yhm-ai-video-duoduo/references/asset-collection.md

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。