SuperAPI AI 工具集

film-cast-design

设计与创作

查看项目

更新于 10-30 20:06

技能介绍

用途

该技能解决影视生成中“模型没有记忆”的问题:同一张脸在四十个镜头里保持一致,靠的不是模型记忆,而是一张被锁定、切成单视图、并传给每个出现该人物的视频的图片。它为故事中出现的每个人物和每件道具建立视觉资产,确保跨镜头一致性。

主要能力

  • 人物资产:为生成的人物制作一张设定表,包含正面脸、侧面脸、全身服装,以及故事需要时的状态行。用户提供照片的人物,则使用照片本身,仅为照片缺少的视图生成档案和设定表。
  • 道具资产:为道具制作一张板,包含中性背景下的物体本身,以及物体与日常物品并置以显示比例;不含人物和手。
  • 场景资产:场景先有描述符,其图片来自该场景的镜头生成。
  • 人群资产:一张板,包含着装规范、年龄分布和携带物品;每个镜头说明确切人数。
  • 状态:湿、带血、脱外套等状态是人物设定表上的一个面板,带有自己的标签(如 @cal_wet),从已批准的设定表生成,以保持同一人物。
  • 描述符:按行键控(脸、头发、外套、鞋子等),修改只需改动一行;描述具体,不使用评价性词语。人物描述包括性别、体型、脸型、眼睛、头发和胡须、逐项服装及材质与状态、鞋子、配饰、姿态、步态、手部习惯、节奏。年龄放在编译器的身份字段中,不作为散文中的数字。场景描述包括建筑、材质、关键物体、状态、氛围、每个时段一个合理光源、色调颜色和一个难忘的锚点物体。道具描述包括形状、材质、状态、区分细节和相对于已知物体的大小。
  • 声音线:为每个说话者在首次开口镜头前设定口音、语域、音色、习惯性节奏,从角色中选择并冻结。

使用方式

  1. 阅读参考文件:在裁剪视图或检查视图前阅读 references/views.md;在使用用户提供的人物、产品或地点照片前阅读 references/own-photos.md。
  2. 起草描述符:从故事、卡片和参考中一轮起草所有描述符;将虚构内容标记为设计提案。
  3. 选择图像模型:每部影片用 picsart_model_catalog 选择一次图像模型,按影片画幅过滤,并在照片输入时按图像输入过滤。记录选择;一部影片中途不更换图像模型。
  4. 编译图片:用 picsart_film_compile_prompt 及其参考类型编译每张图片,传入影片的 look、镜头获得的同一物体,以及描述符的行。保留 look.scheme 和 look.hue。返回 prompt、negativePrompt、aspectRatio 和 promptToken,全部按返回发送,不要重新输入模板。
  5. 验证:用 picsart_film_verify_prompt 对字面参数和令牌检查每张图片。失败则在输入中修复并重新编译。
  6. 生成与审查:设定表以模型最高分辨率生成。每个独立图片进入同一批次。审查时每个图块返回批准、更改或丢弃。更改是外科手术式的:只改命名的行或面板。批准即锁定:从批准的完整分辨率设定表裁切卡片需要的视图,逐一查看,并用 picsart_film_save_asset 保存,包含 tag、assetType、name、descriptor、sheetVersion("v1";新版本是新保存,绝不覆盖)、voice、portraitUrl、作为 referenceImages 的视图、服务的场景、projectFolderUid、status: "locked"。结果的 locked 而非 saved 表示完成。
  7. 视频前测试:在首次运行前,将锁定的演员阵容通过几张低成本静帧测试,作为一批生成:每个人物在其场景要求的角度、大小和光线下,以及与共享画面的人物并置。静帧成本是运行的一小部分,此处发现的缺陷不会进入运行。
  8. 进入运行的闸门:在任何视频前,对于运行跨越的每个场景:它命名的每个标签都有锁定行(用 picsart_film_list_assets 读取项目文件夹),每个需要面板、状态或档案的标签解析为单视图文件。仅照片行无法回答它缺少的视图。按故事顺序阅读地点。
  9. 运行后修复:漂移的脸先检查视图。错误的裁剪、框内邻居边缘或整张设定表发送解释了大多数漂移,修复是重新裁切而非生成。从锁定视图修复,绝不从上一个镜头修复。如果视图完好,则修复镜头。同一张脸漂移两次后,收紧其脸部行并重新生成。双人镜头中两张脸融合:只使用每个人的身份和服装视图,使用中景双人镜头而非广角,绝不使用两张单人图片的合成。

适用场景

适用于需要跨多个镜头保持人物、道具和地点一致性的影视生成项目,包括角色设定、道具板制作、场景描述、人群设定、状态变化管理、声音设定,以及视频生成前的一致性测试和运行后修复。

限制

  • 模型没有记忆,一致性依赖锁定的图片资产。
  • 每个独立图片进入同一批次;失败的图片只阻塞依赖它的内容。
  • 丢弃的兄弟资产绝不使用。
  • 描述符在镜头存在后更改不会静默重新生成它们;需命名受影响的镜头并标记审查。
  • 源更改时,只检查依赖它的内容,按任务(身份、服装、几何、光线)记录重用、重新裁切、修复或重建。仅版本升级不会级联。
  • 参考图片限定于其任务:中性背景,无地点,无场景光。
  • 提示中的矛盾通过更改子句修复,绝不通过堆叠负面词。
  • 同一类失败两次意味着输入或方法需要改变;绝不发送第三次相同尝试。
  • 陷阱包括:将设定表或用户合成整张发送给视频模型并用文字命名面板;在批准前或从预览而非完整图片裁切;猜测网格而非从像素读取框;设定表在场景背景上;两人在一张设定表上;脸太小无法裁切;因保存返回 saved 就说资产已锁定;要求用户批准自己的照片或就地修图。