視頻分鏡提示詞Skill，詳細製作過程分享！

---
name: script-to-video-prompts
description: 短劇劇本轉視頻提示詞生成器。將用戶上傳的短劇劇本文檔智能拆解為可直接用於AI視頻生成的完整中文提示詞體系。輸出包括：角色設定提示詞、場景設定提示詞、逐鏡頭分鏡提示詞。支持批量處理、多格式導出、一致性校驗。當用戶說"劇本轉視頻提示詞"、"拆解劇本生成分鏡"、"短劇轉視頻"、"批量生成分鏡提示詞"、"劇本可視化"時觸發。
---
# 短劇劇本轉視頻提示詞生成器
將短劇劇本文檔智能拆解為可直接用於AI視頻生成的完整中文提示詞體系，支持自動化批量處理。
## 用戶輸入
- 短劇劇本文檔（Word/PDF/TXT/Markdown/Final Draft .fdx）
- 可選：風格參考圖片、角色參考圖片、已有角色設定表
## 工作流程
### 1. 劇本智能解析
使用 `scripts/parse_script.py` 解析劇本：
- 自動識別劇本格式（標準編劇格式/自由格式）
- 提取場次(Scene)、場景描述(Action)、角色對白(Dialogue)、動作指示(Parenthetical)
- NLP分析：情緒曲線、節奏變化、畫面密度
- 自動生成場次時長估算
### 2. 角色設定提取
使用 `scripts/character_extractor.py` 提取角色信息：
- 基礎外貌（年齡、性別、體型、五官特徵）
- 髮型髮色、膚色
- 服裝造型（支持多場次服裝變化追蹤）
- 角色氣質/性格的視覺化表達
- 標誌性道具/配飾
輸出格式參考 [references/character_template.md](references/character_template.md)
### 3. 場景設定分析
使用 `scripts/scene_analyzer.py` 分析場景：
- 場景類型（室內/室外、具體地點）
- 空間結構、關鍵道具佈置
- 光線設計（光源類型、方向、強度、色温）
- 色彩基調、視覺氛圍
- 天氣/時間/季節
輸出格式參考 [references/scene_template.md](references/scene_template.md)
### 4. 分鏡提示詞生成
使用 `scripts/storyboard_generator.py` 生成分鏡：
- 鏡頭編號（場次-鏡號）
- 景別（大特寫/特寫/中近景/中景/中遠景/遠景/大遠景），詳見 [references/shot_terminology.md](references/shot_terminology.md)
- 畫面構圖（三分法位置、視線引導）
- 角色動作、表情、站位
- 運鏡方式（固定/推/拉/搖/移/跟等），詳見 [references/shot_terminology.md](references/shot_terminology.md)
- 情緒氛圍關鍵詞，詳見 [references/mood_keywords_library.md](references/mood_keywords_library.md)
- 建議時長（秒）
- 轉場方式
### 5. 一致性校驗
使用 `scripts/consistency_checker.py` 校驗：
- 角色跨鏡頭一致性控制
- 場景連續性檢查
- 光影風格統一性校驗
- 詳見 [references/consistency_control.md](references/consistency_control.md)
### 6. 導出
使用 `scripts/export_utils.py` 導出：
- 支持格式：Markdown/JSON/CSV/Excel
- 支持按場次/角色/場景分類導出
- 可生成可視化分鏡腳本
## 輸出結構
```
一、項目元數據
   - 片名、集數、總時長、場次數
二、風格總設定
   - 畫面風格、色彩體系、光影風格
三、角色設定庫
   - JSON結構化數據 + 自然語言描述
四、場景設定庫
   - JSON結構化數據 + 自然語言描述
五、完整分鏡提示詞
   - 按場次順序排列，提示詞全部使用中文
六、一致性參考表
   - 角色/場景一致性種子詞
```
## 參考文件
### scripts/（自動化腳本）
- `parse_script.py` - 劇本解析器
- `character_extractor.py` - 角色信息提取
- `scene_analyzer.py` - 場景分析
- `storyboard_generator.py` - 分鏡生成
- `consistency_checker.py` - 一致性校驗
- `export_utils.py` - 多格式導出
- `prompt_optimizer.py` - 提示詞優化
### references/（規範文檔）
- `screenplay_format_spec.md` - 劇本格式規範
- `character_template.md` - 角色設定模板
- `scene_template.md` - 場景設定模板
- `shot_terminology.md` - 景別/運鏡術語詞典
- `mood_keywords_library.md` - 情緒氛圍關鍵詞庫
- `video_style_guide.md` 視頻風格指南
- `consistency_control.md` - 一致性控制指南
- `prompt_patterns.md` - 高效提示詞模式庫
### assets/（模板資源）
- `storyboard_template.csv` - 分鏡腳本CSV模板
- `export_template.html` - 可視化導出HTML模板

幫我生成腳本，用於把原始劇本內容（支持 `txt/md/docx/pdf/fdx`）解析成結構化 JSON，要求自動識別並分類：場景標題（INT/EXT 或“第X場/場景X”）、角色名、對白、動作、轉場，並輸出中文字段：`標題`、`場景列表`、`全角色`、`全地點`、`總時長秒數`、`元數據`（含`場景數`、`角色數`、`地點數`），其中每個場景至少包含`場景編號`、`場景標題`、`地點`、`時間段`、`內外景`、`角色`；規則是“上一行是角色名則下一行優先判定為對白，否則判定為動作”，沒有場景標題時自動創建默認場景，空行跳過；重點先保證穩健性和通用性，不追求複雜算法，優先做到“任何劇本或任意文本內容都能讀入並形成場景列表”；支持通過命令行傳入文件路徑並輸出格式化 JSON，代碼儘量清晰、註釋簡單、依賴缺失時提示安裝。

生成一個通用劇本解析腳本，能讀取常見文本格式並智能分析內容，自動識別場景、角色、對白、動作和轉場，輸出清晰的結構化 JSON；要求優先保證穩定可用，即使輸入不規範也能自動補默認場景並正常返回結果。

SKILL.md + scripts/ + references/ + assets/。  

你是一個 Skill 開發助手，幫我從零構建一個「劇本轉視頻分鏡提示詞」Skill。請按以下規格和順序執行，不可跳步，不可合併步驟。

---
【第一步：工作流程定義】
這個 Skill 的工作流程是：先解析劇本結構，識別出幕、場景、對白和動作描述；然後提取所有角色，為每個角色生成設定；接着分析所有場景，為每個場景生成設定；再把每個場景拆解成具體鏡頭，生成分鏡提示詞表；之後對每條提示詞做優化，確保它足夠具體、包含必要的視覺參數、並且與角色和場景設定一致；然後做一致性檢查，交叉比對角色、場景與分鏡之間的偏差；最後按用戶要求的格式導出。不可以跳步，不可以合併步驟。如果用戶沒有特別要求改變流程，永遠執行完整的七步。
【第二步：輸入規格定義】
支持接收 txt、md、docx、pdf 和 fdx 格式的劇本文件。最低可運行的輸入是一個劇本文檔，哪怕只是一段話甚至一句核心概念也能啓動流程，但必須在開始前告訴用戶：當前輸入信息有限，後續生成內容的風格一致性和走向可能不完全可控，建議補充更多信息。推薦的輸入是劇本加上角色參考圖、風格參考圖、目標畫幅比例、目標時長、以及希望的視覺風格關鍵詞。用戶提供的參考圖永遠優先於自己的推斷。
【第三步：最終產出定義】
最終產出：一份角色設定文檔，包含每個角色的外貌、服裝、氣質關鍵詞和可用於 AI 生圖的完整提示詞；一份場景設定文檔，包含每個場景的空間描述、光線類型與方向、主色調和氛圍詞；一份完整的分鏡提示詞表，按照幕、場景、鏡頭三級結構組織；一份一致性檢查報告，標註角色和場景在不同鏡頭之間的視覺偏差；最後是以上所有內容的導出文件，支持 CSV、Markdown、Excel 和 HTML 格式。這五樣東西是這個 Skill 存在的全部目的，任何中間步驟都是為了最終產出它們。
【第四步：統一結構規範】
分鏡提示詞表按第 X 幕第 X 場景組織，每個場景的提示詞表包含以下字段：鏡頭編號、景別、畫面描述、構圖、運鏡、光線、色調、氛圍、時長、鏡頭角度、提示詞。先生成這個統一的表格模板，後面所有腳本都讀寫這個模板並按此格式輸出。
【第五步：references 內容】
生成以下規範文檔：劇本格式規範、鏡頭術語表、情緒詞庫、提示詞模板、一致性檢查指南。每個文檔獨立成文件，方便後期單獨修改。
【第六步：assets 內容】
基於第四步的結構規範，生成以下可複用模板文件：分鏡 CSV 模板、角色提示詞模板、HTML 導出模板、速查表。
【第七步：劇本解析腳本】
寫一個腳本，能讀劇本文件，分出場景、角色、對白和動作，最後輸出為 JSON 格式。代碼清晰精煉、註釋清楚。
【第八步：角色提取腳本】
從解析結果裏提取角色檔案，包含性別、年齡段、體型、髮型、關鍵詞。為每個角色輸出一段可直接用於 AI 生圖的提示詞描述。
【第九步：場景分析腳本】
從每個場景裏提取地點、室內外、時間段、光線、氛圍，為每個場景生成一條基礎視覺提示詞。
【第十步：分鏡生成腳本】
按場景自動拆成鏡頭，至少包含建立鏡頭、角色出場、對話鏡頭，每個鏡頭嚴格按照第四步定義的字段輸出。
【第十一步：提示詞優化腳本】
對所有鏡頭提示詞做統一處理：術語標準化、去重複、補質量詞、輸出質量打分。參考 references/ 中的提示詞模板和鏡頭術語表。
【第十二步：一致性檢查腳本】
檢查角色跨鏡頭是否漂移、場景是否跳變、光線是否變化突兀，輸出「問題 + 修復建議 + 複用規範提示詞」報告。
【第十三步：導出腳本】
將所有產出內容導出為 JSON、CSV、Markdown 三種格式，HTML 格式基於 assets/ 中的 HTML 模板生成。
【第十四步：測試】
用 2-3 份不同類型的劇本跑全流程，重點檢查：字段是否缺失、鏡頭是否正確生成、提示詞是否符合 references/ 中的規範。發現問題後定位到對應腳本，只修改該腳本，不動其他文件。告訴我每份劇本的測試結果和發現的問題。
【第十五步：封裝 SKILL.md】
基於以上所有內容，生成完整的 SKILL.md 文件，包含：定位說明、觸發方式、完整七步流程說明、輸入要求、輸出目標、文件目錄結構。
---
所有文件生成完畢後，輸出完整目錄結構，以及如何用一份測試劇本跑通全流程的指南。