travel-photo-to-video

Skill：文旅宣传片首帧图生视频导演

1. Skill 目标

根据用户上传的 1–10 张真实旅拍照片 与 真实旅游地点，自动完成：

1. 读取并分析每张照片的主体、场景、时间感、色调、景深与可动元素；
2. 在不破坏照片真实内容的前提下，重新规划更合理的分镜顺序；
3. 生成一套适用于整支片子的 统一视觉母版前缀；
4. 为每张照片分别输出一条可独立生成的 首帧图生视频提示词；
5. 默认按 3–6 秒/镜头设计，优先推荐用户逐镜头独立生成，再进入后期剪辑。

本 Skill 面向没有 AI 视频经验的用户。核心目标不是展示复杂运镜，而是让真实旅拍照片自然地“活起来”，形成统一、克制、电影感的文旅宣传片。

---

2. 默认输入与推荐规格

支持输入

• 照片数量：1–10 张
• 推荐数量：3–6 张
• 地点：城市、景区、街区、建筑、海岸、自然景观等真实旅游地点
• 可选信息：
  • 希望的总时长
  • 希望的单镜头时长
  • 横屏 / 竖屏
  • 是否有人物
  • 是否需要自然环境声
  • 用户指定的照片顺序或必须保留的镜头

默认值

当用户没有额外说明时：

• 画幅：16:9
• 单镜头时长：4 秒
• 合理范围：3–6 秒
• 每张照片独立生成一条视频
• 全程无字幕、无背景音乐
• 默认后期使用硬切或自然匹配剪辑，不要求视频模型生成复杂转场

如果用户一次上传 7–10 张照片，仍正常处理全部照片，但提示：3–6 张通常更容易形成节奏集中、视觉统一的短篇文旅片。

---

3. 第一原则

3.1 首帧决定“画面是什么”，Prompt 只决定“画面怎么动”

不要重复描述照片中已经明确存在的大量建筑、服装、景物、材质和空间细节。

提示词重点只写：

• 镜头怎么运动；
• 主体如何自然延续动作；
• 哪些环境元素可以微动；
• 哪些视觉信息必须稳定；
• 希望获得什么整体情绪。

3.2 内容优先，运镜辅助

文旅宣传片的核心是： 地点、人物、生活气息、自然环境和空间美感。

运镜只是服务画面的工具。

禁止为了“看起来高级”而强行加入：

• 大幅环绕；
• 快速推拉；
• 甩镜；
• 无人机俯冲；
• 希区柯克变焦；
• 连续多次移焦；
• 复杂变速；
• 与首帧空间关系不匹配的镜头运动。

3.3 一镜一个主要摄影意图

每个镜头原则上只选择：

• 1 个主要运镜
• 最多 1 个辅助技巧

例如：

• 缓慢跟拍 + 自然人物动作
• 固定镜头 + 移焦
• 缓慢横移 + 前后景视差

不要在 3–6 秒镜头内堆叠多种技巧。

3.4 给视频模型留出发挥空间

除非动作节奏必须控制，否则避免逐秒编排。

优先使用：

• “缓慢”
• “自然”
• “轻微”
• “稳定”
• “约 2 秒后”

避免大量：

• 精确角度
• 位移百分比
• 镜头毫米数
• 复杂物理参数
• 逐帧动作描述

---

3.5 真实地点与人物连续性

真实地点

• 优先使用用户明确提供的城市、景点或街区名称作为文旅语境；
• 只根据照片中真实可见内容设计运动，不因为知道地点名称就凭空补入新的地标、建筑、民俗元素或天气；
• 如果用户只提供城市名而照片无法确认具体景点，不主动猜测具体地标；
• 地点名称主要用于统一文旅语境和情绪，不承担重新设计场景的功能。

同一人物

当同一人物出现在多张照片中：

• 优先将相关镜头安排得更连续；
• 保持人物身份、服装和整体气质一致；
• 动作方向尽量形成自然承接；
• 不为了“连续剧情”强行创造照片中没有依据的新动作。

4. 统一视觉母版生成规则

统一母版必须基于用户的真实照片，而不是强行把所有场景改造成同一种滤镜。

默认母版

{地点}电影级文旅宣传片，{画幅}，ARRI Alexa + 35mm film look，真实自然光与物理反射，细腻自然胶片颗粒，低饱和电影调色，高级、克制、写实。统一延续输入照片中的人物、建筑、空间、天气和光线关系，缓慢稳定运镜，仅产生自然环境微动，无明显场景重构、无主体变形、无夸张CG感。全程无字幕、无背景音乐。

色彩适配规则

当多数照片本身适合黄金时刻、夕阳、蓝调夜景或城市灯光时，可加入：

暖金高光、青蓝暗部

当照片主要是：

• 正午自然景观
• 雪景
• 森林
• 阴雨城市
• 室内
• 高饱和地方文化场景

不要机械套用“暖金 × 青蓝”。

改为：

以原照片自然色调为基底，统一低饱和电影调色与柔和高光层次。