happyhorse-prompt-studio

HappyHorse 提示词工作室

一项分为 4 个阶段的引导式技能，可将“我想制作一段视频”转化为可直接投入制作的 HappyHorse 提示词——从灵感出发，而不是面对一张白纸。

概述

这项技能会引导 Agent 进行结构化对话：

Phase 1 · 灵感菜单 (Inspiration)    →  "Here's what's possible"
Phase 2 · 需求发现 (Discovery)      →  "What do YOU want to make?"
Phase 3 · Prompt 组装 (Assembly)    →  "Let me build it for you"
Phase 4 · 质量检查 (Quality Check)  →  "Here's your prompt — want to tweak?"

阶段 1 · 灵感菜单

**每次对话都从这里开始。**在提出任何问题之前，先向用户展示 HappyHorse 能做什么。将这些选项呈现为四种“风格”——每一种都通向一个不同的创意世界。

使用用户正在使用的语言（日语／中文／英语）。以下描述以英语写成，供 Agent 参考——请翻译成符合用户语言的内容。

---

风格 A · “让你的角色开口说话”

配音漫画剧

你有一部漫画、网络漫画或原创故事。你画好了角色，写好了对白——现在想让他们开口说话。

上传 2-3 张角色参考图和一段简短剧本。HappyHorse 会生成一段 15-30 秒的配音剧，让角色交谈、表现情绪，并在不同镜头间保持视觉一致。还包含口型同步。

**风格：**电影配音遇上漫画动画。你的角色，他们的声音。

风格 B · “一张角色立绘，开口自我介绍”

角色语音 PV

你有一个游戏角色、一位 VTuber 或一个原创 OC。你想制作一段简短的 8-10 秒 PV，让他们介绍自己——或者发出战斗呐喊。

上传 1-3 张角色美术图和一两句台词。HappyHorse 会生成一段配音并同步口型的角色 PV。

**风格：**角色亮相预告片。一张插画、一种声音、一支 PV。

风格 C · “让一格漫画活过来”

漫画分格动态化

你有漫画分格、漫画页面或插画场景。你想把它们变成 5-10 秒的动态片段——非常适合社交媒体。

将一格漫画作为首帧上传。HappyHorse 会为其添加动画，同时保留你的美术风格。

**风格：**你的画作，仿佛有了生命。头发会飘动，眼睛会眨动，风会吹拂。

风格 D · “你的虚拟偶像，30 秒变成 MV”

虚拟偶像 MV

你有一位虚拟偶像、一个 VTuber 团体或一个原创偶像企划。你想制作一支 MV——包含舞台灯光、口型同步演唱和多镜头编舞。

上传 3-5 张角色多角度图片和一段已获授权的歌曲片段。HappyHorse 会生成一段 30 秒的 MV。

**风格：**让你的偶像站上舞台中央。不需要 Live2D。不需要 MMD。只需一个提示词。

⚠️ **注意：**此场景需要最严格的合规防护措施。我们会一起检查。

---

如何介绍菜单

以轻松对话的方式介绍这四种风格，而不是干巴巴地罗列。可以这样说：

“HappyHorse 可以用几种不同的方式让你的角色活起来。可以把它们看作四种风格：

A · 配音剧——你的漫画角色相互交谈，并配有声音和口型同步 B · 角色 PV——你的游戏角色或 OC 大声介绍自己 C · 漫画分格动态化——单格漫画开始动起来，头发飘动，眼睛眨动 D · 偶像 MV——你的虚拟偶像在舞台上表演一支 30 秒的 MV

哪一种最接近你想做的内容？或者告诉我你的项目，我来帮你推荐。”

如果用户已经知道自己想要什么，就跳到阶段 2。

---

阶段 2 · 需求发现

选定一种风格后（或用户描述了自己的场景后），提出以下问题。**以自然对话的方式提问，不要像填写表格一样。**将相关问题放在一起。

2.1 角色与世界

• 角色叫什么名字，担任什么角色？（主角／反派／配角）
• 他们长什么样？（头发、眼睛、服装、配饰、标志性物品等）
• 他们给人的性格感觉如何？（冷酷／活泼／害羞／神秘／开朗）
• 场景发生在哪里？（学校天台／奇幻城堡／霓虹城市／咖啡馆等）

2.2 场景意图（场景意图）

• 这个场景中发生了什么？（告白／战斗／静谧时刻／集体舞蹈）
• 希望观众感受到什么情绪？（心动／肾上腺素飙升／怀旧／兴奋／平静）
• 输出时长是多少？（5s／10s／15s／30s）

2.3 声音与音频（声音与音频）

• 角色会说话吗？如果会：
  • 使用什么语言？（日语／中文／英语）
  • 声线类型？（年轻女性／年轻男性／儿童／成熟／年长）
  • 声音色彩？（明亮／低沉／柔和／有力／冷酷）
  • 说什么？（提供确切台词，或让我帮忙建议）
• 背景音频？（静音／环境音／BGM 风格）

2.4 视觉风格（视觉风格）

• 艺术风格参考？（动漫／照片写实／Pixar／水彩／像素艺术等）
• 色彩方案？（暖色／冷色／霓虹／柔和色／高对比度）
• 镜头偏好？（特写／中景／远景／旋转／缓慢推进／静止）

2.5 合规快速检查（合规快检）

继续之前，请确认：

• ☐ 角色是你原创创作的，或已获得适当授权？
• ☐ 角色是否描绘为年满 18 岁（尤其是偶像场景）？
• ☐ 服装是否适合所有观众（无挑逗性或暴露服装）？
• ☐ 场景是否适合所有观众（无卧室／泳池等敏感地点）？
• ☐ 如果有音乐，是否为已获授权或原创音乐（非商业歌曲）？

如果有任何一项回答为“否”，请暂停并建议替代方案——不要继续生成不合规的提示词。

---

第 3 阶段 · 提示词组装（Prompt 组装）

现在使用HappyHorse 公式编写提示词：

场景 (Scene) + 主体 (Subject) + 動き (Motion) + 音声 (Audio) + 品質修飾 (Quality)

3.1 公式（公式）

组成部分	作用	示例（JP）
场景 Scene	地点 + 时间 + 氛围	夕暮れの古城の庭、金色の逆光、落ち葉が舞い散る
主体 Subject	人物 + 外貌 + 状态	甲冑とマントをまとった若い剣士が、剣の柄に手を添えて立っている
动作 Motion	发生什么 + 镜头运动	剣士がゆっくり顔を上げ、カメラが全身から胸像へとゆっくり寄る
音频 Audio	台词 + 声线类型 + 环境音 + BGM	[剣士、ネイティブな日本語、低めの落ち着いた青年声] 言う：「俺の刃は、守るためにある。」背景に風、鐘の音
质量 Quality	风格 + 一致性约束	映画級質感、リアルな光影、キャラの表情と装備が維持

3.2 R2V 角色一致性语法

用户提供多张参考图时，使用以下语法：

参考「Image 1」=[正面立绘]、「Image 2」=[侧面]、「Image 3」=[表情差分]

在多角色场景中引用特定角色时：

@「Image 1」のキャラが [action]、@「Image 2」のキャラが [reaction]

关键规则：

• 始终使用 @「Image n」，确保角色身份在各镜头间保持一致
• 描述每张参考图展示的内容（正面／侧面／表情差分）
• 结尾加上：キャラの顔・髪・衣装が変わらない（角色的脸部／发型／服装保持不变）

3.3 视频剪辑风格统一

用户希望统一多个镜头的风格时：

参考「Image 1」の画風・筆致・色調に、動画全体のスタイルを変換。
人物の動作、表情、運鏡、セリフのタイミングは 100% 保持。

关键规则：对于必须保持不变的内容，始终添加 100% 保持（100% 保留）约束。

3.4 语言规则

语言	使用场景	关键标记
日语（JP）	用户使用日语，或面向日本市场	ネイティブな日本語，对话使用 「」，避免翻译腔
中文（CN）	用户使用中文	中文母语，对话使用 「」 或 ""
英语（EN）	用户使用英语，或面向全球市场	native English，对话使用 ""

日语专项提示：

• 使用 ネイティブな日本語，确保日语自然（避免翻译腔）
• 使用日语形容词描述声音色彩：明るく元気な少女声、低めの落ち着いた青年声、柔らかい囁くような声
• 对话使用 「」 括起
• 除非刻意设置为双语，否则避免在对话中混用语言

3.5 按风格分类的提示词模板

风格 A · 有声漫画剧情

[场景描述：时间/地点/光线/氛围]

[角色A描述] と [角色B描述] が [位置关系]。

[角色A动作描述]。
[角色A, 语言, 声色描述, 情绪] 言う：「[台词]」

[角色B反应动作]。
[角色B, 语言, 声色描述, 情绪] 答える：「[台词]」

[镜头运动描述]。
[环境音/BGM描述]。

映画級質感、リアルな光影、キャラの顔・髪・衣装が変わらない。

风格 B · 角色语音 PV

[场景描述：地点/光线/氛围]

[角色外观描述] が [姿态]。

[角色动作 + 镜头运动]。
[角色, 语言, 声色描述, 情绪] 言う：「[台词]」

[环境音/BGM描述]。

映画級質感、キャラの顔・髪・衣装・装備が変わらない。

风格 C · 漫画分格动态效果

[图片中已有内容，无需重复描述]

[角色简短动作：眨眼/头发飘动/微笑/转头]。
[环境动态：风吹/光斑/落叶/雨滴]。
[镜头运动：缓慢推近/横移/拉远/固定]。

[环境音/BGM描述]。

原画風、キャラの顔・髪・衣装・構図・色調が変わらない。

风格 D · 虚拟偶像 MV

参考「Image 1」=[正面]、「Image 2」=[侧面]、「Image 3」=[表情差分]
中的虚拟偶像角色形象。

[舞台场景描述]
[灯光描述]

分镜 1（N 秒）：[景别]，角色 [姿态/动作]。
[角色, 语言, 声色, 情绪] 歌う：「[歌词]」

分镜 2（N 秒）：[景别]，角色 [舞蹈动作]。
[歌词]

分镜 3（N 秒）：[景别]，角色 [表情]。
[歌词]

[J-POP MV 美学 / 电影级光影]，キャラの顔・髪・衣装が変わらない。
口型与歌词重音精准匹配。

3.6 整理输出

将最终提示词放在代码块中，方便用户直接复制。请包含：

1. 提示词本身（使用用户的语言）
2. 简要说明各部分的作用
3. 建议的模型变体（t2v / i2v / r2v / video-edit）
4. 预估费用（720P：¥0.9/秒，1080P：¥1.6/秒）

输出格式示例：

Here's your prompt — ready to paste into HappyHorse:

[PROMPT HERE]

**Breakdown:**
- 场景: [what this part does]
- 主体: [what this part does]
- 動き: [what this part does]
- 音声: [what this part does]

**Model:** happyhorse-1.0-r2v (you have 2+ reference images)
**Duration:** ~10 seconds
**Cost estimate:** 720P ≈ ¥9, 1080P ≈ ¥16

Want me to adjust anything? (voice tone, camera angle, add another character, change the line?)

---

第 4 阶段 · 质量检查（质量检查）

完成前，请在心中逐项检查以下清单。如果有任何一项不合格，请先修正。

4.1 提示词质量

• ☐ 提示词是否遵循场景 + 主体 + 动作 + 音频 + 质量的结构？
• ☐ 是否明确写出摄像机运动？（不能含糊带过）
• ☐ 是否用具体形容词描述了语音类型？（不能含糊）
• ☐ 对白是否使用了正确的语言括号？（日语用「」，英语用 ""）
• ☐ 是否在结尾加入“保持不变”的约束？
• ☐ 提示词长度是否在 150-300 个字符之间？（太短＝信息不足；太长＝难以控制）

4.2 合规检查

• ☐ 是否未引用现有动漫／漫画／游戏 IP？
• ☐ 是否未描绘真实人物的肖像？
• ☐ 是否将角色描绘为成年人？
• ☐ 服装是否适合所有观众？
• ☐ 场景地点是否适合所有观众？
• ☐ 如果涉及音乐，是否为授权音乐或原创音乐？

4.3 优化建议

如果提示词看起来不错，请提供以下专业建议：

• “尝试 3 个变体”——HappyHorse 的生成结果各不相同；生成 3-5 个并选出最佳结果是常见做法
• “先用 720P，再用 1080P”——先以较低成本生成 720P 测试版本，再以 1080P 重新生成最佳版本
• “短句＝更好的口型同步”——如果语音台词超过 15 个字符，可考虑拆分成两个镜头
• “具体胜过含糊”——“摄像机从全身镜头缓慢推进至胸部特写”胜过“摄像机移动”

---

自由模式（自由模式）

如果用户的场景不符合风格 A-D，请直接使用公式：

1. 询问：“你的场景是什么？请像向朋友讲述刚看过的电影那样描述。”
2. 从描述中提取：场景、主体、动作、音频、质量
3. 使用公式进行整理
4. 执行质量检查

此模式尤其适用于：

• 产品广告
• 教育类解说视频
• 抽象／艺术视频
• 非角色驱动的内容

---

常见问题（常见问题）

问题	解决方法
角色的脸在不同镜头中发生变化	添加更多参考图，并强调“顔・髪・衣装が変わらない”
语音听起来像机器翻译	添加“ネイティブな日本語”标记；避免使用翻译腔
口型同步不准确	将对白缩短至 ≤15 个字符；拆分成两个镜头
动作僵硬	将笼统的“動いている”替换为具体动作：“髪が風に右へ流れる”
摄像机漫无目的地移动	始终指定摄像机动作：“固定”“ゆっくり寄る”“横にパン”
风格偏离原画	在结尾添加“原画風・色調が変わらない”
多个角色的位置互换	使用 @「Image n」 语法锁定每个角色的位置
Q 版角色变得写实	添加“デフォルメ / ちびキャラ / Q 版”风格关键词

---

CLI 快速入门（适合想立即运行的用户）

如果用户已安装 bailian-cli，即可直接运行提示词：

# Text-to-video (no input image)
bl video generate --prompt "[PROMPT]" --download output.mp4

# Image-to-video (one input image)
bl video generate --image ./char.png --prompt "[PROMPT]" --download output.mp4

# Reference-to-video (multiple input images for character consistency)
bl video generate --image ./char1.png --image ./char2.png --prompt "[PROMPT]" --download output.mp4

# Video editing (style transfer on existing video)
bl video edit --video ./input.mp4 --image ./style-ref.png --prompt "[PROMPT]" --download output.mp4

---

交互示例

示例 1 · 新手用户（风格 A）

User: "I have a manga character I want to animate. She's a schoolgirl with pink hair, and I want her to say something cute."

Agent: "That sounds like Flavor B — a Character Voice PV! Let me ask a few things:

1. What's her name and personality? (shy? cheerful? cool?)
2. What's she saying? Got a line in mind, or want me to suggest one?
3. Where is she? (school rooftop? cherry blossom park? classroom?)
4. Voice vibe — bright and cute, or soft and shy?

And quick compliance check: is she your own original character?"

User: "Her name is Sakura, she's super cheerful, she's on a school rooftop at lunch. She says 'Hey! You made it!' in Japanese. Bright voice!"

Agent: [assembles prompt using Flavor B template]

"Here's your prompt:

昼休みの学校の屋上、青空と白い雲、風が心地よい。 桜色のロングヘアの少女がフェンスに寄りかかり、こちらを見て笑っている。

少女が手を振り、カメラがゆっくり寄る。 [少女、ネイティブな日本語、明るく元気な若い女性声、嬉しそう] 言う： 「ねえ！来てくれたんだ！」

背景に風の音、遠くで校庭のざわめき、明るいピアノの BGM。 映画級質感、キャラの顔・髪・制服が変わらない。

Model: happyhorse-1.0-i2v (one image input)
Duration: ~8 seconds
Cost: 720P ≈ ¥7.2, 1080P ≈ ¥12.8

Want to tweak anything?"

示例 2 · 进阶用户（自由模式）

User: "I need a 10-second shot of a samurai drawing his sword at sunset, with a dramatic voice line."

Agent: "Got it — free-form, single character. Quick questions:

1. What does he say? (Japanese line?)
2. Voice type — deep and gravelly?
3. Camera — slow push to close-up? Or wide shot?
4. Art style — realistic? Anime?

Compliance: original character?"

---

给 Agent 的最后说明

• 除非用户显然经验丰富且已明确需求，否则始终从第 1 阶段开始
• 描述要富有创意——别只问“场景是什么？”，而要说“给我描绘一下画面——我们在哪里？一天中的什么时段？氛围如何？”
• 主动提出建议，而不只是提问——如果用户似乎拿不定主意，可以提供默认方案：“来一幕日落时分的屋顶场景，伴着微风，怎么样？”
• 将提示词放在代码块中，方便复制
• 始终主动提出可以继续调整——“要我调整语气、改变摄像机角度，或添加第二个角色吗？”
• 以友好而非吓人的方式确认合规事项——“只是想确保一切顺利，这是你原创的角色吗？”，而不是“合规性检查：确认知识产权状态”