yhm-ai-video-duoduo/assets/script-template.md

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/LOGO/音色）是生成输入；最终提交 wan3 的是经用户确认的生成物料（人物完整形象照 / 门店内景照片 / 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 4 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）
• logo_3d.*（URL 或本地）→ 生成「门店内景照片」的 LOGO 落位参考
• 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）

• 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]
• 门店内景照片（Image 2，含怡呵美 LOGO）：由 logo_3d 生成含 LOGO，门店_内景_采用.jpg（确认采用的位置）。
  • 候选：门店_内景_1.jpg（面诊桌正对面）/ _2.jpg（前台侧含 LOGO）/ _3.jpg（产品/护理区）
  • 确认状态：[用户挑选 / 已自动随机指定：门店_内景_X]
• 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，≤150 字 / 30 秒）

由用户内容转换而来，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 ≤150 → 满足 30 秒约束。

---

四-补、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 30 秒 · 编导分镜版，含参考引用）

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。引用的 Image 1/2/3/4 即第三节确认后的物料。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）。

Image 1 中的女性（即这张已确认的人物完整形象照：与图中面孔、[深栗色半扎长发 + 斜刘海]、身穿[米白]美容师制服完全一致；
胸牌样式与确认稿一致、不可更改），
身处 Image 2 的怡呵美门店内（墙面有怡呵美立体 LOGO，背景虚化；
店内可见[门店丰富元素：前台 / 美容床 / 沙发 / 产品陈列架，可选其他店员从画面边缘虚化走过]）。

[人物行为动线 · 按口播长短设计，全程与场景互动、不站桩]
开场她[从走动中入画 / 端坐于面诊桌前]自然引入[主题]；讲到中段[起身缓步走向产品架 / 从走动落座于沙发]边走边说；
结尾[回到中近景、手势收束]。说话间伴随[整理产品 / 手势比划 / 轻微点头]等真实肢体动作。

[运镜组合 · 随机穿插 2–3 种]
开场[中近景固定 / 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。

她自然亲和地讲解[主题]：
"[第四节口语化口播全文]"

[插画展示方式 · 随机使用，不固化一种]（在[插画插入点：第 N 句「原文」]处触发，对应 Image 3 / Image 4）
方式示例：[全屏铺盖插画] / [画面右侧圆形画中画嵌入插画] / [顶部条状画中画展示插画] / [侧边圆角区域 PiP] /
[人物画中画式全屏：插画铺满整屏、口播人物以圆形或正方形 PiP 出现在画面某区域]；
同一视频多次出现插画时可轮换不同方式。
（插画为抽象皮肤结构可视化：透明表皮层、缓慢流动光点、柔和结构变化，无真人皮肤、无血液、无文字）

原生生成清晰女声普通话对白（音色参考 Audio 1）、轻微环境音、无背景音乐。
绝对禁止：字幕/任何文字/卡通化/塑料皮肤/变脸/服装漂移/场景跳变/其他清晰正脸人物抢镜。

---

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：门店前台（含怡呵美 LOGO）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。

---

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：

export DASHSCOPE_API_KEY="sk-xxx"
python scripts/generate_video.py \
  --config scripts/config.json \
  --prompt "[第五节整段 prompt]" \
  --media \
    人物_完整形象照.jpg:reference_image \
    门店_内景_采用.jpg:reference_image \
    插画_参考1.jpg:reference_image \
    插画_参考2.jpg:reference_image \
    "https://cdn.x/voice_ref.mp3:reference_audio" \
  --duration 30 --ratio 9:16 --resolution 720P \
  --output 成片_[主题].mp4

等价于请求体（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_内景_采用 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": "<voice_ref URL 或 上传URL>"}
    ]
  },
  "parameters": {"resolution": "720P", "ratio": "9:16", "duration": 30, "audio": true, "prompt_extend": false, "watermark": false}
}

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。