video-prompt-director

name	video-prompt-director
description	视频生成提示词导演技能。用于把剧情、镜头组或场景段落转成简洁、可视、可听、可执行的视频提示词，控制人物绑定、动作节拍、台词时机、镜头运动、时长容量、参考图适配和生成风险。
version	1.0.0
author	Hermes Agent
license	MIT
metadata	{"hermes":{"tags":["video-prompts","directing","ai-video","shot-design","continuity"],"related_skills":["script-to-shot-table","image-art-direction","creative-production-pipeline"]}}

视频提示词导演

目标

把提示词写成可执行的导演指令，不写成小说。保留用户意图，同时减少歧义、事件过载、人物身份混乱和模型误解。

适用于视频生成模型、Director 类工具、图生视频、文生视频、镜头组转视频、短片片段提示词等场景。

核心原则

1. 场景先行。 先写时间、地点、可见环境，再写人物、动作、镜头和声音。
2. 只写能看见或听见的内容。 删除文学性心理、抽象气氛和不可视指令。
3. 一个短片段只承载有限动作。 动作过载会造成跳切、错位、身份漂移或结尾不清。
4. 镜头组优先。 先把故事整理成一个可生成的视频段落，再写提示词；不要把每个单镜头都当成独立生成任务。
5. 参考图必须实际检查。 不看文件名直接绑定参考图，会导致画质、景别、风格或人物错误。
6. 每个可见人物只绑定清楚一次。 不在同一提示词里反复切换同一人物的不同参考图。
7. 台词必须写具体内容和时机。 用户要求某语言或某句台词时，不能只写“他说话”。
8. 不要用负面补丁掩盖结构问题。 先简化镜头和人物绑定，再考虑少量避免项。
9. 未经用户明确要求，不提交生成任务。 默认交付提示词或生成计划。

执行流程

1. 拆解导演意图

   • 判断片段要传达的是世界建立、人物生活、动作推进、冲突前兆、情绪转折、产品卖点、氛围展示或其他目标。
   • 完成标准：能用一句话说明本片段的戏剧任务。

2. 确认镜头覆盖

   • 哪些信息由远景/全景建立，哪些由中景、近景、特写、行动镜头或生活镜头承担。
   • 不要让宏大世界观自动变成全片只有大全景。
   • 完成标准：镜头景别服务镜头组的叙事任务，而不是只追求宏大或逐镜头完整。

3. 检查参考图

   • 实际打开候选图，判断画面内容、景别、人物活动、清晰度和画风。
   • 参考图不足时，先列出缺口；需要补图时先写补图计划或提示词，不硬绑定。
   • 完成标准：每张参考图都有明确用途：身份、服装、场景、动作、构图、情绪或风格。

4. 控制时长容量

   • 4 秒：一个动作节拍，最多一句很短台词。
   • 6 秒：一个动作节拍加一到两句短对白。
   • 8 秒：两到三个简单节拍。
   • 10-12 秒：三到四个连续节拍，最多包含一句短台词。
   • 15 秒：四到五个连续节拍；复杂多地点动作仍需拆分。
   • 完成标准：动作节拍不超过时长承载能力。

5. 写提示词

   • 顺序：时间地点环境 → 人物位置关系 → 连续动作/表演 → 台词和说话时机 → 有动机的镜头运动 → 结束画面 → 视觉风格 → 声音与字幕。
   • 完成标准：每句话都能被画面或声音验证。

6. 诊断风险

   • 人物重复、人物数量不准、跳切、动作过载、参考图不够、台词缺时机、镜头指令冲突、声音需求不清。

紧凑模板

单个镜头组：

【时间、地点、可见环境】。【人物（参考图）的位置与关系】。【本镜头组的连续动作节拍】。人物在【时机】用【语言】说：“【具体台词】”。镜头从【起始画面】推进到【结束画面】。【视觉风格】。【声音与字幕要求】。

与当前镜头无关的字段直接省略。不要为了填满模板而扩写提示词。

蒙太奇：

镜头1：【时间、地点、可见环境】。【单一动作或信息点】。镜头【运动或构图】，停在【结束画面】。镜头2：【时间、地点、可见环境】。【单一动作或信息点】。镜头【运动或构图】，停在【结束画面】。整体为【视觉风格】。【声音与字幕要求】。

蒙太奇每个镜头应只有一个清楚任务。若不同镜头不在同一时空，必须说明它们是独立镜头，不要写成一次连续空间移动。

参考图绑定规则

• 每个具名人物选择一张主要参考图。
• 多张图属于同一人物时，只说明一次，并为当前镜头选择最适合的一张。
• 大全景、城市建立镜头、环境镜头，通常只绑定一张主场景参考图。
• 背景人物不重要时，优先不写或使用画外音。
• 候选参考图画质差、主体不清、风格不统一或无法支撑镜头时，先报告并替换，不硬用。

台词与声音

台词写法：

她退到柱子后，喘息着用日语说：“弾がない。”

旁白写法：

低沉、克制的成熟男声旁白，用中文缓慢说：“……”

规则：

• 台词紧跟触发它的动作。
• 必须写明说话者、语言、具体台词和时机。
• 如果启用声音，明确人物语音、旁白音色、环境声或动作声。
• 不要默认加入配乐、BGM 或主题曲；除非用户明确要求音乐。
• 用户要求字幕时写字幕；否则不要默认承诺字幕。

常见反模式

• 小说式心理：她略显疲惫，内心警觉。
• 模糊视觉：氛围高级，命运感强。
• 负面补丁：全程无跳切，无重复人物，无克隆。
• 单镜头碎化：把一个镜头组拆成多个互不连贯的短 prompt，导致剪辑跳断和角色漂移。
• 动作过载：一个 6 秒片段里写追逐、打斗、换武器、说两句台词和爆炸。
• 参考图混乱：同一人物在提示词里交替绑定图1、图2、图3。
• 台词不落地：只写“说日语”，不给台词内容和时机。

交付前检查

• 是否以场景开头。
• 是否先确认镜头组的叙事任务，而不是直接逐镜头写 prompt。
• 每句话是否都能被看见或听见。
• 每个人物是否绑定清楚。
• 动作节拍是否符合时长。
• 台词是否明确并绑定到具体时机。
• 镜头运动是否与动作兼容。
• 是否有清楚的结束画面。
• 参考图是否实际检查并足以支撑镜头。
• 是否剔除或报告不合格参考图。
• 是否删除不必要文学形容词和负面补丁。
• 未经用户明确要求，没有提交视频生成任务。