Collage B-roll（纸拼贴组装动画）

把一句约 5 秒的口播压成一个 sharp visual idea，再做成高级编辑风纸拼贴组装动画。

默认链路：

1. 只设计视觉隐喻，等待用户确认（Gate 1）
2. 只生成最终静帧，等待用户确认（Gate 2）
3. 自动调 aigc-video-gen 生成视频并完成 QA（Gate 3）

这两个确认闸门是工作流的一部分。它们让用户把注意力放在审美和方向上，同时避免错误隐喻或错误静帧直接消耗视频生成成本。

强制审批协议

Gate 1：隐喻确认

收到文稿后，先提视觉隐喻，不生成图片、不生成视频、不调用任何视频模型。

向用户交付每条的：

• 核心意思
• 情绪
• 一句话视觉命题
• 3–6 个关键物件
• 建议底色与局部点色
• 预期组装顺序

然后明确停下，等待用户回复"可以""通过""全部通过"或给出逐条修改意见。

如果用户只确认部分编号，只让通过的条目进入 Gate 2；未通过条目继续修改隐喻。

Gate 2：静帧确认

隐喻确认后，才写 visual spec 和 imagegen prompt，并用 siliconflow-img-gen 技能生成最终静帧。

把原图保存到项目目录，生成带编号的静帧 contact sheet，向用户展示并再次停下。此阶段仍然不调 aigc-video-gen，也不生成视频。

如果用户只确认部分静帧，只让通过的条目进入 Gate 3；需要修改的静帧先重生并重新确认。

Gate 3：视频生成

静帧确认后，不再询问使用哪个视频模型，直接调公共 aigc-video-gen 技能走 i2v 首尾帧插值——默认走百炼 happyhorse-1.1-i2v（沿链 fallback 到 1.0 → wan2.7），百炼没配走火山 Seedance Fast → Normal → Mini。只有用户明确指定其他模型时才 aigc-video-gen --model <id> 覆盖。

成功标准

• 一句话只表达一个清晰隐喻
• 同一批画面有统一设计语言，但不强制全部蓝底
• 背景是强烈、平坦、均匀的色场，可按语意变化
• 主体以黑白 halftone photographic cut-outs 为骨架
• 关键卡片、按钮、胶片、规则册等允许使用红、黄、青、橙、紫、奶油白等彩色纸张
• 所有纸片有清晰裁切边、奶油白 keyline、低透明度柔和阴影和纸张颗粒
• 动作是 assemble-from-empty，而不是轻微漂移、晃动或慢 zoom
• 无字幕、无口播全文、无 logo、无水印、无 UI
• 默认交付 9:16、5 秒、720×1280、有声画同出（aigc-video-gen 默认 audio: true，旁白/BGM/环境音写在 prompt 里）MP4

什么时候不要用

• 需要精确控制图层、遮挡、镜头穿越或可编辑时间线：改用分层动画工具
• 只需要视频提示词，不需要生成成片：直接写 prompt 即可，不用走本流程
• 需要真实人物产品广告或口播演员：不要走本拼贴流程
• 用户明确要可逐层修改的透明素材：本 skill 默认不拆透明图层

默认项目目录

路径契约——调用方指定了项目目录时（平台运营内容为 <platform>/outputs/<video-name>/）落在其下；否则落在 output_videos/ 下，名 <topic-en-slug>：

<project-dir>/                  # 即 <platform>/outputs/<video-name>/ 或 output_videos/<topic-en-slug>/
├── brief.md                    # 文稿 + Gate 1 隐喻清单
├── visual-spec.json            # Gate 2 视觉规格
├── imagegen-prompts.md         # Gate 2 Seedream prompt 留档
├── gen-jobs.json               # Gate 3 aigc-video-gen 批量调用清单
├── gate2-qa.md                 # 静帧 QA 结论
├── gate3-qa.md                 # 视频 QA 结论
├── still-contact-sheet.jpg     # Gate 2 静帧总图
├── video-contact-sheet-all.jpg # Gate 3 全部成片逐秒抽帧
├── end-frame-comparison-all.jpg # 确认静帧 vs 视频末帧并排
├── 01-<concept-slug>/
│   ├── gen-prompt.txt          # aigc-video-gen --prompt 内容（声画同出描述）
│   ├── frames/
│   │   ├── still.png           # Gate 2 确认的完成帧（原图）
│   │   ├── last-frame.png      # 统一裁到 720x1280 的尾帧
│   │   └first-frame.png        # 纯色空首帧（同底色 hex）
│   └gen-runs/run-v01/
│       ├── final-5s.mp4        # aigc-video-gen 产物
│       ├── final-5s-noaudio.mp4 # 强制无声交付（拼贴动画无声）
│       ├── contact-sheet.jpg   # 逐秒抽帧总图
│       └ video-last-frame.jpg
│       └ end-frame-comparison.jpg
└── 02-<concept-slug>/...

Phase 1：设计视觉隐喻

先把文稿压成一个视觉命题。

提取：

• 核心意思：观众最终要看懂什么
• 情绪：冷静、惊讶、紧迫、豁然开朗、荒诞、反讽
• 动作动词：打开、连接、漏掉、装订、归档、点亮、压缩、分叉、组装
• 可视化隐喻：机器、时钟、胶片、档案柜、控制台、规则册、漏斗、轨道、棋子

不要把文稿逐字放进画面。默认一条文稿只做一个隐喻，控制在 3–6 个关键物件；元素过多会让语意变弱，也会让 i2v 组装不稳定。

批量隐喻优先形成前后叙事：例如先表现手工消耗与经验流失，再表现规范沉淀与人机分工。

Gate 1 输出示例

1. 核心意思：经验每次都在重复消耗
   视觉隐喻：熟练剪辑师围着巨大的胶片时钟逐帧裁切，时钟走完一圈却只得到一小段成片
   关键物件：胶片时钟、剪辑师、剪刀、短胶片
   色彩：焦橙底，奶油白与浅青点色
   组装顺序：时钟 → 人物与剪刀 → 胶片 → 最终短输出

输出后停下等待确认。

Phase 2：生成彩色拼贴静帧

隐喻确认后，先写自包含的 visual-spec.json，再写 imagegen prompt。

Visual spec

{
  "script_meaning": "",
  "visual_metaphor": "",
  "style_signature": "flat bold color field, mixed black-and-white halftone cut-outs and colored cardstock accents, crisp cut edges, cream keylines, soft paper shadows, editorial paper collage",
  "aspect_ratio": "9:16",
  "color_field": {
    "background_hex": "",
    "accent_colors": [],
    "paper_grain": "fine uncoated-paper fiber"
  },
  "elements": [
    {
      "what": "",
      "role": "",
      "motion": "",
      "placement": ""
    }
  ],
  "composition": {
    "layout": "",
    "negative_space": "",
    "final_frame": ""
  },
  "motion_plan": "structure first, subject or cards second, action and result last",
  "avoid": "typography, readable letters, numerals, logos, watermark, UI, subtitles, glossy 3D, photoreal environment"
}

色彩规则

不要把 cobalt blue 当成唯一默认值。根据语意挑选强色场，并在一批作品中保持"同设计语言、不同底色"：

• 焦橙 / 红：时间消耗、劳动、紧迫
• 芥末黄：工具、警示、经验漏失
• 墨绿：认知、审美、系统重置
• 深紫：规范、沉淀、长期记忆
• 青绿：判断、协作、自动执行

主体可以黑白半调为主，但局部彩色纸张必须服务信息层级，不要为了彩色而彩色。

Imagegen prompt 模板（siliconflow-img-gen / Seedream）

用 siliconflow-img-gen 技能（Seedream doubao-seedream-4.5，fallback doubao-seedream-5.0-lite）：

siliconflow-img-gen --prompt "<下面整段>" --image-size 1600x2848 --out-dir <project>/01-<slug>/frames/

Prompt 模板（英文，Seedream 对英文 prompt 响应更好）：

Use case: ads-marketing
Asset type: final still frame for a 9:16 image-to-video B-roll clip
Primary request: Create a finished editorial paper-collage image expressing [一句话视觉命题].
Scene/backdrop: perfectly flat [颜色] paper field [hex] with subtle uncoated paper fiber.
Style/medium: premium editorial stop-motion paper collage; black-and-white halftone photographic cut-outs mixed with selective [点色] colored cardstock.
Composition/framing: vertical 9:16 locked poster frame; central subject within the middle 70 percent; generous clean color-field negative space; 3–6 large separable paper groups for later assemble-from-empty animation.
Materials/textures: visible printed halftone dots, crisp machine-cut edges, thin warm-cream paper keylines, soft low-opacity physical drop shadows.
Constraints: [本条隐喻必须一眼看懂的关系].
Avoid: no typography, no readable letters, no numerals, no logos, no watermark, no UI, no subtitles, no glossy 3D, no photoreal environment, no clutter.

Seedream 不支持参考图锁定风格，所以"同设计语言"靠同一批用同一 style_signature 字串 + 同一 color_field 范围在 prompt 里复用，不靠参考图。

静帧 QA

• 隐喻是否一眼看懂
• 主体是否集中
• 是否有假字、logo、水印或 UI
• 是否保留足够纯色场，方便从空场组装
• 是否是 3–6 个清晰大组，而不是满屏碎片
• 同一批是否统一质感但有色彩变化

将通过 QA 的原图复制到 <item>/frames/still.png，生成带编号的静帧 contact sheet，展示给用户并停下等待 Gate 2 确认。静帧 QA 结论写入 <project>/gate2-qa.md。

如果用户要求重生部分静帧，重生后生成 still-contact-sheet-v2.jpg（后续轮次递增 v3、v4…），保留旧版 contact sheet 不覆盖，方便对比。

拼静帧 contact sheet 用 ffmpeg tile：

ffmpeg -y -pattern_type glob -i "<project>/*/frames/still.png" \
  -vf "scale=270:480,tile=5x1" \
  -frames:v 1 <project>/still-contact-sheet.jpg

段数 > 5 时分多行（tile=5x2、5x3…）。

Phase 3：用 aigc-video-gen i2v 生成视频

1. 准备首尾帧

保留 imagegen 原图 still.png，再统一尾帧到 720x1280（aigc-video-gen i2v 收 720P/1080P，默认 720P）：

ffmpeg -y -i <item>/frames/still.png \
  -vf "scale=720:1280:force_original_aspect_ratio=increase,crop=720:1280" \
  <item>/frames/last-frame.png

首帧默认是与尾帧相同底色的纯色空纸面（assemble-from-empty 的核心——从空场开始组装）：

ffmpeg -y -f lavfi -i color=c=0x<HEX>:s=720x1280 \
  -frames:v 1 <item>/frames/first-frame.png

如果用户明确要求不从完全空白开始，首帧才保留一个基础物件。

2. 写 aigc-video-gen 动画 prompt

动作顺序默认采用：

基础结构 → 人物或关键卡片 → 连接件 → 动作 → 最终结果

aigc-video-gen 的 --prompt 是声画同出描述（中文，happyhorse / Seedance 对中文响应好）。组装顺序与约束中文化写进 prompt：

• 组装顺序段："画面从纯色空场开始，依次滑入 [基础结构] → [人物/卡片] → [连接件] → [动作]，最终定格在已确认的完成构图"
• 机位与镜头约束："固定机位，无切镜、无 zoom、无变形"
• 画面禁字："画面无文字、无 logo、无水印、无 UI"
• 声画同出补充（aigc-video-gen 默认有声）："音频：纸片滑入的嗒嗰声 + 卡位时的咔嗒声 + 最终定格的短促 BGM 收尾"

prompt 模板：

画面从纯色空场开始，依次滑入 [基础结构] → [人物/卡片] → [连接件] → [动作]，最终定格在已确认的完成构图。固定机位，无切镜、无 zoom、无变形。画面无文字、无 logo、无水印、无 UI。音频：纸片滑入的嗒嗰声 + 卡位时的咔嗒声 + 最终定格的短促 BGM 收尾。

每条 prompt 都要明确 --image first-frame.png 是空首帧、--last-frame last-frame.png 是确认过的完成帧。最终构图必须贴近 last-frame，不让模型自由改造尾帧。

3. 批量调用 aigc-video-gen

创建 gen-jobs.json。每个 job 用首尾帧插值（i2v 模式）：

{
  "prompt": "<aigc-video-gen prompt 中文>",
  "first_frame": "<item>/frames/first-frame.png",
  "last_frame": "<item>/frames/last-frame.png",
  "output": "<item>/gen-runs/run-v01/final-5s.mp4",
  "ratio": "9:16",
  "resolution": "720P",
  "duration": 5
}

逐条调公共 aigc-video-gen 走 i2v 模式（首尾帧插值）：

aigc-video-gen --mode i2v \
  --image <item>/frames/first-frame.png \
  --last-frame <item>/frames/last-frame.png \
  --prompt "<prompt>" \
  --output <item>/gen-runs/run-v01/final-5s.mp4 \
  --ratio 9:16 --resolution 720P --duration 5

aigc-video-gen 内部已带候选链 fallback（百炼 happyhorse-1.1-i2v 沿链 1.1 → 1.0 → wan2.7，百炼没配走火山 Seedance Fast → Normal → Mini）+ decisions.log 落盘，agent 只需逐条调度。

如果出现 i2v 不收首尾帧的报错（aigc-video-gen 退出码非 0），检查 first-frame.png / last-frame.png 是否真存在、是否 720x1280——aigc-video-gen 要求相对路径在 output_videos/ 或 <platform>/outputs/ 下，调用时 workdir 必须是 workspace 根。

4. 强制无声交付

拼贴动画默认无声交付，但 aigc-video-gen 声画同出模式会出声。Gate 3 出片后用 ffmpeg 抽无声版交付：

ffmpeg -y -i <run>/final-5s.mp4 \
  -map 0:v:0 -c:v copy -an \
  <run>/final-5s-noaudio.mp4

默认交付 final-5s-noaudio.mp4，保留原始 final-5s.mp4 作为中间产物。

如果用户明确要"带声"——拼贴动画的纸片嗰声 + BGM 是 aigc-video-gen 声画同出出的，可能挺贴——就不抽无声，直接交付 final-5s.mp4。但默认走无声。

视频 QA

不要只看尾帧，必须检查组装过程和最终落位。

Contact sheet

ffmpeg -y -i <run>/final-5s-noaudio.mp4 \
  -vf "fps=1,scale=270:480,tile=5x1" \
  -frames:v 1 <run>/contact-sheet.jpg

通过标准：

• 首帧接近纯色空场；边缘轻微提前露出纸片可以接受
• 中段能看到结构、人物或卡片逐步进入，而不是整体淡入
• 没有切镜、zoom、3D 化或写实场景漂移
• 没有假字、logo、水印或 UI
• 最终帧与确认静帧一致；轻微姿态或细节漂移（如人物姿势微变、小零件增减）只要不影响隐喻语义即可判通过，不要为此重跑
• 成片为 720×1280、有声画同出（final-5s.mp4）或无声（final-5s-noaudio.mp4）、5 秒

另外抽取视频末帧，与确认静帧并排生成 end-frame-comparison.jpg。批量项目再合并三张总览图：

• video-contact-sheet-all.jpg：全部成片逐秒抽帧
• video-first-frame-all.jpg：全部成片实际首帧，验证真的从空色场开始
• end-frame-comparison-all.jpg：确认静帧与视频末帧并排对照

逐条 QA 结论（含带瑕疵通过的判定理由）写入 <project>/gate3-qa.md。

成片技术自检（强制闸门）

视觉 QA（contact sheet 看组装过程与落位）完成后，必须再跑公共 video-review 技术自检闸门，verdict=pass 才进交付：

video-review <run>/final-5s-noaudio.mp4
# 或带声版：video-review <run>/final-5s.mp4

video-review 查的是技术层硬伤（ffprobe 全字段 / 5 位抽帧黑帧扫 / 音频电平 / 时长分辨率一致性），与上面的视觉 QA（看隐喻是否一眼看懂、组装过程是否成立）互补不重叠——视觉 QA 评审美与语义，video-review 评技术合规。verdict=fail 按 critical 项修或重生对应 job，verdict=warn 向用户复述由其决定。详见 video-review 技能 SKILL.md。

拼贴动画默认无声交付时，audio_absent warning 是预期（final-5s-noaudio.mp4 本就是抽音轨版），warn 可放行；带声版 final-5s.mp4 出 audio_absent 则 critical——aigc-video-gen 声画同出模式该出声没出声是硬伤，退回重生成。

常见问题

• 首帧边缘提前露出：轻微可接受；严格空场需求改用更坚定的 first-frame（纯色 + 边缘 padding）
• 组装感弱：缩短元素数量，并把 prompt 改为明确的逐件"滑入 / 卡位"顺序
• 尾帧漂移：强化 prompt 里"最终定格在已确认的完成构图"，aigc-video-gen i2v 的 last-frame 权重高
• 出现假字：先回到静帧重生（Seedream 也可能出假字），不要直接用视频 prompt 修补
• 个别视频失败：只重跑对应 job，不要重跑已经通过的条目
• i2v 报错（aigc-video-gen 退出码非 0）：检查首尾帧是否 720x1280、是否真存在、workdir 是否 workspace 根

默认交付

向用户交付：

• 每条 <item>/gen-runs/run-v01/final-5s-noaudio.mp4（或 final-5s.mp4 若用户要带声）
• 每条 contact sheet
• 批量总 contact sheet
• 最终帧对照图
• 一句说明每条文稿如何转成视觉隐喻

如果成片问题来自 aigc-video-gen i2v 的生成限制（组装感弱 / 尾帧漂移），直接说明；只有需要精确图层控制时，才建议切换到其他方案（如 Manim 科学动画 → manim-explainer）。

脚本清单

visual-spec.json 生成、imagegen prompt 拼装、contact sheet 拼图、首尾帧 ffmpeg 处理——这些靠 agent 直接调 siliconflow-img-gen + ffmpeg 完成，不单独上脚本（agent 直接调更灵活，且避免脚本重复造轮子）。