用一句话告诉我我的故事:反派是谁,他身处什么危险,以及他冤枉过的2-3个人。如果我没头绪,给我3个方案让我选。时长25-60秒。每个角色、皮肤和方块都是我的,用代码绘制:绝不用JJ、Mikey、Maizen角色或Mojang纹理。 一个1080x1920、30 fps的Minecraft风格故事短片,完全在Blender中用代码构建,零成本,不用游戏素材,不用AI视频。 分屏: - 顶部640 px是说话者的头像:该角色坐在黑暗的游戏房间里,戴着耳机。它位于一个14 px的边框后面,边框用说话者的颜色,下方有一条8 px的深色分隔线。 - 底部1080x1280是方块动画。 每个角色拥有一种颜色(紫色176,90,255 / 橙色255,160,40 / 粉色255,100,170),用于边框、耳机罩、房间LED和他们字幕中的关键词。 世界是16x16像素方块,采用硬最近邻像素:草、泥土、石头、原木、树叶、木板、水和矿石。天空从地平线处的178,214,255过渡到头顶的96,156,245,配有扁平白色方块云。光线来自暖阳,使用Standard视图变换。 字幕一次显示一个单词,全大写,Montserrat Black 96 px:白色,带12 px黑色描边和向右4 px、向下7 px的柔和黑色阴影。关键词(help、被冤枉的事、bye、like、subscribe)用说话者的颜色。字幕位于分隔线正下方。 纯对白,无旁白。闪回为棕褐色调,带FLASHBACK标签。 禁止:JJ/Mikey/Maizen相似形象、Mojang皮肤或纹理、平滑插值、运动模糊、景深、Filmic或AgX外观、任何超过2.5秒的镜头,以及任何没有任何运动的帧。 时长:25-60秒,每25秒约13行。每0.7-2.3秒切一次(中位数1.3秒),每25秒约18个镜头,至少3个不同地点。 0秒:反派已经身处危险(悬挂在悬崖边、被困、下沉)并尖叫求救,先远景后近景 → 帮手1走进来,低角度仰视他,他们的台词暗示他做了什么 → 在新地点的闪回,2-3个镜头:他做了那件坏事,大笑,并产生巨大的物理效果(某物炸开、粉碎或溅开);以受害者为此哭泣结束 → 回到现在:他求饶(“对不起!我只是开玩笑!”),帮手说一句冷酷的台词,挥手走开 → 帮手2,同样的结构,不同地点和不同的冤枉 → 最后一次拒绝,然后危险降临:一只手滑脱,俯视镜头,他坠落 → 与他一起坠落,他的最后一句台词请求点赞和订阅来救他。 1. 工具(全部免费,全部本地)。安装缺少的并告诉我你安装了什么: - Blender 4.2或更新版本,便携zip,无头运行:`blender -b --factory-startup --python build .py -- MODE OUT [F0 F1]`。模式:stills、final(F0 F1重新渲染一个范围)、avatars。 - Python,带numpy、Pillow和soundfile。 - FFmpeg。 - faster-whisper large-v3-turbo(CPU上int8)。 - kokoro-onnx,带kokoro-v1.0.onnx和voices-v1.0.bin。 - Montserrat。 - 一个免费的悲伤钢琴背景音乐和约12个免费音效:whoosh、pop、boom、impact、poof、sting、riser、gasp、footsteps,以及故事需要的任何其他音效。 2. 语音(Kokoro,免费): - 录制前给我看脚本。用“!”写尖叫,保持台词简短。 - 每行单独渲染。在0.01振幅处裁剪,保留前10 ms和后50 ms。 - 用asetrate升调,再用atempo降回来,保持速度不变。 - 儿童声音: - af_heart,速度1.14,+1.5个半音(主角小孩) - am_echo,速度1.08,+3(一个男孩) - af_bella,速度1.1,+2.5(一个女孩) - am_puck升调听起来很糟。 - 台词后的间隔: - 通常0.2-0.45秒 - 动作需要空间的地方0.7-1.2秒(爆炸、滑脱) - 结尾0.9秒尾音 - 将每行的说话者、文本、闪回标志、t0和t1存入lines.json。 3. 时间控制: - 用faster-whisper运行词级时间戳,以脚本作为initial_prompt,然后用difflib将词对齐到脚本。 - 每个剪切、姿势切换、换脸、道具和音效都挂在一个词上,绝不挂在固定秒数上: - 剪切在其词前0.06秒。 - 反应镜头在台词前0.12秒。 - 闪回在其第一句台词前0.3秒开始。 - 嘴部跟踪,每30 fps帧一个值: - 当RMS超过(第70百分位 - 15 dB)且在±3帧内超过最大值的一半时,嘴张开。 - 每个状态至少保持2帧。 - 任何超过7帧的张开连续段,每6帧插入2帧闭合。 4. 纹理: - 每个纹理都是16x16,用Pillow绘制。每个像素抖动±3-8,使其不平淡。 - 基础颜色:泥土134,96,67,草98,160,58,石头126,126,128,树叶62,122,40,木板150,120,76(每第4行一条更深的线),水70,112,210。 - 草有顶部纹理、侧面纹理(绿色到3-5 px,然后泥土)和泥土底部。 - 每个图像纹理使用Closest插值和Extend。 5. 世界(体素网格生成器): - 一个字典将(x, y, z)映射到方块类型。 - 只为没有邻居的面发射一个四边形。水只发射其顶面,下降0.12。 - 将同一纹理的所有四边形合并为一个网格,给每个四边形UV 0..1。 - 每个地点在x轴上相隔200单位构建(悬崖在0,闪回1在200,闪回2在400,头像房间在600)。 - 用bmesh按面中心将合并的网格按地点拆分。仅在活动地点变化时关键帧hide_render,否则其他集合会漂浮在地平线上。 - 树木:4-6个方块的原木加一个菱形树叶。散布1格方块的花。矿石斑点放在相机经过的墙壁中。 6. 角色(单位P = 1/16): - 身体枢轴在12P高处。躯干8x4x12P。头部是一个8P立方体,位于顶部颈部枢轴上
本片段由 Anthropic 的 Claude Opus 5.5 生成,页面上的提示词就是生成它的原始文本。
示例由 Claude Opus 5.5 生成,参数:9:16 · 0:24 · Animation · Game Assets · 3D Render。沿用这些参数可获得最接近的效果。
先原样复制提示词,只改主体、保留镜头/运动/光影描述。视频模型对措辞很敏感,多试几次为佳。
当然可以。提示词最适合作为起点——替换场景、调整节奏词或宽高比,适配你的项目。