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 3 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
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 3 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 3 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「3 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 3 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. 门店空间实景图（按动线 zone 选取，不另行生成）— 1~N 张

来源：从技能内置 assets/store-spatial-index/ 按动线规划涉及的 zone 直接选取对应实景照片（Z01–Z09 可用区），不另行用 AI 生成门店内景。怡呵美 LOGO 随实景图（品牌墙 Z01「YIHEMEI 你的水光肌肤管理师」/ 发光字展柜 Z02 等）自然呈现，无需单独合成。
选取：按动线 zone 选图（如开场 zone = 产品陈列架 Z02 / 洽谈区 Z04 / 前台 Z03…），多 zone 动线可选取多张分别作为各段背景参考。
文件名：门店_实景_Z0X.jpg（与 zone 编号对应，如 门店_实景_Z02.jpg）。
此为最终提交 wan3 的 Image 2（场景参考图）；U01–U03 禁用区严禁选取。

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）、插画（2 张），请用户逐类挑选/确认；门店空间实景图按动线 zone 选取（非生成，无需逐张挑选，可直接按 zone 选取）。
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 / 插画_参考_X"），继续组装，不阻塞流程；门店实景图按动线 zone 默认选取。
固定 3 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）
门店空间实景图：门店_实景_Z0X.jpg（按动线 zone 从 assets/store-spatial-index/ 选取，LOGO 随实景自然呈现，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.*

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 3 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_实景_Z02.jpg:reference_image \     # 场景参考（按动线规划从 assets/store-spatial-index/ 选取的 zone 实景图，1~N 张，此处示例开场 zone Z02）
  门店_实景_Z05.jpg:reference_image \     # 场景参考（走位经 Z05 走廊）
  门店_实景_Z04.jpg:reference_image \     # 场景参考（落点 Z04 洽谈区）
  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。

asset-collection.md 6.4 KB Permalink Riwayat Mentahan