沉浸式第一视角短片

本 Skill 用于把用户的一句话创意、短剧梗概、剧本片段、参考图或片段，转化为严格第一人称 POV 的沉浸式短片生产方案。核心目标是：全片像主角亲眼所见，避免任何第三人称穿帮，并通过可落地的视觉风格引擎保持画面统一。

使用边界

适合：

• 第一人称 POV 短剧、沉浸式悬疑、逃生、恋爱、复仇、探险、惊悚、职场压迫、现实生活片段。
• 用户明确要求“第一视角”“主观镜头”“像我亲眼看到”“手持沉浸感”“POV 短片”。
• 需要从剧本或概念拆成规格书、分镜、图像提示词、视频提示词和 QC 清单。

不适合：

• 普通第三人称剧情短片、多机位人物表演、群像戏、正反打对话戏。
• 以展示产品为主、没有主观视角叙事的广告或开箱。
• 需要长期连续剧统筹的完整剧集。本 Skill 只负责短片、开篇或紧凑 POV 段落。

全局硬锁规则

1. 全片严格第一视角：first-person POV from protagonist; camera is his/her eyes; no external shot of protagonist.
2. 主角面部零曝光：不得生成主角正脸、半身外部镜头、背影跟拍或第三人称表演镜头。
3. 主角可见范围仅限：手、鞋、衣袖、胸前物件边缘、身体局部倒影、屏幕反光、呼吸雾气或手持物。
4. 任何分镜必须回答：这一镜头是否可能由主角眼睛看到？如果不能，必须改写。
5. 不生成字幕、标题卡、画面文字叠层或卖点卡片。需要台词或旁白时只作为声音内容规划。

STEP 1: 接收输入并提炼 POV 核心

从用户输入中提取：

• 主角身份：谁的眼睛在看。
• 当前处境：主角正在经历什么危险、欲望、秘密、压力或冲突。
• 关键外部对象：对手、恋人、怪物、物品、门、手机、车窗、镜子、桌面、走廊等。
• 主角可见局部：手、袖口、鞋尖、呼吸雾气、手持物、手机边缘、伤口、工牌、工具。
• 禁止出现的第三人称内容：主角正脸、主角远景、主角背影、外部跟拍。

若用户只给一句概念，自动补齐一个短片钩子：

• 3 秒内出现强冲突或异常物。
• 10 秒内出现主角必须反应的压迫动作。
• 结尾保留一个可继续发展的悬念或情绪余味。

STEP 2: 视觉风格引擎

在生成规格书前，必须确定视觉风格。若用户已给风格，直接进入自定义输入解构；若用户没有给风格，根据语境提供或选择以下风格之一。

A. 现实生活纪实（默认）

• 画面调性：真实县城乡村、城中村、职场、出租屋、日常空间，自然光或实用光，低饱和。
• 物理映射：现实纪实、实用光源、低饱和、手持手机压缩噪点、磨损布料、真实生活杂物。
• 适用：现实题材、都市悬疑、市井日常、职场压迫、生活困境。

B. 赛博迷幻雨夜霓虹

• 画面调性：冷暖对比、高反差、水面反光、湿冷空气。
• 物理映射：湿路面、霓虹反光、高反差色差、冷青色阴影、暖琥珀高光。
• 适用：科幻、暗夜追逐、迷幻梦境、都市黑色气质。

C. Y2K / 旧家用录像复古

• 画面调性：低像素、CCD 噪点、偏色、怀旧暖雾。
• 物理映射：旧家用 DV 质感、轻微偏色、CCD 传感器噪点、暖雾光、边缘轻微糊。
• 适用：青春回忆、旧物回溯、DV 感叙事、90 年代/00 年代记忆。

D. 工业冷冽

• 画面调性：重工业灰冷、金属、低饱和、冷雾。
• 物理映射：钢灰色调、工业金属材质、低对比雾气、冷荧光灯、粗粝混凝土氛围。
• 适用：悬疑、犯罪调查、末世、工厂、制度压迫。

E. 电影级 ARRI 质感

• 画面调性：高宽容度、柔和漫反射、高级暗部、有机暖光。
• 物理映射：柔和自然漫射光、电影动态范围、丰富暗部细节、高级有机纹理。
• 适用：情感大片、高品质短剧片头、现实但更精致的短片。

F. 自定义输入

若用户输入抽象风格，如“王家卫式的孤独霓虹”“落日余晖下的温柔”“像坏掉的监控录像”，必须翻译成可执行的物理视觉锚点：

• 光源方向、色温、曝光倾向、快门或运动特征
• 饱和度与对比度、介质纹理或传感器噪点、空气感、场景证据

禁止在提示词里只堆抽象艺术词。例如：

• “悲凉” → 空旷构图、冷色散射光、手部微微颤抖、雨水打在窗户上。
• “旧回忆” → CCD 噪点、轻微偏色、边缘柔糊、褪色生活物件。
• “职场压迫” → 冷白荧光灯、低饱和玻璃隔断、键盘声、低头视线、手握工牌。

STEP 3: 生成 Final_Video_Spec

进入分镜和图片生成前，先产出规格书。规格书必须包含：

# Final_Video_Spec

标题：
类型：第一视角现实主义短片
画面比例：16:9 / 9:16 / 用户指定
目标时长：
视觉风格定义：
风格映射参数：
  - 光照/色温：
  - 介质纹理：
  - 饱和度与对比度：
  - 空气感/环境质感：
核心规则：严格第一视角 POV，禁止第三人称镜头；主角正脸零曝光
主角可见局部：
关键外部对象：
图片模型：用户指定或由代理选择 Hub 兼容图像生成能力
视频模型：用户指定或由代理选择 Hub 兼容视频生成能力
声音策略：环境声、动作声、呼吸声、台词或旁白的唯一 owner 规划

若用户已经授权“你看着办”，可直接采用合理默认，不再等待确认。

确认 / 修改问题卡片 Gate

为了减少用户反复输入“下一步”“继续”的繁杂操作，每个关键阶段交付后，不要只用开放式文字询问“是否继续”。应弹出一个紧凑的确认 / 修改问题卡片，提供清晰选项：

• 确认并进入下一步（推荐）：用户选择后，立即执行下一生产步骤。
• 修改当前结果：询问用户要修改哪一部分，只改当前阶段的对应内容，再继续。
• 暂停 / 导出当前结果：停止推进，保留当前文档或资产，方便用户稍后继续。

建议在以下关键节点使用该卡片：

1. Final_Video_Spec 与分镜方案交付后。
2. 关键首帧图生成后。
3. 视频 Clip 生成后。
4. 最终合并 / 导出成片前。

当用户选择 确认并进入下一步 时，视为该 Gate 已确认，必须立即推进下一步，不要再重复确认。当用户选择 修改当前结果 时，后续问题要聚焦具体可改项，例如风格、时长、镜头顺序、台词、首帧构图或某条 Clip 重生成。如果用户已经明确输入“继续”“下一步”“go on”等同义指令，则跳过卡片，直接进入下一步。

STEP 4: 锁定参考图职责

如果用户提供参考图，必须先分配职责，避免风格污染：

• R 图：风格与构图锚点。继承画面风格、构图、光影气质；不继承特定主体人脸。
• C 图：角色入画锚点。只继承服饰、体型、局部特征；隔离原图色彩、光影和环境风格。
• P 图：道具锚点。只继承形状、材质、磨损、尺寸关系；隔离原图色调和场景氛围。
• E 图：场景锚点。只继承空间布局；最终调色由统一风格容器控制。

多张参考图职责不明时，先让用户选择；能从上下文明确推断时直接标注并继续。

STEP 5: POV 资产设计

不生成主角正脸资产。根据短片需要设计：

• 主角局部资产：手部、袖口、鞋尖、手持物、伤口、戒指、胸前吊坠、工牌边缘、手机边缘、工具等。
• 外部角色资产：只要会出现在主角视野里的人或生物。
• 道具资产：手机、钥匙、门把手、电话、工牌、水瓶、药盒、笔记本、撬棍等。
• 场景资产：走廊、出租屋、车内、楼梯间、办公室、便利店、厂房、街口等。

角色资产图或主角 POV 局部资产提示词结构：

[风格容器词] close-up photo of [手部/鞋/衣袖/局部资产描述], [物理风格参数词], real-life texture, no studio lighting, no posters, no professional commercial look, no full face of protagonist, no third-person camera.

STEP 6: 分镜设计

每条 Clip 必须以主角眼睛为摄影机。分镜字段建议：

Clip	时长	POV 视点	主角可见局部	外部对象	动作阶段	镜头运动	风格锚点	声音证据	禁止项

分镜写法原则：

• 用“我低头看见”“我推门”“我的手伸向”“视线被拽向”这类主观动作组织镜头。
• 镜头运动是头部、身体、手持视线的运动，而不是外部摄影机调度。
• 不写“镜头拍到主角走进房间”，改为“视线从门缝推进，手扶住门框”。
• 不写“主角惊恐的脸”，改为“呼吸声变急，手指收紧，视线晃动”。

STEP 7: 反抽卡预检

每条 Clip 生成前执行 Anti-Lottery Gate：

• 是否存在任何第三人称主角画面？有则改写。
• 主角面部是否被看见？有则改写为手、袖口、鞋、倒影局部或呼吸声。
• 摄影机是否等于主角眼睛？不是则改写。
• 主角动作是否能从主观视角成立？不能则改写。
• 风格词是否已转化为光线方向、色温、介质颗粒、材质、空气感？
• C 图、P 图是否只承担身份或道具职责，排除了原有环境风格干扰？
• 自定义感性词是否被翻译成可见证据？

STEP 8: 图像与视频提示词结构

视频提示词必须包含以下模块：

【参考图输入】
- 参考图1 (R / 风格与构图锚点)：继承 [画面风格类型]；不继承 [特定主体人脸]
- 参考图2 (C / 角色入画)：只继承 [服饰/体型/局部特征]；隔离 [原有色彩/光影/环境]
- 参考图3 (E / 场景)：只继承 [空间布局]；由 [风格容器] 统一调色

【影像容器】
[用户选择或输入风格的物理化容器]

【画面】
first-person POV from [protagonist]; camera is his/her eyes; no external shot of [protagonist]. [场景、外部对象、主角可见局部、动作]

【光影质感与风格硬锁】
[光照/色温/饱和度/对比度/介质纹理/空气感]

【动作阶段】
0-2s：
2-5s：
5-8s：

【镜头运动】
以主角头部、步伐、手部动作、呼吸造成的视线变化表达；禁止外部摄影机跟拍。

【声音证据】
环境声、脚步、衣料摩擦、呼吸、道具声、远处人声；不写字幕。

【负向硬禁】
third-person shot, external shot of protagonist, protagonist face, over-the-shoulder shot showing protagonist, selfie angle, cinematic drone shot, title card, subtitles, on-screen text.

STEP 9: 逐条 Clip 生成与 QC

每条 Clip 完成后检查：

• POV 是否穿帮：是否出现主角脸、背影、外部跟拍、无人称摄影机视角。
• 风格是否断代：前后 Clip 的饱和度、色彩倾向、噪点颗粒、空气感是否一致。
• 运动是否符合身体视线：是否像眼睛、头部、步伐和手部带来的运动。
• 声音是否服务沉浸：是否有动作声、空间声、呼吸声或环境声证据。

若风格跑偏：不要疯狂堆砌风格形容词；增强 R 图或风格锚点；删除与风格冲突的场景色彩词；把冲突物体改写为被统一光源照亮。

若 POV 穿帮：立刻重写镜头为“主角眼睛看到的动作结果”；用手部、袖口、鞋尖、局部倒影、视线晃动替代主角表情。

STEP 10: 组装建议

最终组装时保持：

• Clip 顺序遵循主角注意力变化，而不是外部镜头美学。
• 声音空间连续，避免同一条台词或音乐由多个 owner 重复生成。
• 不添加字幕或画面文字。如用户要求字幕，提示其当前不支持字幕功能，建议后期用专业剪辑软件添加。

触发示例

应该触发：

1. “帮我做一个第一人称 POV 短片，内容是我半夜回家发现门缝里有人。”
2. “把这个短剧开头改成主观视角沉浸式视频。”
3. “生成一个眼睛视角的雨夜追逐片段，要赛博迷幻风格。”

不应触发：

1. “做一个普通剧情短片，男女主在咖啡厅对话。”
2. “给产品做一个开箱展示视频。”
3. “生成一张角色三视图设定图。”