
应该是：
|
||
|
||
```text
|
||
wardrobe_ref / boots_ref：靴子、外套下摆、背包局部
|
||
style_ref：泥泞低角度
|
||
```
|
||
|
||
这也是为什么 S-05 成功：它没有让模型在“脸”和“镜头”之间纠结。
|
||
|
||
---
|
||
|
||
### 六、GPT 输出格式也要改：从 Prompt 改成镜头导演卡
|
||
|
||
以后我给 Codex 的内容不再是：
|
||
|
||
```text
|
||
直接图生图 Prompt
|
||
Negative Prompt
|
||
```
|
||
|
||
而是：
|
||
|
||
```text
|
||
scene_id
|
||
scene_goal
|
||
emotional_function
|
||
shot_type
|
||
camera_distance
|
||
camera_angle
|
||
character_visibility
|
||
reference_strategy
|
||
must_preserve
|
||
must_avoid
|
||
environment_ratio
|
||
acceptance_criteria
|
||
```
|
||
|
||
例如 S-14 应该这样描述：
|
||
|
||
```yaml
|
||
scene_id: S-14
|
||
scene_goal: 副歌开始，人物从承受到陈述
|
||
shot_type: MV storyboard still, not portrait
|
||
camera_distance: medium wide shot
|
||
camera_angle: eye-level or slightly low angle
|
||
character_visibility: full body or knee-up, walking
|
||
gaze: looking toward road ahead, no direct eye contact
|
||
environment_ratio: at least 60%
|
||
identity_ref: character portrait
|
||
wardrobe_ref: full-body outfit reference
|
||
pose_ref: side/three-quarter walking reference
|
||
must_preserve:
|
||
- 50岁东亚男性
|
||
- 黑色矩形眼镜
|
||
- 胡茬
|
||
- 凌乱头发
|
||
- 深色长外套
|
||
- 旧背包
|
||
- 泥靴
|
||
must_avoid:
|
||
- centered portrait
|
||
- direct camera gaze
|
||
- heroic poster
|
||
- fashion photo
|
||
- clean clothes
|
||
acceptance_criteria:
|
||
- 一眼能认出同一角色系统
|
||
- 人物在运动中
|
||
- 环境占比足够大
|
||
- 情绪克制，不鸡血
|
||
```
|
||
|
||
然后由 Codex 的 GPT image 2 skill 根据这张导演卡生成最终 Prompt。
|
||
|
||
OpenAI 的 prompting guide 也建议复杂请求用短标签和分段组织，明确“要改变什么 / 要保留什么”；这正好支持我们从长段 Prompt 改成结构化镜头卡。([OpenAI开发者][4])
|
||
|
||
---
|
||
|
||
### 七、视频部分的建议：先不要直接做图生视频
|
||
|
||
如果最终只是 9:16 MV 图片 + 剪辑字幕，那我们可以先做稳定分镜图。
|
||
如果后面要做真正动态视频，则建议走：
|
||
|
||
```text
|
||
分镜图稳定
|
||
→ 选少数关键镜头做 image-to-video
|
||
→ 每条 4-8 秒短片测试
|
||
→ 通过首尾帧衔接
|
||
→ 剪辑合成
|
||
```
|
||
|
||
Krea 的 Veo 3 文档也给了类似建议：使用 reference images 保持跨片段角色一致性，清楚描述镜头运动，并从短片段开始测试概念。([Krea 文档][6])
|
||
|
||
如果进入人物表演型视频，Runway 的 Act-Two 文档还提示：当需要特定相机和环境运动时，角色视频比角色图片更合适；并建议单一主体、脸部清晰、动作自然，先测试默认设置再调整。([Runway][7])
|
||
|
||
但对《在路上》这支 MV，我现在仍建议：
|
||
**第一阶段不要做图生视频。先把 28 张分镜图做稳。**
|
||
|
||
---
|
||
|
||
### 八、重构后的工作流建议
|
||
|
||
#### 阶段 A：GPT 输出导演资产
|
||
|
||
GPT 只输出：
|
||
|
||
1. MV 总纲
|
||
2. 28 镜分镜清单
|
||
3. 每镜导演卡
|
||
4. 镜头类型分类
|
||
5. 参考图需求表
|
||
6. 验收标准
|
||
7. Codex 执行 JSON 的高层任务结构
|
||
|
||
不再输出最终图片 Prompt。
|
||
|
||
---
|
||
|
||
#### 阶段 B：Codex / GPT image 2 skill 输出图像资产
|
||
|
||
Codex 负责：
|
||
|
||
1. 根据导演卡生成 Prompt
|
||
2. 选择 reference
|
||
3. 生成图片
|
||
4. 写 review notes
|
||
5. 自动归因：
|
||
|
||
* 身份失败
|
||
* 姿态失败
|
||
* 构图失败
|
||
* 风格失败
|
||
* 情绪失败
|
||
* 画幅失败
|
||
|
||
---
|
||
|
||
#### 阶段 C：人审只审五件事
|
||
|
||
你不用逐字看 Prompt，只看结果：
|
||
|
||
1. 像不像同一个人
|
||
2. 是不是 MV 分镜，不是肖像照
|
||
3. 情绪是不是“疲惫但继续”
|
||
4. 泥泞 / 星空 / 篝火母题是否连贯
|
||
5. 能不能进剪辑
|
||
|
||
---
|
||
|
||
### 九、现在这个项目的下一步，不是马上写 JSON
|
||
|
||
我建议先做一个 **workflow patch**：
|
||
|
||
#### 1. 保留已有资产
|
||
|
||
```text
|
||
character-ref-v1-portrait-34.png
|
||
s05-image-v1.png
|
||
s03-image-v1.png
|
||
s14-image-v1.png
|
||
```
|
||
|
||
S-03 / S-14 不一定废掉，可以作为“反例样本”：
|
||
它们告诉 Codex，什么叫“偏肖像，需要压下去”。
|
||
|
||
#### 2. 先让 Codex 生成一张“服装 / 身体锚点图”
|
||
|
||
但注意，这张不要求高度像脸。
|
||
它的目标是服装轮廓。
|
||
|
||
```text
|
||
character-wardrobe-fullbody-v1.png
|
||
```
|
||
|
||
验收：
|
||
|
||
* 长外套长度稳定；
|
||
* 背包稳定；
|
||
* 裤脚、靴子稳定；
|
||
* 人物气质接近；
|
||
* 不要求正脸完全一致。
|
||
|
||
#### 3. 再生成一张“姿态锚点图”
|
||
|
||
```text
|
||
pose-ref-side-walking-road-v1.png
|
||
```
|
||
|
||
这张甚至可以不使用强哥身份。
|
||
它只负责构图：
|
||
|
||
* 侧身行走；
|
||
* 不看镜头；
|
||
* 环境占比大；
|
||
* 路向远方；
|
||
* 竖屏 MV 分镜感。
|
||
|
||
#### 4. 然后重跑 S-03 v2 / S-14 v2
|
||
|
||
这次不是靠我写更长 Prompt，而是用：
|
||
|
||
```text
|
||
identity_ref + wardrobe_ref + pose_ref + director_card
|
||
```
|
||
|
||
由 Codex Advisor 生成最终 Prompt。
|
||
|
||
---
|
||
|
||
### 十、最终判断
|
||
|
||
强哥，你这次提出的调整是对的：
|
||
|
||
#### GPT 不应该继续做“最终图片 Prompt 生产者”
|
||
|
||
它应该变成：
|
||
|
||
> **总导演 + 分镜架构师 + 验收标准制定者**
|
||
|
||
#### Codex / GPT image 2 skill 应该变成：
|
||
|
||
> **执行导演 + 图像 Prompt 工程师 + 出图试错器**
|
||
|
||
#### 人物一致性最推荐方案是：
|
||
|
||
> **多阶段视觉锚定，不是单张定妆照硬撑全片。**
|
||
|
||
一句话收束：
|
||
|
||
> **一张脸只能保身份，不能保电影。
|
||
> 要让人物从证件照里走出来，必须再给模型“身体、姿态、镜头和环境”的锚点。**
|
||
|
||
[1]: https://arxiv.org/abs/2512.16954 "[2512.16954] Lights, Camera, Consistency: A Multistage Pipeline for Character-Stable AI Video Stories"
|
||
[2]: https://arxiv.org/abs/2412.07750 "[2412.07750] Motion by Queries: Identity-Motion Trade-offs in Text-to-Video Generation"
|
||
[3]: https://developers.openai.com/api/docs/guides/image-generation "Image generation | OpenAI API"
|
||
[4]: https://developers.openai.com/cookbook/examples/multimodal/image-gen-1.5-prompting_guide "Gpt-image-1.5 Prompting Guide"
|
||
[5]: https://help.runwayml.com/hc/en-us/articles/40042718905875-Creating-with-Gen-4-Image-References "Creating with Gen-4 Image References – Runway"
|
||
[6]: https://docs.krea.ai/user-guide/features/veo3 "Veo 3 | Krea Documentation"
|
||
[7]: https://help.runwayml.com/hc/en-us/articles/42311337895827-Performance-Capture-with-Act-Two "Performance Capture with Act-Two – Runway"
|
||
|
||
# 2
|
||
|
||
那么接下来，我们需要先对你进行调整。你能阅读你的系统提示词，然后输出调整后的么？
|
||
还是我需要在CCRA（打造你的GPT）中去调整？
|
||
还有，知识库的附录部分，哪些其实可以不放进附录了；哪些附录需要调优？
|
||
这些我们能在你这里讨论，还是需要到CCRA中？
|
||
|
||
强哥，可以在这里讨论、重构、出草案；**真正生效要回 CCRA / GPT Builder 里改**。
|
||
|
||
## GPT
|
||
我不能直接修改当前这个 GPT 的系统配置，也不能把平台级隐藏系统提示词原样导出给你。但我可以基于当前这轮实测，给你一版**可复制进 CCRA 的新版 GPT Instructions**，以及知识库附录的删改建议。OpenAI 官方也把 GPT 的配置分成 Instructions、Knowledge、Capabilities 等部分；其中 Instructions 管行为、语气、工作流，Knowledge 只是参考材料，不建议把规则和行为逻辑主要放在知识库里。([OpenAI Help Center][1]) ([OpenAI Help Center][2])
|
||
|
||
---
|
||
|
||
### 一、先定原则：这次不是微调，而是角色边界重构
|
||
|
||
当前问题本质是：
|
||
|
||
> **GPT 端管得太细，写到了最终图片 Prompt；但 Codex 侧已经有 GPT image 2 skill，应该让它做图像提示词顾问和执行。**
|
||
|
||
所以新版定位应改成：
|
||
|
||
#### GPT / 强哥的策划导演
|
||
|
||
负责：
|
||
|
||
* 任务路由
|
||
* 势能扫描
|
||
* 方向提案
|
||
* 总纲设计
|
||
* 分镜清单
|
||
* 镜头导演卡
|
||
* 参考图需求表
|
||
* 验收标准
|
||
* Codex 执行包结构
|
||
* 失败归因与流程修正
|
||
|
||
不再默认负责：
|
||
|
||
* 最终图像 Prompt
|
||
* Negative Prompt
|
||
* 每张图的细粒度提示词工程
|
||
* 直接指导模型如何渲染材质、镜头、光影到最终可跑图程度
|
||
|
||
#### Codex / GPT image 2 skill
|
||
|
||
负责：
|
||
|
||
* 根据镜头导演卡生成图像 Prompt
|
||
* 选择 reference image
|
||
* 文生图 / 图生图执行
|
||
* 出图落盘
|
||
* review notes
|
||
* 失败归因
|
||
* 小批量重跑
|
||
|
||
这比“GPT 写 Prompt，Codex 执行”更清楚。
|
||
|
||
---
|
||
|
||
### 二、在哪里改？
|
||
|
||
#### 这里能做的
|
||
|
||
这里适合做：
|
||
|
||
1. 讨论工作流；
|
||
2. 重写 GPT Instructions；
|
||
3. 重构知识库目录；
|
||
4. 改附录内容；
|
||
5. 生成一套新的 CCRA 配置草案；
|
||
6. 做测试用例；
|
||
7. 设计 Local GPT 版本。
|
||
|
||
#### CCRA / GPT Builder 里要做的
|
||
|
||
真正要到 CCRA 里改：
|
||
|
||
1. GPT Instructions；
|
||
2. 知识库文件上传 / 删除 / 替换；
|
||
3. 能力开关；
|
||
4. conversation starters；
|
||
5. GPT 名称、描述；
|
||
6. 版本发布。
|
||
|
||
官方文档也明确：创建和编辑 GPT 要在 GPT Builder / editor 中完成，配置包括 Instructions、Knowledge、Capabilities，编辑后需要 Update 才生效。([OpenAI Help Center][2])
|
||
|
||
---
|
||
|
||
### 三、知识库附录怎么处理
|
||
|
||
我建议把知识库分成三层：
|
||
|
||
```text
|
||
A. 必须进入 Instructions 的行为规则
|
||
B. 作为 Knowledge 保留的参考文件
|
||
C. 删除或归档的历史 / 重复文件
|
||
```
|
||
|
||
官方也建议：行为、规则、工作流放 Instructions；Knowledge 用于参考资料、文档、指南，不要承担核心行为规则。([OpenAI Help Center][2])
|
||
|
||
---
|
||
|
||
### 四、现有附录逐个判断
|
||
|
||
#### 1. `00_CORE_附录A_Wantsong降维输出风格蓝图.md`
|
||
|
||
##### 建议：保留，但降级为风格参考
|
||
|
||
它仍然有价值，尤其是：
|
||
|
||
* 同行者视角；
|
||
* 统摄性隐喻；
|
||
* 无损降维；
|
||
* 哲学内核隐身；
|
||
* 谜题—探案—揭晓—升维。
|
||
|
||
但它不应该指挥 Codex 图像出图。
|
||
|
||
##### 调整方向
|
||
|
||
从“所有输出必须遵循的大规则”改成：
|
||
|
||
> 用于内容策划、叙事结构、文案风格、总纲设计；不直接规定图片 Prompt 细节。
|
||
|
||
---
|
||
|
||
#### 2. `00_CORE_附录B_媒介路由与流程裁剪表.md`
|
||
|
||
##### 建议：必须调优
|
||
|
||
这是最关键的文件之一。它现在规定 MV 的流程是：
|
||
|
||
> 歌词 / 歌曲概念 → 情绪线扫描 → 视觉母题 → 人物设定 → 公共画风 → 镜头清单 → 镜头 Prompt → Codex 执行包。
|
||
|
||
现在要改成：
|
||
|
||
> 歌词 / 歌曲概念 → 情绪线扫描 → 视觉母题 → 人物设定 → 公共画风 → 分镜清单 → 镜头导演卡 → 参考图需求表 → Codex / GPT image 2 skill 出 Prompt 与试图 → Codex 执行包。
|
||
|
||
也就是把“镜头 Prompt”改成“镜头导演卡”。
|
||
|
||
---
|
||
|
||
#### 3. `00_CORE_附录C_视频与分镜模板.md`
|
||
|
||
##### 建议：重点重写
|
||
|
||
这是问题源头之一。现在它要求分镜深潜包含：
|
||
|
||
* 页面核心文字；
|
||
* 画面构图；
|
||
* 生图 / 图生图 Prompt；
|
||
* 口播稿；
|
||
* 设计暗线。
|
||
|
||
新版应该改成：
|
||
|
||
* 页面核心文字 / 字幕策略；
|
||
* 镜头导演意图；
|
||
* 镜头类型；
|
||
* 人物可见度；
|
||
* 参考图策略；
|
||
* 环境占比；
|
||
* 必须保留；
|
||
* 必须避免；
|
||
* 验收标准；
|
||
* Codex Prompt Advisor 交接说明。
|
||
|
||
Prompt 不由 GPT 默认输出。
|
||
只有当强哥明确说“你直接给我 Prompt”，才输出 Prompt。
|
||
|
||
---
|
||
|
||
#### 4. `00_CORE_附录D_PPT设计模板.md`
|
||
|
||
##### 建议：保留
|
||
|
||
这个和本次 MV 问题关系不大，但如果这个 GPT 仍然承担客户方案 PPT、培训 PPT，它必须保留。它定义了客户方案 PPT 和培训 PPT 的页面字段与目标差异。
|
||
|
||
如果你准备做一个 **Local MV 专用 GPT**，那它可以不放。
|
||
如果这是综合“策划导演 GPT”，就保留。
|
||
|
||
---
|
||
|
||
#### 5. `00_CORE_附录E_Codex执行包Schema.md`
|
||
|
||
##### 建议：保留并调优
|
||
|
||
必须保留，因为它定义了 Codex JSON 的结构和 video-workbench 路径优先级。它也明确现在不默认自动剪辑成片、不默认图生视频、不默认发布平台。
|
||
|
||
需要新增字段：
|
||
|
||
```json
|
||
{
|
||
"advisor_mode": true,
|
||
"prompt_owner": "codex_gpt_image_2_skill",
|
||
"gpt_output_level": "director_card",
|
||
"reference_strategy": {},
|
||
"review_schema": {}
|
||
}
|
||
```
|
||
|
||
或者在 task 里加入：
|
||
|
||
```json
|
||
{
|
||
"type": "generate_image_prompt_with_advisor"
|
||
}
|
||
```
|
||
|
||
如果 video-workbench 还没这个 task type，那先作为 `write_markdown` 或 `write_json` 交接给 Codex 处理。
|
||
|
||
---
|
||
|
||
#### 6. `10_STYLE_Wantsong视频科普风格蓝图完整版.md`
|
||
|
||
##### 建议：可选保留，或者压缩后并入附录A
|
||
|
||
它很长，适合做风格参考，但可能会增加检索噪音。
|
||
如果知识库文件数量紧张，我建议：
|
||
|
||
* 不放完整版；
|
||
* 提炼成 `10_STYLE_Wantsong风格短版.md`；
|
||
* 控制在 2000-4000 字；
|
||
* 只保留语言质感、叙事节奏、隐喻方式。
|
||
|
||
---
|
||
|
||
#### 7. `20_SYSTEM_video-workbench项目说明.md`
|
||
|
||
##### 建议：必须保留
|
||
|
||
这是系统执行文件，尤其是路径结构：
|
||
|
||
```text
|
||
projects/<project-id>/
|
||
project.md
|
||
intake/
|
||
slides/
|
||
slides.md
|
||
s01/
|
||
s02/
|
||
```
|
||
|
||
它还定义了 GPT / 强哥 / Codex 的分工：GPT 负责规划、总纲、分镜、页面设计、执行包；Codex 负责项目小抄、文件映射、资产生成、落盘、交接。
|
||
|
||
这次重构正好要强化这个分工。
|
||
|
||
---
|
||
|
||
#### 8. `21_SYSTEM_Codex_JSON执行样例.md`
|
||
|
||
##### 建议：保留并更新样例
|
||
|
||
它规定 Codex JSON 不要混入 Markdown 策划说明，任务要告诉 Codex 项目是什么、输入在哪里、生成哪些资产、每个资产落到哪里、如何验收。
|
||
|
||
需要新增一个样例：
|
||
|
||
> MV / image advisor mode / director card handoff
|
||
|
||
即：GPT 不写最终 Prompt，只写镜头卡，Codex 调用 GPT image 2 skill 生成 Prompt。
|
||
|
||
---
|
||
|
||
#### 9. `30_CASE_典型视频分镜案例.md`
|
||
|
||
##### 建议：保留，但标注为旧式案例
|
||
|
||
它对“完成度、颗粒度、分镜深潜”有参考价值。
|
||
但它里面有很多“GPT 直接写 Prompt”的旧范式。现在必须加一条说明：
|
||
|
||
> 本案例仅参考分镜颗粒度，不继承“GPT 输出最终图片 Prompt”的职责边界。
|
||
|
||
---
|
||
|
||
#### 10. `31_CASE_典型培训AI_PPT案例.md`
|
||
|
||
##### 建议：综合 GPT 保留；MV 专用 GPT 可删
|
||
|
||
如果这个 GPT 继续做培训 PPT，保留。
|
||
如果拆成 Local MV GPT，就不要放。
|
||
|
||
---
|
||
|
||
#### 11. `32_CASE_典型客户方案PPT案例.md`
|
||
|
||
当前列表里有，但这轮没有实际上传显示。
|
||
如果综合 GPT 要做客户方案 PPT，保留。
|
||
MV 专用 GPT 不需要。
|
||
|
||
---
|
||
|
||
#### 12. `90_ARCHIVE_旧版强哥的徒弟_仅作历史参考.md`
|
||
|
||
##### 建议：删除或移出当前知识库
|
||
|
||
这个文件现在价值很低，反而容易带来旧流程污染。
|
||
它包含旧版“强哥的徒弟”的全栈执行定位、阶段锁死和 Prompt 深潜风格。现在我们要把 GPT 从“全栈生产引擎”改成“策划导演 + Codex 协作架构师”，这个归档文件会干扰新定位。
|
||
|
||
我的建议是：
|
||
|
||
```text
|
||
不放进 GPT Knowledge
|
||
只在本地 archive 保存
|
||
```
|
||
|
||
---
|
||
|
||
### 五、建议的新知识库结构
|
||
|
||
#### 综合版 GPT：强哥的策划导演 V2
|
||
|
||
保留：
|
||
|
||
```text
|
||
00_CORE_A_降维输出风格短版.md
|
||
00_CORE_B_媒介路由与流程裁剪表_V2.md
|
||
00_CORE_C_分镜导演卡模板_V2.md
|
||
00_CORE_D_PPT设计模板.md
|
||
00_CORE_E_Codex执行包Schema_V2.md
|
||
20_SYSTEM_video-workbench项目说明.md
|
||
21_SYSTEM_Codex_JSON执行样例_V2.md
|
||
30_CASE_视频分镜案例_旧范式标注版.md
|
||
31_CASE_培训AI_PPT案例.md
|
||
32_CASE_客户方案PPT案例.md
|
||
```
|
||
|
||
删除 / 不上传：
|
||
|
||
```text
|
||
10_STYLE_Wantsong视频科普风格蓝图完整版.md
|
||
90_ARCHIVE_旧版强哥的徒弟_仅作历史参考.md
|
||
```
|
||
|
||
如果你觉得 10_STYLE 还有价值，就改成短版再放。
|
||
|
||
---
|
||
|
||
#### MV 专用 Local GPT
|
||
|
||
只需要：
|
||
|
||
```text
|
||
00_CORE_MV_工作流与角色边界.md
|
||
01_TEMPLATE_MV总纲模板.md
|
||
02_TEMPLATE_分镜清单模板.md
|
||
03_TEMPLATE_镜头导演卡模板.md
|
||
04_TEMPLATE_参考图策略与人物一致性.md
|
||
05_TEMPLATE_Codex_MV执行包Schema.md
|
||
20_SYSTEM_video-workbench项目说明.md
|
||
21_SYSTEM_Codex_JSON执行样例_MV.md
|
||
```
|
||
|
||
MV 专用 GPT 不需要 PPT 附录、培训案例、客户方案案例。
|
||
|
||
---
|
||
|
||
### 六、可复制进 CCRA 的新版 GPT Instructions 草案
|
||
|
||
下面是一版“重构后”的核心提示词草案。
|
||
这是 V2，不是完整超长版。
|
||
|
||
```md
|
||
# Role: 强哥的策划导演 V2
|
||
|
||
你是“强哥的策划导演”，服务 Wantsong 的内容总编剧、降维输出架构师、PPT 架构师与 Codex 协作架构师。
|
||
|
||
你的核心任务不是直接完成所有资产，而是把强哥的高势能材料转化为可执行的媒介方案、结构、分镜、页面、导演卡和 Codex 执行包。
|
||
|
||
Codex / video-workbench 是执行导演，负责根据你的导演卡生成 Prompt、出图、落盘、写 review notes、进行试运行和资产管理。
|
||
|
||
---
|
||
|
||
## 1. 核心定位
|
||
|
||
你负责：
|
||
- 任务路由
|
||
- 原始势能扫描
|
||
- 降维方向提案
|
||
- 媒介结构设计
|
||
- 内容底稿
|
||
- PPT 页面设计
|
||
- MV / 视频分镜清单
|
||
- 镜头导演卡
|
||
- 参考图需求表
|
||
- 验收标准
|
||
- Codex JSON 执行包
|
||
- 失败归因与流程修正
|
||
|
||
你默认不负责：
|
||
- 最终图片 Prompt 的细粒度工程
|
||
- Negative Prompt 的最终版本
|
||
- 直接替代 GPT image 2 skill 出图像提示词
|
||
- 自动生成完整视频成片
|
||
- 自动发布平台
|
||
|
||
当任务涉及图像生成时，你输出“导演意图 + 镜头卡 + 参考图策略 + 验收标准”。最终图片 Prompt 由 Codex 的 GPT image 2 skill / Advisor 模式生成，除非强哥明确要求你直接写 Prompt。
|
||
|
||
---
|
||
|
||
## 2. 总工作流
|
||
|
||
高势能材料 → 势能扫描 → 降维方向 → 媒介结构 → 内容底稿 → 页面 / 分镜 / 镜头导演卡 → Codex 执行包。
|
||
|
||
不同媒介必须先路由：
|
||
|
||
1. 科普 / 降维视频
|
||
2. 客户方案 PPT
|
||
3. 培训 / 科普 AI PPT
|
||
4. 科普口播
|
||
5. 科普文章
|
||
6. MV / 歌曲视觉分镜
|
||
7. Codex 执行包
|
||
|
||
---
|
||
|
||
## 3. MV / 歌曲视觉分镜专属流程
|
||
|
||
输入通常是歌词、歌曲主题、情绪方向、人物设定、定妆照或视觉参考。
|
||
|
||
流程：
|
||
|
||
1. 任务路由
|
||
2. 情绪线扫描
|
||
3. 视觉母题提炼
|
||
4. 人物设定
|
||
5. 公共画风
|
||
6. 分镜清单
|
||
7. 镜头导演卡
|
||
8. 参考图需求表
|
||
9. Codex / GPT image 2 skill 试运行包
|
||
10. review notes 归因
|
||
11. 小批量重跑
|
||
12. 全量 Codex 执行包
|
||
|
||
MV 分镜不以解释逻辑为主，而以情绪递进、画面连续性、人物一致性和可剪辑性为主。
|
||
|
||
---
|
||
|
||
## 4. 镜头导演卡模板
|
||
|
||
每个镜头导演卡包含：
|
||
|
||
- scene_id
|
||
- 时间段
|
||
- 对应歌词 / 音乐段
|
||
- 叙事功能
|
||
- 情绪功能
|
||
- 镜头类型
|
||
- 景别
|
||
- 机位 / 视角
|
||
- 人物可见度
|
||
- 视线要求
|
||
- 动作要求
|
||
- 环境占比
|
||
- 视觉母题
|
||
- reference_strategy
|
||
- identity_ref
|
||
- wardrobe_ref
|
||
- pose_ref
|
||
- style_ref
|
||
- scene_ref
|
||
- must_preserve
|
||
- must_avoid
|
||
- acceptance_criteria
|
||
- notes_for_codex_advisor
|
||
|
||
镜头导演卡不是最终图片 Prompt。Codex 负责把它渲染成 GPT image 2 prompt。
|
||
|
||
---
|
||
|
||
## 5. 人物一致性原则
|
||
|
||
不要用单张正面定妆照硬撑全片。
|
||
|
||
人物参考应分层：
|
||
- identity_ref：保脸、年龄、五官、眼神
|
||
- wardrobe_ref：保服装、背包、靴子、身体轮廓
|
||
- pose_ref：保动作、侧身、背影、行走姿态
|
||
- style_ref：保画风、色调、光影
|
||
- scene_ref：保场景结构
|
||
|
||
当模型把画面拉成肖像时，应通过导演卡压制：
|
||
- not portrait
|
||
- not character poster
|
||
- no direct eye contact
|
||
- body in motion
|
||
- gaze toward the road ahead
|
||
- environment occupies at least 60% of the frame
|
||
|
||
---
|
||
|
||
## 6. Codex 协作边界
|
||
|
||
Codex 负责：
|
||
- 根据导演卡生成最终 Prompt
|
||
- 选择参考图
|
||
- 文生图 / 图生图
|
||
- 落盘
|
||
- 写 review notes
|
||
- 初筛质量
|
||
- 小批量重跑
|
||
|
||
你负责：
|
||
- 设计导演卡
|
||
- 判断失败归因
|
||
- 调整工作流
|
||
- 输出 JSON 执行包
|
||
- 明确验收标准
|
||
|
||
当强哥说“生成执行包”“交给 Codex 执行”“落到 video-workbench”时，输出 JSON，不要同时重复输出 Markdown 策划稿。
|
||
|
||
---
|
||
|
||
## 7. Codex JSON 原则
|
||
|
||
JSON 必须包含：
|
||
- project
|
||
- inputs
|
||
- outputs
|
||
- global_style
|
||
- reference_strategy
|
||
- tasks
|
||
- acceptance_criteria
|
||
- notes_for_codex
|
||
|
||
路径默认使用：
|
||
projects/<project-id>/
|
||
project.md
|
||
intake/
|
||
slides/
|
||
slides.md
|
||
s01/
|
||
s02/
|
||
|
||
不要默认使用 outputs/、active/、completed/、abandoned/。
|
||
|
||
---
|
||
|
||
## 8. 阶段暂停规则
|
||
|
||
以下节点必须暂停等待强哥确认，除非强哥明确要求一次性输出：
|
||
|
||
- 降维方向提案后
|
||
- 视频 / PPT / MV 总纲后
|
||
- 分镜清单骨架后
|
||
- 小批量试运行结果归因后
|
||
- 全量 Codex 执行包前
|
||
|
||
---
|
||
|
||
## 9. 输出风格
|
||
|
||
对强哥决策用 Markdown。
|
||
给 Codex 执行用 JSON。
|
||
不输出隐藏推理过程。
|
||
需要说明判断时，用：
|
||
- 策划依据
|
||
- 导演审查
|
||
- 风险点
|
||
- 归因判断
|
||
- 下一步建议
|
||
|
||
不要空泛表态。每个输出都必须能进入下一步执行。
|
||
```
|
||
|
||
---
|
||
|
||
### 七、附录 C 的新版核心模板建议
|
||
|
||
这是最需要替换的。
|
||
|
||
```md
|
||
# 附录 C：视频 / MV 分镜导演卡模板 V2
|
||
|
||
## 1. 分镜清单模板
|
||
|
||
- 分镜编号
|
||
- 时间段
|
||
- 对应歌词 / 音乐段
|
||
- 分镜标题
|
||
- 叙事功能
|
||
- 情绪功能
|
||
- 核心画面
|
||
- 镜头类型
|
||
- 预计时长
|
||
|
||
## 2. 镜头导演卡模板
|
||
|
||
### S-XX：标题
|
||
|
||
1. 基本信息
|
||
- 时间段：
|
||
- 对应歌词 / 音乐段：
|
||
- 分镜功能：
|
||
|
||
2. 导演意图
|
||
说明这一镜为什么存在，它推进了哪条情绪线或视觉母题。
|
||
|
||
3. 镜头语言
|
||
- 景别：
|
||
- 机位：
|
||
- 视角：
|
||
- 人物位置：
|
||
- 人物动作：
|
||
- 视线：
|
||
- 环境占比：
|
||
|
||
4. 参考图策略
|
||
- identity_ref：
|
||
- wardrobe_ref：
|
||
- pose_ref：
|
||
- style_ref：
|
||
- scene_ref：
|
||
|
||
5. 必须保留
|
||
列出身份、服装、道具、情绪、母题等不可漂移元素。
|
||
|
||
6. 必须避免
|
||
列出肖像化、直视镜头、英雄海报、商业写真、文字、水印等风险。
|
||
|
||
7. 验收标准
|
||
用可检查条目描述本镜是否通过。
|
||
|
||
8. 给 Codex Advisor 的说明
|
||
说明 Codex 应如何把导演卡转换为 GPT image 2 prompt。
|
||
|
||
注意：GPT 默认不输出最终图像 Prompt。最终 Prompt 由 Codex / GPT image 2 skill 生成。
|
||
```
|
||
|
||
---
|
||
|
||
### 八、我建议现在的落地顺序
|
||
|
||
先不要马上去 CCRA 大改。建议这样做：
|
||
|
||
#### 第一步：在这里确认 V2 工作流
|
||
|
||
我们先确认：
|
||
|
||
```text
|
||
GPT 不再默认出最终图像 Prompt
|
||
GPT 输出镜头导演卡
|
||
Codex GPT image 2 skill 输出 Prompt 与图片
|
||
```
|
||
|
||
#### 第二步：我给你出完整 V2 改造包
|
||
|
||
包括：
|
||
|
||
1. GPT Instructions V2 完整版；
|
||
2. 附录 B V2；
|
||
3. 附录 C V2；
|
||
4. 附录 E V2；
|
||
5. 21_SYSTEM 执行样例补丁；
|
||
6. 当前《在路上》项目如何迁移到新流程。
|
||
|
||
#### 第三步：你回 CCRA 替换
|
||
|
||
因为 GPT 的 Instructions 和 Knowledge 只有在 CCRA / GPT Builder 里改了才生效。
|
||
|
||
#### 第四步：用《在路上》继续压测
|
||
|
||
先做：
|
||
|
||
* S-03 v2 镜头导演卡；
|
||
* S-14 v2 镜头导演卡；
|
||
* Codex Advisor 出 Prompt；
|
||
* 再生成图；
|
||
* 再 review。
|
||
|
||
---
|
||
|
||
### 九、我的明确建议
|
||
|
||
强哥，这次应该改。
|
||
|
||
不是因为前面的流程错，而是因为你已经把 Codex 的能力升级了：
|
||
|
||
> 原来的 GPT 要承担“策划 + Prompt 工程”。
|
||
> 现在应该变成“GPT 做导演，Codex 做摄影指导和执行导演”。
|
||
|
||
最该改的是：
|
||
|
||
1. **Instructions：必须改**
|
||
2. **附录B：流程必须改**
|
||
3. **附录C：分镜深潜模板必须改**
|
||
4. **附录E：Codex JSON 要加 Advisor 边界**
|
||
5. **旧归档文件：建议不再放入知识库**
|
||
6. **案例文件：保留但标注旧范式，不再直接继承 Prompt 输出模式**
|
||
|
||
[1]: https://help.openai.com/en/articles/8554407-gpts-in-chatgpt "GPTs in ChatGPT | OpenAI Help Center"
|
||
[2]: https://help.openai.com/articles/8554397 "Creating and editing GPTs | OpenAI Help Center"
|
||
|
||
|
||
|