# 美业口播科普视频脚本（单段 · 百炼 wan3）：【主题】 > 本模板由 `beauty-talk-science-video-script` 技能填充。下方所有 `[ ]` 占位项按用户确定的元素与 wan3 工作流生成。整段视频**一个片段、≤30 秒**，不支持二次创作（每次修改整段重发 wan3）。 > 关键链路：原始固定素材（人物五视角图/制服细节图/音色）是**生成输入**；最终提交 wan3 的是**经用户确认的物料**（人物完整形象照 / 门店空间实景图 / 插画 / 音色）。 --- ## 一、角色定义（Subject） - **人设 / 身份**：[皮肤知识科普博主 / 医美咨询师 / …] - **面部形象**：由 `character_5view.*`（固定素材）生成，全片同一人、不变脸。 - **服装**：由 `uniform_detail.*`（固定素材）生成，可换款式/颜色；**胸牌样式必须完全一致、不可变更**。 - **造型**：[深栗色半扎长发 + 斜刘海 / 与人物五视角图一致] - **音色**：`voice_ref.*`（作 Audio 1 音色参考，wan3 原生生成对白并对口型） --- ## 二、固定品牌素材（生成输入，素材包/URL 锁定，不可覆盖） > 以下 3 项用于**生成**第三节的最终物料，默认不直接提交 wan3（voice_ref 作音色直接提交）。 - `character_5view.*`（URL 或本地）→ 生成「人物完整形象照」的人物参考 - `uniform_detail.*`（URL 或本地）→ 生成「人物完整形象照」的制服参考（胸牌锁死） - `voice_ref.*`（URL 或本地）→ Audio 1（直接提交，≤15s） --- ## 三、生成并确认的最终物料（用户确认后才提交） > ⚠️ 以下物料名里的 `Image 1 / Image 2 / Image 3 / Image 4 / Audio 1` **只是内部命名与 media 数组顺序对应**，**绝不能原样写进 prompt 文本**（wan3 会把 `Image N`/`Audio N` 当对白念出）。prompt 里用自然语言描述画面与音色即可。 - **人物完整形象照（Image 1）**：由 character_5view + uniform_detail 生成，`人物_完整形象照.jpg`（胸牌与 uniform_detail 一致、不可变更）。 - 确认状态：[用户挑选 / 已自动随机指定：人物_形象_X] - **门店空间实景图（Image 2）**：按动线 zone 从 `assets/store-spatial-index/` 选取的实景照片（如 `门店_实景_Z02.jpg`），怡呵美 LOGO 随实景自然呈现，不另行生成。 - 选取：按动线规划涉及的 zone 选取对应实景图（如 `_Z02` 开场 zone / `_Z05` 走位走廊 / `_Z04` 落点洽谈区），多 zone 可多张分别作各段背景参考；U01–U03 禁用。 - 确认状态：[按动线 zone 选取：门店_实景_Z0X] - **插画参考图（Image 3 / Image 4，抽象可视化风格启发）**：`插画_参考1.jpg` / `插画_参考2.jpg`，无真人皮肤/血液/文字。 - 确认状态：[用户挑选 / 已自动随机指定：插画_参考_X] --- ## 四、口播文案（口语化、可加语气词、不大幅增字，按约 3–3.7 字/秒估算、总时长 ≤30 秒、不固定 30 秒） > 由用户内容转换而来：先规避/修改违禁词，再**优化得更口语化白话**（书面改日常说话、适当加语气词），**不大幅增加字数**；自然亲和、适合口播；`/` 短停、`//` 长停不读出。 [口语化口播全文：……（示例）"很多姐妹分不清泛红和红血丝 / 其实它俩真不是一回事 // 泛红是一过性的、受刺激就红 / 红血丝是毛细血管扩张、常年挂在那 // 搞清楚了，护肤才不踩坑。"] 字数校验：[N] 字 → 按 ~3–3.7 字/秒 估算约 [N/3.5≈T] 秒，须 ≤30 秒（T 最终由第五节 Shot 表求和确认）。 --- ## 四-补、敏感词/合规检测（口播定稿后必跑） > 口播文案（第四节）经用户确认后，按技能 Step 6 自动跑 `scripts/compliance_scan.py` + 对照 `references/compliance-check.md` 复核，结论写入此处留痕。 - **检测触发**：每次口播定稿确认后必跑；用户按建议改 / 自改后再次检测，循环直到无 🔴 极高、无 🟠 高违规。 - **检测报告结论**：[通过 / 修改后通过（中·低） / 不予通过] - **命中条目与处置**： | 违规点 | 原表述 | 风险等级 | 法规依据 | 合规替换 | 处置 | |--------|--------|----------|----------|----------|------| | [类别] | 「[词]」 | [🔴/🟠/🟡/🟢] | [法规] | [替换] | [已采纳 / 用户自改 / 保留待核] | - 确认状态：[用户已确认通过 / 已按建议修改后复检通过] --- ## 四-补2、插画插入点（用户确认，提交前必填） > 在口播文案（第四节）与插画（第三节 Image 3/4）都确认后，由用户指定插画从哪一句开始融入画面作为起始点（见技能 Step 7）。 - **口播分句（按停顿切分，带编号）**： ① [句1]　② [句2]　③ [句3]　④ [句4] …（以用户确认稿为准逐句拆出） - **插画起始句**：第 [N] 句「[原文]」——Image 3 / Image 4 从该句起连续融入画面；若多图各自对应不同句，逐图标注（如 Image 3→句②、Image 4→句③）。 - 确认状态：[用户点选 / 已自动建议：第 N 句] --- ## 五、单段视频 Prompt（整段 [T] 秒 · 编导分镜版，含参考引用；T 由本节【动线设计规划】时间列求和得出且 ≤30） > 一段连续 prompt 描述整段画面（不拆分请求），wan3 原生生成画面 + 对白 + 环境音。下方范式按官方「总体描述 + 镜头序号 + 时间戳 + 分镜内容」组织，**时间戳用英文 `Shot N [x-y s]`、台词用 `{}` 圈出**。⚠️ **prompt 文本里绝不写 `Image N`/`Audio N`**（会被 wan3 当对白念出，见 `wan3-workflow.md` 第一节/第七节）；第三节物料靠 media 数组顺序间接对应，用自然语言描述画面与音色即可。写这条 prompt 要像专业编导：**人物必须在门店场景里"活"起来，不站桩；运镜/插画展示/门店丰富元素按下面四块随机组合设计**（对应 `elements.md` 元素 25/26/27/12）。 ``` 【总体描述】 一位身穿[米白]美容师制服、[深栗色半扎长发 + 斜刘海]、胸牌样式与参考形象照一致的女美容师， 在怡呵美门店内（依据随附门店实景参考图，背景虚化，可见门店场景元素——依动线规划，如前台、美容床、沙发、产品陈列架等， 一名店员从画面边缘虚化走过）拍摄。画面中的女美容师、门店与插画均依据随附参考图生成， 须保持人物脸型/发型/制服/胸牌一致，门店场景须与随附实景参考图一致（怡呵美 LOGO 随实景自然呈现），插画为卡通动漫风抽象可视化（无真人、无文字）。 整体动线：[开场端坐于面诊桌前自然引入主题，中段起身缓步走向产品陈列架、边走边说， 结尾保持站立、抬手手势收束]；说话间以自然手势比划、轻微点头等真实肢体动作呈现。 （动线须按下方【动线设计规划】逐 Shot 落实：单段 ≤2 个动作切换、方向不反向、绝不全程正对镜头站桩。） 镜头语言：[开场中近景极轻微横摇，人物走动时跟随拍摄，讲到核心点时缓慢推近，结尾缓慢拉远收束]； 整体手持微晃保留真实手机拍摄质感。 语气与节奏：她自然亲和地讲解，像真人面对面聊天一样有温度有起伏——问句好奇上扬、肯定句沉稳、 列举句轻快有层次、收束句温和坚定；整体语速比自然对话放慢约一半、从容舒缓，让内容自然撑满约[T秒]（T=动线规划表各 Shot 时长之和，≤30s）， 句与句之间留约[0.5s]自然气口，不赶。 声音：原生清晰女声普通话对白（音色参考随附音频）、轻微环境音、无背景音乐； 口播须有自然语调起伏与停顿，禁止平淡匀速念稿。 硬性约束：口播须严格限于下列分镜台词，禁止添加、删改或自由发挥任何文案之外的语句、语气词； 插画以画中画形式呈现，形状随机选用正方形或圆形；单个插图宽度不超过画面宽度的 1/2、高度按宽高比等比例；可置于画面任意位置，但任何情况下不得遮挡人物面部；禁止全屏覆盖；绝对禁止出现字幕、任何画面文字、 卡通化人物、塑料皮肤、变脸、服装漂移、场景跳变、或其他清晰正脸人物抢镜。 结构说明：以下「Shot序号 + 时间戳 + 分镜内容」为本片分镜脚本；Shot序号与时间戳是给模型的 节奏结构指令，不是台词，禁止当作语音读出；也禁止在任意空白时段补加台词或语气词。 > **🗺️ 动线前置必读**：设计下表动线前，必须先阅读 `assets/store-spatial-index/` 下的《空间索引.json》与《00_俯瞰图_修订_带布局编号V4.jpeg》，理解店内整体布局（各 zone 相对位置、连通关系、可步行串联关系）；**动线长度与人物走动速度须与总时长 T 匹配，切忌让人物走动太快或动线过长（避免瞬移式跨区 / 赶场感）**。动线所涉 zone 据此从资源包选取实景图。 【动线设计规划】（按 Shot 拆解；下表为示例，按本片实际主题替换对应行。⚠️ **人物出场场景由本规划决定，不固定前台**；硬约束：单段 ≤2 个动作切换且方向不反向、绝不全程正对镜头站桩、须与门店场景互动） > **📐 Shot 台词时间分配表（时长预算）**：本表「时间」列即逐 Shot 的台词时间分配，须**按本任务台词内容**规划（每 Shot 绑定对应口播句数与篇幅）。各 Shot 时长**求和 = 本段预计总时长 T**（上表示例 = 30s，仅作格式演示）。**T 即本段实际 `duration`，必须 ≤30 秒**；T 同步用于：总体描述「撑满约[T秒]」、下方分镜脚本时间戳 0→T 连续铺满、以及第八节 `--duration T` / JSON `duration`。若求和 >30，回第四节精简口播。 | Shot | 时间 | 场景 zone（出场/经过） | 姿态 / 走位 | 手势 / 肢体 | 场景互动点 | |------|------|------------------------|-------------|-------------|------------| | 1 | 0-4s | Z02 产品陈列架前（开场） | 端坐于陈列架前 | 手持微晃、自然手势比划 | 怡呵美发光字展柜 / 灯带层板 | | 2 | 4-7.5s | Z02 产品陈列架前 | 仍端坐（中近景） | 轻微点头、自然手势 | — | | 3 | 7.5-12.5s | 经主走廊 Z05 → Z04 洽谈区（坐→走，方向不反向） | 起身缓步走向洽谈区 | 边走边说、自然手势 | 主走廊 Z05 / 等候洽谈区 Z04 | | 4 | 12.5-19.5s | Z04 洽谈区 | 落座 / 站立讲解 | 讲到核心点抬手 / 重音手势 | 洽谈区沙发 / 茶几 / 电视 | | 5 | 19.5-26s | Z04 洽谈区 | 保持坐姿/站立、轻微侧身 | 自然手势讲解 | — | | 6 | 26-30s | Z04 洽谈区 | 保持、抬手收束（至结尾不再变换） | 抬手手势收束 | — | > 动作切换计数：端坐 → 起身走动（1 次）；走动后落座/站立至结尾（不二次起身、不反向）。满足 ≤2 个动作切换。 > 场景清单：本片出场/经过 zone = Z02 → Z05 → Z04（据此从 `assets/store-spatial-index/` 选取对应门店实景图，LOGO 随 Z02 发光字展柜等地区实景自然呈现；不限定前台）。 【分镜脚本】（示例时间戳按 T=30s 演示；实际须用本任务算出的 T 重排，全程 0→T 连续、末段结束于 T，不空段） Shot 1 [0-4s]：[开场中近景，女美容师端坐面诊桌前，手持微晃手机质感，镜头极轻微横摇]； 她好奇上扬地提问{[第四节·口播句1]}，句末留自然气口。 Shot 2 [4-7.5s]：[仍端坐，中近景]；她自然沉稳肯定{[口播句2，含防错替换：定期→订期]}，语气笃定、不赶。 Shot 3 [7.5-12.5s]：[她起身缓步走向产品陈列架、边走边说，镜头跟随拍摄]；列举句轻快有层次{[口播句3]}。 Shot 4 [12.5-19.5s]：[走到陈列架前站立，讲到核心点时镜头缓慢推近；此处画面右侧嵌入圆形画中画 展示插画参考1（抽象可视化，无真人无文字，禁全屏）]。该句放慢加重带警示，讲到「[核心重音点]」时 稍作重音并留自然停顿{[口播句4]}。 Shot 5 [19.5-26s]：[切换为画面侧边圆角区域画中画展示插画参考2（同风格，不铺满整屏）]；她自然亲和{[口播句5]}。 Shot 6 [26-30s]：[结尾缓慢拉远收束，她保持站立、抬手手势收束，中近景]；收束句温和坚定{[口播句6]}，留足停顿感。 ``` --- ## 六、保留分析（Retention，一致性） - **人物**：与 Image 1（确认的人物完整形象照）同脸 / 同发型 / 同年龄感 / 同制服（胸牌尤甚），全片不变。 - **场景**：动线规划确定的主场景（门店空间实景图，LOGO 随实景自然呈现）与 Image 2 一致，光线方向一致。 - **音色**：同一 Audio 1 音色。 - **插画风格**：与 Image 3 / Image 4 一致（抽象可视化）。 --- ## 七、硬性禁令（Hard Bans，优先级最高） - 绝对禁止字幕、标题、Logo、品牌字样、任何可读或不可读文字（用户指定 LOGO 视觉露出除外）。 - 绝对禁止把口播文字转化为屏幕文字；对白只通过人物声音表达。 - 禁止人物变脸 / 换人 / 服装漂移（胸牌尤甚）/ 场景跳变 / 卡通化 / 塑料皮肤 / 夸张嘴型。 - 抽象画面禁止真实血液、伤口、恐怖皮肤、医学 UI、文字、箭头、图例。 - 人物皮肤、脸部、颈部、手臂与服装表面禁止任何 Logo、文字、字母、数字、纹身字样、标签、水印（胸牌为指定样式，不含额外文字）。 - 全片真实拍摄质感，不生成失真或 AI 痕迹过重画面。 - **插画内禁止出现任何人物 / 人形轮廓 / 手势 / 人影**（红线，避免与口播真人并置成"两个主角"；插画只画机理示意 / 物品 / 皮肤特写 / 光线氛围）。 - **口播逐字红线**：口播 = 且仅为确认后的台词文本，逐字一字不差；prompt 其他文字（章节标题 / 表格表头 / 规格标注 / 结构说明）一律不出声；禁止增加任何字词（语气词、口头语、英文、总结句）或据画面/主题自行补词（如"做好防晒"后追"干皮"）。 - **背景一致性**：人物未走位时背景禁止漂移成其他房间；人物真实经过的过渡空间（如走廊）必须传对应实景 reference_image，仅靠俯瞰图 + 文字描述会脑补出"幽灵硬件"。 --- ## 八、AI 口令（wan3 请求，含参考物料引用） > 组装为 `scripts/generate_video.py` 的实际调用参数。提交的是**第三节确认后的物料**。 **命令**（在任务文件夹 `beauty-video-materials/<任务短名>/` 内执行，或直接用绝对路径）： ```bash export DASHSCOPE_API_KEY="sk-xxx" python scripts/generate_video.py \ --config scripts/config.json \ --prompt "$(cat prompt.txt)" \ --media \ 人物_完整形象照.png:reference_image \ 门店_实景_Z02.png:reference_image \ 门店_实景_Z05.png:reference_image \ 门店_实景_Z04.png:reference_image \ 插画/插画_参考1.png:reference_image \ 插画/插画_参考2.png:reference_image \ "https://cdn.x/voice_ref.mp3:reference_audio" \ --duration --ratio 9:16 --resolution 720P \ # T = 第五节动线规划表各 Shot 时长之和（≤30） --output 成片_<主题>.mp4 ``` > 说明：`--prompt` 直接读本任务文件夹的 `prompt.txt`（Step 8 写出）；`--media` 引用本任务文件夹内的人物形象照 / 门店实景图 / 插画，`--output` 指向同文件夹成片路径（脚本已自动创建父目录，无需手动 mkdir）。音色 `voice_ref` 走 `config.brand_assets` 固定 URL 透传，不进文件夹。 **等价于请求体（JSON）**： ```json { "model": "wan3.0-video", "input": { "prompt": "[第五节整段 prompt]", "media": [ {"type": "reference_image", "url": "<人物_完整形象照 上传URL>"}, {"type": "reference_image", "url": "<门店_实景_Z0X 上传URL>"}, {"type": "reference_image", "url": "<插画_参考1 上传URL>"}, {"type": "reference_image", "url": "<插画_参考2 上传URL>"}, {"type": "reference_audio", "url": ""} ] }, "parameters": {"resolution": "720P", "ratio": "9:16", "duration": , "audio": true, "prompt_extend": false, "watermark": false} # T = 第五节动线规划表各 Shot 时长之和（≤30） } ``` > 修改任何元素都**整段重发本请求**（不用 wan3 编辑/延长），见技能第 9 步。