故事转治愈歌词与分镜生成器 · Skill

一、这是什么

把用户的一段真实故事 / 情感经历，一次性转化成两类可立即使用的创作资产：

整条链路只有两个外部依赖，都不依赖第三方账号即可降级成交付物：
- 歌词 → DeepSeek chat/completions（纯文本，零成本）
- 配图 → 硅基流动 SiliconFlow images/generations（按张计费，缺密钥时只产出提示词）

用户给故事 → 本 Skill 跑通「情感提取 → 歌词 → 分镜 → 配图」→ 交付歌词 + 6 张图/提示词。

二、触发词

• 「故事转歌词」「帮我写歌和分镜」「真实故事写歌」
• 「把我的经历写成歌」「用我的故事做分镜」「帮我出治愈系歌词和动漫图」

命中任意一个即启动本 Skill，先走第三节前置确认，再进第五节标准工作流。

三、前置依赖（首次使用前确认）

铁律：密钥只走环境变量，禁止写入任何项目文件 / 提交到仓库 / 打印到日志。

> 缺任一密钥时，对应步骤自动降级——仍产出完整提示词/歌词文本，只是不出图，不报错中断；密钥就绪后重跑脚本即补齐。

四、核心能力（不可削减）

1. 接收真实故事：可接收纯文本、或一段口述/随笔；长短不限，优先提炼「谁、在什么处境、最触动的那一刻、后来的和解」。
2. 提取核心情感：从故事里拎出 1 个主情绪 + 1 个意象母题（如「孤独→窗边的光」「遗憾→未寄出的信」），作为歌词与分镜的共同锚。
3. 生成完整歌词：含 主歌（Verse）×2~3、副歌（Chorus）×2、可选桥段（Bridge）×1；押韵（尾字押韵，AABB/ABAB 任选）、治愈系民谣口语化、自然意象、不说教不强正能量。
4. 拆 6 画面 + 出图提示词：把故事拆成 6 个关键视觉时刻，每条提示词满足——治愈系动漫风、角色一致、上半部分约 1/3 留白（供叠歌词字幕）。
5. （可选）调硅基流动出图：用 6 条提示词实际生成 6 张动漫图，去水印后交付预览。

五、标准工作流（方法论核心）

① 接故事 → ② 情感提取 → ③ DeepSeek 写歌词 → ④ 拆 6 画面 + 写提示词
        → ⑤【⏸ 用户确认角色锚 & 歌词】→ ⑥ 硅基流动出图 → ⑦ 交付 + 归档

Step 1：接收故事

> ⚠️ 首步先走「输入保护闸门」（详见第十二节）：空输入 / <50 字 / >1000 字 / 与「故事→歌词+分镜」无关的指令，一律直接返回温和拒绝提示，禁止硬编任何歌词或分镜内容，并止步不再向下执行。

• 通过闸门后：用户给文本即直接用；若只给碎片，先复述一遍你理解的故事骨架（谁/处境/转折点/和解），让用户确认再继续——避免情感跑偏。
• 提取禁用：替用户编造未提及的冲突、强行大团圆。尊重真实。

Step 2：情感提取（内部，不单独交付）

产出两个东西，喂给后续两步：
- 主情绪词（1 个，如「释然」「想念」「温柔的愧疚」）
- 意象母题（1 个具象物，如「旧毛衣」「雨后的窗」「回家的路灯」）——它将是歌词与分镜反复回扣的视觉/情感符号。

Step 3：DeepSeek 生成歌词

调用 deepseek-chat，System 设定为「治愈系民谣作词人」，按以下约束生成：

结构约束

[主歌一]  4 句，铺场景，尾字押韵（如 an/ang）
[副歌一]  4 句，点情绪+母题，记忆点强，尾字押韵
[主歌二]  4 句，推进/转折
[副歌二]  4 句，同副歌旋律可复用，词略变
[桥段]    （可选）2~4 句，柔软的转折/自白
[副歌三]  收尾，留白感

风格约束
- 治愈系民谣：口语化、短句、呼吸感；多用自然意象（光、风、云、海、植物、季节）。
- 押韵但不拗口；允许换韵但不跳脱。
- 禁：网络鸡汤、感叹号连用、说教总结、「你要坚强」这类指令式。
- 承认不完美（「有些话没说，也挺好」），比强行圆满更治愈。

输出格式（结构化，方便下游拆句叠字幕）

[主题] <主情绪 + 母题>
[主歌一]
...
[副歌一]
...

并在每一段后附一行 # 画面建议：<本段最适合的画面瞬间>，供 Step 4 直接复用。

Step 4：拆 6 画面 + 写画图提示词

把故事（结合歌词的「画面建议」）切成 6 个关键视觉时刻，建议节奏：
1. 故事起点 / 人物登场
2. 情绪低点 / 冲突
3. 转折的微小光亮
4. 母题意象特写（呼应歌词符号）
5. 和解 / 释然
6. 收尾留白（人物与小世界和解的远景）

每条提示词 = 固定角色锚点 + 本镜画面 + 固定风格后缀 + 构图指令，四块拼接（模板见第八节）。

角色一致做法：先定义一份「角色视觉锚点」文字块（外貌/发色/服装/标志性配饰/常驻道具），6 条提示词全部前置同一锚点，从文本层面锁死外观。若需更强一致性，可先用第 1 镜生成「角色定妆卡」→ 人工确认 → 再把确认后的视觉特征写回锚点喂给后 5 镜。

上半部分留白做法：提示词末尾强制写「画面上方约 1/3 为纯净柔光留白（天空/雾/光晕），主体居下，构图预留歌词字幕空间」。

Step 5：门控——交付歌词 + 角色锚给用户确认

用 present_files 把歌词文本与「角色视觉锚点」给到用户，明确问「角色和歌词 OK 吗」，拿到肯定答复才进 Step 6。
> 理由：角色长相一旦定错，6 张图全废；歌词是情感门面，先对齐再烧图额度。

Step 6：硅基流动出图

对 6 条提示词逐条调用 images/generations（请求头带 X-Enable-Watermark: 0 去水印，见第九节）。
- 尺寸 768x1024（竖 3:4，契合上半留白 + 手机发布）。
- 无密钥 → 跳过，只交付 6 条提示词文本。
- 出图后用脚本扫水印，命中即处理再交付。

Step 7：交付 + 归档

• 歌词 .md + 6 张图（或 6 条提示词）+ 角色锚点，按第六节目录归位。
• 交付预览文件复制到会话 outputs/，用纯 ASCII 文件名（中文名会让内置播放器/预览报 0x80070323）。
• 发布时按平台规定勾选「AI 生成内容」声明。

六、输出规范 / 目录结构

项目根：D:\个人运行AI工具\WorkBuddyWorkspace\2026.10.14故事转治愈歌词与分镜生成器

2026.10.14故事转治愈歌词与分镜生成器/
├── SKILL.md
├── 01-故事素材/           用户原始故事（文本/随笔）
├── 02-歌词/               治愈系歌词.md（含主题+结构标签+画面建议）
├── 03-分镜提示词/         分镜提示词.md（6 镜：角色锚+画面+风格后缀+构图）
├── 04-配图/               6 张动漫图（硅基流动产出，去水印）
├── 05-角色锚点/           角色视觉锚点.md（一致性基准，可迭代）
└── outputs/               交付预览（纯 ASCII 文件名）

规则：每期故事 = 在各编号下以「故事名/日期」建子夹。角色锚点跨期可复用、可微调。

七、风格铁律（不可违背）

• 歌词：治愈民谣、口语化、自然意象、押韵、不说教、承认不完美。
• 画风：治愈系动漫 / 吉卜力暖调 / 平涂柔光 / 电影感构图 / 干净。
• 角色一致：6 镜共用同一「角色视觉锚点」文字块，禁止每镜重写外貌。
• 上半留白：每镜上方约 1/3 纯净柔光留白，主体居下，预留字幕空间。
• 去水印：硅基流动出图请求头必带 X-Enable-Watermark: 0（body 写 watermark:false 无效）。
• 中文提示词：Kolors 对中文支持最佳，提示词一律中文，不混英文 tag 堆砌。
• 字幕用真实中文：如需把歌词叠到图上，用 PIL 叠微软雅黑（C:/Windows/Fonts/msyh.ttc），禁止让 AI 画字（出假字）。

八、提示词模板（直接复用）

8.1 角色视觉锚点（6 镜共用，写在每条提示词最前面）

一位[年龄/气质]的[性别]角色，[发色+发型]，[眼睛特征]，
穿着[服装描述，含颜色材质]，佩戴[标志性配饰]，常持[母题道具，如旧信/毛线团/纸灯]。
整体暖色调，柔和光线，治愈系动漫风格。

8.2 单镜画图提示词（角色锚 + 画面 + 风格后缀 + 构图）

<角色锚点>

<本镜画面：具体动作/场景/情绪瞬间，结合歌词母题>

治愈系动漫插画，吉卜力暖调，平涂柔光，电影感构图，柔和黄昏光线，细腻笔触。
画面上方约 1/3 为纯净柔光留白（天空/薄雾/光晕），主体居下，构图预留歌词字幕空间。

8.3 负面提示词（固定）

脸部变形，多余肢体，角色变色，文字，字幕，水印，低质量，模糊，过曝，
夸张表情，暗黑阴森，三个以上人物

九、API 调用细节（参考实现）

> 以下为标准库 Python 参考片段，免 pip 安装。密钥一律 os.environ 读取。

9.1 DeepSeek 生成歌词

import os, json, urllib.request

def gen_lyrics(story, emotion, motif):
    api_key = os.environ["DEEPSEEK_API_KEY"]
    system = (
        "你是治愈系民谣作词人。输出结构：[主歌一][副歌一][主歌二][副歌二]"
        "[桥段(可选)][副歌三]。押韵、口语化、自然意象、不说教、承认不完美。"
        "每段后附一行 '# 画面建议：<本段最适合的画面瞬间>'。"
    )
    user = f"主情绪：{emotion}\n意象母题：{motif}\n真实故事：{story}\n请写一首完整歌词。"
    body = json.dumps({
        "model": "deepseek-chat",
        "messages": [
            {"role": "system", "content": system},
            {"role": "user", "content": user},
        ],
        "temperature": 0.9,
        "response_format": {"type": "text"},
    }).encode("utf-8")
    req = urllib.request.Request(
        "https://api.deepseek.com/chat/completions",
        data=body,
        headers={"Authorization": f"Bearer {api_key}",
                 "Content-Type": "application/json"},
    )
    with urllib.request.urlopen(req, timeout=60) as r:
        return json.loads(r.read())["choices"][0]["message"]["content"]

9.2 硅基流动生成配图（带去水印头）

import os, json, urllib.request, base64

def gen_image(prompt, out_path):
    api_key = os.environ["SILICONFLOW_API_KEY"]
    body = json.dumps({
        "model": "Kwai-Kolors/Kolors",
        "prompt": prompt,
        "n": 1,
        "size": "768x1024",
    }).encode("utf-8")
    req = urllib.request.Request(
        "https://api.siliconflow.cn/v1/images/generations",
        data=body,
        headers={
            "Authorization": f"Bearer {api_key}",
            "Content-Type": "application/json",
            "X-Enable-Watermark": "0",   # 关键：去水印，body 的 watermark:false 无效
        },
    )
    with urllib.request.urlopen(req, timeout=120) as r:
        data = json.loads(r.read())
    img_b64 = data["images"][0]["url"]  # 或 "b64_json"，按返回结构取
    if img_b64.startswith("data:"):
        img_b64 = img_b64.split(",", 1)[1]
    with open(out_path, "wb") as f:
        f.write(base64.b64decode(img_b64))

9.3 凭据与交付约定

• 密钥：DEEPSEEK_API_KEY / SILICONFLOW_API_KEY，仅 Windows 用户环境变量（注册表 HKCU\Environment）。
• 去水印：只有 X-Enable-Watermark: 0 请求头管用（2026-09 起硅基流动默认强加「AI 生成」水印）。
• 交付预览：复制到 outputs/，纯 ASCII 文件名。

十、避坑清单

1. 先确认再出图：Step 5 门控不可省，角色锚定错=6 张全废。
2. 角色一致靠文字锚：硅基流动是文生图，无跨图参考能力；一致性全靠 6 镜共用同一锚点块，不要每镜重写外貌。
3. 去水印头不能漏：只写 body watermark:false 仍会带水印，必须 X-Enable-Watermark: 0。
4. 模型别用错：硅基流动用 Kwai-Kolors/Kolors，FLUX 系列已 403 下线。
5. 上半留白写进 prompt：不写则图满构图，字幕无处叠；留白指令必须每条都带。
6. 歌词别 AI 画字：叠字幕用 PIL 真实中文，AI 画字出假字。
7. 密钥只走环境变量：任何项目文件/日志都不许出现明文 Key。
8. 降级友好：缺密钥时交付提示词/歌词文本，不中断、不报错，密钥就绪重跑即补齐。
9. 交付文件名 ASCII：中文名会让内置预览器报 0x80070323。
10. 尊重真实：不替用户编造冲突、不强改结局；治愈来自接纳，不来自粉饰。

十一、花钱授权边界

> 若后续接入「图生视频」「剪映草稿」等按秒计费能力，须按既有约定先报价、等用户明确同意再调（参考「一个故事一首歌」「AI漫画视频产出」Skill 的授权边界）。

十二、边界测试与保护规则（必读 · 不可违背）

本 Skill 面向真实用户开放，任何外部输入都不可信。以下五条保护规则优先级高于「尽力生成」，在任何步骤触发都必须立即按规则响应，不得强行产出低质量内容。

12.1 输入保护（Step 1 首步闸门）

对用户输入做如下判定，命中任意一条即温和拒绝并止步：

硬约束：命中上述任一条时，禁止生成任何歌词、分镜或提示词，不得用模板硬凑内容应付。

12.2 输出保护（交付前强制格式自检）

每次产出前，对成品做自动校验，任一不达标则补全或重生成，不得带病交付：

• 歌词：必须含结构标签 [主歌 与 [副歌 各至少一段（主歌≥1、副歌≥1）；缺失则重生成对应段。
• 分镜：必须恰好 6 个画面（镜 1~镜 6 齐全，编号连续）；不足/超出都视为不合格。
• 画图提示词：每条必须同时包含关键词 「留白」 与 「角色一致」（或「角色锚点」「共用锚点」等等效表述）；缺任一关键词的提示词必须补回。

> 自检逻辑建议：对歌词文本 grep「主歌」「副歌」；对分镜文件 grep「镜 1」…「镜 6」各出现一次；对每条提示词 grep「留白」「角色一致」。任一失败即阻断交付并提示原因。

12.3 成本保护（同一对话连续调用上限）

• 同一对话内，生成类调用（歌词 + 分镜 + 出图合计）上限为 3 次。
• 第 4 次起，直接返回：「本次会话已生成较多内容，建议稍后再试，或开个新会话继续～」。
• 计数范围：一次完整的「故事→歌词+分镜(+出图)」算 1 次；纯确认/修改追问不计入。
• 目的：避免用户在单会话内无限烧图额度，也防脚本刷量。

12.4 合规保护（零容忍拒绝）

遇到以下任一输入，直接拒绝，不生成任何内容，不做任何解释性展开：

• 政治敏感 / 时政人物 / 意识形态争议；
• 色情、低俗、性暗示；
• 暴力、血腥、自残、违法；
• 侵犯他人著作权 / 肖像权 / 隐私（如「仿写某歌手某首歌」「用某明星脸出图」）。

响应模板：「抱歉，这个请求我暂时无法处理。换一个你自己的真实故事，我帮你写成治愈系的歌和分镜吧。」

12.5 兜底原则（不确定时宁可不生成）

任何无法判定的情况——输入边界模糊、情感无法归类、合规拿不准、模型返回异常、格式自检反复不过——一律返回：

> 「我暂时无法处理这个请求，请换一个故事试试。」

优先级：兜底原则 > 合规保护 > 成本保护 > 输出保护 > 输入保护。当规则冲突时，取更严格者执行；任何不确定，选「不生成」一侧。

十三、保护规则自检清单（交付 / 上线前必跑）

• [ ] 输入：空 / <50 / >1000 / 无关指令 四种样例各测一遍，均返回温和拒绝且无硬编内容。
• [ ] 输出：歌词含主歌+副歌、分镜正好 6 个、每条提示词含「留白」+「角色一致」。
• [ ] 成本：连续第 4 次生成类调用返回「建议稍后再试」。
• [ ] 合规：政治/色情/暴力/侵权样例均直接拒绝、无任何生成。
• [ ] 兜底：构造一条边界模糊输入，确认返回「我暂时无法处理这个请求，请换一个故事试试」。