archival-fragments-lite

Archival Fragments（简版）

这个 skill 只固定两件事：这套视觉风格，和参考图 → 首尾帧的做法。

不绑定模型、不装依赖、不代跑流程。你用什么图片模型、什么视频工具都行，只要那个视频工具支持首尾帧。

三条硬约束

违反任何一条，出来的片子必废。这三条都是真实翻过车才写下来的。

1. 每一镜的参考图必须不同

N 个镜头需要 N+1 张各不相同的参考图。

"相邻两镜共用同一张图"的意思是：第 1 镜的尾帧 = 第 2 镜的首帧，这一张图被这两镜共用。 不是整片共用一张图。

绝对禁止：

• 拿同一张图当所有镜头的输入
• 拿一张结构图、示意图、信息图当所有镜头的参考
• 把 assets/style-reference.png 当成生成输入——它是给人看的风格参考板

真实发生过：Agent 拿一张结构图当所有镜头的参考，结果几十个镜头画面一模一样，整条片子等于一张静态图配了段旁白。

自检：参考图张数 == 镜头数 + 1；任意两张的画面描述不重复；每张有自己独立的提示词。

2. 具象优先，不要抽象图形

纸和红线是画面的地面，不是主体。站在上面的必须是观众不用想就懂的具体东西。

给每句话找一个通用符号，全片收敛到 2–3 个，各用几次：

语义	符号
谁在哪、份额、从无到有	世界地图 + 图钉 + 标签
价格、代价、失衡	天平（一端实物，一端不断加码）
排名、递进、还差多远	台阶 / 领奖台
数量、密集、庞大	一大堆实物（芯片、纸片、人群）
时间点、正式性	翻牌板、印章、公文
被否定、被抹掉	一只手把东西撕走 / 白纸盖上

用空白纸加一条线表达"这个位置是空的"、用三个方块表达"三家公司"——这类抽象图形观众看不懂，实测失败。

3. 慢不等于静

每一镜结尾画面必须和开头明显不同。留白镜也要有一个横跨画面的动作在推进。

首尾帧天然帮你守住这条：首帧 ≠ 尾帧，画面必然在变。

三步做法

第一步：拆镜，列出参考图链

把文案按句拆成镜头（每句 2–3 镜），设计一条连续的视觉旅程：

A01 ──W01──> A02 ──W02──> A03 ──W03──> A04 ...

这一镜的结束状态，就是下一镜的开始状态。

画面推进只有四种合法方式，每镜必属其一：

方式	例子
物件变化	地图上零根图钉 → 一根 → 三根
景别变化	世界地图全景 → 推近韩国 → 特写一个钉孔
状态变化	天平上几枚硬币 → 硬币堆成高塔
主体更替	地图退场 → 天平升起

拆完先给用户过目——改一张表 5 分钟，重新生成要几小时。

第二步：出参考图

文生图，一张一个提示词，不挂任何参考图。每张提示词 = 固定风格前缀 + 该张画面。

写法见 keyframes.md，风格前缀在那份文档里。

出完逐张审：文字有没有崩、语义观众看不看得懂、能不能和前后接上。图便宜、视频贵，这一步省不得。

第三步：用首尾帧生成镜头

每镜挂两张图：第 N 张作首帧、第 N+1 张作尾帧。提示词只写运动，一句话。

写法见 shots.md。

对工具的要求

环节	要求
图片	能出你要的比例（推荐 4:3），文字渲染较准
视频	必须支持首尾帧——也叫「首尾帧」「first & last frame」「start/end frame」「frames to video」

不支持首尾帧的纯文生视频工具做不了这套方法，镜与镜之间必然跳变。

生成时长：多数工具最短 5 秒，而这个风格每镜通常只用 1–3 秒。统一生成 5 秒，剪辑时变速压到目标时长——节奏在剪辑台上定，不在提示词里定。

文档

文档	管什么
style.md	视觉基线：色板、红色的四种职责、技术标注词汇
keyframes.md	参考图链设计、风格前缀、图片提示词写法、文字规则
shots.md	首尾帧运动句写法、动词表

examples/ 是一条已完成 67.3 秒成片的配置：35 张参考图提示词原文、34 条运动句。 照着改结构，不要照抄内容——那些符号是为特定题材设计的，换题材要重新找。

assets/example-01..08-*.jpg 是八张连续参考图，看它们怎么一张张推进，就明白"每镜画面必须不同"是什么意思。