古诗词朗诵视频分镜脚本生成器
面向0-6岁儿童的启蒙古诗词朗诵视频分镜脚本生成。输入目标古诗词名称或内容，自动获取完整诗词信息，生成包含角色设计、逐句分镜、时长分配、H3兼容视频提示词的完整分镜方案。
工作流程
第一步：获取诗词信息
根据用户输入的古诗词名称或关键词，通过 WebSearch 搜索获取完整诗词信息：
- 诗词名称
- 朝代
- 作者
- 诗词全文内容（逐句拆分）
搜索策略：优先搜索「诗词名 + 全文 + 作者 + 朝代」，使用权威来源（如古诗文网等）。
第二步：确定画面风格
画面风格不设默认值，必须由用户明确指定。如用户已指定风格，直接采用；如用户未指定，使用 AskUserQuestion 工具请用户从以下六种风格中选择一种（可多选）：
| 序号 | 风格 | 英文标识 |
|---|---|---|
| 1 | 3D卡通 | 3D CG animated, Pixar-style |
| 2 | 2D手绘动画 | 2D hand-drawn animated, watercolor |
| 3 | 剪纸风格 | paper-cut stop-motion |
| 4 | 水墨画风 | Chinese ink-wash painting animation |
| 5 | 黏土动画 | claymation |
| 6 | 绘本风格 | children's picture book illustration |
在用户明确确认画风之前，不要继续后续步骤。
第三步：角色设计
角色形象不预先固定，需根据诗词内容和意境来设计：
- 用户已指定角色：直接采用用户指定的角色形象，并根据诗词意境补充服饰、配饰、气质等细节。
- 用户未指定角色：默认设计一个角色（仅一个角色，不要设计多个角色）。角色性别由技能根据诗词内容与意境判断——男孩或女孩哪个更贴合（如场景、季节、情感基调），据此设计年龄、服饰、发型、配饰等。
无论角色是用户指定还是默认设计，都必须生成一张包含三视图（正面、侧面、背面）的角色设定图，用于后续所有分镜保持角色一致性。角色设定图中仅包含该单个角色的三视图（正面、侧面、背面三视图横向并排）。
必须使用 GenerateImage 工具实际生成角色三视图图片，并将生成的图片保存到工作区目录（如 c:\autoFlow\createSkill\角色三视图），以便用户下载。生成完成后，在输出中使用 computer:// 链接指向该图片文件，确保用户可下载。
角色设计规范（通用）：
- 面向0-6岁儿童，圆脸大眼，表情可爱天真，Q版大头身比例（约2.5-3头身）
- 服饰、发型、配饰、配色均需呼应诗词的时代背景与意境（如唐装、宋制、季节感色彩等）
- 视频全程始终只有这一个角色，不出现其他角色
三视图生成提示词模板：
三视图必须放在同一张图片中，采用标准角色设定图（character turnaround sheet）的排布方式：该单一角色的正面、侧面、背面三个站姿并排排列，统一背景、统一比例。
[Character Turnaround Sheet] A single character reference sheet on one image featuring one cute 3-5 year old Chinese {boy/girl} arranged in three views side by side in a horizontal row: front view (facing forward), side view (profile facing right), and back view (facing away). {贴合诗词意境的外观描述：发型、服饰、配饰、配色}. chibi proportions (2.5 heads tall), full body standing poses. All views keep identical hairstyle, outfit, and proportions. Clean white background, {选定的画面风格, 如 3D CG animated, Pixar-style}, character turnaround reference sheet.
占位符说明：
- {boy/girl}：根据第三步判断填入男孩或女孩。
- {贴合诗词意境的外观描述}：根据诗词内容与意境撰写，如季节、场景、情感基调对应的发型、服饰、配饰、配色。
- {选定的画面风格}：填入第二步确认的画风英文标识。
第四步：分镜规划与时长分配
分镜数量： 1个标题分镜 + N个诗句分镜（N = 诗句数量）
默认总时长： 25秒
时长分配规则：
- 标题分镜（诗词名+朝代+作者）：占总时长 20%，约 5 秒
- 每句诗分镜：剩余时长平均分配，即 (总时长 × 80%) ÷ 诗句数量
示例（4句诗，总时长25秒）：
- 标题分镜：5秒
- 每句诗分镜：各5秒
示例（5句诗，总时长25秒）：
- 标题分镜：5秒
- 每句诗分镜：各4秒
示例（8句诗，总时长25秒）：
- 标题分镜：5秒
- 每句诗分镜：各2.5秒
第五步：生成H3兼容分镜提示词
每个分镜独立生成一个 T2VA 格式的 H3 视频提示词，包含三个核心字段：
integrated_multimodal_description: [Shot 1] ...
overall_soundscape: ...
non_diegetic_music: ...
标题分镜提示词模板
标题分镜展示诗词名称、朝代和作者信息，画面以角色引入为主。
模板结构：
integrated_multimodal_description: [Shot 1] {画面风格描述}，一个中景镜头，{角色描述}站在画面中央，面带微笑。画面中浮现出书法字体写的诗词标题「{诗词名}」，下方出现小字「{朝代} · {作者}」。镜头缓缓推近角色，{角色主语}开心地眨眨眼，双手轻轻合十。{朗诵者}(S1)用清脆稚嫩的童声朗诵：<d>[Chinese]《{诗词名}》，{朝代}，{作者}。</d>
overall_soundscape: 轻柔的风声伴随远处几声鸟鸣，营造宁静的古典氛围。角色合掌时衣袖发出轻微的布料摩擦声。
non_diegetic_music: 古筝与笛子为主的轻快中国风旋律，中速节奏，音量适中，结尾自然渐弱。
角色占位符说明：
- {角色描述}：填入第三步确定的单一角色形象描述。
- {角色主语}：填入对应角色主语，如「小女孩」或「小男孩」。
- {朗诵者}：填入朗诵角色主语，统一为 (S1)，全程保持一致。
诗句分镜提示词模板
每句诗对应一个分镜，画面内容需贴合诗句意境。
模板结构：
integrated_multimodal_description: [Shot 1] {画面风格描述}，{景别}，{角色描述}，{场景与动作描述——需贴合诗句意境}，{镜头运动方式}。{朗诵者}(S1)用清脆稚嫩的童声朗诵：<d>[Chinese]{诗句内容}</d>
overall_soundscape: {贴合场景的环境音效描述}
non_diegetic_music: {与标题分镜一致的背景音乐描述，保持连贯}
{角色描述}、{角色主语}、{朗诵者} 等占位符含义同标题分镜，全程保持一致。
镜头景别与运动参考
| 景别 | 使用场景 | 镜头运动建议 |
|---|---|---|
| 中景 (medium shot) | 标题展示、角色全身动作 | Slow Push In |
| 近景 (medium close-up) | 角色表情、互动 | Static Shot |
| 全景 (wide shot) | 场景环境展示 | Slow Pan Left/Right |
| 特写 (close-up) | 诗句细节对应 | Slow Zoom In |
| 远景 (extreme wide shot) | 大场景意境 | Slow Truck |
分镜提示词编写要点
- 风格声明：每个
[Shot 1]开头标注画面风格，如3D CG animated, Pixar-style - 角色一致性：所有分镜使用相同的角色描述（发型、服装、比例），确保跨镜头角色统一
- 场景匹配：每个分镜的场景需贴合对应诗句的意境，如「春眠不觉晓」→ 春日清晨卧室场景
- 镜头运动：每句诗配合一种镜头运动，增加画面动感，使用 H3 标准镜头术语（Push In, Pan Left, Zoom In 等）
- 朗诵标注：每句诗用
<d>[Chinese]诗句</d>标注朗诵内容，朗诵者统一为单一角色(S1) - 音效分层：
overall_soundscape描述场景环境音，non_diegetic_music描述背景音乐，两者不重叠 - 时长匹配：每个分镜的 integrated_multimodal_description 内容量与分镜时长成正比，时长越长描述越详细
画面风格说明（全部分镜通用）： 每个分镜的 [Shot 1] 开头统一使用第二步确认的画风英文标识；若用户选择了多个风格，需为每个风格分别输出一套完整分镜方案。
第六步：输出完整分镜表
输出格式为结构化的分镜表格，包含以下字段：
| 字段 | 说明 |
|---|---|
| 镜号 | 从1开始的序号 |
| 分镜名称 | 标题分镜 / 诗句分镜 |
| 对应诗句 | 标题分镜填诗词名，诗句分镜填对应诗句 |
| 时长 | 秒数，精确到1位小数 |
| 景别 | 中景/近景/全景/特写/远景 |
| 画面内容 | 简要中文描述画面内容 |
| 镜头运动 | H3标准镜头运动术语 |
| 朗诵内容 | 该分镜对应的朗诵文字 |
| H3视频提示词 | 完整的 T2VA 格式 integrated_multimodal_description |
同时输出四部分内容：
1. 诗词信息卡片（诗词名、朝代、作者、全文）
2. 角色三视图图片（单张图片，正面、侧面、背面三视图并排，已用 GenerateImage 生成并提供 computer:// 下载链接）
3. 完整分镜表
4. 一个自包含 HTML 文件（见下）
7. 生成可复制提示词的 HTML 文件
除了在对话中输出，还必须生成一个自包含 HTML 文件，方便用户复制各分镜的 H3 提示词。要求：
- 保存到工作区目录（如 c:\autoFlow\createSkill\输出\<诗词名>_分镜.html），并在输出中用 computer:// 链接指向该文件，确保用户可下载/打开。
- HTML 必须自包含（内联 CSS，直接浏览器打开即可），包含以下区块：
1. 诗词信息卡片（诗词名、朝代、作者、全文）
2. 角色三视图图片（引用已生成的本地图片，或注明图片下载链接）
3. 完整分镜表（表格形式）
4. 每个分镜对应的 H3 提示词（integrated_multimodal_description / overall_soundscape / non_diegetic_music），每个提示词放在独立的代码块/<pre> 中，并配一个「复制」按钮，点击即可一键复制该提示词全文（用 clipboard API 实现）。
- 若用户选择了多个画风，每个画风独立分块（小标题区分），各含自己的三视图与提示词。
> 生成 HTML 时优先遵循 html-report 技能的自包含 HTML 规范。
注意事项
- 搜索诗词时优先使用权威中文诗词网站，确保诗词内容准确
- 角色三视图必须使用 GenerateImage 工具实际生成图片文件并保存到工作区，输出 computer:// 下载链接
- 角色设计一经确定，所有分镜必须严格复用相同的角色描述
- 每句诗的 H3 提示词独立成段，方便逐段复制到视频生成工具
- 如果诗词超过8句，建议适当延长总时长或提醒用户调整
- 画面风格如用户选择多个，需为每个风格分别生成分镜方案
- 所有 H3 提示词中的
integrated_multimodal_description必须使用英文撰写（遵循 H3 规范），但<d>标签内的朗诵内容保留中文原文 overall_soundscape和non_diegetic_music使用英文撰写- 必须生成自包含 HTML 文件（含各提示词的「复制」按钮），并用 computer:// 链接输出
