@zenaigc/zenmcp 0.1.10 → 0.1.11
This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
- package/INSTALL.md +72 -60
- package/dist/src/assets/index.js +1 -1
- package/dist/src/assets/model-library.js +157 -16
- package/dist/src/core/schema.js +1 -0
- package/dist/src/doctor.js +0 -0
- package/dist/src/effects/index.js +54 -13
- package/dist/src/engine/card.js +5 -2
- package/dist/src/engine/direct.js +2 -0
- package/dist/src/engine/generate.js +15 -2
- package/dist/src/engine/steps.js +84 -9
- package/dist/src/inspect/index.js +51 -12
- package/dist/src/mcp/guidance.js +1 -1
- package/dist/src/mcp/server.js +247 -19
- package/dist/src/timeline/conform.js +19 -5
- package/dist/src/timeline/cuts.js +13 -13
- package/dist/src/timeline/diff.js +25 -7
- package/dist/src/timeline/index.js +2 -2
- package/dist/templates/pop-title/render.js +28 -8
- package/package.json +1 -1
- package/skills/zenmcp/SKILL.md +75 -44
- package/skills/zenmcp/references/00-model-card.md +165 -0
- package/skills/zenmcp/references/01-dissect-and-checkpoints.md +68 -0
- package/skills/zenmcp/references/02-character-and-tryon.md +63 -0
- package/skills/zenmcp/references/03-wan3-camera-and-audio.md +43 -0
- package/skills/zenmcp/references/04-hyperframes-effects.md +61 -0
- package/skills/zenmcp/references/05-interaction-and-media.md +203 -0
- package/skills/zenmcp/references/06-work-delivery.md +29 -0
- package/skills/zenmcp/scripts/build-contact-sheet.mjs +179 -0
- package/skills/zenmcp/scripts/build-dissect-report.mjs +1233 -0
- package/skills/zenmcp/scripts/build-height-ruler.mjs +49 -0
- package/skills/zenmcp/scripts/build-side-by-side.mjs +56 -0
- package/skills/zenmcp/widgets/fixtures/zenmcp-budget-confirm.readonly.json +31 -0
- package/skills/zenmcp/widgets/zenmcp-account/template.json +1 -1
- package/skills/zenmcp/widgets/zenmcp-account/widget.html +8 -10
- package/skills/zenmcp/widgets/zenmcp-budget-confirm/template.json +5 -2
- package/skills/zenmcp/widgets/zenmcp-budget-confirm/widget.html +50 -13
- package/skills/zenmcp/widgets/zenmcp-install-checklist/template.json +1 -1
- package/skills/zenmcp/widgets/zenmcp-install-checklist/widget.html +18 -12
- package/skills/zenmcp/widgets/zenmcp-spend-confirm/template.json +13 -83
- package/skills/zenmcp/widgets/zenmcp-spend-confirm/widget.html +88 -65
- package/dist/src/setup/targets.js +0 -314
- package/skills/zenmcp/widgets/fixtures/zenmcp-asset-roles.json +0 -24
- package/skills/zenmcp/widgets/fixtures/zenmcp-model-picker.json +0 -25
- package/skills/zenmcp/widgets/fixtures/zenmcp-trim-range.json +0 -19
- package/skills/zenmcp/widgets/zenmcp-asset-roles/template.json +0 -54
- package/skills/zenmcp/widgets/zenmcp-asset-roles/widget.html +0 -73
- package/skills/zenmcp/widgets/zenmcp-model-picker/template.json +0 -31
- package/skills/zenmcp/widgets/zenmcp-model-picker/widget.html +0 -28
- package/skills/zenmcp/widgets/zenmcp-trim-range/template.json +0 -53
- package/skills/zenmcp/widgets/zenmcp-trim-range/widget.html +0 -52
package/skills/zenmcp/SKILL.md
CHANGED
|
@@ -7,47 +7,78 @@ description: 用户需要生图、生视频、拆解二创短视频、录音识
|
|
|
7
7
|
|
|
8
8
|
环境异常或未安装时优先参照在线最新指南 https://zenaigc.com/install.md (离线时参照同包内的 `INSTALL.md`),后台静默运行 `zenmcp-doctor`;对普通用户只输出极简大白话结果,禁止输出进度表格、`[x]` 标记或内部技术术语。安装缺失依赖前须征得用户同意。
|
|
9
9
|
|
|
10
|
-
##
|
|
11
|
-
|
|
12
|
-
|
|
13
|
-
|
|
14
|
-
|
|
15
|
-
|
|
16
|
-
|
|
17
|
-
|
|
18
|
-
-
|
|
19
|
-
-
|
|
20
|
-
|
|
21
|
-
|
|
22
|
-
|
|
23
|
-
|
|
24
|
-
-
|
|
25
|
-
-
|
|
26
|
-
|
|
27
|
-
|
|
28
|
-
|
|
29
|
-
|
|
30
|
-
|
|
31
|
-
|
|
32
|
-
|
|
33
|
-
-
|
|
34
|
-
|
|
35
|
-
|
|
36
|
-
|
|
37
|
-
|
|
38
|
-
|
|
39
|
-
-
|
|
40
|
-
-
|
|
41
|
-
-
|
|
42
|
-
-
|
|
43
|
-
|
|
44
|
-
-
|
|
45
|
-
|
|
46
|
-
|
|
47
|
-
|
|
48
|
-
-
|
|
49
|
-
-
|
|
50
|
-
-
|
|
51
|
-
|
|
52
|
-
- `
|
|
53
|
-
- `
|
|
10
|
+
## 三种创作开始方式(对齐产品顶层入口)
|
|
11
|
+
|
|
12
|
+
1. **从一条视频开始(现阶段核心主链路)**:默认**先向用户索要参考视频**(社媒分享链接或本地视频)→ 免费拆解并确定视频类别与创作意图 → 询问用户想怎么改当下任务 → 再按所选改法与镜头槽位数精准索要模特与服装。
|
|
13
|
+
2. **从一个想法开始**:无参考视频时,直接走下方「直出生图 / 直出生视频 / 标准语音合成」流程。
|
|
14
|
+
3. **从一个模板开始(演进预留,衔接后续 DSL)**:套用已沉淀的结构化模板文件换上新素材出片;当前每完成一条「从一条视频开始」的任务,均可按用户意愿将镜头切点、景别上下沿、花字与口播时间窗抽象另存为本地模板草案 `~/.config/zenmcp/library/templates/<template-id>.json`(剥离具体人物与衣服路径)。
|
|
15
|
+
|
|
16
|
+
## 直出生图与默认档位(从一个想法开始)
|
|
17
|
+
|
|
18
|
+
- 直出流程:`list_models` → `quote_generation` → 展示报价并获用户明确批准积分 → `run_generation` → `get_generation`(每次使用新空目录;若含本地文件,在同一道确认选项中一并说明将上传的文件,获批后传 `consent_confirmed: true`)。
|
|
19
|
+
- **默认生图档位固定为 `medium`(`med`)+ `1K`**:安装完成后及日常生图时,只要用户未明确要求高画质或 2K/4K 分辨率,**一律默认使用 `quality: "medium"`、`resolution: "1K"`**(调用 `quote_generation` 时直接省略以沿用目录默认值,或显式传 `medium` / `1K`),**严禁自作主张选 `high` / `xhigh` / `max` 或 `2K` / `4K`**(例如 `high + 2K` 单张即达 9 积分,会造成新手积分浪费)。仅当用户主动提出高清或更高档位需求时才上调。
|
|
20
|
+
|
|
21
|
+
## 人物模卡(存储位置、每次必问入库与命名 `id` 规则)
|
|
22
|
+
|
|
23
|
+
开始前必须读取唯一规范 [references/00-model-card.md](references/00-model-card.md)。先预检并确认人体参数与 AI 补全范围,再确认整套模卡预算;按正脸 → 45°肖像/正面身体 → 45°/90°身体三阶段派生,浅灰量体服、赤足,完整身体生成后本地确定性去头。不能用普通单图直出流程替代此规范。
|
|
24
|
+
- **持久存储位置**:本机 `~/.config/zenmcp/library/models/<id>/versions/<v>/`(Windows 为 `%APPDATA%/zenmcp/library/models/<id>/versions/<v>/`)。
|
|
25
|
+
- **每次新人物模卡做完必确认是否保存 + 建议起名与对应 `id`**:五张独立图及五合一总览板 `preview-sheet.jpg` 展示验收后,**必须用一次选项式提问确认是否存入本机持久模卡库(含人像使用授权)**,并主动建议一个好记的中文名 `name` 与自动派生的安全英文/拼音 `id`(`[A-Za-z0-9._-]+`,如建议「`清冷长发女模D`(ID:`model-d-cool`)」,同时支持用户在补充框自起名字如“小雅”并自动映射为 `id: "xiaoya"`)。用户确认后调用 `model_library(action: "save", confirmed: true, id, name, previewImage, ...)` 入库,并回报已保存的 `name`、`id` 与目录路径(下次直接说名字或 `id` 即可 0 积分调取);选暂不入库或工具不可见时交付本地文件并说明未入库。
|
|
26
|
+
|
|
27
|
+
## 从一条视频开始:第一类穿搭视频 6 阶段交互闭环
|
|
28
|
+
|
|
29
|
+
当前已验证准入范围为 **第一类视频:穿搭展示(固定机位 + 同场景 + 单模特换新衣,1–8 套,建议 13 秒内,`Wan 3.0` 硬上限为参考秒数 + 输出整数秒 ≤ 30 秒,支持无口播与画外音口播)**。详细存储目录、提问规范与媒体预览见 [references/05-interaction-and-media.md](references/05-interaction-and-media.md)。
|
|
30
|
+
|
|
31
|
+
1. **阶段 1:从一条参考视频开始(0 积分,主动先要参考视频,同时兼容乱序输入)**
|
|
32
|
+
- **默认发起顺序**:用户表达想做拆解二创但未给素材时,**第一步先向用户索要参考视频**(抖音/小红书等分享链接或本地视频文件);若用户首句已顺带发来模特或服装图则直接收下(若只发了服装图,先免费生成单张 `garments-sheet.jpg` 预览并一句话索要参考视频,**严禁缺视频时提前输出分镜表或预算长文**)。
|
|
33
|
+
- **首句意图分流**:若用户**只丢了链接或本地视频、未说明制作意图**,先免费拉取/展示原片并用一次选项提问确认意图:「`拆解视频并确认二创方案(推荐)` / `仅提取口播文案` / `仅保存原片`」;首句已明说二创则免问直通阶段 2。
|
|
34
|
+
2. **阶段 2:免费拆解、确定视频类别与询问任务改法(0 积分前置路由)**
|
|
35
|
+
- 拿到参考视频后立即免费执行:`fetch_social_post`(如为链接)→ 片头闪帧剥离 `trim_media` → `analyze_reference` → `build-contact-sheet.mjs` 生成 `01-reference/keyframes.jpg`,逐镜检视景别、运镜与人声形态写入 `01-reference/analysis.json` 与 `project.json` 的 `video_category`。
|
|
36
|
+
- **明确报出视频类别定性**:按用户层四大类(`穿搭展示` / `手持展示` / `场景展示` / `人物讲述`)叠加空间机位(`固定机位同场景` vs `跨场景转场/大幅运镜`)、口播形态(`无口播` / `画外音口播` / `入画对口型口播`)及有无花字动效,用大白话告诉用户这是一条什么类别的视频、共几秒、几个镜头、需几套商品/衣服。
|
|
37
|
+
- **确定分类后询问用户想怎么做当下任务**:
|
|
38
|
+
- **非第一类视频(强制停顿分流)**:若属于跨场景转场/大量运镜切镜、手持好物展示、场景展示、真人正脸对口型口播,或用户要求「同片同衣只换人」,**当场在 0 积分阶段停下告知真实视频类别与当前边界**,用一次选项提问供用户选择可行替代方案(如 `截取其中单场景片段按第一类做` / `对口型改用画外音旁白` / `仅保留原片与拆解报告(不扣积分)`),绝不强套第一类整片直出链路烧积分。
|
|
39
|
+
- **命中标准第一类视频(按需确认改法并索要模特与衣服)**:若尚未收齐模特/服装或改法未明,展示原片与 `keyframes.jpg`,报出【第一类:固定机位同场景穿搭展示】结论与所需服装套数 `N`,用一次选项提问询问用户想怎么做当下任务(「`换模特+换衣服(推荐)` / `只换衣服` / `仅保留拆解报告`」),确认后按所选改法精准索要缺失项:
|
|
40
|
+
- **模特获取**:用户提到“已有、上次、第一个人物 IP”时,先查项目记录或 `model_library` 解析,不能直接要求重传照片;支持点名已有模卡名字或 `id`(调 `model_library({ action: "get", query })`)、从本机模卡库挑选(调不带 `query` 的 `list` 展示预览图单选)、或传新人物参考照(默认推荐「仅本次使用 0 积分」,用户主动选「做成持久五图模卡」才走 `00-model-card.md`);
|
|
41
|
+
- **服装获取**:索要 `N` 套服装正面清晰图(每套 1 张即可)。
|
|
42
|
+
- *(快捷直通:若用户首句已将「参考视频 + 模特 + 服装」一次发齐且二创意图明确,报出第一类定性结论后不单独多停一轮空问,直接并入阶段 3 闸门 1 合并确认。)*
|
|
43
|
+
3. **阶段 3:素材核对与第 1 道闸门确认(Gate 1:拆解核对 + 配饰策略 + 准备预算上限)**
|
|
44
|
+
- 模特、动作视频、服装三项齐备后,展示核对预览卡/画廊(`keyframes.jpg`、模特预览、`garments-sheet.jpg`)+ ≤5 行结论(视频类别与时长、槽位与服装套数映射、定妆准备阶段积分预估),不堆砌分镜长表。标准配音仅用 `doubao-seed-tts-2.0` 按毫秒时间戳切片混音。
|
|
45
|
+
- **单次合并提问(最多 3 题)**:① 仅当服装图检测到包袋/墨镜/帽子等配饰时问「仅保留服装鞋袜(推荐)/ 保留服装与指定配饰」,此选择只管服装参考图,不授权删改原动作依赖物;手部占用与明确保留要求冲突时,将实际取舍并入本次确认;② 超 13 秒选段、服装套数缺口(补图 / 裁短视频 / 循环复用)或音频路线;③ 批准准备阶段定妆积分上限(按 `list_models` 目录单价 × 套数预估,**批准前勿带本地 `inputs` 调 `quote_generation` 以免触发未授权上传拦截**;选项说明含每套 1 次重抽、同意上传模特与服装图用于生成,且不含后续视频费用;获批后再传 `consent_confirmed: true` 调 `quote_generation` + `run_generation`)。
|
|
46
|
+
4. **阶段 4:出确认图(定妆试穿图 + 身高标尺 + 1:1 面料局部质检)**
|
|
47
|
+
- 在已获批的准备阶段额度内**后台静默调用** `quote_generation` + `run_generation` 生成 `04-tryon/outfit-01..N.png`(头脚像素坐标对齐动作参考视频最远全身帧;**注意:已在闸门 1 获批准备预算且 `large: false` 时,严禁逐套弹出 `zenmcp-spend-confirm` 报价确认卡刷屏!**),必跑两项本地质检脚本:
|
|
48
|
+
- `node skills/zenmcp/scripts/build-height-ruler.mjs` 生成 `04-tryon/qc/height-ruler.jpg`(头脚 Y 偏差 `< 1.5%`);
|
|
49
|
+
- `node skills/zenmcp/scripts/build-contact-sheet.mjs`(带 `#crop=x,y,w,h`)生成 `04-tryon/qc/fabric-qc-01..N.jpg`(原衣局部 vs 定妆图上半身面料/领口/妆容 1:1 放大对比,防止透光度或条纹肌理漂移)。
|
|
50
|
+
- 用单张 `@native/files-previewer` 或 `@native/image-gallery` 集中展示定妆图与两项质检图(统一回报实扣与剩余准备额度),调用一次选项提问:「满意,进入视频报价(推荐)/ 重抽指定套数 / 暂停」。不满意时按当前目录及报价单价重抽指定单张,不能把历史单价当固定价格,绝不带病进视频阶段。
|
|
51
|
+
5. **阶段 5:第 2 道闸门——最终执行生成视频前确认(Gate 2)**
|
|
52
|
+
- 用户确认定妆图满意后,**后台静默串联** `import_assets(confirmed: true)` → `plan_job`(默认 `720P`,不再弹内部素材角色枚举确认)。
|
|
53
|
+
- 展示简要计划核对项(所用模特与定妆图、参考秒数与向上取整计费秒数、分辨率、**与原片动作及道具的差异**)及只读预算账单卡 `zenmcp-budget-confirm`(非 SuperOne 宿主原样输出 `plan_job` 返回的完整 `markdown`)。未披露的动作偏离不得写进 `actions`;大额单项(`large: true`)、`retryAfterRelease`、音色授权或价格变动始终单独确认。
|
|
54
|
+
- 调用唯一一次选项提问:「确认生成 N 积分(推荐)/ 改为 1080p 重新报价 / 取消,不扣费」。
|
|
55
|
+
6. **阶段 6:发起生成、同步对比交付、三档修改与【可选保存为结构模板】**
|
|
56
|
+
- 从上一轮工具结果读取 `planDigest` 与获批积分调用 `execute_job` → 按 `poll_after_seconds` 在同一目录 `get_job` 轮询 → 运行 `node skills/zenmcp/scripts/build-side-by-side.mjs` 生成同步对比视频。交互镜头按 [动作与道具验收](references/03-wan3-camera-and-audio.md) 检查,再按 [作品命名与交付](references/06-work-delivery.md) 交付、验收及归档;不能把工具状态 `completed` 当作用户已验收。简明告知三档修改指引,并提示可将本片结构另存为复用模板:
|
|
57
|
+
- **① 0 积分秒改**:改花字/字幕文案、字号、颜色、位置或混音音量偏移(本地重跑 `effects` / `mix`)。
|
|
58
|
+
- **② 几积分轻改**:仅改旁白台词或换标准 TTS 音色(重合成音频切片后本地 0 积分重混音,不重跑视频)。
|
|
59
|
+
- **③ 全片重跑**:更换某套定妆图或重抽动作(`Wan 3.0` 整片一次生成,须确认新视频报价后重跑)。
|
|
60
|
+
- **④ 保存为可复用模板文件(面向后续 DSL 与「从一个模板开始」)**:若用户希望留存本次跑通的视频结构,建议模板中文名与英文 `template-id`,将抽离了个人模特/衣服绝对路径的纯镜头切点、景别上下沿、花字预设槽与口播时间窗写入 `~/.config/zenmcp/library/templates/<template-id>.json`。
|
|
61
|
+
|
|
62
|
+
## 单一交互面、跨智能体提问与 SuperOne 媒体渲染
|
|
63
|
+
|
|
64
|
+
- **单一交互面铁律(严禁 `sendPrompt` 塞草稿,严禁双重提问)**:
|
|
65
|
+
- 本目录 `widgets/` 保留 4 张**纯只读状态/账单卡**:`zenmcp-spend-confirm`、`zenmcp-budget-confirm`、`zenmcp-account`、`zenmcp-install-checklist`(均不含 `sendPrompt`,仅保留打开外部账户页的 `openLink`;原 `asset-roles`、`trim-range`、`model-picker` 已停用)。
|
|
66
|
+
- 所有需要用户选择或批准的环节,统一调用**当前客户端提供的选项式提问工具**(Claude `AskUserQuestion`、Codex `request_user_input`、Cursor `AskQuestion`、Gemini/Antigravity `ask_question`、Grok `ask_user_question`、OpenCode `question`):**每回合最多调用 1 次且置于本回合最后一个工具调用**;每次 ≤ 3 题、每题 2–3 选项、推荐项排第 1 位标 `(推荐)`、不自建“其他”项。`requestDigest` / `planDigest` / `directory` 一律从工具上下文读取,绝不塞入用户输入框。
|
|
67
|
+
- 若宿主无选项式提问工具,降级为回复末尾的纯文本编号列表(`1. …(推荐)`),提示回复编号后立即结束本回合。
|
|
68
|
+
- **SuperOne 会话内媒体与卡片渲染(仅当会话存在 `widget_show` 时适用)**:
|
|
69
|
+
- **全中文卡片铁律(严禁英文标识泄漏)**:
|
|
70
|
+
- `widget_show` 的 `title` 参数会直接渲染在 SuperOne 卡片右上角工具栏,**必须填写简短中文标题**(如 `"原片与关键帧"`、`"拆解素材核对"`、`"定妆图与面料质检"`、`"视频预算账单"`、`"生成报价单"`),**严禁填写 `outfit_01_quote`、`three_outfits_review`、`remix_material_check` 等英文或下划线词**。
|
|
71
|
+
- `zenmcp-spend-confirm` **仅用于「从一个想法开始」的独立单次生成确认(或超出预批额度/大额需单独拍板时)**;在已获批的阶段准备预算(如阶段 4 定妆生图、模卡三阶段派生)内直接后台执行,**严禁逐张弹出 `zenmcp-spend-confirm`**。单独展示 `zenmcp-spend-confirm` 时,`model_label` 传 `quote_generation` 返回的中文模型标签(勿传 `gpt-image-2.6-sunburst` 等内部代号),且当底层提示词为英文时必须传中文 `task_summary`(如 `"生成雨后街头咖啡馆竖版配图"`),绝不向用户展示内部英文工程提示词或内部临时英文文件名。
|
|
72
|
+
- **单文件内联**:单张图 ``、单条视频 ``、单段音频 ``(含空格/括号路径必加 `<...>`,文件须带真实扩展名,同文件单次回复最多展示一次)。
|
|
73
|
+
- **多文件合并卡片**:2 张及以上证据/质检图或混合文件统一合并为一个 `@native/files-previewer`(`data: { files: [{ path, note }] }`)或 `@native/image-gallery`;成片与左右对比视频用 `@native/video-gallery`(`warnings` 加入“服装与身份需人工验收”)。
|
|
74
|
+
- **只读账单模板取用**:会话首次用前调一次 `widget_list_templates`;若缺少以上 4 个 `zenmcp-*` 模板,经同意复制到 `~/.superone/widget/`(alpha 为 `~/.superone/alpha/widget/`),远程会话可直接读取 `widgets/<id>/widget.html` 作为 `widget_code` 传入(带 `readonly: true`)。远程会话预览本地文件报不存在时复制到 `$SUPERONE_SESSION_DIR/agent/<项目名>/` 展示,原生成目录保持不动供续查。
|
|
75
|
+
|
|
76
|
+
## 细分场景参考手册(按需读取,勿预加载)
|
|
77
|
+
|
|
78
|
+
- **新模特模卡(含独立人物模卡任务)**:读取 [references/00-model-card.md](references/00-model-card.md)
|
|
79
|
+
- **交互规范、项目目录命名、跨宿主兼容与会话内媒体预览手册**:读取 [references/05-interaction-and-media.md](references/05-interaction-and-media.md)
|
|
80
|
+
- **成片结果、中文文件命名、用户验收与正式归档**:读取 [references/06-work-delivery.md](references/06-work-delivery.md)
|
|
81
|
+
- **步骤 1(拆解参考视频、剥离闪帧封面、准入判断、第 1 道闸门确认与单文件品牌拆解报告)**:读取 [references/01-dissect-and-checkpoints.md](references/01-dissect-and-checkpoints.md);选「仅保留拆解报告」时运行 `scripts/build-dissect-report.mjs` 生成带 ZenAIGC 双色 Logo 的 `01-reference/report.html`
|
|
82
|
+
- **步骤 2(角色 IP `2+3` 资产包、最远帧自适应换装、水平标尺与 1:1 面料质检)**:读取 [references/02-character-and-tryon.md](references/02-character-and-tryon.md);使用 `scripts/build-contact-sheet.mjs`、`scripts/build-height-ruler.mjs` 与 `scripts/build-side-by-side.mjs`
|
|
83
|
+
- **步骤 3(`Wan 3.0` 远近跳切防切脸景别已验证写法、豆包 TTS 时间戳切片混音)**:读取 [references/03-wan3-camera-and-audio.md](references/03-wan3-camera-and-audio.md)
|
|
84
|
+
- **步骤 4(HyperFrames 花字与字幕预设)**:读取 [references/04-hyperframes-effects.md](references/04-hyperframes-effects.md)
|
|
@@ -0,0 +1,165 @@
|
|
|
1
|
+
# 人物模卡唯一执行规范(2+3 · V2)
|
|
2
|
+
|
|
3
|
+
本文件是人物模卡的唯一执行入口,适用于独立做模卡及换装流程中的新模特;`02-character-and-tryon.md` 只负责后续换装。由第二轮盲测 V2 模板迁入,实物参照仓库 `samples/proj-case4-flow/02-model-card/finals-v2/` 与 `card-summary-v2.json`。旧实验文档仅保留入口链接,不再维护第二份模板。
|
|
4
|
+
|
|
5
|
+
## 执行前预检、整体预算与入库边界
|
|
6
|
+
|
|
7
|
+
1. **先预检再生成**:展示选出的清晰正脸/45°参考,说明遮挡、缺失身体和 AI 补全部分。将性别、身高(如已知)、肩腰胯腿比例、体型目标与发型合并给用户确认;未知厘米数不猜测,宽松衣物或半身源不代表真实围度。`slots.json` 记录视觉观察,另在任务备注记录用户确认的人体参数与补全约定;用户参数优先,未确认体型不得直接付费。
|
|
8
|
+
2. **体型用无歧义选项**:女性为「纤细骨感 / 标准衣架子 / 纤腰曲线(瘦底有肉、窄胯细腿) / 微胖梨形或大码」,分别对应 `F_SLIM_PETITE / F_TONED_BALANCED / F_SLIM_BUSTY / F_CURVY_VOLUPTUOUS`;男性展示下文四档的中文描述。不得只凭“丰满沙漏”等词自行映射;有分歧先确认。预设是生成目标,不是对真人体型的测量结论。
|
|
9
|
+
3. **上传与整套预算分开确认**:先取得本地参考图上传同意及人像使用授权,再用 `list_models` / `quote_generation` 获取实际可用模型与报价,展示五图方案、单价、整套估算、重抽预留和总上限。后续阶段依赖生成图,尚不能准确报价时明确标为估算。只有用户明确批准「本次模卡 N 积分内免逐张确认」才可按三阶段在上限内执行,每张仍用实际报价的 `requestDigest`(**已获批整套模卡预算上限且 `large: false` 时,三阶段子图直接后台静默执行 `quote_generation` + `run_generation`,严禁逐张弹出 `zenmcp-spend-confirm` 卡片刷屏**),累计超限前停下确认;仅批准首张不等于批准整套,肖像授权也不等于费用授权。价格变化、`confirmation.large: true` 或 `retryAfterRelease` 仍单独确认。模卡预算不包含后续换装或视频。
|
|
10
|
+
4. **按三阶段派生**:先 01,再由 01 派生 02/03,最后由完整 03 派生 04/05。每张新任务用独立目录;提交后在原目录续查,不换目录重投。严格使用本文件常量模板,不能五张都各自引用原照重画,不能改成黑衣六宫格或身体正/侧/背。
|
|
11
|
+
5. **先验收五图,每次做完必问是否入库并引导起名与对应 `id`**:
|
|
12
|
+
- **持久保存位置**:本机 `~/.config/zenmcp/library/models/<id>/versions/<v>/`(Windows 为 `%APPDATA%/zenmcp/library/models/<id>/versions/<v>/`,可通过 `ZENMCP_LIBRARY_DIR` 覆盖)。
|
|
13
|
+
- **验收与入库确认流程**:保留五张高清分图、完整身体原图与裁切记录,用 `node skills/zenmcp/scripts/build-contact-sheet.mjs` 生成五合一总览板 `preview-sheet.jpg`,集中展示五张分图与总览供用户确认五官、发型、角度、量体服、赤足、围度与裁切。需改身材时可保留已通过的肖像,仅重做身体三图并重新验收;收费仍受预算约束。
|
|
14
|
+
- **每次新人物做完模卡必弹一次入库与起名确认**:通过一次选项式提问询问用户是否将该模卡保存到本机持久库(同时确认人像使用授权),并**主动建议一个好记的中文昵称 `name` 与对应的英文/拼音安全标识 `id`**(底层要求 `id` 满足 `^[A-Za-z0-9][A-Za-z0-9._-]{0,127}$` 且不含 `..`,例如建议 `name: "清冷长发女模D"` → `id: "model-d-cool"`;用户也可在提问补充框直接输入自定义名字如“小雅”,由智能体自动映射为 `id: "xiaoya"`)。
|
|
15
|
+
- 用户确认保存后,调用 `model_library(action: "save", confirmed: true)`,传 `id`、`name`、`originalImage`、`identityImage`、`previewImage`(即 `preview-sheet.jpg`)、五个 `references` 与人体参数 `notes`;库内自动保留真实图片扩展名(`.png` / `.jpg` / `.webp`)。保存成功后向用户明确回报 **`name`、`id`、版本号与本机路径**(后续直接说中文名或 `id` 即可 0 积分调取)。预先表达想保存不等于已验收;选暂不入库时保留在当前任务目录交付。
|
|
16
|
+
6. **工具缺失时诚实降级**:先查当前实际工具列表、安装版本与加载路径。没有 `model_library` 时交付本地五图包并说明尚未入库,不调用不存在的工具,不用手写库文件绕过确认。仓库注册工具不代表当前连接已加载;不得为此擅自发布、部署或切换客户端配置。
|
|
17
|
+
|
|
18
|
+
有选项式提问工具时统一用单次选项卡片确认人体参数或预算(遵循 [05-interaction-and-media.md](05-interaction-and-media.md) 单一交互面铁律,不混用 `sendPrompt` 按钮),并明确区分单张授权与模卡总额授权。没有提问工具时用简洁编号文字,确认边界相同。
|
|
19
|
+
|
|
20
|
+
入库标签固定为 `portrait-front`、`portrait-45`、`body-front-headless`、`body-45-headless`、`body-side-headless`;分别对应 0°/45°肖像与 0°/45°/90°身体。`portrait-3q` 仅作为旧库 45°肖像的读取别名;`body-back-headless` 是旧背面素材,不能当作本规范的 45°或90°图,也不自动重命名历史资产。
|
|
21
|
+
|
|
22
|
+
本规范将人物 IP 提纯拆解为 **15% 结构化看图填槽(7 个字段,含性别与长短发门控)** 与 **85% 锁死通用提示词模板 + 确定性路由**,男女模特通用。执行模型严禁脱稿自由编造长篇散文提示词,必须先看图输出 `slots.json`,再一字不改代入下方常量模板。
|
|
23
|
+
|
|
24
|
+
---
|
|
25
|
+
|
|
26
|
+
## 一、目标与产出(5 张标准图)
|
|
27
|
+
|
|
28
|
+
1. `01-portrait-front.png`(`3:4`,齐肩 0° 正脸定妆照)
|
|
29
|
+
2. `02-portrait-45.png`(`3:4`,齐肩 45° 斜侧脸定妆照)
|
|
30
|
+
3. `03-body-front-headless.png`(`9:16` 全身生成后,在下巴底端 `+6px` 确定性水平裁切去头,0° 正面全身去头)
|
|
31
|
+
4. `04-body-45-headless.png`(同上,45° 全身去头)
|
|
32
|
+
5. `05-body-side-headless.png`(同上,90° 纯侧身全身去头)
|
|
33
|
+
|
|
34
|
+
---
|
|
35
|
+
|
|
36
|
+
## 二、第一步:源素材预处理与 7 字段视觉填槽(仅这 7 项靠视觉理解)
|
|
37
|
+
|
|
38
|
+
### 1. 源素材兼容与预处理(支持视频帖 / 图文多图帖 / 本地单双图)
|
|
39
|
+
- **视频源(`video.mp4`)**:先均匀抽取 12~16 帧拼成网格图检视;**若人物佩戴墨镜、有线耳机、帽子或手拿咖啡杯/背包,优先进一步加密抽帧挑出摘下墨镜/取下耳机、五官最无遮挡的清晰帧**;若全程佩戴半透明或深色墨镜,需透过镜片观察或依据可见眉弓鼻梁骨相在 `face_traits` 中描述自然裸眼(严禁把墨镜或耳机线带入定妆照!)。
|
|
40
|
+
- **图文帖(`image-01.*` ...)或本地照片**:逐张查看,挑最清晰的正脸/半身图裁肖像框,挑全身图判断身材比例。若有 UI 播放图标或角标压在人物身上,先轻度修复抹除。
|
|
41
|
+
- **肖像参考裁切**:以人脸为中心裁出 `3:4` 齐肩框(头顶留白,下沿切到锁骨下胸部上方),存为 JPG(`quality=92`)。即使原图人脸仅 70~100px,只要先裁成 `3:4` 齐肩框即可正常提纯。
|
|
42
|
+
- **反标题误导红线**:**严禁轻信社媒文案或 Hashtag(如 `#微胖`、`#丰满`、`#松弛感`、`#壮实`)!** 真实胖瘦、肩宽、肌肉量与胯宽必须 **100% 以画面中裸露的颈肩锁骨、手臂围度、手腕脚踝及真实身体轮廓为准**。
|
|
43
|
+
|
|
44
|
+
### 2. 必须输出的结构化 `slots.json`
|
|
45
|
+
|
|
46
|
+
```json
|
|
47
|
+
{
|
|
48
|
+
"gender": "female 或 male(二选一)",
|
|
49
|
+
"hair_length_gate": "short_above_chin 或 long_below_chin(二选一)",
|
|
50
|
+
"face_traits": "英文短语(20-35词):骨相脸型 + 眉眼鼻唇特征 + 肤色质感 + 胡须/妆感客观细节(不写背景、不写衣服)",
|
|
51
|
+
"hair_portrait": "英文短语(15-25词):原发色与原发型;若为长发必须追加 neatly swept behind both shoulders leaving neck, trapezius, and collarbones unobstructed",
|
|
52
|
+
"garment_fit_gate": "tight_clear 或 loose_occluded_or_missing(二选一)",
|
|
53
|
+
"body_archetype": "女选 F_* 四档之一,男选 M_* 四档之一",
|
|
54
|
+
"limb_note": "英文短语(10-20词):基于画面真实可见的肩宽、手臂肌肉/纤细度、腿长比例补充一句客观观察"
|
|
55
|
+
}
|
|
56
|
+
```
|
|
57
|
+
|
|
58
|
+
#### 门控与枚举判定硬标准(单选题)
|
|
59
|
+
1. **`hair_length_gate`(决定全身图 `03/04/05` 怎么处理头发,防止给短发男生硬画丸子头、也防止长发女生去头留黑发桩!)**:
|
|
60
|
+
- `"short_above_chin"`:发尾本身在下巴/后颈上方(如绝大多数男士短发、背头、寸头、微分碎盖,或女士超短发)→ 全身图保持清爽短发不碰肩颈,**绝不画盘发丸子头**。
|
|
61
|
+
- `"long_below_chin"`:发尾超过下巴会垂到脖子、锁骨或后背(如女士长发、披肩发、中长发、马尾,或长发男士)→ 全身图 `03/04/05` 强制高盘发丸子头,防止去头裁切后颈侧残留黑发桩。
|
|
62
|
+
2. **`garment_fit_gate`(决定 `03 正面体态` 准不准喂原图下半身裁切!)**:
|
|
63
|
+
- `"tight_clear"`:**仅当**原图穿紧身铅笔裤、瑜伽裤、紧身包臀裙、紧身背心短裤或泳装,真实骨盆胯宽与大腿粗细 100% 紧贴显现时才可选 → 允许裁取原图去头身体照(转 JPG)作为 `03` 的 `image_2`。
|
|
64
|
+
- `"loose_occluded_or_missing"`:只要原图下半身穿 **蓬蓬裙、A 字裙、松弛感阔腿牛仔裤、直筒宽松西裤、宽松运动裤、长外套遮胯**,或只有半身照 → **必须选此项!严禁把宽松裤腿或外扩裙摆喂给紧身定妆生成**(否则模型会把宽松裤管/裙摆体积脑补成粗腿宽胯)。
|
|
65
|
+
3. **`body_archetype`(按性别四选一)**:
|
|
66
|
+
- 若 `gender === "female"`:
|
|
67
|
+
- `"F_SLIM_PETITE"`:纤瘦窄骨架,平胸/小胸,细腰窄胯细直腿。
|
|
68
|
+
- `"F_SLIM_BUSTY"`:瘦底上围饱满(窄肩、细手臂、细大腿,仅上围饱满;窄骨盆与窄肩对齐,臀部紧致微翘不宽大外扩)。
|
|
69
|
+
- `"F_TONED_BALANCED"`:匀称健康衣架子身材,肩腰胯适中,大腿匀称有线条。
|
|
70
|
+
- `"F_CURVY_VOLUPTUOUS"`:真实宽胯丰满沙漏或微胖梨形大码女装身材。
|
|
71
|
+
- 若 `gender === "male"`:
|
|
72
|
+
- `"M_SLIM_LEAN"`:清瘦少年感/薄肌偏瘦男士(肩宽适中偏窄、薄胸腔、细腰窄胯、修长偏细直腿)。
|
|
73
|
+
- `"M_ATHLETIC_TAILORED"`:老钱风/型男标准衣架子身材(自然挺拔宽肩轻倒三角 `clean V-taper`、紧实有型不浮夸的胸肩手臂线条、平腹窄腰窄胯、修长匀称下肢——**严禁画成欧美健美充血巨汉**)。
|
|
74
|
+
- `"M_MUSCULAR_BUILT"`:明显健身肌肉型男(饱满宽厚肩背胸肌与手臂维度、清晰腹肌轮廓与结实大腿)。
|
|
75
|
+
- `"M_BROAD_STOCKY"`:壮实厚重或微胖宽体男士(厚实胸背、微宽腰腹与稳重下肢)。
|
|
76
|
+
|
|
77
|
+
---
|
|
78
|
+
|
|
79
|
+
## 三、第二步:85% 锁死通用常量与 5 图拼装模板(严禁脱稿改词)
|
|
80
|
+
|
|
81
|
+
### 1. 性别感知固定常量字典(直接查表)
|
|
82
|
+
|
|
83
|
+
- **`SUBJECT_NOUN`**:
|
|
84
|
+
- `female` → `"East Asian woman"`
|
|
85
|
+
- `male` → `"East Asian man"`
|
|
86
|
+
- **`STUDIO_BASE`**:
|
|
87
|
+
`clean solid neutral light-gray studio backdrop and floor with soft even diffused studio lighting (remove any harsh sunlight, cast shadows, street/indoor backgrounds, sunglasses, or props)`
|
|
88
|
+
- **`ATTIRE_PORTRAIT[gender]`**:
|
|
89
|
+
- `female`(极简细肩带平口浅灰背心,保留锁骨下与上胸干净露肤区):
|
|
90
|
+
`wearing a minimalist matte light-cool-gray (#B8BCC2) thin-strap straight-neck fitted camisole with the straight neckline sitting modestly below the collarbones so the entire neck, trapezius line, collarbones, upper chest skin, and bare shoulders are cleanly visible. Zero accessories or obstructions: NO wired earphones/earbuds, NO sunglasses/eyeglasses, NO hats, NO necklace, NO earrings.`
|
|
91
|
+
- `male`(极简哑光浅灰贴身无袖背心,完整露出颈部斜方肌锁骨与肩臂):
|
|
92
|
+
`wearing a minimalist matte light-cool-gray (#B8BCC2) sleeveless fitted athletic compression tank top with a clean crew/scoop neckline sitting just below the collarbones so the entire neck, trapezius line, collarbones, and bare deltoid shoulders are cleanly visible. Zero accessories or obstructions: NO sunglasses/eyeglasses (clean uncovered bare eyes clearly visible), NO wired earphones/earbuds, NO hats, NO necklace, NO earrings.`
|
|
93
|
+
- **`ATTIRE_BODY[gender]`**:
|
|
94
|
+
- `female`:
|
|
95
|
+
`wearing the exact same minimalist matte light-cool-gray (#B8BCC2) thin-strap straight-neck fitted camisole seamlessly paired with matching matte light-cool-gray high-waisted fitted mid-thigh yoga bike shorts (hem mid-thigh above the knees), completely BAREFOOT with BOTH feet planted flat and evenly weighted on the studio floor (NO tiptoeing, NO lifted heel, NO walking stride). Zero logos, zero patterns, zero pockets, zero jewelry/bracelets.`
|
|
96
|
+
- `male`:
|
|
97
|
+
`wearing the exact same minimalist matte light-cool-gray (#B8BCC2) sleeveless fitted athletic compression tank top seamlessly paired with matching matte light-cool-gray fitted mid-thigh athletic compression shorts (hem mid-thigh above the knees), completely BAREFOOT with BOTH feet planted flat and evenly weighted on the studio floor (NO tiptoeing, NO lifted heel, NO walking stride, NO hands in pockets). Zero logos, zero patterns, zero pockets, zero watch/bracelets/jewelry.`
|
|
98
|
+
- **`BODY_HAIR_LOCK[hair_length_gate]`**:
|
|
99
|
+
- `short_above_chin`:
|
|
100
|
+
`natural short haircut kept cleanly above the nape of the neck with ZERO hair touching the collarbones, shoulders, or upper back`
|
|
101
|
+
- `long_below_chin`:
|
|
102
|
+
`hair tied up tightly into a compact high bun well above the nape of the neck with ZERO loose hair, ponytail, or strands hanging below the chin onto the neck, shoulders, back, or armpits`
|
|
103
|
+
- **`POSTURE_GUARD[gender]`**:
|
|
104
|
+
- `female`:
|
|
105
|
+
`anatomically realistic East Asian standing posture with a natural upright neutral spine (NO exaggerated S-curve lumbar arch, NO anterior pelvic tilt), arms relaxed slightly away from the sides so the waist-to-hip contour is 100% unobstructed`
|
|
106
|
+
- `male`:
|
|
107
|
+
`anatomically realistic East Asian masculine standing posture with a tall upright neutral spine and relaxed level shoulders (NO exaggerated bodybuilder lat-spread, NO hunched neck, NO hands on hips), arms hanging naturally slightly clear of the torso so the chest-waist-hip taper is 100% unobstructed`
|
|
108
|
+
|
|
109
|
+
### 2. 八档身材预设字典(`ARCHETYPE_PRESET[body_archetype]`)
|
|
110
|
+
|
|
111
|
+
- **`F_SLIM_PETITE`**:
|
|
112
|
+
`slim petite-boned East Asian female build: slender narrow shoulders, modest bust, slim waist, narrow compact hips strictly aligned with shoulder width (NO wide hip flare), and slender straight thighs with a subtle natural gap; side profile shows a compact, subtly toned glute line proportionate to slim thighs`
|
|
113
|
+
- **`F_SLIM_BUSTY`**:
|
|
114
|
+
`slim slender-boned East Asian female build with naturally full upper bust: narrow shoulders and slim ribcage, slender waist, NARROW compact pelvis/hips strictly aligned in width with her slender shoulders (NO exaggerated wide hips or BBL flare), slender straight thighs, and a compact, firm, subtly lifted youthful glute contour flowing smoothly into slim thighs`
|
|
115
|
+
- **`F_TONED_BALANCED`**:
|
|
116
|
+
`balanced healthy East Asian female model build: proportional shoulders, defined natural waist, moderate balanced hips harmonizing with shoulder width, and toned shapely thighs and calves; side profile shows a natural firm glute curve aligned with neutral upright posture`
|
|
117
|
+
- **`F_CURVY_VOLUPTUOUS`**:
|
|
118
|
+
`curvy voluptuous East Asian female build: full bust, distinctly cinched narrow waist, naturally wide curvy hips, full shapely thighs, and slender calves; side profile shows authentic full bust and rounded glute fullness while keeping an upright neutral spine without artificial hyper-lordosis`
|
|
119
|
+
- **`M_SLIM_LEAN`**:
|
|
120
|
+
`lean slender East Asian male build: clean medium-narrow shoulders, flat lean chest, slim waist, narrow compact male hips, and long lean straight legs with light natural muscle definition (NO bulky mass)`
|
|
121
|
+
- **`M_ATHLETIC_TAILORED`**:
|
|
122
|
+
`tailored athletic East Asian male model build: broad squared shoulders forming a clean natural V-taper into a flat taut waist and narrow male pelvis/hips, defined lean pectoral chest and toned arms (fit and sculpted, NEVER exaggerated Western bodybuilder bulk), and long straight athletic legs; side profile shows a crisp flat chest-to-abdomen line and compact firm male glutes aligned with straight thighs`
|
|
123
|
+
- **`M_MUSCULAR_BUILT`**:
|
|
124
|
+
`muscular fit East Asian male build: broad well-developed deltoid shoulders, full sculpted pectoral chest, muscular arms, tight waist, narrow hips, and strong athletic quadriceps and calves with realistic East Asian head-to-body proportions`
|
|
125
|
+
- **`M_BROAD_STOCKY`**:
|
|
126
|
+
`broad solid-framed East Asian male build: wide thick chest and upper back, straight solid waist/midsection, proportional hips, and sturdy legs`
|
|
127
|
+
|
|
128
|
+
### 3. 五张图标准拼装模板与三阶段并行路由
|
|
129
|
+
|
|
130
|
+
实验已验证参数(实际能力与单价仍以本次 `list_models` / `quote_generation` 为准;能力不可用时先说明替代方案并确认,不能静默改模型或省略参考依赖):capability = `"gpt-image-2.6-flare"`,`resolution: "1K"`,`quality: "medium"`。
|
|
131
|
+
**Flare 通道防超时铁律**:所有喂入 `inputs` 的参考图统一转存为 JPG(`quality=92`,长边 ≤ 1280px),**单次调用最多传 1~2 张参考图**。
|
|
132
|
+
|
|
133
|
+
#### Stage 1:`01-portrait-front`(`ratio: "3:4"`)
|
|
134
|
+
- **Inputs**:`{ image_1: src_portrait_front_3x4.jpg }`
|
|
135
|
+
- **Prompt**:
|
|
136
|
+
`Photorealistic studio model digital head-and-shoulders portrait (0-degree straight-on frontal view, eye-level camera, neutral calm expression looking directly at camera) of the exact ${SUBJECT_NOUN[gender]} in Image 1 against a ${STUDIO_BASE}. Preserve exact facial identity: ${face_traits}, with ${hair_portrait}. Subject is ${ATTIRE_PORTRAIT[gender]}`
|
|
137
|
+
|
|
138
|
+
#### Stage 2(并行跑 `02` 与 `03`):
|
|
139
|
+
1. **`02-portrait-45`**(`ratio: "3:4"`)
|
|
140
|
+
- **Inputs**:若有清晰无遮挡原片 45° 脸部框则传 `{ image_1: p1_jpg, image_2: src_portrait_45_3x4.jpg }`;否则只传 `{ image_1: p1_jpg }`。
|
|
141
|
+
- **Prompt**:
|
|
142
|
+
`Photorealistic studio model digital head-and-shoulders portrait in a 45-degree three-quarter view (head and shoulders turned 45 degrees) of the exact same ${SUBJECT_NOUN[gender]} from Image 1${has_src_45 ? " and Image 2" : ""} against the exact same ${STUDIO_BASE}. Maintain 100% identical facial bone structure (${face_traits}) and ${hair_portrait}. Subject is ${ATTIRE_PORTRAIT[gender]}`
|
|
143
|
+
2. **`03-body-front`**(`ratio: "9:16"`)
|
|
144
|
+
- **Inputs**:若 `garment_fit_gate === "tight_clear"` 传 `{ image_1: p1_jpg, image_2: src_body_front_headless.jpg }`;若 `garment_fit_gate === "loose_occluded_or_missing"` **只传 `{ image_1: p1_jpg }`**。
|
|
145
|
+
- **Prompt**:
|
|
146
|
+
`Photorealistic full-body studio model digital (complete head-to-bare-feet framing, 0-degree straight-on frontal neutral standing pose) against the exact ${STUDIO_BASE} of Image 1. Preserve the exact ${SUBJECT_NOUN[gender]} from Image 1 with ${BODY_HAIR_LOCK[hair_length_gate]}. Body proportions${garment_fit_gate === "tight_clear" ? " matching Image 2" : ""}: ${ARCHETYPE_PRESET[body_archetype]}; ${limb_note}. Enforce ${POSTURE_GUARD[gender]}. Subject is ${ATTIRE_BODY[gender]}`
|
|
147
|
+
|
|
148
|
+
#### Stage 3(等 `03` 完成后,并行跑 `04` 与 `05`,均只传 `03` 转出的单张 `b3_jpg`):
|
|
149
|
+
1. **`04-body-45`**(`ratio: "9:16"`)
|
|
150
|
+
- **Inputs**:`{ image_1: b3_jpg }`
|
|
151
|
+
- **Prompt**:
|
|
152
|
+
`Photorealistic full-body studio model digital (complete head-to-bare-feet framing) rotating the exact ${SUBJECT_NOUN[gender]} from Image 1 into a natural 45-degree three-quarter standing angle against the exact same ${STUDIO_BASE}. Maintain 100% identical body volume, height, ${BODY_HAIR_LOCK[hair_length_gate]}, and proportions (${ARCHETYPE_PRESET[body_archetype]}; ${limb_note}). Enforce ${POSTURE_GUARD[gender]}. Subject is ${ATTIRE_BODY[gender]}`
|
|
153
|
+
2. **`05-body-side`**(`ratio: "9:16"`)
|
|
154
|
+
- **Inputs**:`{ image_1: b3_jpg }`
|
|
155
|
+
- **Prompt**:
|
|
156
|
+
`Photorealistic full-body studio model digital (complete head-to-bare-feet framing) rotating the exact ${SUBJECT_NOUN[gender]} from Image 1 into a strict 90-degree pure side profile standing pose against the exact same ${STUDIO_BASE}. Maintain 100% identical body thickness, height, ${BODY_HAIR_LOCK[hair_length_gate]}, and side proportions (${ARCHETYPE_PRESET[body_archetype]}; ${limb_note}). Tall upright neutral spine (NO exaggerated S-curve lumbar arch, NO anterior pelvic tilt); elbows bent slightly (~30 degrees) with forearms held forward in front of the abdomen so the arm does NOT hang over or block the waist, lower back, or glute/hip side contour. Subject is ${ATTIRE_BODY[gender]}`
|
|
157
|
+
|
|
158
|
+
---
|
|
159
|
+
|
|
160
|
+
## 四、第三步:确定性去头后处理与验收标准
|
|
161
|
+
|
|
162
|
+
- **确定性去头公式**:使用 SCRFD(`~/.insightface/models/buffalo_l/det_10g.onnx`)检测人脸底边 `chin_y`,取 `crop_top_y = chin_y + 6` 水平切到底;若 `05` 纯侧脸未检出人脸框,先算 `03` 图头顶前景像素行 `top_03` 与头高 `head_span = chin_y_03 - top_03`,再在 `05` 图测出头顶前景行 `top_05`,取 `crop_top_y = top_05 + head_span + 6` 切到底。输出 `03/04/05-body-*-headless.png` 与五图合一预览看板 `preview-sheet.jpg`。
|
|
163
|
+
|
|
164
|
+
- 裁切坐标向上取整并记录 `crop_top_y`、原图/成品尺寸与检测方法;03/04 未检出脸框,或 05 的回退不可靠时,先本地检查,不凭固定百分比盲切。裁切仅改变画布高度,不缩放身体;派生 04/05 必须用裁切前完整 03。缺少本地检测依赖时说明缺项,安装前遵循技能的依赖确认要求。
|
|
165
|
+
- 五图验收:同一身份与体量、正确角度、浅灰统一量体服、赤足平放、无饰物与发丝残桩、不误裁颈肩/脚部;两张肖像为 3:4,三张身体原图为 9:16,去头成品比例随确定性裁切变化。预览板不替代五张独立交付图。
|
|
@@ -0,0 +1,68 @@
|
|
|
1
|
+
# 穿搭短视频拆解、项目清单与第 1 道闸门确认
|
|
2
|
+
|
|
3
|
+
## 1. 目标与产出(对齐「从一条视频开始」主入口)
|
|
4
|
+
|
|
5
|
+
当用户选择「从一条视频开始」创作时,**默认第一步先向用户索要参考视频**(社媒分享链接或本地视频;若用户同时附带了模特或服装图也一并收下)。在投入积分生图和生视频前,先将参考视频工具化拆解为结构化 `01-reference/analysis.json` 与项目总账 `project.json`,确定视频类别与用户想怎么改当下任务,再按需索要模特与服装并在第 1 道闸门对齐准备阶段预算。
|
|
6
|
+
|
|
7
|
+
标准项目目录(`<workspace>/zenmcp-projects/<YYYYMMDD>-<slug>/`)产出:
|
|
8
|
+
- `project.json`:记录视频类别(`video_category`)、原片信息、角色资产引用(`model_id` / `model_name`)、服装槽位映射、分镜景别表、字幕动效轴与积分账本。
|
|
9
|
+
- `01-reference/analysis.json`:记录切点帧号、每镜景别上下沿、运镜方式、人物动作摘要、原片语音与屏幕花字。
|
|
10
|
+
- `01-reference/motion-clean.mp4`:剔除平台闪帧封面(常见前 3–5 帧静帧贴片)或超 13 秒裁剪后的干净动作参考视频。
|
|
11
|
+
- `01-reference/keyframes.jpg`:用 `node skills/zenmcp/scripts/build-contact-sheet.mjs --video ...` 生成的关键帧总览拼图。
|
|
12
|
+
- `01-reference/report.html`(当用户选择「仅保留拆解报告」或需要独立可视化拆解单时):用 `node skills/zenmcp/scripts/build-dissect-report.mjs --project <项目目录>` 生成的带 ZenAIGC 品牌双色 Logo 与深浅双模式的单文件拆解报告(0 积分、零外链请求)。
|
|
13
|
+
- `01-reference/transcript.json`(有口播/旁白时):带毫秒级分句时间戳的语音识别结果。
|
|
14
|
+
|
|
15
|
+
## 2. 视频类别定性标准与前置分流路由(阶段 2:先定分类与意图,再要模特衣服)
|
|
16
|
+
|
|
17
|
+
只要拿到参考视频,立即在 0 积分阶段完成分类与意图确认,防止用户为非第一类视频白准备素材或误烧积分:
|
|
18
|
+
|
|
19
|
+
1. **首句意图未明时先分流**:若用户只甩了社媒链接或本地视频而没说干什么,先拉取展示原片并用一次选项提问确认意图:「`拆解视频并确认二创方案(推荐)` / `仅提取口播文案` / `仅保存原片`」;首句已明说二创则免问直接拆解。
|
|
20
|
+
2. **明确输出视频类别定性(写入 `project.json` 的 `video_category`)**:
|
|
21
|
+
- **用户层主类别**:`穿搭展示` / `手持展示` / `场景展示` / `人物讲述`;
|
|
22
|
+
- **叠加技术特征**:① 空间机位(`固定机位同场景` vs `跨场景转场/大幅甩镜运镜`);② 口播形态(`无口播` / `画外音口播` / `入画正脸对口型口播`);③ 花字动效(`有花字字幕` / `无花字`)。
|
|
23
|
+
3. **确定分类后询问用户想怎么做当下任务**:
|
|
24
|
+
- **分支 A——非第一类视频(100% 强制停顿拦截分流)**:
|
|
25
|
+
- 凡命中**跨场景切换/大量运镜甩镜**、**手持好物近景展示**、**场景展示**、**真人正脸对口型口播**,或用户要求**「同片同衣仅换人」**(原视频人物衣服像素会压倒身份参考图),**严禁直接进入第一类定妆与 `Wan 3.0` 整片直出流程**。
|
|
26
|
+
- 当场向用户报出识别到的真实视频类别与技术边界,并用一次选项提问提供可行替代项(例如:`仅截取其中单场景固定机位片段按第一类做` / `对口型改用画外音旁白口播` / `仅交付原片与免费拆解报告(不扣积分)`)。
|
|
27
|
+
- **分支 B——命中标准第一类视频(固定机位 + 同场景 + 单模特穿搭展示,支持无口播/画外音)**:
|
|
28
|
+
- **尚未收齐模特/服装或改法未明时**:展示原片与 `01-reference/keyframes.jpg`,明确告知「已识别为【第一类:固定机位同场景穿搭展示】(共 X 秒、Y 个镜头,需 N 套衣服)」,用一次选项提问确认改法(「`换模特+换衣服(推荐)` / `只换衣服` / `仅保留拆解报告`」),确认后按改法索要**模特**(直接说已有模卡名/`id`、从模卡库挑选、或发新人物照)与 **`N` 套服装正面图**;
|
|
29
|
+
- **参考视频 + 模特 + 服装已一次发齐且意图明确时**:在拆解结论首行报出【第一类:固定机位同场景穿搭展示】定性结果,**不单独多停一轮空问类别**,直接合并进入下方第 1 道闸门一次性确认。
|
|
30
|
+
|
|
31
|
+
## 3. 验收标准
|
|
32
|
+
|
|
33
|
+
- **闪帧封面剥离**:若原片第 `0–4` 帧存在与正片画面跳变的封面贴片,必须在送入 `analyze_reference` 和 `Wan 3.0` 前用 `trim_media` 裁除,否则第 1 镜前 0.2 秒会出现封面残影或错判第 1 个硬切点。
|
|
34
|
+
- **帧率与时长硬门槛**:`motion-clean.mp4` 时长须在 `1–15 秒` 内,且 `参考视频秒数 + 输出整数秒 ≤ 30 秒`(`Wan 3.0` 硬上限,`output.duration_seconds` 取向上取整整数秒)。
|
|
35
|
+
- **逐镜上下沿标注完整**:`analysis.json` 中每个镜头必须同时记录**上沿留白比例**(如 `头顶约 14%`)与**下沿裁切位置**(如 `大腿中部` 或 `鞋底 96%`),不得只记笼统的“中景/近景”。
|
|
36
|
+
- **动作依赖物**:存在身体与物体交互的镜头,在 `analysis.json` 用自由文本 `hand_objects` 记录动作、对象、手部占用与配饰去向。拿掉物体后动作不成立,就随动作保留;服装配饰的批准不外推到动作源。视频按核心任务定类,不按持物镜头占比定类;跨类替换、删除依赖物,或与明确保留要求冲突时,合并进现有闸门确认,不逐物新增提问。
|
|
37
|
+
- **第 1 道闸门合并确认(单次选项提问 ≤ 3 题,严禁输出长篇分镜表刷屏)**:在模特、视频、服装三项收齐后展示原片 + 核对拼图包(`keyframes.jpg`、模特预览、`garments-sheet.jpg`)+ ≤5 行极简结论,并用唯一一次选项式提问将未决项与准备阶段预算合并问清(详见 [05-interaction-and-media.md](05-interaction-and-media.md)):
|
|
38
|
+
1. **可选配饰保留策略(仅检测到包袋、墨镜/眼镜、帽子、围巾等配饰时提问)**:默认推荐「仅保留服装鞋袜(推荐)」,可选保留全部或指定配饰;无额外配饰时不问此题。
|
|
39
|
+
2. **片段截取或套数/音频策略**:原片超 13 秒时给出推荐净片起止秒数;服装少于槽位时供选补图、裁短视频或后半段循环复用(超 8 套时说明拆两段生成后拼接);含语音时确认纯音乐卡点或画外音旁白。若总题数超过 3 题,将片段方案并入预算批准选项的说明中。
|
|
40
|
+
3. **准备阶段定妆积分上限批准(含本地上传同意)**:此时按 `list_models` 返回的生图单价预估准备阶段积分上限(**在用户批准前,切勿传入本地文件路径调用 `quote_generation`,否则服务端会因 `consent_confirmed` 未置真抛出 `upload_consent_required`**);批准选项中一并写明含每套 1 次重抽预留、同意上传模特与服装参考图用于报价生成,且**不含后续成片视频费用**(用户获批后再传 `consent_confirmed: true` 调 `quote_generation` 与 `run_generation`;成片视频须在定妆质检通过后的第 2 道闸门单独确认)。
|
|
41
|
+
|
|
42
|
+
## 4. 已知的坑
|
|
43
|
+
|
|
44
|
+
- **只靠切点工具不看画面**:`analyze_reference` 只产出软件硬切帧号与视频流元数据,不会识别“全身还是七分身”或“第几镜换了第几套衣服”。Agent 必须对每镜抽中点帧检视景别上下沿,写入 `analysis.json`。
|
|
45
|
+
- **把社媒配文当口播台词**:`fetch_social_post` 返回的 `title / text / hashtags` 是帖子正文而非视频内原话;需提取台词时必须经用户同意后调用 `transcribe_media`。
|
|
46
|
+
- **静帧不能判断无口播**:未经核听的音轨标记“待确认”,不根据帖子配文或静帧宣称“无口播”;需要上传转写时仍遵守授权要求。
|
|
47
|
+
- **基准帧与按需空景判断**:同源场景的第 1 套定妆图直接选取全片**景别最远、身体露出最全**的一帧作为 `image_1` 一步自适应替换(无需预先擦空景、无需手写场景百分比);仅在多套衣服切换(需还原前套宽大裙摆遮挡背景)或大幅运镜需额外给 `Wan 3.0` 补背景时,才截取片头空景帧或用生图模型生成 `scene-plate.png`。
|
|
48
|
+
|
|
49
|
+
## 5. 已验证示例
|
|
50
|
+
|
|
51
|
+
`analysis.json` 单镜标准记录结构(节选自实测通过的 12 镜秋冬穿搭案例):
|
|
52
|
+
|
|
53
|
+
```json
|
|
54
|
+
{
|
|
55
|
+
"id": "s1",
|
|
56
|
+
"outfit_slot": 1,
|
|
57
|
+
"start_frame": 0,
|
|
58
|
+
"end_frame": 33,
|
|
59
|
+
"duration_seconds": 1.1,
|
|
60
|
+
"shot_scale": "膝上七分身景(头顶至大腿中部完整入画)",
|
|
61
|
+
"camera_motion": "固定机位",
|
|
62
|
+
"subject_framing": "人物居中,头顶发丝距上沿约14%,下沿裁至大腿中部,完整露脸看镜头",
|
|
63
|
+
"wan3_camera_directive": "固定机位膝上七分身景(头顶发丝至大腿中部完整入画,头顶上方留白),人物完整露脸微笑看镜头,正面微侧自然站立",
|
|
64
|
+
"original_speech": "外套越精致",
|
|
65
|
+
"speech_ms": [160, 1080],
|
|
66
|
+
"original_caption": "外套越精致"
|
|
67
|
+
}
|
|
68
|
+
```
|
|
@@ -0,0 +1,63 @@
|
|
|
1
|
+
# 2+3 角色 IP 标签资产包与原片自适应换装规范
|
|
2
|
+
|
|
3
|
+
## 1. 目标与产出
|
|
4
|
+
|
|
5
|
+
解决换装视频前置定妆图的三类核心痛点:**① 模特脸部模糊或头身比失真(大头娃娃/五五身)**;**② 不同场景(室内、街头、白墙)换场景就要人工重调比例提示词**;**③ 同一模特换多套长短不一的衣服时身高忽高忽低漂移**。
|
|
6
|
+
|
|
7
|
+
标准产出:
|
|
8
|
+
- **角色 IP `2+3` 资产包**:制作、预检、人体参数/整体预算确认、五图验收与入库统一遵循 [00-model-card.md](00-model-card.md),本章仅消费已验收素材。
|
|
9
|
+
- 标签:`portrait-front`(0°)、`portrait-45`(45°);`body-front-headless`(0°)、`body-45-headless`(45°)、`body-side-headless`(90°)。不含背面。
|
|
10
|
+
- 固定浅灰量体服、赤足;身体完整生成后本地确定性去头。`notes` 保留用户确认的人体参数与 AI 补全范围;入库必须在五图验收后获得明确授权。
|
|
11
|
+
- **身高像素级对齐的全套定妆图 `04-tryon/outfit-01.png .. outfit-N.png`**:每套使用独立子目录 `04-tryon/outfit-01/ ..` 调用生成;默认推荐 `gpt-image-2.6-sunburst`(`quality: medium, resolution: 1K, ratio: 9:16`,多参考图原生自适应与衣料还原最优;单价以 `quote_generation` 返回为准)。
|
|
12
|
+
- **必出双项本地质检图 `04-tryon/qc/height-ruler.jpg` 与 `04-tryon/qc/fabric-qc-01..N.jpg`**:每次定妆生成完成后同步产出头脚标尺图与上半身面料/领口/妆容 1:1 局部放大并排对比图。
|
|
13
|
+
- **按需空景底板 `scene-plate.png`(可选)**:单套同源场景穿搭默认**无需**预先生成空景底板(直接拿原片最远帧一步换人换衣);仅在多套穿搭换装需补齐前套宽裙摆遮挡背景,或大幅位移镜头需给 `Wan 3.0` 补充纯空景时按需生成。
|
|
14
|
+
|
|
15
|
+
## 2. 验收标准
|
|
16
|
+
|
|
17
|
+
- **与原片基准帧头脚双线对齐(免问用户、免人工量百分比)**:无需向用户询问景别比例;直接选取参考视频中**景别最远、身体露出最全**的那一帧(全片有全身镜取全身帧,全片无脚才取最远半身帧),运行 `node skills/zenmcp/scripts/build-height-ruler.mjs` 拉两条水平参考线核验,定妆图的**头顶与脚底 Y 坐标与原片基准帧(及同组其余套装)偏差须 `< 1.5%`**。
|
|
18
|
+
- **配饰自主权交给用户,默认压线只带服装**:用户未特别提及时,默认仅提取服饰、袜品与鞋款(若商品参考图为无鞋平铺图,自动配简洁中性鞋款),默认剥离服装参考图自带的手提包、墨镜等额外道具;若用户提前要求保留配饰,或看图后要求“加上包包”,按用户意愿保留或单张微调补上。此规则不删除动作参考中的依赖物;定妆图只验收造型与配饰外观,不代表逐镜手持方案。
|
|
19
|
+
- **零原片人物与前序服装残留**:一步替换后不得残留原片博主的发型/五官、原片花字水印、无关路人或前一套衣服的领口与裙摆色偏。
|
|
20
|
+
- **1:1 面料与妆容局部放大质检(必检项,拦截面料透光度与条纹漂移)**:全身缩略图容易掩盖细条纹、微透雪纺、领口扣饰被画成厚重纯色布等细节失真。每套定妆图生成后必须运行 `node skills/zenmcp/scripts/build-contact-sheet.mjs --cols 2 --cell-w 540 --cell-h 540 --out 04-tryon/qc/fabric-qc-01.jpg "02-garments/garment-01.png#crop=x1,y1,w1,h1" "04-tryon/outfit-01.png#crop=x2,y2,w2,h2"`,裁取原衣核心部位与定妆图上半身 1:1 并排对比。
|
|
21
|
+
- **定妆确认即静默导入进视频报价**:用单张 `@native/files-previewer`(或 `@native/image-gallery`)集中展示 `outfit-*.png`、`height-ruler.jpg` 与 `fabric-qc-*.jpg`,通过单次选项提问供用户确认;若有单张瑕疵,**在进入视频生成前**仅消耗生图积分单张重抽;用户点选「满意,进入视频报价」后,**直接后台静默执行 `import_assets(confirmed: true)` 与 `plan_job`(不再弹素材角色内部枚举确认)**,进入第 2 道闸门确认视频预算。
|
|
22
|
+
|
|
23
|
+
## 3. 已知的坑与安全红线
|
|
24
|
+
|
|
25
|
+
- **切忌“先擦空景丢掉人物位置,再靠手写百分比猜大小”**:同源场景下先把原片擦成空房间会丢失原相机真实人景比例,导致白墙/街景等无标准门框参照物时人物忽大忽小。实测证明,直接把**带原人物的原片最远全身帧作为 `image_1`** 配合通用提示词,模型会自动锁死原片头脚比例并同步擦除原人物、路人和花字,一步到位且立省一张空景积分。
|
|
26
|
+
- *异源新背景分支*:仅当用户明确要求更换为全新背景图(而非原片场景)时,`image_1` 才传新背景图并按新背景地面透视自然站位。
|
|
27
|
+
- *模特身高差原则*:同源场景下即使新旧模特净身高不同,像素总高度也保持贴合原片基准帧(避免 `Wan 3.0` 跨步位移与腿长不匹配造成脚底滑步),高矮胖瘦由无头素体图的头身比与围度自然体现。
|
|
28
|
+
- **多套衣服切忌各自独立从头生图**:第 `2..N` 套必须固定以已过关的 **`outfit-01.png` 作为 `image_1` 像素锚点画布**(若第 1 套恰好是遮住全身轮廓的超大羽绒服/拖地蓬蓬裙,先选最修身利落的一套生成基准图),避免短裙拉高、长裙压矮导致视频跳切忽高忽低。
|
|
29
|
+
- **并发调度、上传缓存共享与防双扣红线**:
|
|
30
|
+
- 多套衣服使用独立子目录以 `3–4` 并发生成,报价前可共享已上传的 `uploads.json` 避免重复上传触发 `HTTP 429`。
|
|
31
|
+
- **严格禁止对同一提交中的任务换新目录重投**:一旦调用 `run_generation`,只要处于 `running`、`awaiting_cloud` 或扣费待确认状态(`outcome_unknown` / `prior_payment_unresolved`),**必须在原目录持续调用 `get_generation` 轮询,绝对禁止新开目录重投(防止双重扣费)**;仅在原目录进入终态 `failed`、`cancelled` 或释放完结后才允许重试。
|
|
32
|
+
|
|
33
|
+
## 4. 已验证通用模板(零场景词、零百分比、零服装小作文)
|
|
34
|
+
|
|
35
|
+
### 阶段 A:第 1 套定妆图(原片最远帧一步自适应替换,单套穿搭到此即止)
|
|
36
|
+
- **输入槽位**:
|
|
37
|
+
- `image_1`:原片最远全身基准帧(含原人物/字幕亦可,模型自动原位替换并清场)
|
|
38
|
+
- `image_2`:`portrait-front.png`(模特正脸特写)
|
|
39
|
+
- `image_3`:`body-front-headless.png`(模特无头素体比例图)
|
|
40
|
+
- `image_4`:`garment-01.png`(目标服装参考图,支持真人穿搭图或无鞋平铺图)
|
|
41
|
+
- *单图临时模特分支(用户选择「仅本次使用」未建五图模卡时)*:省略素体槽,仅传 3 张图——`image_1` 为原片最远基准帧、`image_2` 为 `03-model/identity.<ext>`、`image_3` 为 `garment-01.png`,提示词中同步将 `Image 2 and Image 3` 改为 `Image 2`、将 `Image 4` 改为 `Image 3`。
|
|
42
|
+
- **已验证全场景固定通用提示词**(室内、街头、白墙通用,无需改场景词或百分比;若用户要求带包,仅将括号内去包说明改为保留 `Image 4` 包袋):
|
|
43
|
+
|
|
44
|
+
```text
|
|
45
|
+
Edit Image 1 into ONE photorealistic full-body 9:16 smartphone photograph by replacing the foreground person in Image 1 with the exact East Asian woman from Image 2 and Image 3, dressed in the complete outfit from Image 4.
|
|
46
|
+
- Scene, camera & human scale (Image 1): Keep the exact background environment, lighting, camera perspective, standing position, and head-to-foot human framing scale from Image 1. Completely remove the original person, her original clothing/boots/bags, any background passersby, and any text/subtitles/watermarks from Image 1, reconstructing occluded background details cleanly.
|
|
47
|
+
- Identity & body proportions (Image 2 + Image 3): Match the exact facial features, calm expression, and hairstyle from Image 2, and the natural body proportions from Image 3. Do NOT copy any facial features or hair from Image 1 or Image 4.
|
|
48
|
+
- Outfit & footwear (Image 4): Dress her accurately in all garments, hosiery/socks, and shoes shown in Image 4 (if Image 4 has no shoes, pair with clean minimal neutral strappy heels; strip handbags or extra props unless requested).
|
|
49
|
+
Natural relaxed upright front-facing standing pose, arms relaxed naturally at sides, authentic smartphone camera texture, zero text, zero watermark.
|
|
50
|
+
```
|
|
51
|
+
|
|
52
|
+
### 阶段 B:多套衣服第 `2..N` 套并发锁高换装(仅多套穿搭视频需要)
|
|
53
|
+
- **输入槽位**:`image_1 = outfit-01.png`(锁死站位与头脚像素坐标),`image_2 = garment-k.png`,`image_3 = portrait-front.png`,`image_4 = scene-plate.png`(还原被第 1 套遮挡的背景细节)。
|
|
54
|
+
- **已验证固定提示词**:
|
|
55
|
+
|
|
56
|
+
```text
|
|
57
|
+
Edit Image 1 into ONE photorealistic full-body 9:16 smartphone photograph by ONLY changing the outfit on the woman in Image 1 to the complete outfit from Image 2.
|
|
58
|
+
- Image 1 (LOCKED SCENE & HUMAN SCALE): Keep the exact pixel coordinates of her head top, shoulder line, waist height, and foot placement, plus the exact background and lighting from Image 1.
|
|
59
|
+
- Image 2 (NEW OUTFIT ONLY): Completely remove the previous outfit and shoes from Image 1, and dress her accurately in all garments, hosiery/socks, and shoes shown in Image 2 (if Image 2 has no shoes, pair with clean minimal neutral strappy heels; strip handbags or extra props unless requested).
|
|
60
|
+
- Image 3 (IDENTITY LOCK): Keep her exact facial features and hairstyle.
|
|
61
|
+
- Image 4 (UNOCCLUDED BACKGROUND): Restore clean background details wherever the new outfit exposes areas previously covered in Image 1.
|
|
62
|
+
Natural relaxed upright standing pose facing camera, arms relaxed naturally at sides, zero text, zero watermark.
|
|
63
|
+
```
|
|
@@ -0,0 +1,43 @@
|
|
|
1
|
+
# Wan 3.0 远近跳切景别控制与卡点配音规范
|
|
2
|
+
|
|
3
|
+
## 1. 目标与产出
|
|
4
|
+
|
|
5
|
+
将锁高定妆图与动作参考视频编译为 `Wan 3.0`(`wan3.0-video`)多镜换装任务,精准对齐原片的硬切节奏与远近跳切景别,并合成毫秒级卡点的画外音旁白与背景音乐。
|
|
6
|
+
|
|
7
|
+
标准产出:
|
|
8
|
+
- `03-video-job/conformed.mp4`:经切点对齐校验的纯净换装成片。
|
|
9
|
+
- `02-finals/voiceover-bgm.m4a`(有旁白/配乐时):按各镜切点精确落拍的混合音轨。
|
|
10
|
+
|
|
11
|
+
## 2. 验收标准
|
|
12
|
+
|
|
13
|
+
- **露脸镜头 100% 保住整颗头与头顶留白**:所有原片露脸的全身镜与膝上七分身镜头,成片应避免出现卡下巴、切嘴唇、削半颗头的构图事故。
|
|
14
|
+
- **奇偶远近跳切反差清晰**:七分身镜头下沿裁在大腿/膝盖附近,全身远景镜头完整露出双脚与鞋款,硬切干脆无果冻过渡。
|
|
15
|
+
- **服装零串位且单次不超槽**:每镜只穿对应槽位服装,总参考图 `≤ 9 张`(`图1` 身份参考 + 最多 `8 张` 定妆图)+ `视频1` 动作参考。
|
|
16
|
+
- **旁白句尾不跨切点**:画外音每半句起点晚于硬切点 `100–160ms`,句尾早于下一硬切点完结,无吞字或抢拍。
|
|
17
|
+
- **交互镜头验收**:有 `hand_objects` 的镜头,`actions` 写明动作、依赖物、手部占用与配饰去向;拿掉后动作不成立的物体不能当可选配饰删掉。同类外观可使用已批准素材,跨类替换或删除须先获批准。检查起、中、末帧,并在可播放时检查连续画面;只能抽帧时明确证据边界,不能宣称已证明整镜连续性。重跑仍须重新报价,不自动重试。
|
|
18
|
+
|
|
19
|
+
## 3. 已知的坑与已验证写法
|
|
20
|
+
|
|
21
|
+
- **高危翻车坑:对膝上七分身镜头写「中近景 + 展示上半身领口/版型细节」极易切脸!**
|
|
22
|
+
- **实证根因**:在 `Wan 3.0` 的女装电商训练语料中,「中近景 + 正面展示上半身领口与版型细节 / 上半身穿搭」强绑定了女装电商详情页**「卡下巴/切嘴唇拍领口腰臀」的局部细节镜头先验**。若同时在括号里只写下沿 `(大腿/膝盖以上入画)` 而不锁上沿 `头顶发丝完整入画`,模型纵向画幅不够就会直接一刀切在人物嘴唇或下巴上;而同一条视频里只要写成「微侧身完整露脸回眸看镜头」,头部就 100% 完整保留。
|
|
23
|
+
- **已验证写法**:
|
|
24
|
+
1. 原片露脸的半身/七分身镜头,统一定名为 **「膝上七分身景」**,避免写「中近景」「特写」「展示上半身领口细节」。
|
|
25
|
+
2. 每个露脸镜头均采取**「上下沿双锚定 + 露脸看镜头」**:显式写出 `(头顶发丝至大腿中部/膝上完整入画,头顶上方留白),人物完整露脸微笑看镜头`。
|
|
26
|
+
3. 不要只在全身镜写 `头顶入画` 而在七分身镜省掉 `头顶` 二字,否则模型会对比学出“全身露头、半身切头”的错误规律。
|
|
27
|
+
- **提示词避免带声音词**:`Wan 3.0` 任务固定 `audio: false`,分镜描述中不得出现「音乐、节拍、卡点、配乐、声音」等词,否则触发 `lintPrompt` 拦截(声音统一在后置混音步骤合成)。
|
|
28
|
+
- **手部占用先在方案里解决**:不要同时要求被占用的手完成另一项操作;保留源动作和用户明确要求的配饰,若不能兼得,将改动作、改携带方式或暂不出镜的取舍并入原有确认。不得用未经批准的否定词或替换指令暗中删除依赖物。
|
|
29
|
+
- **TTS 逐句单独生成会导致语调割裂,整段直出又会漂移脱拍**:
|
|
30
|
+
- 正确做法是用 `doubao-seed-tts-2.0` **一次性整段合成完整旁白**(保证前后气息与抑扬顿挫连贯),读取返回的 `timestamps` 逐字毫秒时间戳,在句间气口切开各小句,用 `ffmpeg adelay` 精确摆放到对应镜头硬切点后 `+120ms` 处,再与 `-16dB` 垫底 BGM 混音。
|
|
31
|
+
|
|
32
|
+
## 4. 已验证示例
|
|
33
|
+
|
|
34
|
+
`plan_job` 中远近交替跳切(奇数镜七分身 + 偶数镜全身)的 `actions` 已验证写法:
|
|
35
|
+
|
|
36
|
+
```json
|
|
37
|
+
{
|
|
38
|
+
"s1": "固定机位膝上七分身景(头顶发丝至大腿中部完整入画,头顶上方留白),人物完整露脸微笑看镜头,正面微侧自然站立",
|
|
39
|
+
"s2": "切换为固定机位全身远景(头顶至双脚鞋子完整入画,头顶上方留白),微侧站立微笑看镜头展示全身造型",
|
|
40
|
+
"s3": "切换为固定机位膝上七分身景(头顶发丝至膝盖上方完整入画,头顶上方留白),人物完整露脸微笑看镜头,正面双手自然叉腰",
|
|
41
|
+
"s4": "切换为固定机位全身远景(头顶至双脚鞋子完整入画,头顶上方留白),双臂轻抱胸前微笑看镜头展示全身造型"
|
|
42
|
+
}
|
|
43
|
+
```
|
|
@@ -0,0 +1,61 @@
|
|
|
1
|
+
# HyperFrames 字幕与贴片三预设规范
|
|
2
|
+
|
|
3
|
+
## 1. 目标与产出
|
|
4
|
+
|
|
5
|
+
在不消耗任何云端模型积分的前提下,利用本地确定性渲染器(`PopTitleRenderer` / HyperFrames)为成片叠加呼吸感强、不遮挡人脸与穿搭重点的花字和口播字幕。调整花字文案、字号、颜色或位置均属于 **0 积分本地重跑**。
|
|
6
|
+
|
|
7
|
+
当前内置三套标准预设(兼容旧版 `pop-title`):
|
|
8
|
+
1. **`hero-title`(开场醒目大花字)**:字号约占画宽 `8.8%`,默认 `y = 0.12`,粗描边立体阴影,适合无口播卡点视频前 2–6 秒的主题大标题(如「140斤微胖梨形早春穿搭」)。
|
|
9
|
+
2. **`top-tag`(顶部精巧卖点标签)**:字号约占画宽 `5.0%`,默认 `y = 0.09–0.10`,粗描边居中高亮,专为远近跳切穿搭视频设计,绝不压头顶发丝。
|
|
10
|
+
3. **`voice-caption`(底部口播字幕条)**:字号约占画宽 `4.6%`,默认 `y = 0.84`(避开底部平台 UI 遮挡区),适合连续长句口播。
|
|
11
|
+
|
|
12
|
+
## 2. 验收标准
|
|
13
|
+
|
|
14
|
+
- **不压脸、不挡鞋**:`top-tag` 中心 `y` 保持在 `0.08–0.10`(处于人物头顶 `y ≈ 0.18` 上方的留白墙面内);`voice-caption` 中心 `y` 保持在 `0.82–0.85`(不遮挡高跟鞋尖主体,也不掉进抖音底部文案遮挡区)。
|
|
15
|
+
- **重点词一眼抓人**:卖点短句用 `{关键词}` 包裹核心形容词(如 `领口越{利落}`),默认渲染为明黄 `#FFE14D` + 主体白字 `#FFFFFF`,单行控制在 `4–8 个汉字` 以内。
|
|
16
|
+
- **切点时间轴对齐准确**:当前使用整数切点索引 `start_cut` + `end_cut` 对齐各分镜范围(`0` 为片头,`segments.length` 为片尾),确保花字切换与每镜硬切同步。
|
|
17
|
+
|
|
18
|
+
## 3. 已知的坑
|
|
19
|
+
|
|
20
|
+
- **切勿拿默认大号 `pop-title`(`9.2%` 画宽、`y = 0.52` 居中)铺满全片每镜口播**:大号花字放在画面中上部会像广告牌一样死死糊住模特额头或胸口领口细节;全片逐镜卖点一律改用 `top-tag`(`5.0%` 画宽)或底部 `voice-caption`(`4.6%` 画宽)。
|
|
21
|
+
- **单行字数过长与行数限制**:竖屏 `9:16` 下单行超过 10 个字可能触发宽度溢出校验;`slots.lines` 限 **1–2 个非空字符串**(最多 2 行,如 `lines: ["早秋{一衣多搭}", "8套显瘦公式"]`),长句请拆分为两行或拆成前后两个切点片段。
|
|
22
|
+
|
|
23
|
+
## 4. 已验证示例
|
|
24
|
+
|
|
25
|
+
在 `job.storyboard.effects` 中配置开场大花字与逐镜顶部双色高亮卖点胶囊(按切点自动贴合每镜):
|
|
26
|
+
|
|
27
|
+
```json
|
|
28
|
+
[
|
|
29
|
+
{
|
|
30
|
+
"template": "hero-title",
|
|
31
|
+
"start_cut": 0,
|
|
32
|
+
"end_cut": 2,
|
|
33
|
+
"slots": { "lines": ["早秋{一衣多搭}", "显瘦穿搭公式"] },
|
|
34
|
+
"assets": {},
|
|
35
|
+
"style": {
|
|
36
|
+
"position": { "x": 0.5, "y": 0.12 },
|
|
37
|
+
"color": "#FFFFFF",
|
|
38
|
+
"highlight_color": "#FFE14D"
|
|
39
|
+
}
|
|
40
|
+
},
|
|
41
|
+
{
|
|
42
|
+
"template": "top-tag",
|
|
43
|
+
"start_cut": 0,
|
|
44
|
+
"end_cut": 1,
|
|
45
|
+
"slots": { "lines": ["领口越{利落}"] },
|
|
46
|
+
"assets": {},
|
|
47
|
+
"style": {
|
|
48
|
+
"position": { "x": 0.5, "y": 0.09 },
|
|
49
|
+
"color": "#FFFFFF",
|
|
50
|
+
"highlight_color": "#FFE14D"
|
|
51
|
+
}
|
|
52
|
+
},
|
|
53
|
+
{
|
|
54
|
+
"template": "top-tag",
|
|
55
|
+
"start_cut": 1,
|
|
56
|
+
"end_cut": 2,
|
|
57
|
+
"slots": { "lines": ["裙子越{简洁}越显腿长"] },
|
|
58
|
+
"assets": {}
|
|
59
|
+
}
|
|
60
|
+
]
|
|
61
|
+
```
|