向我询问:我的视频创意(一行即可)、场景、时长(60-90秒)和旁白(ElevenLabs语音,或“free”表示使用本地文本转语音)。一切用代码构建:不用AI图像,不用AI视频。让它成为我的故事,而不是示例的复制品。 风格是第二人称生存惊悚片,使用火柴人,以系列形式构建: - 前3秒内用“想象你……”钩子加上时间戳 - 一个HUD,显示DAY编号和一个在本集中向前推进的时钟 - 3-4条规则,每条都在画面上得到兑现 - 一个逐步升级的威胁,主要通过展示而非讲述来呈现 - 一个让某条规则变得不可能的转折 - 一个二选一结局(“你要打开它吗?”风格,一个绿色和一个红色选项,“在下方评论”)以及“关注看第2天” 大约20-30句旁白,60-90秒,每1.5-3秒一个新镜头。 先写节拍表和脚本,给我看这两样之后再开始构建。 - 一行 = 一个画面。规则是简短指令。 - 每约10秒抛出一个新问题,只用更大的问题来回答它。 - 在恐怖部分把观众置于POV:你透过门、窗户、手机、猫眼看到的东西。 - 结局是一个两个选项看起来都很糟的选择。 - 数字写两遍:字幕形式(“11:58 PM”)和口语形式(“eleven fifty-eight P M”)用于文本转语音。 - 在各集之间轮换场景(公寓、地铁、夜间学校、医院、小屋、飞机、办公室、汽车旅馆),并让威胁与场景相匹配。 每个故事选一套调色板,但保持语言一致: - 真实的3D低多边形场景,配有真实灯光和阴影;氛围来自光线(一个暖色实用光、一个冷色补光、一个强强调光,如门缝、屏幕或警灯) - 火柴人是平面的、2D感的:浅色身体配粗深色轮廓,圆润笔触,点状眼睛,没有嘴巴;给主角一个标记(一道疤、一顶帽子、一种颜色),让替身和回扣容易辨认 - 叠加层:左上角等宽HUD,粗壮字幕(1-3个词,关键词用强调色),一个倾斜的规则贴纸配大号窄体标题,手机屏幕用2D绘制 - 禁止:AI帧、光泽3D角色、表情符号、带人声的音乐、长字幕 一个可根据故事改编的镜头库(永远不要全部使用): - 开场:一个从你身上特写开始、然后拉远展示你所处位置的运镜 - 你手中的POV手机(2D手机UI,两个火柴人拇指) - 对关键细节的微距镜头 - 从上方看外部混乱(阳台、桥、窗户):物理车辆、奔跑的人群、某物坍塌或燃烧 - 房间内的第三人称动作:脚步扎实地行走、伸手、犹豫、设置路障 - POV互动:投掷、手持火把、打开某物 - 你脸部的特写用于反应 - 门或通风口的低角度:光透进来,影子移动 - 敲门声、震动、东西掉落 - 鱼眼猫眼、摄像头或窗户视角看威胁逐步逼近 - 选择屏幕和片尾卡 每个工具的用途。安装缺失的工具,任何付费项目先问我: - three.js:3D引擎;在网页内运行。将其模块文件下载到本地,使渲染不依赖互联网。使用其后处理通道实现泛光,再加一个自定义镜头着色器实现暗角、颗粒、鱼眼和色差。 - cannon-es:一个JavaScript物理引擎,用于车辆、坠落碎片和坍塌。 - Playwright(Python):在真实浏览器(开启GPU的Edge或Chrome)中打开页面,并将每一帧捕获为图像。 - ffmpeg:命令行视频和音频工具。它将帧合成为MP4,剪切和过滤音频(高通、低通和回声用于门后的声音),混音,标准化响度并制作手机尺寸副本。 - ElevenLabs,或Kokoro(免费本地文本转语音),用于旁白。 - faster-whisper:免费的本地语音转文本,带词级时间戳。用它来干净地剪切语音并为每个字幕计时。 - numpy和Pillow:检查音频电平并制作静帧的联系表。 - 声音:从Mixkit下载的免费音效(绝不合成)以及一个无 vocals 的黑暗电影感低鸣或紧张氛围底音。 1. 一个HTML页面(film.html),3D渲染器以1080x1920绘制到一个2D画布中,该画布同时承载叠加层。函数window.seek(t)绘制第t帧,且必须是时间的纯函数;每个剪切、声音和运动都以词时间点为键。 2. 火柴人。用2D画布笔触将每个人物绘制到自己的纹理上,放在一个始终面向相机的平面上,使用alpha测试使其投射真实阴影,并略微自发光使其在黑暗中可读。用关节角度摆姿势,用双骨骼IK行走,使着地脚永不滑动。 3. 物理和布料。加载时以固定时间步长模拟一次,记录位置,然后按时间采样,使每次渲染都完全相同。布料(床单、窗帘、旗帜)是一个verlet粒子网格,具有墙壁和地板碰撞以及可释放的固定点。 4. 语音。如果你生成一个长镜头,绝不要在API的字符时间戳处剪切:它们会漂移并切碎词语。用faster-whisper词级时间戳转写该镜头,将其与脚本匹配,只在行间真实静音处剪切,只在自然停顿太短的地方添加停顿。 5. 字幕。重新转写每个最终行,规范化数字(“6:42”=“6 42”,“AM”=“a m”),将字幕词与听到的内容对齐,并将每个词吸附到音频中其真实起始点。检查每个字幕下方约120毫秒内都有语音。 6. 渲染。Playwright以30 fps逐步执行window.seek遍历每一帧,ffmpeg编码高质量母版,然后制作低于30 MB的手机副本。 7. 用ffmpeg混音:语音在最上层,音乐
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 · 1:23 · Animation · Motion Graphics · Horror。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。