# 素材收集、生成、确认与登记参考

本文件定义技能在"用户发起口播视频任务"时如何**锁定固定品牌素材（生成输入）**、**生成最终确认物料并让用户确认**、**登记物料清单**，最终把确认后的物料映射为 wan3 的参考素材。目标：调用视频接口前，人物形象与场景风格全部锁定且经用户确认，成片一致、可直出。

## 一、固定品牌素材（生成输入，永远锁定，不可被自动生成覆盖）

以下 4 项是**生成输入**，由用户提前以「公网 URL（config.brand_assets，推荐）」或「本地文件（assets/brand/，兜底）」提供，技能每次运行直接读取并锁定：

| 素材 | config 字段（url） | 本地兜底文件名 | 角色 | 硬约束 |
|---|---|---|---|---|
| 人物五视角图 | `brand_assets.character_5view.url` | `character_5view.*`（png/jpg） | 生成「人物完整形象照」的输入 | 全片同一人：脸型/五官/发型/年龄感一致 |
| 制服细节图 | `brand_assets.uniform_detail.url` | `uniform_detail.*` | 生成「人物完整形象照」的输入 | 可换款式/颜色；**胸牌样式必须完全一致、绝对不可变更** |
| 立体 LOGO 源文件 | `brand_assets.logo_3d.url` | `logo_3d.*` | 生成「门店内景照片」的输入（LOGO 落位） | 必须出现在门店前台或某场景墙面 |
| 音色文件 | `brand_assets.voice_ref.url` | `voice_ref.*`（mp3/wav，单段 ≤15s） | `reference_audio` = Audio 1（直接提交） | 作为口播音色参考；超 15s 先裁剪一段代表音色 |

- 这 4 项**默认不直接提交 wan3**——它们是用来生成「第二节最终确认物料」的输入；只有 `voice_ref` 作为音色直接提交。
- 技能启动时**校验这 4 项**：每项要么 `config.brand_assets.<key>.url` 非空，要么 `assets/brand/` 存在对应本地文件；**两项皆无 → 主动提示用户（填 URL 或放文件），不进入后续生成**。
- 跨团队复用：给团队「URL 列表」或「4 个文件」其一即可，无需改流程。

## 二、生成最终确认物料（核心：先出图确认，再提交）

固定 4 项之外/之上，按用户选题/知识点**生成以下最终物料**，展示给用户确认后，这些确认稿才作为 wan3 的 `reference_image` 提交：

### 1. 人物完整形象照 — 1 张（可生成 2–3 张供选）
- **来源**：以 `character_5view`（人物五官/发型/年龄感）为人物参考、以 `uniform_detail`（制服款式/颜色、胸牌样式）为服装参考，用图像生成能力**合成 1 张「人物身穿制服的完整形象照」**。
- **硬约束**：胸牌样式与 `uniform_detail` 完全一致、不可变更；脸型/发型/年龄感与 `character_5view` 一致、不可变脸。
- 文件名：`人物_完整形象照.jpg`（若多张候选：`人物_形象_1.jpg` …）。
- 这是最终提交 wan3 的 **Image 1**（不再是原始五视角图本身）。

### 2. 门店内景照片（含怡呵美 LOGO）— 3 张（多位置供选）
- **来源**：以 `logo_3d` 作 LOGO 参考，生成门店内景，确保前台/墙面出现怡呵美立体 LOGO（单靠文字描述不可靠，必须靠 LOGO 参考落位）。
- 位置 1：面诊桌正对面（主角主讲机位）；位置 2：前台侧（LOGO 主展示）；位置 3：产品陈列 / 护理区。
- 文件名：`门店_内景_1.jpg` / `门店_内景_2.jpg` / `门店_内景_3.jpg`。
- 用户确认采用哪张作为视频主场景 → 记为 `门店_内景_采用.jpg`，这是最终提交 wan3 的 **Image 2**。

### 3. 内容插入插画参考图 — 2 张（抽象可视化风格启发）
- 风格来自元素 25（插画风格）；内容提炼自知识点（如"屏障受损示意""红血丝 vs 泛红对比"）。
- 约束：无真人皮肤 / 无血液 / 无伤口 / 无文字 / 无医学 UI。
- 文件名：`插画_参考1.jpg` / `插画_参考2.jpg`。
- 单段 30 秒视频内，插画以"抽象皮肤科普可视化"呈现（见元素 17），这两张图作**风格启发 / 参考图**，不单独生成插画视频段。提交为 **Image 3 / Image 4**。

## 三、确认与自动随机指定

- 展示：人物完整形象照（1–3 张）、门店内景（3 张）、插画（2 张），请用户**逐类挑选/确认**。
- 用户**未做任何选择** → 系统**自动随机指定**一组（记录"已自动随机指定：人物_形象_X / 门店_内景_X / 插画_参考_X"），继续组装，不阻塞流程。
- 固定 4 项不进入"随机"，始终用用户提供的素材（作生成输入）。

## 四、物料清单登记（写入脚本「物料清单」段）

- 人物完整形象照：`人物_完整形象照.jpg`（由 character_5view + uniform_detail 生成、确认，Image 1）
- 门店内景照片：`门店_内景_采用.jpg`（由 logo_3d 生成含 LOGO、确认，Image 2）
- 插画参考图：`插画_参考1.jpg` / `插画_参考2.jpg`（自动生成，Image 3 / Image 4）
- 音色文件：`voice_ref.*`（确认，Audio 1，≤15s）
- 原始输入（不提交）：`character_5view.*` / `uniform_detail.*` / `logo_3d.*`

## 五、映射为 wan3 参考素材（供 generate_video.py）

media 数组顺序 = prompt 中 Image/Audio 编号。**提交的是确认后的生成物料，不是原始 4 项文件本身**：

```
--media \
  人物_完整形象照.jpg:reference_image \   # Image 1（由 character_5view + uniform_detail 生成、确认）
  门店_内景_采用.jpg:reference_image \    # Image 2（由 logo_3d 生成含 LOGO、确认）
  插画_参考1.jpg:reference_image \        # Image 3
  插画_参考2.jpg:reference_image \        # Image 4
  https://cdn.x/voice_ref.mp3:reference_audio   # Audio 1（config URL 透传，或 assets/brand 本地文件）
```

prompt 中相应使用 `Image 1`…`Image 4` / `Audio 1` 引用（详见 `wan3-workflow.md` 第四节）。

> 注：若 wan3 对一致性要求极高、希望额外锚定人物基准，可把 `character_5view` 也作为附加 `reference_image` 传入（Image 5），但默认流程仅提交上述确认物料。