lumina-flow-story-to-video-path-blend-2-0

name	lumina-flow-story-to-video-path-blend-2-0
description	story_to_video 的 2.0 溶图自治路径；首帧与参考图生视频为主，按分镜完成图生图、文生图和溶图

story_to_video path blend 2.0

路径定位

• 本路径面向 Seedance 2.0 / 2.0 类视频模型。
• 本路径不是导演总规范入口；剧情弧线、暗线、穿插叙事、台词节奏和镜头功能已由上游剧本、故事板和 shot_split 决定。
• 本路径负责把已确认的镜头意图落成可控主分镜图、必要参考图和可直接生成视频的短提示词。
• 主策略是先做可靠的当前镜头主画面，再让视频从主画面自然动起来。
• 图片负责锁定身份、服装、空间、道具、构图和状态；文本负责动作起势、镜头运动、时间分镜、情绪落点和声音气质。

视频模式规则

• first_frame 是默认主路径：适合已溶出当前镜头主分镜，视频只需从这张画面自然运动。
• reference_images 适合需要持续约束多个角色、场景、道具、构图或记忆碎片的镜头。
• first_last_frame 只在结尾硬性结果不能拆镜、也不能由首帧自然演化时使用。
• text_to_video 只用于纯空镜、抽象过场或低风险镜头。
• 不因为公共上下文支持某模式就机械使用，按当前镜头风险选择。

分镜图规则

• 先判断这个镜头最需要锁住什么：首帧构图、人物关系、空间一致性、道具证据、状态异变、情绪特写或结尾硬结果。
• 需要同框新画面时，可以把角色图、场景图、道具图溶成一张当前镜头主分镜。
• 主分镜只承担当前镜头起始画面：谁在场、站位如何、动作从哪里开始、光线和构图是什么。
• 可以补特写、动作构图或状态参考图，但它必须解决明确风险：身份、空间、道具交互、动作构图、状态异变、情绪证据或伏笔回收。
• 记忆闪回或蒙太奇镜头只补关键锚点图：现实主锚点、最重要情绪记忆、道具证据、必要场景锚点；不要把每个时间片都生成一张图。
• 15 秒内常规使用 1-4 张图；复杂蒙太奇可以到 5-7 张；接近 9 张时必须优先考虑拆镜或合并锚点。
• 不为丰富画面添加无关参考图，不做海报、拼贴、多格漫画或过程帧。

溶图提示词规则

• 图生图和溶图提示开头必须说明每张参考图职责，例如 图片1 锁场景空间，图片2 锁周行身份服装，图片3 锁护身符材质。
• 溶图最终只生成一张当前镜头画面，不做拼贴、多图并列、前后对比或分镜组。
• 普通主分镜溶图可以承担双人同框、人物与场景融合、道具归属和起始动作构图。
• 特写溶图只能输出单一局部证据，例如眼部发红、手握符纸、刀刃反光、文件袋落桌；不要同时承担全身、全景和多道具。
• 状态异变要写清保留什么、覆写什么：脸和服装保留，伤势、战损、光色、道具状态按剧情覆写，避免模型恢复成默认漂亮状态。

视频提示词写法

• 最终视频提示词应符合 Seedance 写法：固定参数单独放前面，正文按自然镜头节拍推进。
• Lumina 管线字段使用 shotSynopsis + microShots + dialogueLineIndices + audioDirectives + constraintHints；不要再输出旧式长段散文视频提示词。
• 如果输出是直接投 Seedance / 火山引擎平台的完整 prompt，可以使用官方引用 @图片1、@视频1 并合并固定参数、声音和约束；如果输出是 Lumina 管线字段，则每个 micro-shot 用 visualBeat 写一句自然镜头句。
• 视频正文优先先写自然镜头句，再按需补自然镜头提示、参考锚点、空间方向、可见情绪信号和短约束。
• 每个 SHOT / visualBeat 首句主体前置：先写"镜头 + 主体位置 + 主体动作"，再写场景/光线/陈设。"环境前置 + 镜头推近到 X" 是触发人物突然闪现 / 拍间画面融合的高发反模式。详见 §主体前置（Subject-First）。
• 景别用 9 档标准词（大全景/全景/远景/中景/中近景/近景/特写/大特写/反应镜头/插入镜头/主观镜头），不写焦距、光圈、景深、85mm/f/1.4 等技术 jargon（Seedance 不响应甚至 degrade）；需要镜头质感用 广角空间感 / 自然视角 / 人像压缩感 / 微距质感 + 画面占比锚点（脸占画面 40% / 主体占画面 60%）。
• first_frame 镜头要从首帧自然动起来，首个节拍写清"从首帧画面开始"的动作起势，不凭空换空间或换站位。
• reference_images 镜头需要指代素材时使用真实 img_x 或编译器映射后的 @图片N；编号只代表参考职责，不代表时间顺序。
• 图片生成提示词和视频正文分层：图片阶段可以写完整生成或溶图说明；视频阶段只保留短职责绑定，不把完整图片说明塞进每个时间段。
• 如果已有逐张图片说明，最终视频正文只保留一个公共参考素材段，不重复输出“参考: 图片N=...”的完整职责清单；禁止写“按图片顺序读取参考”。
• 9 秒以上通常拆成 2-4 个自然节拍；13-15 秒叙事镜头通常拆成 3-5 个节拍；快切闪回可以写成同一节拍里的 2-3 个极短镜头。
• 节拍只控制镜头重心和运动，不逐帧锁死姿态；普通段落不强行填写矢量字段。
• 情绪不要只写抽象词，要落成可见信号：眼圈渐红、呼吸停住、手指收紧、嘴角僵住、肩背不动、视线躲开或落定。
• 台词会由编译器追加；视频正文必须为每句关键台词预留说话动作、听者反应、停顿或情绪承接点，不在视觉正文里改写台词原文。
• 编译器按 dialogue.lines[].kind 分别输出 台词N： / 旁白VO / 画外音 / 内心独白；PromptPackage 不要自己拼这些前缀，也不要在 visualBeat 里复述台词原文。
• 如果画外音内容留到下一镜，不把说明文字写成引号台词；当前镜只写画外声方向、声音压迫感和听者反应。
• 声音会由编译器追加；audioDirectives 只补充环境音、动作音、BGM 气质和强度，不把 BGM 说明塞进视觉正文。
• audioDirectives 输出前按环境音、动作音、BGM 三类去重，删除换词重复。
• 蒙太奇和闪回要写清现实锚点、转场动机、记忆锚点和回到现实的落点；不要写成参考图清单流水账。
• 对强物理交互、拥抱、打斗、穿刺、复杂手部操作，优先用特写、剪影、道具、反应镜头和环境后果规避模型短板。
• 最终给模型的正文删除导演表格字段和过细摄影参数，例如叙事目的、关键确认、黄金三秒、观众理解、焦段、光圈和镜头型号。

Seedance 结构偏好

• 好的短提示词不是越短越好，而是信息分区清楚：参考素材职责清楚，画面动作按时间推进，台词和声音有对应的表演位置。
• 可以保留自然镜头句的质感，但不要输出冗长栏目堆叠；最终给模型看的重点是可拍动作、镜头和时间顺序。
• 对对白戏，优先稳定近景或中近景、缓慢推近、过肩、反应特写；用停顿和视线承接台词，不让整段只变成念白。
• 对灾难、觉醒、战斗和记忆闪回，允许快切，但必须给每个短镜头一个清晰功能：破坏证据、身体反应、道具回收、情绪翻转或现实落点。

主体前置（Subject-First）

经验对比（用户实测，同剧情同锚点，仅首句顺序不同）：

# 反例（环境前置，人物易闪现 / 拍间融合）
SHOT 1: 明亮的森林小木屋客厅已经完全恢复整洁，阳光铺在木地板上，收纳篮安稳放好，
       镜头平视缓慢推近到站在中央的嘟嘟与围绕家人。

# 正例（主体前置，人物稳定建立）
SHOT 1: 嘟嘟立在画面中央，妈妈、爸爸、栗栗、岩土爷爷分立周围，镜头平视缓慢推近；
       明亮的森林小木屋客厅完全恢复整洁，阳光铺在木地板上，收纳篮装满安稳放好的玩具。

写法规则：

1. 每个 SHOT / visualBeat 首句先列主体：<主体>(在画面 X 位置) + <动作/状态>，再写<场景> + <光线> + <陈设/道具>。
2. carry-over 角色：跨 SHOT 沿用同一角色，本 SHOT 首句仍要显式重提位置/状态（"嘟嘟仍立画面中央，胸口微挺"），不要假设模型记得上一拍。
3. 新进角色：写入画方向 + 起始位置 + 速度（"X 从画面左侧阴影区入画跑近"）；禁止"突然出现"、"忽然闪现"、"画面里多了 X"等被动揭示语。
4. 同框多角色：一句话内按"主→次"顺序列完所有出场角色，再统一接环境。
5. first_frame 镜头：第一句要回到主分镜首帧的视觉事实，主体仍要在首句出现；不要让"环境改变"挤掉主体。
6. 禁止镜头"发现"主体：镜头推近后揭示出 X / 摇过最终落在 X 身上 是反模式；改成主体客观状态 + 镜头动作。

质量标准

• 分镜图服务当前镜头执行，不做海报、立绘或无关氛围图。
• 首帧主分镜可以独立支撑视频起始画面。
• 额外分镜图有明确职责，不重复、不凑数。
• 视频提示词和首帧或参考图一致，不凭空切换空间或人物。
• 首尾帧使用克制，只服务硬性结果。
• 视频提示词没有重复画风、时长、比例等固定参数。
• 每个节拍都有自然镜头句和明确镜头重心，不是散文化剧情复述。
• 台词有可见表演锚点，声音有对应画面事件或氛围来源。
• 多参考素材用 @图片N 职责绑定清楚，不把参考图当逐帧播放顺序。
• 15 秒镜头如果塞入过多空间、过多人物或过多记忆锚点，应拆镜或改成更少的代表性锚点。

失败回退

• 提示词像资产清单：删掉低价值参考图，只保留现实主锚点、关键人物、关键道具和最强情绪记忆。
• 台词悬空：在对应时间段补说话人的口型、呼吸、眼神和听者反应，不改写台词。
• 声音薄弱：在 audioDirectives 补环境音、动作音、BGM 情绪和强度，并在画面里保留能产生这些声音的事件。
• 动作失真：把复杂交互拆成手部特写、道具结果、反应镜头和环境后果。
• 画面漂移：回到首帧主分镜或补一张职责明确的参考图，不继续加散乱文字。
• 人物闪现 / 拍间融合：检查 visualBeat 首句是否环境前置；改主体前置。carry-over 角色没在本拍重提位置时补一句"X 仍在画面中央"。新进角色补入画方向 + 起始位置 + 速度。
• 被动揭示语：visualBeat 出现"揭示出 X / 最终落在 X / 原来 X 站着 / 突然出现 X / 忽然闪现 X / 画面里多了 X" 时改成主体客观状态 + 镜头动作。
• 景别含糊或焦距 jargon：写"中远景偏宽"或"85mm 浅景深"时改成 9 档标准景别 + 自然短语 + 画面占比，例如"中近景 + 人像压缩感 + 脸占 40%"。