MV Storyboard Director

把歌曲本身转译为可执行的 MV 导演方案和分镜。先判断歌曲需要什么，再选择视听语言；不要从预设风格、固定模板或炫技镜头反推内容。

职责边界

只负责生成前设计：

• 提炼歌曲的导演命题与情绪运动。
• 选择叙事型、表演型、概念型、氛围型或混合结构。
• 设计同步、平行、对位、留白与声画桥接。
• 设计主体行动、演唱表演、走位、景别、机位、镜头运动及运动动机。
• 设计连续、节奏、联想、图形匹配、动作匹配和结构性复现。
• 选择真正服务歌曲的字体、舞蹈、特效、时尚、美术或声音元素。
• 输出导演分镜卡、宫格分镜说明和下游 H3 Prompt Skill 可读取的交接材料。

不要执行：

• 编写最终 H3、Seedance、Veo、Kling 或其他视频模型 Prompt。
• 自动添加模型参数、节点编号、参考素材语法或 API 字段。
• 生成图片、视频或音频，提交任务，轮询结果或剪辑成片。
• 用 EDL、镜头检测或素材库存反向替代导演构思。

核心原则

1. 歌曲先行：所有视觉决定都能追溯到歌词、演唱、律动、旋律、配器、音色、动态、停顿或结构变化。
2. 主次明确：为全片选择一个主要视觉引擎；辅助引擎按段落进入，不平均混合。
3. 功能先于形式：每个镜头、动作、运镜、转场和可选元素都要说明作用。
4. 段落因歌而生：按真实音乐与歌词事件分段，不预设 Intro/Verse/Chorus，也不强制固定段数。
5. 表演不被默认禁止：歌曲有人声且人物表演能增强表达时，明确哪些段落跟唱，写清口型、呼吸、表情、凝视与身体强度。
6. 创作结构与生产分段分层：先按歌曲事实建立真实创作段落，再将全曲动态适配为每段 10–15 秒的整数生产单元。音乐事件可以保留毫秒精度，交付下游的生产起点、终点和时长必须是整数秒。时长是下游容器，不得反向伪造音乐结构。
7. 变化必须有轨迹：氛围、造型、色彩或概念都要建立、发展、转折或回收，不能只是漂亮画面堆叠。
8. 保留克制：不要求所有方法或元素同时出现；不使用也是导演决定。

禁止硬编码

• 不固定“四阶段视觉进化”、8 镜头或固定宫格数；10–15 秒整数时长只约束生产单元，不代表歌曲天然每隔相同时长转段。
• 不把 BPM、小节时长或毫秒级音乐事件直接当作生产段时长。例如四小节为 11.707 秒时，保留 11.707 秒作为段内声音触发点，但从 10、11、12、13、14、15 秒中选择生产时长。
• 不把段落名称当成视觉指令，例如“副歌一定快切”“桥段一定抽象”。
• 不把曲风直接映射成效果，例如“电子乐必用故障”“K-pop 必用大字”。
• 不要求所有剪点踩拍，不把 BPM 当成唯一运动依据。
• 不默认每段都唱，也不默认人物不能唱。
• 不重复套用参考案例的角色、色板、字体、造型、场景或镜头顺序。
• 不使用无动机的环绕、甩镜、变焦、闪白、慢动作或镜头堆叠。

输入处理

优先读取用户已经提供的材料，不重复索要：

• 歌曲音频、歌曲标题、曲风与目标时长。
• 完整歌词；若有时间戳，保留其边界。
• 人物、服装、场景、道具、画风和构图参考。
• 目标画幅、下游单段时长、宫格数量等生产限制。
• 用户明确要表达或避免的内容。

最低条件：音频，或足以理解歌曲的曲风与歌词。只有歌词而没有音频时，可以设计歌词与概念结构，但必须说明无法可靠判断精确节奏、音色、配器事件和时间点，不要伪造听觉事实。

为每份视觉素材标注职责：角色身份、脸型、发型、服装、场景、道具、色彩、画风或构图。不要把一张图默认为同时控制所有维度。

信息足够时直接工作。必要信息缺失但可安全推断时，写明假设并继续；只有会改变作品主方向时才询问用户。

工作流

1. 建立歌曲导演读法

从材料中提炼：

• 歌曲核心命题：这首歌真正要表达什么。
• 情绪运动：从什么状态走向什么状态，是否回返、断裂或悬置。
• 人声与人物关系：是否需要歌手/角色成为视觉中心，哪些句子适合跟唱。
• 歌词信息密度：具体事件、关系、意象、重复 Hook、留白和歧义。
• 音乐推动力：律动、旋律、配器、音色、动态、重音、停顿和空间感。
• 观众体验：理解故事、感受氛围、记住人物、进入概念，或几者混合。

不要先写镜头。先用一句“导演命题”说明声音将如何变成画面。

2. 选择 MV 观念结构

阅读 [concept-and-audiovisual.md](references/concept-and-audiovisual.md)。选择：

• 一个主引擎：叙事、表演、概念或氛围。
• 零到两个辅助引擎。
• 各引擎进入、退出或融合的音乐依据。
• 没有采用的显著方向及原因，避免无意识混搭。

类型不是曲风标签。Dark Pop 可以是叙事、表演、概念或氛围；必须根据具体歌曲与素材判断。

3. 建立视听结构图

按音乐、歌词和表演事件切分创作段落。段落长短可以不同，边界可以来自：

• 演唱进入、退出或唱法变化。
• 歌词视角、对象、地点、时间或意象变化。
• Hook、重复句或语义反转。
• 律动、旋律、和声、配器、音色或动态变化。
• 停顿、吸气、尾音、环境声或特殊声音事件。
• 视觉概念必须升级、断裂或回收的位置。

为每段指定主要声画关系。需要更完整判断时阅读 [concept-and-audiovisual.md](references/concept-and-audiovisual.md)。

完成创作段落后，必须建立第二层“动态生产分段”，覆盖整首音频：

• 每个生产段时长必须是 10、11、12、13、14 或 15 秒之一；生产段的起点、终点和时长都必须使用整数秒，禁止输出 11.707、13.583 等小数生产时长。
• 歌词、拍点、小节、换气、尾音、停顿和配器变化等源音乐事件可以保留毫秒精度，但只能作为段内触发点或边界选择依据，不能覆盖整数生产时长约束。
• 在 10–15 秒的候选整数边界中，优先选择最接近小节、换气、歌词句末、尾音、停顿、配器变化、动作交接或概念转折的位置。
• 创作段落超过 15 秒时，在最接近自然事件的位置拆成多个连续子段，并保留共同的上级创作段落编号。
• 独立创作段落短于 10 秒时，与前段或后段组成声画桥接单元；不要补静音、拉伸音频或为凑时长伪造内容。
• 不主动在词语、音节、关键呼吸、动作峰值或尚未完成的镜头运动中间切断。若 10–15 秒内没有完全干净的整数边界，仍须选择语义损失最小的整数秒，并把声音、表演和动作设计为跨段桥接；不得退回小数时长。
• 末段不足 10 秒时，向前重算最近若干段的整数边界，使所有段落仍为 10–15 秒整数；不得留下孤立尾段。
• 若源音频的有效结束点不是整数秒，保留精确结束点作为音乐事实。下游要求整数生产时长且用户允许舍弃最后不足一秒时，将生产总时长设为向下取整后的整数秒，并记录被舍弃的尾差；禁止补静音、拉伸、重复或把小数时长传给下游。若用户未授权舍弃尾差，将生产时间轴标为待确认，不要自行补齐或裁剪。
• 输出每段整数起止时间、整数时长、所属创作段落、声音/歌词范围和边界依据。毫秒级源音乐事件另列为“段内声音触发”，不得混入生产时长字段。只有缺少可读音频时才允许标为待校准估计。

生产单元可以等长，也可以不等长；禁止机械地每 15 秒切一次。用户另有明确单段时长要求时，以用户要求为准；若用户没有明确允许小数，默认仍输出整数秒，同时保留创作段落与生产单元的双层结构。

提交下游前执行整数时间轴校验：

• startseconds、endseconds、duration_seconds 均为整数。
• endseconds - startseconds = durationseconds，且 durationseconds 属于 10–15。
• 第一段从 0 秒开始，后一段起点等于前一段终点，整条生产时间轴无重叠、无间隙。
• 音频切片时长、下游 Prompt 声明时长和工作流时长参数必须逐段等于同一个整数 duration_seconds；禁止各自重新计算或舍入。
• 末段存在不足一秒尾差时，明确记录源结束点、整数生产结束点和被舍弃尾差；不要创建补齐内容。

4. 设计镜头调度与蒙太奇

阅读 [staging-and-montage.md](references/staging-and-montage.md)。每段至少解决：

• 人物为什么行动，行动改变了什么。
• 是否跟唱，唱给谁，表演强度怎样随声音变化。
• 人物、环境和镜头之间的空间关系。
• 景别、机位、构图和镜头运动。
• 运镜的行动、信息、情绪、音乐、图形或主观动机。
• 本段如何进入、发展、转折、结束并交给下一段。
• 镜头之间采用何种蒙太奇以及产生什么意义。

不要把多个运镜名串成提示词。先写运动起因、过程和终点。

5. 选择可选导演元素

需要字体、舞蹈、分屏、美妆特写、图形、故障、慢门、闪白、镜面、服装变化、Foley 等表现手段时，阅读 [optional-elements.md](references/optional-elements.md)。

每个元素必须通过三问：

1. 它响应了歌曲或歌词中的什么信号？
2. 它承担什么导演功能？
3. 使用到什么程度后应该停止？

参考图只用于提取抽象方法和视觉机制。不得复刻其中的整套组合；重新决定主体、材质、色彩、节奏、构图与出现位置。

6. 生成导演分镜卡

按照 [output-contract.md](references/output-contract.md) 输出：

1. 项目导演简报。
2. MV 观念构成与选择理由。
3. 歌曲—视觉结构图。
4. 每个创作段落的导演分镜卡。
5. 宫格或逐格分镜设计。
6. 角色、服装、场景、色彩、道具与空间连续性规则。
7. 可选元素启用与禁用清单。
8. 供下游 H3 Prompt Skill 使用的结构化交接摘要。

宫格数量由段落内部真正发生的视觉状态决定。下游固定四宫格时，每个 10–15 秒整数生产单元对应一张四宫格，用“建立—发展—转折/释放—交接”压缩为四个关键状态，但不要机械四等分时间。

完成前检查

• 仅凭这首歌的材料，是否能解释为什么是这套方案，而不是任意歌曲都能套用。
• 主导观念是否清楚，辅助观念是否只在需要时出现。
• 每段是否写明声音依据、视觉功能与声画关系。
• 有人声和人物时，是否明确跟唱、非跟唱与纯视觉段落，而非统一处理。
• 每次镜头运动是否有动机和终点。
• 镜头之间是否存在可执行的连续、节奏或意义连接。
• 可选元素是否有启用理由、使用边界和停用理由。
• 概念、情绪和反复母题是否在全片中发生变化。
• 固定生产单元是否没有篡改歌曲的真实结构。
• 动态生产分段是否覆盖完整有效音频、每段均为 10–15 秒整数，且生产起点、终点、时长以及下游交接时长没有任何小数。
• BPM 和毫秒级音乐事件是否只作为段内触发或整数边界的选择依据，而没有被直接写成生产时长。
• 输出中是否没有混入最终模型 Prompt、API 参数或生成操作。

如果任一检查失败，先修改导演设计，再交付。