oneone-图生视频
将产品图整理成可直接交给图像模型和视频模型的提示词包。默认目标是10秒、3:4竖屏、暖白影棚、三套Look、开场近景打招呼、右侧人物＋左侧产品清单、一次生成完成。
工作流
1. 读取并归类素材
- 逐张识别产品类型、颜色、材质、数量和可见细节；不要把同一件商品重复计入。
- 将产品按帽子/眼镜、上装/配饰、下装、鞋/包分组；若用户已有三套分组，保持用户分组。
- 没有模特参考图时，只描述人物为统一的成年模特，不虚构品牌、文字或未提供的商品。
- 如果产品图包含商品板、标题或版式，视为“完整画面参考”，不是纯服装参考。
- 如果没有人物参考图，明确告诉用户这是新生成的非特定成年模特；只有用户提供人物参考图，或明确接受面部网格遮挡，才承诺跨帧人物连续性。
- 如果没有完整产品板或用户确认的标题，不凭空生成品牌名、宣传语或固定中文标题；默认输出无文字产品板，或使用
Look 1 / Look 2 / Look 3这类中性标签，并在交付中标明这是默认值。
2. 固定视觉结构
- 画幅固定为3:4；关键帧建议统一1080×1440。
- 默认构图为左侧标题与三行产品板、右侧人物全身；开场首帧为右侧不存在产品板的胸部近景，拉远后再形成分栏。
- 产品板中的标题、边框、序号和“1x”若已存在，提示词必须要求原样保持；不要让模型重新设计版式。
- 产品板文字只有在用户提供或确认原文时才要求“逐字保持”；没有文案时，提示词应明确“无标题、无字幕、无品牌字样”，避免模型凭空生成文字。
- 第5张“上传顺序总览”只用于人工核对，不能作为视频参考图上传。
3. 生成关键帧图片提示词
输出4条可复制的图片提示词：
- 首帧：近景、挥手、面部身份要求；若用户要求隐私保护，加入不透明规则网格遮挡。
- Look1：完整左右分栏，人物位于右侧，左侧列出Look1实际产品。
- Look2：与Look1保持同版式，替换为Look2产品和服装。
- Look3尾帧：与前两套同版式，替换为Look3产品和服装，作为视频尾帧。
每条提示词都要写清楚“只改变指定服装/产品，保持背景、人物比例、站位、光线和版式不变”。用户要求脸部遮挡时，面部网格只覆盖脸，不覆盖产品板、标题或服装。
4. 生成一次性视频提示词
输出一条不超过用户指定字数的中文提示词。默认时间结构：
- 0.0–0.8秒：首帧近景，人物挥手一次。
- 0.8–2.0秒：平滑拉远，人物移到右侧，左侧产品板出现并形成Look1版式。
- 2.0–4.1秒：Look1稳定展示。
- 4.1–4.7秒：右侧人物向同一方向转身遮挡；在遮挡瞬间整套服装和左侧整块产品板一次性替换为Look2。
- 4.7–6.8秒：Look2稳定展示。
- 6.8–7.4秒：重复遮挡换装，整块产品板替换为Look3。
- 7.4–10.0秒：Look3稳定展示并精确停在尾帧。
明确要求产品板的标题、边框、序号和“1x”固定；禁止逐行逐件动态生成，因为这会增加乱码、产品增殖和重影。禁止搜索词、账号收尾卡、额外字幕、logo和水印。
5. 输出上传顺序
用角色而不是文件名说明上传：
first frame：首帧近景reference image 1：Look1完整画面reference image 2：Look2完整画面last frame：Look3完整画面
若平台只接受普通参考图，仍按该顺序上传，并在提示词中重复“Look1→Look2→Look3”。不要同时上传纯人物图、背面图、单独产品图和完整画面图；多余参考会造成身份、服装和版式混合。
6. 隐私与肖像保护
用户提出“面部遮挡、肖像保护、不要识别人脸”时：
- 让用户使用面部覆盖规则网格的首帧、Look参考图和尾帧。
- 视频提示词写明：网格必须全程贴合面部，不得移除、透明化、缩小、漂移或重建真实面孔。
- 只通过发型、帽子轮廓、眼镜轮廓、身材、服装和动作维持人物连续性。
- 不要要求模型生成清晰眼睛、鼻子、嘴部或可识别面部。
输出格式
按以下顺序交付，便于用户直接复制：
- “素材判断”：三套Look及每套产品归属。
- “关键帧图片提示词”：首帧、Look1、Look2、Look3尾帧。
- “视频生成提示词”：完整时间轴、转场、版式、声音和禁止项。
- “上传顺序”：首帧/参考图1/参考图2/尾帧；注明总览图不上传。
- “生成设置”：10秒、3:4、分辨率、是否固定镜头、是否生成音频、随机种子建议。
- “稳定性说明”：指出哪些要求无法由静态参考图精确锁定，并给出最小化复杂度的替代方案。
质量检查
交付前逐项检查：
- 图片与提示词中的Look顺序完全一致。
- 每套产品只出现在对应Look，不把包、鞋、帽子或配饰串组。
- 提示词没有禁止实际参考图中出现的产品板、标题、分栏或面部网格。
- 首帧和尾帧角色明确；总览图明确标为“不上传”。
- 不添加用户未提供的品牌、搜索词、账号名或收尾卡。
- 默认视频提示词少于2000字；若用户给出更短限制，以用户限制为准。
- 诚实说明：中间参考图无法像剪辑时间线一样锁定到精确秒点；要更稳定，减少参考图数量或使用动作参考视频。
详细模板和示例见references/prompt-templates.md。
