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）

⚠️ 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，≤110 字 / 30 秒，预留停顿余量）

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、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 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。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（墙面有怡呵美立体 LOGO，背景虚化，可见前台、美容床、沙发、产品陈列架，
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，门店须含怡呵美立体 LOGO，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。

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[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；
插画仅以局部形式出现（圆形/圆角画中画），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。

【分镜脚本】
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：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。
• 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）：

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_内景_采用.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 30 --ratio 9:16 --resolution 720P \
  --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 / 门店内景 / 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）：

{
  "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。