童画活化 · 把画变成立体鲜活的小世界

把一张儿童画（或照片）变成 「风格不变、有立体感、会动」 的鲜活世界。
这是一套三阶段流水线，组合使用三套生成工具，关键原则是 「只加立体与生命，不改画风」。

一、何时触发

• 「把孩子的画变成 3D / 立体实景，但风格不变」
• 「让画里的小动物活过来 / 动起来」
• 「照片（或涂鸦）变成一个可以转着看的小世界 / 3D 模型」
• 任意「2D → 立体 + 鲜活」的创意需求，绘画和照片都支持

二、核心原则：风格不变（最重要）

用户要的是「同一个孩子的画」变立体，不是变成写实照片。因此：

1. 保风格优先于保真实。所有提示词第一句都要写死画风约束（见 references/prompts.md）。
2. 图生图用 input_fidelity 拉高（0.75–0.92），越高越贴近原画。
3. 图生视频用原图当首帧（image=原图），模型天然继承画风；prompt 里再强调「保持原画风」。
4. 区别两个词：
   - 「立体 / 实景」= 有景深、有光照、有材质体积感（diorama / papercraft / claymation 风），不是照片级写实。
   - 「活过来」= 让角色产生温柔的生命动作（眨眼、呼吸、摇尾、转头）+ 缓慢镜头推移露出空间感。

三、工具路由表（用对工具）

> 工具发现：ImageGen / VideoGen 是延迟工具，先 ToolSearch 拿到 schema，再 DeferExecuteTool 调用。
> 图生3D 走本技能自带的 scripts/gen3d_direct.py（纯标准库，无第三方依赖，自动下载结果到本地，无需手动 curl）。

四、三阶段流水线（默认执行顺序）

阶段 0 · 收图与拆解

• 拿到用户的图（本地路径或 URL）。若是照片且背景杂乱，先确认是否要保留背景。
• 用一句话描述画面主体：房子？几只动物？树/太阳/云？ 这些决定后面拆不拆主体。
• 问用户想要哪种产出（可多选，默认全做）：
  1. 一张「立体实景渲染图」（最省力，出图快）
  2. 可旋转的 3D 模型（房子 + 每只动物各一个）
  3. 一段「活过来」的动画视频

阶段 1 · 风格锁定的 3D 立体渲染（ImageGen 图生图）

• 调用 ImageGen，image=[原图]，input_fidelity=0.85，quality=high。
• prompt 用 prompts.md 的 「整幅画 → 立体实景」 模板（diorama / papercraft 风，保画风）。
• 这一步产出一张「看起来能拿在手里的小世界」图，是后续视频的首帧候选。
• 若用户原图已是照片且想「变 3D 小世界」，同样流程，prompt 改为「把这张照片变成同风格的 3D 微缩景观」。

阶段 2 · 单主体真 3D 模型（图生3D，可选）

• 对 房子 和 每只主要动物 单独生成可旋转 3D 模型：
• 图生3D 对「干净背景的单个主体」效果最好。若原图主体多，先裁出单个主体（用 ImageGen 图生图做去背景/抠图，或请用户给单主体图）。
• 用本技能脚本 scripts/gen3d_direct.py（纯标准库，跨平台，自动下载 glb + 预览图到本地）：
  bash # 先取一次性临时 token（绝不复用/硬编码） # → 通过 connect_cloud_service 获取，管道/参数传入 python scripts/gen3d_direct.py "<单主体图路径>" "<token>" \ --generate-type LowPoly --enable-pbr --out-dir "./3d_out"
• 推荐：--generate-type LowPoly（童趣低面数，配默认 --model 3.0）或 Normal；--enable-pbr 开材质。脚本自带轮询（最多 10 分钟），不要在外层加 sleep 重试。
• 输出 JSON 到 stdout（含 local_path），进度/信息在 stderr；脚本已自动把 .glb 和预览图下载到 --out-dir。
• prompt 用 prompts.md 的 「单主体 → 3D 模型」 模板（注：纯图生成时模型不需文字 prompt）。
• 生成后用 scripts/make_viewer.py 为每个 .glb 生成 viewer.html 并起本地 HTTP 服务预览（rotate/缩放）。

阶段 3 · 让画面活过来（VideoGen 图生视频）

• 选首帧：优先用阶段 1 的立体渲染图；想要「画本身活了」的纯粹感则用原图。
• 调用 VideoGen：image=首帧, prompt 用 prompts.md 的 「动物活过来」 或 「整幅世界活起来」 模板。
• 参数：seconds=5~8，aspect_ratio 与原图一致（如 1:1/4:3），resolution=1080P，watermark=false（如允许），enable_audio=true（默认开，平台自动按童话氛围生成背景乐，已验证可用：AAC 双声道）。
• 关于「自动声音」：VideoGen 的 enable_audio 已能自动生成贴合情绪的通用水晶乐/环境音，省心且风格统一；但它是「通用氛围乐」，不是针对这幅画定制的 Foley（如风吹落叶、蝴蝶振翅、小鸟啁啾这类和画面动作一一对应的音效）。若要更贴合，见下方「进阶：定制音效」。
• 多主体分别活：若动物很多，可对每一只单独跑「动物活过来」，再用 ffmpeg 拼成同一画面（可选，进阶）。

阶段 3.5 · 进阶：定制音效（可选，让声音真正「贴画」）

• 目标：把「通用氛围乐」升级为「针对这幅画」的定制声景——如 8 秒水晶音乐盒旋律 + 轻柔风声 + 蝴蝶/小鸟点缀，按画面动作对齐（落叶时风声起、蝴蝶段加振翅）。
• 做法（有 ffmpeg 即可，零素材）：
  1. 用合成器/现成免版权儿童音效，按 8 秒时间轴做一条音轨（或用 enable_audio 的原声做底，叠定制音效）。
  2. ffmpeg -i <video.mp4> -i <soundtrack.wav> -c:v copy -c:a aac -map 0:v:0 -map 1:a:0 <out.mp4> 混流。
• 权衡：默认 enable_audio 已够「自动适配」；只有用户明确想要「画面动作和声音严丝合缝」时才走此路径，避免每次都加重活。

阶段 4 · 交付

• 图片 → present_files 展示本地渲染图。
• 3D 模型 → 展示 .glb 并给出 viewer 本地预览地址（说明关闭服务器的命令）。
• 视频 → present_files 展示本地 .mp4。
• 一句话告诉用户每个文件在哪、能做什么（旋转 / 播放）。

五、执行细节（参数与坑）

ImageGen 图生图

• 通过 ToolSearch → DeferExecuteTool 调用。
• 必带 image（1–3 张，本地路径或 URL）和 input_fidelity（高保风格）。
• size 与原图比例一致；quality=high；background 默认即可。
• 不要开 revise（会改提示词，可能破坏风格锁定）。

VideoGen 图生视频

• 通过 ToolSearch → DeferExecuteTool 调用。
• image 传首帧（本地路径或 URL）；prompt 详细写动作+镜头+画风。
• seconds 默认 5，最多按需；resolution 只接受 720P/1080P；aspect_ratio 用 16:9/9:16/1:1 等。
• negative_prompt 写：「photorealistic, realistic photo, deformed, extra limbs, jitter, style change」（防跑偏/破画风）。
• 音量为何偏轻 + 必做后处理：平台 enable_audio 自动生成的配乐普遍压得极轻（实测均值约 -50dB、峰值约 -31dB，用户需开到最大声才听得见）。生成后必须跑 ffmpeg 响度归一化：
  bash ffmpeg -i <in.mp4> -af "loudnorm=I=-13:TP=-1.0:LRA=6" -c:v copy -c:a aac -b:a 192k <out_loud.mp4>
  目标：均值提到约 -15dB、峰值贴近 -1.0dB（限幅不破音）。交付时优先给归一化版，原版可保留。

图生3D（本技能 scripts/gen3d_direct.py）

• 为何自带脚本：平台 buddy-cloud.py 在 Windows 上有 32KB 命令行长度限制（base64 无法走 --image-base64 / --image-url 也因云端访问不了 localhost 而失效）。本脚本把 base64 放 HTTP body、用纯标准库调用，跨平台零依赖，并自动下载结果。
• 认证：先用 connect_cloud_service 拿一次性临时 token，作为参数传入（gen3d_direct.py <图> <token>），每次重新获取，绝不复用/硬编码到文件。
• 用法：
  bash # <skill_dir>/scripts/gen3d_direct.py python gen3d_direct.py <单主体图路径> <token> \ [--model 3.0] [--generate-type LowPoly|Normal] [--enable-pbr] \ [--out-dir <下载目录>] [--glb-name <名.glb>] [--no-download]
• 输出纯 JSON 到 stdout（job_id / preview_image_url / result_files[].local_path），进度写 stderr。已自动下载 .glb 与预览图到 --out-dir（默认 <图同目录>/3d_out）。
• 自带轮询（最多 10 分钟），不要在外层加 sleep 重试；失败会抛 RuntimeError 并显示云端错误信息。
• 模型默认输出 .glb（含 .obj 备选），无需手动 curl。

前置依赖（通用环境）

• Python 3.8+：仅用到标准库（urllib/base64/hmac 等），无需 pip install。脚本用 python（Windows）或 python3（macOS/Linux）均可。
• ffmpeg：用于视频音量归一化（阶段 3 必做后处理）与可选的多段视频拼接。需已安装并在 PATH 中。
• Windows：可通过 winget install Gyan.FFmpeg 安装；或确保 ffmpeg.exe 在 PATH。
• macOS：brew install ffmpeg；Linux：apt install ffmpeg / dnf install ffmpeg。
• 本地 HTTP 服务器（仅 3D 预览需要）：用 python -m http.server 起服务打开 viewer.html（file:// 无法加载本地 .glb）。

六、局限与贴士

• 图生3D 适合「单个干净主体」；整幅拥挤的画用它易糊 → 整幅交给 ImageGen 图生图做 diorama，单主体再拆出来做真 3D。
• 风格越「孩子气」（蜡笔/马克笔/水彩）效果越好；线稿太淡或对比太低时，先用 ImageGen 图生图补一下色彩与对比。
• 动物「活过来」用轻柔动作最自然；大幅跳跃/奔跑容易穿帮，prompt 里强调「slow, tender, subtle」。
• 全部产物落地到工作目录，命名带时间戳，便于回看。

七、参考

• 提示词库（整幅/单主体/活过来模板）：references/prompts.md
• 3D 预览页生成：scripts/make_viewer.py <glb路径> [输出html路径]