你给我: 商品图(越全越好)、已确认的商品事实、要投放的平台和画幅;开箱再给包装图、配件清单和真实的开箱顺序。
你拿到: 一支商品视频成片(默认 15–30 秒,竖屏 9:16 或横屏 16:9),加分镜表和事实卡。
两种做法
工具与分工
- 宿主读取能力: 用户给了商品页,读取卖点、参数、价格、包装和 Logo。
- 分镜设计: 按「营销片结构」设计分镜,按本文分镜规则执行。
- Flova: 元素图、关键帧、镜头视频、背景音乐、旁白。必需。
- FFmpeg: 组装、混音、导出。必需。
- 字幕(按需): 用户需要时,提供 HyperFrames、Remotion 或 FFmpeg 等后期方案。
分项方法索引
- :元素图、关键帧、镜头视频的写法,逐步验收清单。第 3–5 步读。
- :三幕、开箱触点、第一视角镜头、光线、品类细节、声音、镜头提示词。开箱做法读。
先说清楚的边界
- 产品事实以商品图为准: SKU 和包装版本、形状比例、颜色材质、结构(按钮、接口、拉链)、Logo 和文字的内容与位置、新旧,任何镜头里都不能变。商品图就是商品本身,作参考传入,不另外生成「差不多」的;缺角度请用户补拍。
- 卖点和数字照商品资料: 没提供的不补,不虚构功能、效果和评价;首次使用只演示真实的用法。
- 开箱顺序和包装必须真实: 怎么打开、里面有什么、配件几件,以用户的照片和清单为准;没有包装照片时用普通快递盒并告诉用户,不造品牌包装。
- 产品标识保持原样: 商品和包装上的品牌名、Logo、标签以原图为准,不额外让模型编造。只有用户要求新增卖点文字、价格或 Logo 收尾时,才安排后期叠层并核对原始资料。
- 素材权利: 商品图、Logo、音乐须是用户有权使用的。有 AI 生成内容时,提醒用户按平台规则标注。
- 渠道规格: 画幅、时长和安全区以平台当前规则为准,不凭印象写死;开工前核对目标渠道。
工作流程
确认渠道和商品(确认点)→ 分镜(确认点)→ 元素图(确认点)→ 先试一个镜头(确认点)→ 批量镜头(确认点)→ 声音 → 组装 → 验收与交付
1. 确认渠道和商品(确认点)
- 向用户要商品图、商品资料、卖点、平台、画幅和时长;有商品页链接时用宿主可用的浏览器或连接器读取。开箱再要包装图、配件清单、开箱顺序。
- 按「先说清楚的边界」里的产品事实写成事实卡
docs/brief.md,用户确认后继续。
2. 分镜(确认点)
用 分镜设计,按本文营销节拍规则设计,每一拍标 hook、turn、proof、cta,写清换来什么。
- 场景广告片: 元素是产品、至少两个能体现产品优势的使用场景、关键道具,每个场景单独作元素复用。两类镜头交叉:「产品在场景中」(证明,看得清 SKU 和用法)和「功能与氛围」(开头、转折,可以没有产品,分镜里写明)。开头用氛围或结果抓人,中间逐个证明卖点,收尾落在商品或包装本身。一次生成就是一个镜头任务,内部含多个切镜(15 秒约 3–6 个,30 秒约 6–12 个)。节奏以硬切和短镜头为主,景别和运镜不断变化。
- 开箱: 按 的三幕和开箱触点排,每个卖点至少对应一个看得见的画面;风格选沉浸式慢开箱或快节奏开箱。
- 每个镜头写清:时长、景别、动作、引用的参考图和声音。给用户确认。
3. 元素图(确认点)
只有场景广告片需要:为每个场景和道具生成设定图,产品直接用用户的图。写法和验收见 。开箱跳过,直接用产品图和包装图作参考。
4. 先试一个镜头(确认点)
按 Flova Skill 选模式和模型,一般用快速生成:素材要交给 FFmpeg 组装。挑最难的一个镜头(产品露出、首次使用或最复杂的场景镜头)先生成,确认产品、光线、动作和声音的感觉对,再批量。给用户确认。
5. 批量镜头(确认点)
每个镜头都带上它用到的全部参考图;请求里写不要音乐、字幕和画面文字。逐个检查产品有没有走样、卖点是否表现出来、节奏是否符合分镜。不合格只重做这个镜头,已确认的保留;同一镜头改两次仍不行,告诉用户并商量简化或换模型。
6. 声音
背景音乐至少一条贯穿全片。场景广告片有旁白时,先写旁白再定时长。开箱的音效和动作对齐,视频自带的对得上就留,对不上的镜头静音后期补。给用户试听。
7. 组装
- 生成视频一律静音,FFmpeg 按分镜拼接,叠音乐、旁白、音效;有旁白时音乐压低。
- 需要多个画幅时,每个画幅单独生成和排版,不直接裁切成片。
8. 验收与交付
完整看一遍:产品外观、包装、配件和原有标识与事实卡一致;音画对齐;收尾符合规格。交付成片、分镜表、docs/brief.md、发布文案草稿(提醒标注 AI 生成内容)和实际使用的工程目录。后续只重做受影响部分。
工程目录
video-<商品名>/
├── source/ 商品图、包装图、配件清单、商品页内容
├── docs/ brief.md、分镜表、发布文案
├── elements/ 场景和道具元素图(场景广告片)
├── shots/ 每个镜头的视频
├── audio/ 音乐、旁白、音效
└── output/ 成片、组装脚本
生成请求与验收
通用的请求结构见 Flova Skill 的「写生成请求」;本文是商品视频的专门写法,冲突时以本文为准,模型实际支持的参数以查询结果为准。
语言
用户用中文时提示词用中文写;旁白和台词按成片的输出语言写;英文的风格锚点、模型专用短语和包装符保持原文。
图像提示词
- 像导演和调色师给团队下指令,不只是描述「有什么」。场景内容用通顺的自然语言,视觉美学(风格、颜色、光影、构图)用简短词组。不写文学修饰,不写看不见的东西。
- 电影级画面的几条要揉进一段流畅的描述里,不写成带标签的分项:用具体的作者或作品做风格锚点;写明构图和景别;写清主光和对比;克制的调色(约九成画面一种主色调,不用红蓝霓虹撞色,除非用户要求);写整体质感和细节;动作定格在有张力的瞬间,拒绝摆拍。画面里不出现人脸,需要人时只出现手、手臂或背影。
- 商品和包装原有的文字与标识按参考图保持;用户要求新增产品名、价格或卖点文字时,再使用后期图层,不让模型编造。
元素图
目标是让元素在所有镜头里保持一致。产品和道具写形状、材质、颜色、尺寸、新旧、独特标记,产品以用户的图为准;场景写情绪基调,以及它要体现的产品卖点;出现手时写肤色、指甲、袖口,前后镜头保持一致。
关键帧
先找到这一帧对应的分镜时刻,只描述那一瞬间的静态画面:起始帧(动作前的姿态、环境、摄像机构图)、结束帧(动作完成后、为下一镜准备的位置)、高光帧(冲击最强的瞬间,单独看也成立)。
视频提示词
- 标注参考图: 产品、场景、道具的参考图逐一说明它们是谁、负责什么。具体引用写法以实际工具为准。
- 顺序: 摄像机(推、拉、环绕、切镜)→ 主体(谁做了什么,节拍)→ 空间(位置变化、景深)→ 音频(台词和音效)。动作落到具体部位,写出幅度、速度、力度。
- 一次生成多个切镜: 工具接受长提示词时,用「镜头 1、镜头 2」标出,按发生顺序描述,不写精确秒数,模型执行不准。
- 音乐、音效、台词的包装符: 只在所选模型支持时使用;不支持就用文字写清哪段是音乐、音效或台词。
- 必写的负面约束: 有单独旁白音轨时,视频提示词里不写旁白文本;几乎每个镜头都写不要音乐;每个镜头都写不要字幕和画面文字。
逐步验收
- 元素图: 产品的外观、结构、颜色、材质、Logo 和用户的图一致;每个场景符合分镜、各支撑至少一个产品优势,场景合起来覆盖至少两个优势;风格一致;画面里如有文字,内容准确。
- 关键帧(如有): 准确表现分镜时刻;继承了正确的产品、场景、道具,没有走样;只有已确认文字包装时才检查相应留白。
- 镜头视频: 看得清 SKU 和使用场景;功能或氛围表达出来;运镜和动作符合分镜,切镜节奏有广告能量;产品前后一致;没有不该有的音乐、旁白、字幕;包装镜头和 Logo 符合要求;时长在所选模型支持的范围内。
- 音频: 背景音乐至少一条贯穿全片;旁白的声音、语气、文本和输出语言与确认的一致。
- 成片: 两类镜头交叉剪辑,硬切,每次切换有明显的画面变化;商品与包装保持准确,结尾符合规格;用户已要求文字或 Logo 叠层时,再核对其内容、位置和停留时长。
所选模型被拦截、会员权限不支持或不可用时,换另一个同样支持多参考图的视频模型,按相同的参考素材重试,并告诉用户换了哪个。
第一视角开箱
第一视角:画面里只出现手和产品,不出现脸。
三幕结构
第一秒就要有动作:手已经搭在包装上,或刀片已经划开胶带,不用空镜开场。
开箱触点
从产品图和包装图里找最适合特写的物理动作,作为开箱段的镜头:
- 包装: 撕膜、划开胶带、掀开盒盖、拉出抽屉式内盒、解开缎带、磁吸翻盖。
- 产品: 按下按键、拧开瓶盖、拉开拉链、扣合卡扣、转动旋钮、翻开书页。
- 配件: 一件件从内衬里取出,摊在桌面上。
只用真实存在的触点。看不出包装怎么打开时,问用户,不要编一个开法。
第一视角镜头
- 视角: 模拟拍摄者的眼睛,镜头略俯,手从画面下方伸入;画面里只有手、产品和桌面,不出现脸。
- 手: 写清一双手还是一只手、在做什么、怎么接触产品(捏住边缘、托在掌心、指尖划过)。手的肤色、指甲、袖口全片一致。
- 运镜: 手持的轻微晃动,幅度自然;产品特写时手轻轻转动产品,让光在表面流动。不用滑轨推进、航拍、稳定器式的平滑运动。
- 景别: 桌面全景 → 产品特写(占六到八成)→ 使用近景(手加产品加动作)→ 微距(材质、做工)。相邻镜头景别不跳超过两级。
- 单镜时长: 开箱段不超过 3 秒;沉浸式慢开箱可到 4–5 秒;首次使用可到 5–6 秒,保留完整动作。
光线和环境
窗光优先,45 度侧光,略偏暖,柔和的自然阴影;真实的桌面、床面或地板,有一点生活痕迹;不要棚拍感(摄影灯反光、纯黑或纯白无缝背景、完美均匀的布光);产品高光自然,不过曝。
细节与首次使用
每种至少一个镜头,按品类挑:
声音
ASMR 质感能让人停下来。音效和画面动作精确对齐(撕膜、纸盒摩擦、胶带、磁吸、拉链、按键、瓶盖),可以让视频模型同时生成,对不上的后期单独加。沉浸式开箱可以完全不说话;要旁白就轻声、口语、比画面短。音乐很轻,低于旁白,不盖过音效。
写镜头提示词
按这个顺序:① 参考素材职责(第一张是产品,保持形状、颜色、材质、Logo 完全一致;第二张是包装,保持外观和开法;手和桌面只用文字描述);② 视角和环境(第一人称、略俯、窗边木桌面、自然窗光从左侧照入);③ 动作(起始状态 → 过程 → 结束状态,例如双手按住盒子两侧 → 拇指把盒盖慢慢推开 → 产品露出,停住半秒);④ 镜头(景别、手持晃动、焦点);⑤ 声音(出现什么、什么时候,没有旁白时写明无人说话);⑥ 保持和不要(产品外观不变;不出现人脸、文字、字幕、水印;不新增包装里没有的东西)。
分镜与素材交接规则
需要新分镜时,由宿主 Agent 按本流程直接设计;已有清楚的镜头表或剪辑意见时只补缺口,不强制重做。每个 S01 镜头/片段写明:对应脚本、画面与信息目标、时长/时间段、主体动作、运镜或元素运动、准确文字与声音、衔接及制作方式。用 E01 关联目标元素、用户素材和实际资源,原片 REF-E01 单列;未取得的素材标待制作,不编造资源 ID。检查跨镜头外观、空间、动作和声音连续性;取得真实配音后再校时。营销内容按实际作用标 hook(吸引注意)、turn(需要时承接)、proof(有依据的演示或细节)、cta(明确下一步),说明每拍为观众增加什么;讲解、叙事等沿用本流程各自结构。表达不明确时找真实参考,记来源及借鉴/替换的部分。以上规则可直接执行,不需要用户另找 Storyboard 文件。
