paper-collage-explainer-generator

纸艺拼贴解说动画生成器

将简短的旁白句子、故事主题、观点句或抽象想法，转化为连贯的编辑风格纸艺拼贴动画序列。视觉语言采用高质感网点纸艺拼贴：鲜明的纯色块、黑白摄影剪影、点缀式彩色卡纸、暖奶油色描边、柔和的纸张阴影、富有触感的定格组装效果，以及清脆的拼贴音效。

这项经 Hub 适配的 Skill 使用 Hub 原生的图像、视频、音频和可选后期处理能力。它优先保证风格连贯、色彩和谐、纸张纹理可控、定格拼贴节奏，并遵循音频策略：默认保留触感拼贴音效，明确不添加背景音乐、旁白或字幕，除非用户提出要求。

适用场景

用户想要以下内容时，使用这项 Skill：

• 将一段简短脚本转化为富有视觉隐喻的拼贴动画
• 通过拼贴 B-roll 解说简单故事或文学主题
• 为旁白或社交视频制作编辑风格的纸艺拼贴动画
• 制作物件从空白色块中组装而成的网点拼贴动画
• 将一批抽象短句或故事情节点分别转化为富有视觉隐喻的动画片段
• 制作有触感的知识解说视频，其中可以包含纸张点击、弹出、滑动、按压和沙沙声，但不自动添加音乐或旁白

用户需要以下内容时，不要使用这项 Skill：

• 写实的产品广告或由主持人出镜的视频
• 可精确编辑的图层、时间线关键帧或透明剪影素材
• 精确的 Logo 摆放或清晰可读的文字排版
• 仅需一段书面视频提示词，不需要生成视频

默认创作目标

除非用户另有说明：

• 输出比例：16:9 横屏
• 片段时长：每段约 4 秒
• 默认音频：仅保留或生成有触感的纸艺拼贴音效，例如纸张滑动、弹出、按压、轻微沙沙声和轻敲声
• 默认不添加背景音乐。若背景音乐可能有帮助，可以询问用户是否需要；但只有在用户明确确认后才添加音乐
• 默认不添加配音、口述旁白或主持人旁白。若项目可能适合加入旁白/口播，可以询问用户是否需要；但只有在用户明确确认后才撰写、合成或添加语音音频
• 默认不添加字幕。可以询问用户是否需要字幕，但只有在用户明确确认后才创建或烧录字幕
• 视觉风格：高质感编辑风格网点纸艺拼贴
• 动态风格：有触感的定格组装，而非缓慢推镜、普通漂移或平滑的数字图层移动
• 默认视频生成模型：MiniMax-H3，除非用户明确指定其他模型、该模型不可用，或硬性能力要求排除了该模型
• 图像/视频中的文字：避免出现可读字母、数字、UI、字幕、水印和 Logo
• 图像质量和景深：优先采用视觉效果出众、层次丰富的 16:9 构图，清晰呈现前景、中景和背景层次，突出主体，场景设计丰富且易于辨识，并合理控制留白

音频规范

此 Skill 默认保留拼贴音效，不添加背景音乐、配音或字幕。

1. 首次确认制作方案时，明确说明默认的媒体处理方式：保留或生成有触感的纸张拼贴音效；默认不添加背景音乐、配音／口播或字幕。
2. 可以询问用户是否需要配音旁白／口播、背景音乐或字幕，尤其是制作讲解视频时，但应将这三项都作为可选附加项，而非默认内容。
3. 不要推断讲解视频自动需要旁白。如果用户没有选择旁白，就制作视觉叙事节拍，而不是配音脚本。
4. 不要推断社交视频自动需要背景音乐或字幕。如果用户没有选择这些内容，就只保留片段音效。
5. 生成视频片段时，如果所选视频模型支持音频，请求生成与画面同步、有触感的拼贴音效：纸片滑动、弹出、压平、轻敲和轻微的纸张摩擦声。
6. 最终合成时，如果原始片段的音轨包含拼贴音效，就保留这些音轨。默认不要删除音频。
7. 仅在用户要求静音、生成的音频包含不需要的语音／音乐，或用户要求单独制作音乐／旁白混音时，才移除或替换音频。只有用户明确要求时才制作字幕。

全局风格规则

将这些规则应用于项目中的每张静帧和每段视频：

1. 统一整体视觉风格。 每个片段都应像同一套编辑风格纸张拼贴系列的一部分：半色调剪贴图、纯色背景、暖奶油色描边、柔和的实体阴影、整洁的构图、有触感的纸张材质，以及协调一致的拼贴音效。
2. 控制纸张纹理的强度。 纸张不能看起来完全平滑，但也不能显得过度做旧、脏污、起皱或发黄，除非用户明确提出要求。优先采用干净、精致的手工质感：细微的纤维纹理、略不规则的撕边、轻柔的毛边纤维、层叠接缝和柔和阴影。
3. 统一色调。 如果牛皮纸、棕色、泛黄或做旧的底纸与已批准的静帧或整批配色不协调，就不要使用。每个片段都应从与已批准最终静帧的主色调一致的纸张底色开始。
4. 让动作呈现定格拼贴效果。 使用清晰的纸片动作：一片片出现、滑入或弹入位置、轻轻弹跳、压平、停顿，然后定格在最终构图中。避免快速旋转、过度翻转、混乱的物体飞动、整体淡入淡出、平滑的数字摇摄、缩放或泛泛的漂浮效果。
5. 保持片段协调一致。 一旦一两个片段确立了获批的整批风格和音效节奏，后续片段和修改都应参照这一节奏与基调，让整个序列保持连贯。
6. 默认采用精致的 16:9 分层场景。 除非用户明确要求其他平台画幅，否则按 16:9 横向画面规划和生成。利用宽画幅构建有吸引力的前景／中景／背景层次、丰富的环境道具、清晰的主体层级和电影感的横向构图，同时避免画面杂乱。
7. 突出纸张拼贴工艺。 每张静帧和每段视频都应展现纸张拼贴的制作方式：可分离的纸张组、半色调照片剪贴图、彩色卡纸点缀、有触感的阴影、撕边、层叠接缝，以及弹入、滑入、轻微弹跳、压平、停顿和定格等定格动画动作。

步骤 1：解析输入

对于每一行、概念、故事或主题，提取：

• 核心含义：观众应当理解什么
• 情绪：平静、紧迫、讽刺、惊讶、荒诞、阐明、沉思、神秘或俏皮
• 动作动词：打开、连接、泄露、归档、压缩、拆分、照亮、绑定、组装、揭示、坠落、追逐、转变、碰撞
• 视觉隐喻：无需在画面中写出脚本，就能表达这一想法的具象图像
• 关键物件：三到六组尺寸较大、易于辨认的纸张元素
• 音频提示：节拍是否适合搭配纸张滑动、弹出、按压、轻敲、沙沙声或啪声等音效

对于故事主题，除非用户指定数量，否则将故事拆分为三到六个简洁的节拍。相似的节拍可以采用相同的设计语言，但每个节拍都应有独特的隐喻、物件组合、色彩区域和音效节奏。

步骤 2：关卡 1——制作计划文档审批

在生成任何媒体之前，先创建一份简洁的制作计划文档，并暂停等待用户审批。用户确认该文档之前，不要生成静帧或视频。

制作计划必须包括：

简要说明

• 主题或源文本
• 已知时的目标受众／使用场景
• 画面比例和时长假设
• 基调和节奏
• 视觉风格概述
• 媒体方案，说明默认保留或生成拼贴音效；除非用户明确要求，否则不添加背景音乐、旁白／口播和字幕
• 可选的附加问题（适用时）：询问用户是否需要旁白／口播、背景音乐或字幕，但这些选项应保持可选

视觉隐喻

对于计划中的每个片段：

• 核心含义
• 情绪
• 一句话描述的视觉构想
• 三到六个关键物件
• 建议的背景颜色和点缀色
• 预期组装顺序
• 预期的拼贴音效时机，例如滑动、弹出、按压、轻敲、沙沙声或啪声

脚本／视觉节拍轨

如果用户明确要求旁白，请撰写简洁的旁白脚本。如果用户没有明确要求旁白，不要撰写旁白脚本；而应编写静态视觉节拍轨，说明观众从整个序列中会理解什么。

如果用户只需要为现有台词制作 B-roll，请保留原台词作为背景信息，不要另行编造旁白。

分镜

对于每个片段，包括：

• 片段标题
• 最终画面描述
• 动态构想
• 大致时长
• 拼贴音效构想
• 关于风格连贯性和色彩协调的说明

提交制作计划文档后，等待用户批准、拒绝或修改。如果用户只批准了部分编号项目，则仅推进这些项目，并修改其余项目。

步骤 3：制定静帧规格

制作计划获批后，为每个获批片段撰写简洁的视觉规格。该规格应独立完整，适用于图像生成。

包括：

• 脚本含义或故事节拍
• 视觉隐喻
• 画面比例
• 背景颜色区域
• 点缀色
• 关键物件组合及其作用
• 构图、前景／中景／背景层次和留白
• 最终画面中各元素的关系
• 风格连贯性说明
• 此静帧的具体规避项清单

使用以下风格特征：

flat bold color field, black-and-white halftone photographic cut-outs, selective colored cardstock accents, warm cream keylines, soft paper shadows, fine uncoated-paper grain, premium editorial paper collage, clean refined hand-torn paper edges, subtle fibrous edges, layered paper seams

色彩指引：

• 焦橙色或红色：劳动、时间压力、紧迫感
• 芥末黄色：工具、警告、累积的错误
• 墨绿色：认知、重置、判断、超现实的平静
• 深紫色：记忆、结构、神秘、梦境逻辑
• 青绿色：协作、执行、系统流程
• 玫瑰红：荒诞、仪式感、戏剧张力

不要默认总是使用钴蓝色。通过纸张纹理、半色调处理、轮廓线、阴影、取景框和受控的调色板，让整批作品在视觉上保持统一。只有当故事节拍适合通过对比来表达时，才改变色彩区域。

步骤 4：关卡 2 — 生成并审批静帧

为每个已批准的片段生成一张最终静帧。静帧应呈现为未来动画的完成状态最后一帧。

静帧要求：

• 使用用户指定的宽高比；否则默认使用 16:9 横向画幅
• 扁平、醒目的纸张背景，带有细腻的纤维纹理
• 由 3 到 6 个大型、彼此可区分的对象组构成，除非已批准的分镜要求略多一些
• 主体清晰，视觉层次鲜明，留有充足干净的负空间，并呈现可见的前景／中景／背景层次
• 以黑白半色调摄影剪纸作为主要结构，搭配丰富但易读、能烘托故事节拍的场景道具
• 仅在有助于明确视觉层次的位置使用局部彩色卡纸点缀
• 暖奶油色描边、柔和的实体纸张阴影、精致的撕边，以及细腻的分层纸张接缝
• 除非明确要求，否则不得出现可读文字、伪造字母、数字、字幕、UI、水印或徽标

将生成的静帧展示给用户，并在生成视频前暂停，等待审批。如果静帧显得过于繁杂、颜色不协调、纸张层数过多、数字边缘过于平滑，或带有过多陈旧／棕色纸张纹理，则应先修改静帧，再生成视频。

步骤 5：规划定格动画的组装过程

针对每张已批准的静帧，准备一份动态规划，并将已批准的静帧视为完成后的最终画面。

默认动态顺序：

1. 从与已批准静帧主背景相匹配的纯色纸面开始，不要使用不匹配的牛皮纸色或棕色底色。
2. 以纸片滑入、弹入或压入到位的方式呈现基础结构。
3. 角色、卡片、物体或主要隐喻元素进入画面。
4. 次要物体逐一组装，并加入轻微弹跳、压平和停顿的节拍。
5. 最终布局定格为已批准的构图。
6. 在结尾短暂停留于完成后的静帧画面。

动态提示词指南：

Paper-collage stop-motion assembly. Start on a clean paper field matching the approved still's background color and tone. Assemble the scene piece by piece with tactile stop-motion timing: foreground, midground, and background paper groups appear in a readable order; each paper object appears, slides or pops in, lightly bounces, presses flat, pauses, and locks into place. Preserve the halftone dots, cream keylines, subtle fibrous torn edges, layered paper seams, soft shadows, paper grain, color field, and approved aspect ratio. End by holding the completed composition matching the approved still frame. Sound design: tactile collage SFX only, synchronized to paper-piece motion: soft paper slide, pop-in, press-flat tap, light rustle, and tiny paper snap where appropriate. Default: do not add BGM, voiceover, dialogue, or subtitles unless the user explicitly requested them. No mismatched kraft-paper opening, no brown/yellowed base unless approved, no fast spinning, no chaotic object flight, no smooth digital layer movement, no scene cuts, no camera move, no zoom, no morphing, no new objects, no text, no logos, no watermark, no UI.

步骤 6：生成拼贴音效 B-roll 片段

通过关卡 2 审批后，为每张已批准的静帧生成一个视频片段。

生成要求：

• 只要所选 Hub 视频模型支持，就使用已批准的静帧作为视觉参考／最终帧锚点
• 使用与静帧相同的宽高比
• 目标时长约为 4 秒，除非用户要求其他时长
• 默认在支持的情况下生成或保留有触感的拼贴音效：纸张滑动、轻弹、压平轻敲、轻微沙沙声、细微脆响
• 默认不生成或添加 BGM，除非用户明确要求音乐
• 默认不生成或添加旁白、口述解说或主持人音频，除非用户明确要求旁白／口播
• 如果生成的片段包含有用的拼贴音效，则在后期制作和最终组装时予以保留
• 如果生成的片段包含不需要的语音、音乐、伪造的 UI 音效或嘈杂的环境音，则根据用户目标移除或重新生成音频
• 保持镜头画面稳定；除非用户要求，否则不要添加镜头运动
• 保持拼贴的材质表现、最终构图和已确立的批次风格
• 修改后续片段时，如有帮助，可将先前已批准的最佳片段用作风格／节奏参考

此 Skill 默认使用 MiniMax-H3 作为视频生成模型。除非 MiniMax-H3 运行失败、不可用或无法满足硬性能力要求，否则不要询问用户选择模型。如果用户明确指定了其他模型，则以该模型为主，仅在必要时调整参数。

STEP 7：质量审核

根据以下标准审核静帧和片段：

• 无需在画面上写出隐喻或故事情节，观众也能理解
• 默认采用具有吸引力的 16:9 构图，静帧色块鲜明干净，物体层次清晰，并能看出前景／中景／背景的纵深
• 物体组数量适中，画面易于辨认，不要让屏幕充满零碎元素
• 片段从与已批准静帧或批次调色板相匹配的色块开始
• 画面逐件显现组合过程，而不是整体淡入
• 动作呈现出定格动画拼贴效果：独立的纸张元素组依次弹入或滑入，轻轻弹跳、压平、停顿并固定
• 默认情况下，建议使用有触感的拼贴音效；除非用户明确要求，否则不添加背景音乐、旁白／口播和字幕
• 纸张纹理经过控制：不过于平滑、不过度做旧，未经批准不得呈现棕色／牛皮纸效果
• 同一批次的色调保持一致
• 最后一帧应与已批准的静帧接近
• 不得出现不需要的可读文字、伪造的 UI、字幕、水印或徽标

只要隐喻仍然清晰，且最终构图仍与已批准的静帧相似，微小细节略有偏差可以接受。若出现较大偏差、添加文字、伪造的 UI、开场色彩不匹配、不需要的牛皮纸底色、纸张纹理过度褶皱或脏污、定格动画拼贴过程丢失、不需要的背景音乐或不需要的旁白，应根据问题出现的位置重新生成或进行后期处理。

STEP 8：可选的组装、音乐、旁白和交付

如果用户要求制作多片段故事视频，则按已确认的分镜顺序组装已批准的片段，并默认保留每个片段原有的拼贴音效。

仅在用户明确要求时添加背景音乐、旁白／口播或字幕。若用户在片段已生成后要求添加背景音乐或旁白，应将其与拼贴音效混音，而不是替换音效，除非用户要求静音原有音效。

对于每个已完成的项目，请交付：

• 最终 B-roll 视频路径或最终组装后的视频路径
• 相关的已批准静帧路径
• 用一句话说明脚本或视觉情节如何转化为视觉隐喻
• 媒体说明：默认使用拼贴音效，并列出任何明确要求添加的背景音乐、旁白／口播或字幕
• 若片段在存在可接受的轻微偏差时仍通过审核，请注明相关 QA 注意事项

对于批量任务，按项目编号归类输出，并将用户提供的原始语句或故事情节附在对应结果中。

故障处理

• 如果制作方案默认采用静音视频，则将其改为仅含拼贴音效，除非用户明确要求静音。
• 如果制作方案包含背景音乐、旁白/口播或字幕，但用户未明确要求，则移除这些内容，并将背景音乐、旁白/口播和字幕列为可选项。
• 如果制作方案过于直白，则返回 Gate 1，让视觉构想更多围绕物体展开。
• 如果静帧中包含伪造文字或 UI，则在生成视频前重新生成静帧；不要只尝试通过视频提示词来修复。
• 如果静帧或片段在视觉上过于繁杂，则减少纸张层数、简化物体数量，并恢复留白。
• 如果视频缺少组装动作，则减少物体数量，并更明确地说明物体逐步出现的顺序。
• 如果动作看起来像平滑的数字图层，则围绕定格动画节拍重写提示词：出现 → 轻轻弹起 → 压平 → 暂停 → 固定。
• 如果纸张看起来太平，则添加细微的撕裂边缘、纤维质感、分层接缝和柔和阴影。
• 如果纸张看起来过度做旧或脏污，则去除牛皮纸、棕色/泛黄底色、明显褶皱、污渍和做旧效果。
• 如果开场颜色与已批准的静帧不协调，则从与静帧相同的主背景色开始。
• 如果最终帧与静帧偏差过大，则加强指示，明确已批准的静帧就是完成后的最终构图。
• 如果生成的音频缺少拼贴音效，但视觉效果本身很出色，则询问用户是保留现有音频、加强音效指示后重新生成，还是添加/后期同步音效。
• 如果生成的音频包含不需要的背景音乐或旁白，则在最终交付前将其移除或重新生成。
• 如果需要精确控制图层，则建议采用分层动画或剪辑工作流，而不是继续使用此 Skill。