| name | ponyo-ai-style-atlas-director |
|---|---|
| description | PONYO AI 风格导演图谱 v3.1.1 — 用户故事 × 视觉氛围转译 × 版权安全提示词 × 双引擎提示词编译 × 视频模型路由 × 风格锚导出。先把用户自己的故事/题材/角色/冲突补成可分镜的叙事骨架,再把宫崎骏/吉卜力、皮克斯、迪士尼、梵高、莫兰迪等传播名转译成商用安全的视觉DNA;生产提示词不写导演名、工作室名、角色名或具体 IP 名,只保留构图、色彩、光影、材质、情绪等可泛化视觉语言;按 ChatGPT Imagen 2 × NanoBanana2 双引擎分别编译图片提示词,按即梦/Seedance/可灵/Veo/万相路由视频提示词,并可把任意氛围导出为 prism-style-anchor 格式的风格锚卡跨技能复用。当用户说"帮我选风格""这个题材适合什么视觉氛围""某某风格改成商用安全提示词""要有高级氛围感""做封面/KV/海报""我的故事做成六宫格/八宫格故事板""15秒视频提示词""这图为什么不像目标氛围""把这个风格炼成锚"时,立即使用本技能。触发词:风格图谱、氛围转译、商用安全、版权安全、用户故事、故事板、视觉DNA、双引擎、ChatGPT生图提示词、风格锚导出。 |
| metadata | {"version": "3.1.1"} |
PONYO AI Style Atlas Director Skill
中文名:AI 艺术风格导演图谱 Skill 当前版本:V3.1.1 — 版权安全转译说明 × 双引擎编译 × 视频模型路由 × 风格锚导出版
Core Purpose
把用户模糊的视觉想法,变成可直接投产的创作包。V3 在 V2「视觉氛围转译」的基础上,解决三个生产断层:
- 同一份视觉 DNA,不同图片引擎要说不同的话 → 双引擎编译层(ChatGPT Imagen 2 × NanoBanana2)
- 同一个 15 秒脚本,不同视频模型有不同脾气 → 视频模型路由层(即梦/Seedance/可灵/Veo/万相)
- 转译好的氛围用完就丢,跨项目不能复用 → 风格锚导出层(对接 prism-style-anchor-framework)
V3 的完整链路:
用户故事/题材 → 叙事骨架 → 传播版名称 → 商用安全版转译 → 视觉 DNA
→ 双引擎图片提示词(ChatGPT Imagen 2 / NB2 各一版)
→ 视频模型路由提示词(按模型方言适配)
→ 风格锚卡导出(跨 Skill 复用资产)
→ 质检清单(含引擎级检查)
Default Usage Flow
当用户下载后询问如何使用,按这个顺序引导:
- 先收集用户自己的故事:用户可以给一句话梗概、角色设定、文章主题、产品故事、视频概念或完整脚本。故事板必须服务于用户要讲的故事。
- 补齐叙事骨架:如果用户只给题材,先补出“主角是谁、想要什么、遇到什么阻碍、发生什么转折、最后停在哪个画面”;不要直接凭风格生成空故事板。
- 再收集参考氛围:用户可以给一个熟悉的传播版风格名,也可以要求推荐 3 个视觉氛围。
- 先做商用安全转译:不要直接把传播版名称写进生产提示词;先转成描述性安全标签。
- 拆视觉 DNA:输出构图、色彩、光影、材质、镜头、情绪、适用场景和禁忌。
- 选择输出模式:根据用户目标进入封面/KV、信息图、六宫格/八宫格故事板、15s/30s 视频提示词或风格锚导出。
- 按引擎编译:图片默认输出 ChatGPT Imagen 2 和 NB2 两版;用户明确只用 ChatGPT Image 2 时,只输出 ChatGPT 版并给出首轮提示词与迭代提示词。
- 最后质检:检查是否仍含导演名、工作室名、角色名、Logo、标志道具、经典场景或过于接近的构图。
用户常用触发句:
用这个题材,帮我推荐 3 个商用安全的视觉氛围。
把这个参考风格转成 ChatGPT Image 2 可以直接用的封面提示词。
把我的故事扩展成六宫格故事板,并给我 ChatGPT Image 2 版提示词。
Critical Principle: Translate, Do Not Clone(V2 继承,不变)
当用户点名在世人物、工作室、受保护 IP 时,不复刻具体角色、Logo、标志道具、版权场景、专有设计。
流程:
- 承认用户熟悉的参考名 = 传播版名称(用于社交/教学命名)。
- 转译成描述性的 商用安全版风格名(用于实际提示词)。
- 提示词中只使用视觉 DNA 描述词。
- 除非用户拥有授权素材,移除具体角色名、Logo、专有场景细节。
- 输出聚焦氛围、视觉语法、艺术指导。
传播版:宫崎骏风格
商用安全版:日系手绘治愈动画风
实际提示词:hand-painted Japanese animated film atmosphere, airy countryside,
soft clouds, gentle natural light, lyrical everyday wonder, warm grounded emotion
完整映射表:data/commercial_safe_aliases.yaml、data/director_ip_atmosphere.yaml。
Copyright-Safe Translation Mechanism
这个 Skill 的机制不是绕过版权审核,而是前置版权风险清理:在提示词进入生成模型之前,把高风险的专有名称和可识别元素换成抽象的视觉语言。
执行规则:
- 传播版名称只用于理解用户意图:可以在解释里承认“你说的是某种熟悉氛围”,但生产提示词中不要写导演名、工作室名、演员名、角色名或具体 IP 名。
- 只写可泛化的视觉 DNA:镜头距离、构图结构、色彩关系、光影类型、材质、笔触、情绪、叙事节奏。
- 删除专有可识别元素:角色脸、服装剪影、Logo、标志道具、经典场景、专属建筑、海报构图和台词梗都要移除。
- 保留禁忌句:每个生产提示词末尾写清“不要出现……”,防止模型向原 IP 或具体作者靠拢。
- 优先原创主体:角色、建筑、产品、场景都应写成原创,而不是“某角色的变体”。
安全改写示例:
用户说法:想要迪士尼童话风
商用安全版:华丽童话城堡动画感
生产提示词:原创梦幻城堡与尖塔剪影,黄金时刻晚霞,湖面倒影,浪漫花园,
精致动画背景,温柔光晕,庄重又梦幻的童话仪式感。
负向控制:不要复制具体城堡、具体公主角色、Logo、经典场景、过度闪粉和廉价页游梦幻感。
判断标准:如果删除传播版名称后,提示词仍能清楚描述画面,并且不会指向某个可识别 IP/导演/工作室,那才是合格的商用安全转译。
Style Recommendation Formula(V2 继承)
主氛围 60–75%:决定画面骨架、镜头语言和主要质感
辅助风格 15–30%:补充情绪、色彩或文化语境
点缀元素 5–15%:加入识别度,但不能喧宾夺主
推荐时给出百分比权重 + 选择理由 + 不推荐的方向。
V3 Layer 1 — 双引擎提示词编译(ChatGPT Imagen 2 × NanoBanana2)
同一份视觉 DNA,必须按两种"引擎方言"分别编译。默认图片输出同时给两个版本,用户指定引擎时只给对应版本。两个引擎都是自然语言系,但用法完全不同:ChatGPT 是对话式导演,NB2 是一次性讲戏。
ChatGPT Imagen 2 方言(对话迭代引擎)
- 首轮指令 = 结构化场景描述:一段完整描述 + 明确的画幅声明(写在句子里:"竖版 3:4 构图"),无参数语法
- 迭代指令是它的核心优势:首轮之后用追加指令精修——每轮只改一件事,并显式声明保持项("保持构图和人物不变,只把光改成黄昏"),防止整图重绘
- 指令动词前置:生成/修改/替换/保留,让模型先知道这轮要干什么
- 文字渲染强:海报标题、中文字排版可直出,写明文字内容、位置、字体气质
- 角色一致性:上传参考图 + "保持此人物特征" 指令,不用参数
- 负向控制写成明确指令:"不要出现现代赛博元素、明亮日光"
编译公式:
首轮:[画幅声明] + [主体与场景整段描述] + [光线/材质/色彩/情绪句] + [文字排版需求] + [不要出现…]
迭代:[保持 X 不变] + [只修改 Y] (一轮一件事)
NanoBanana2 方言(叙述式引擎)
- 自然语言整段描述:像给摄影指导讲一段话,一次讲完,语义连贯优先于关键词堆叠
- 中英文皆可,视觉 DNA 写成完整句子:谁、在哪、什么光、什么材质、什么情绪
- 禁止项写成"画面中不出现……"的自然语句
- 文字/排版需求可直接描述(NB2 文字渲染能力较强,封面标题可写明字体气质与位置)
- 产品/品牌项目:写明产品几何必须准确、色码与材质可信
两引擎分工建议
| 场景 | 首选 |
|---|---|
| 需要反复精修同一张图(改光/换景/调排版) | ChatGPT Imagen 2(对话迭代) |
| 一次出图、批量出分镜格 | NB2(一次讲清) |
| 带中文标题的封面/海报 | 两者皆可,均写明文字内容与位置 |
编译示例(雨夜胶片都市感 → 霓虹胶片都市孤独感)
【ChatGPT Imagen 2 · 首轮】
生成一张竖版 3:4 的电影感画面:雨夜老城街道,一位女性的侧脸在霓虹招牌的红绿
混合光里,玻璃反射与湿润墙面把光揉碎在她身后,胶片颗粒明显,近距离 85mm 视角,
情绪暧昧克制。不要出现现代赛博元素、明亮日光和干净的商业海报感。
【ChatGPT Imagen 2 · 迭代示例】
保持人物、构图和红绿光不变,只把街道雨量加大,地面反射更明显。
【NB2】
雨夜的老城街道,一位女性的侧脸在霓虹招牌的红绿混合光里,玻璃反射与湿润墙面
把光揉碎在她身后。胶片颗粒明显,近距离 85mm 视角,情绪暧昧而克制,像一句没有
说出口的话。画面中不出现现代赛博元素、明亮日光和干净的商业海报感。
V3 Layer 2 — 视频模型路由(Video Model Router)
15 秒视频提示词不再输出"一段全英文长文"。先按镜头类型路由模型,再按该模型的方言写提示词。路由表见 data/video_model_router.yaml。
三条铁律(继承 video-prompt-craft,先于一切技巧)
- 长度纪律:中文提示词 30–100 词最佳。写完先删,删到每个词都有用。
- 一条提示词只管一件主要的事:复杂需求拆成多镜头公式或多次生成。
- 图生视频只写「运动 + 运镜」:图像已锁定主体/场景/风格,重复静态信息会诱发重绘崩坏。
路由速查
| 镜头类型 | 首选模型 | 方言要点 |
|---|---|---|
| 情绪氛围/空镜/风格化画面 | 即梦 / Seedance | 30–100 中文词;多镜头用「编号+时间戳」公式 |
| 对白/口播/需要声音 | Veo 3+ / 可灵 2.6+ / 万相 2.5+ | 音画同出:台词加引号锁定;人声/音效/BGM 分别描述;不要就写"无台词/无背景音乐" |
| 大幅度动作/物理运动 | Seedance | 运动写「幅度+速率+作用效果」,运镜写「方向+速度+主体关系」 |
| 首尾帧转场/无缝衔接 | 即梦(支持首尾帧的模型) | 只描述两帧之间的动态过程;固定不想动的要素("固定镜头""固定水平线") |
| 风格锚定的图生视频 | 任意 I2V 模型 | 先用双引擎(ChatGPT/NB2)出首帧图,再套图生视频公式(运动+运镜) |
15 秒视频输出结构(V3 版)
- 节拍表:0–3s / 3–6s / 6–9s / 9–12s / 12–15s,每拍一句话
- 模型路由建议:这条片建议用哪个模型、为什么
- 主提示词(按所选模型方言写,遵守三条铁律)
- 备选方言:如用户换模型,标注需要改哪几处(而不是重写全文)
- 负向运动控制:跳切/瞬移/变形/主体闪烁等按模型写法排除
模板:templates/video_prompt_router_template.md。
V3 Layer 3 — 风格锚导出(Anchor Export Bridge)
任何一次氛围转译的成果,都可以一键导出为 prism-style-anchor-framework 标准五维锚卡,存入风格锚库跨项目复用(换皮不换骨)。
当用户说"把这个风格存下来/炼成锚/以后还要用",或完成一次高质量转译后,主动提议导出。
导出映射规则
| 锚卡五维 | 从 Style Atlas 的哪里取 |
|---|---|
| ① 对白法则 | 视觉图谱默认不产对白 → 填「旁白/文案气质法则」(3 条:这种氛围下文案怎么写/绝不怎么写) |
| ② 叙事手法 | visual_dna.emotion + 该氛围的典型叙事节奏 |
| ③ 镜头调度 | visual_dna.camera + composition |
| ④ 调色与质感 | visual_dna.color + lighting + texture |
| ⑤ few-shot 范例 | prompt_core_zh/en + 本次项目实际生成的最佳提示词(越具体越好) |
| 禁忌 | visual_dna.avoid + 商用安全禁令(角色/Logo/专有场景) |
每张导出锚卡末尾必须有「注入用一句话」,格式:
「风格锚=[商用安全版名]:镜头[X],调色[Y],情绪[Z],禁[W]。」
导出文件命名:anchor_style_[氛围名].md,模板见 templates/anchor_export_template.md。
Output Modes(V3)
Mode A — Visual Atmosphere Translation
用户点名动画、工作室、艺术史或视觉氛围时使用。输出:传播版名称 → 商用安全版转译 → 氛围拆解 → 双引擎提示词(ChatGPT Imagen 2 + NB2)。
Mode B — Style Diagnosis
"这是什么风格 / 怎么高级一点"。输出:风格标签、氛围 DNA、优点、风险、改进方向、提示词重写(双引擎)。
Mode C — Style Recommendation
用户只给题材。输出:推荐氛围组合(含权重)、理由、不推荐方向、最终提示词包。
Mode D — Dual-Engine Prompt Generation
图片提示词请求默认走此模式。输出:ChatGPT Imagen 2 版(首轮+迭代指令)+ NB2 版 + 负向控制 + 画幅建议 + 精简版(800 字内)。
Mode E — Style-to-Storyboard
六宫格/八宫格/九宫格。先锁定用户故事:一句话梗概、主角、目标、阻碍、转折、结尾定格;若用户只给题材,先补 3–5 句故事骨架并标注“可修改”。再输出故事板标题、逐格视觉规划、主体连续性规则、镜头连续性规则、单张合成图提示词(双引擎)。九格默认叙事弧:格1建立→格5核心事件★→格9定格,格5必须是视觉最强画面。
Mode F — Style-to-Video(Model-Routed)
15s/30s 视频。按 V3 Layer 2 输出:节拍表 → 模型路由建议 → 主提示词(所选模型方言)→ 换模型改法 → 负向运动控制 → 声音设计(音画同出模型时)。
Mode G — Full Campaign Pack
完整投放包。输出:用户故事/传播主题 → 主视觉方向 → 封面双引擎提示词 → 3–6 个衍生卡方向 → 故事板 → 路由后的视频提示词 → 社交文案 → QA 清单 → (提议)风格锚导出。
Mode H — Anchor Export
"把这个风格炼成锚/存进风格库"。按 V3 Layer 3 输出标准五维锚卡 + 注入用一句话。
与其他 Skill 的协作(V3 新增)
- prism-director-pro:需要完整分镜/项目圣经/场景调度时移交;双引擎理念与其「双引擎模式」一致,本版引擎组合为 ChatGPT Imagen 2(对话迭代)× NB2(叙述式)
- video-prompt-craft:视频提示词的公式细节(多镜头公式、声音三分法、运镜词典)以它为准;本技能负责"风格 DNA → 提示词"的编译
- prism-style-anchor-framework:Mode H 的导出目标;锚卡结构以其
锚结构标准.md为准 - human-texture-engine:Campaign Pack 中的社交文案/旁白需要降 AI 味时移交
- cover-anchor-system:小红书/公众号封面的信息密度排版归它管,本技能只供风格与提示词
Default User Preferences(V2 继承 + V3 增补)
除非用户明确要求:
- 偏好电影级、克制、不廉价的画面;清晰视觉氛围优先于通用关键词
- 避免过量粒子、随机光斑、霓虹 HUD、廉价科幻 UI、AI 高光腻子感
- 中国文化视觉避免廉价古装剧滤镜和过饱和红金
- 产品广告保持产品几何准确、材质可信
- 故事板保持主体、方向、光源、运镜连续性
- 视频运镜必须物理可信、有叙事动机——没有动机就不动镜头
- 画面出现文字时提醒:最终 Logo 建议后期合成;但 ChatGPT 与 NB2 文字渲染都较可靠,封面标题可尝试直出
- ChatGPT 迭代指令一轮只改一件事,且必须显式声明保持项,防止整图重绘
质检清单(V3 引擎级)
氛围层
- 是否只像"通用风格",缺少清晰的视觉氛围 DNA?
- 是否出现具体 IP 角色、Logo、专有场景?
- 光影、构图、材质、情绪是否统一?
引擎层
- ChatGPT 版首轮是否含画幅声明、指令动词前置、负向控制?迭代指令是否一轮一件事并声明保持项?
- NB2 版是否语义连贯、禁止项写成自然语句?
- 两版是否表达同一套视觉 DNA(只是方言不同)?
视频层
- 中文提示词是否在 30–100 词内?
- 一条提示词是否只管一件主要的事?
- 图生视频是否误写了图中已有的静态信息?
- 每个运镜是否写清「方向+速度+主体关系」?
- 不想要的东西是否显式排除(固定镜头/无台词/无背景音乐/生成单镜头)?
资产层
- 高质量转译是否提议了风格锚导出?
- 导出锚卡是否有「注入用一句话」?
Quality Bar
强输出的标准:
- 像创意总监做过视觉决策,风格有清晰的氛围 DNA
- ChatGPT 和 NB2 两版各说各的方言,但骨相相同
- 视频提示词有模型意识:知道这条片该喂给谁、怎么说它才听话
- 故事板有镜头逻辑和视觉连续性
- 商用安全版保住了"味",但没有抄任何受保护的角色和场景
- 好风格沉淀成锚,下个项目直接注入
弱输出的常见死因:
- 只会"电影感/高级/梦幻"这类空词
- 点名大师却不拆视觉 DNA
- 一份提示词喂所有引擎和模型
- 图生视频把首帧图的内容又写了一遍
- 视频提示词写成 200 词的作文,模型注意力被稀释
- 风格用完即弃,每个项目从零开始
