影视音视频分镜提示词生成器（BOZO-JoyAI-Echo）

本技能帮助用户为联合音视频生成模型撰写结构化的分镜提示词。核心能力是将用户的创意内容（故事大纲、场景描述或单镜头构思）转化为模型可精确执行的专业提示词。

模式选择

根据用户需求，自动选择以下模式之一：

如何判断模式

1. 长镜头 vs 单镜头：如果用户提供的是一个完整故事、多场景大纲，或明确要求"拆成多个镜头"/"X个镜头"，使用长镜头模板。如果用户提供的是单个场景描述、一句台词或一个具体画面，使用单镜头模板。
2. 中文 vs 英文：如果用户用中文交流且未指定语言，默认输出中文提示词。如果用户明确要求英文或用英文描述需求，输出英文提示词。
3. 如果用户未指定镜头数量，长镜头模式默认产出 15 个镜头。

工作流程

1. 分析用户输入，判断：长镜头还是单镜头、中文还是英文
2. 读取对应的模板文件（见上方表格中的路径）
3. 严格遵循模板中的格式规则、角色一致性要求、内容结构顺序
4. 产出严格符合 JSON 格式的提示词：{"prompts": ["..."]}

关键规则提醒

无论使用哪个模板，都必须遵守以下核心原则：

• 角色一致性：每个角色的基础身份描述、服装描述和声线描述在所有镜头中必须逐字一致，只有表情/情绪句可以变化
• 单一连续段落：每个镜头提示词是一个无换行的连续段落，不能有字段名、键名或列表
• JSON 纯净输出：只输出 JSON 对象，不要有解释文字、代码围栏或注释
• 对白可选：不是每个镜头都需要对白，非对白镜头用于环境交代、情绪过渡
• 动作安全：只使用轻柔、简单、物理可信的动作，避免奔跑、打斗等复杂动作
• 语言匹配：中文模板中口白使用「」引号，英文模板中口白使用 \" 转义双引号

参考文件索引

模板文件（references/）

示例文件（assets/）

当需要理解输出格式或风格时，读取 assets/ 中的示例 JSON 文件作为参考。