stagefight

stagefight

一个包含两次调用的 pika 流程：舞台静帧（generate_image，gpt-image-2）→ 打斗片段（generate_video，图生视频，约 10 秒，16:9）。片段采用粉丝在现场拍摄的 POV 手机画面，记录主题舞台上的一场编排好的角色扮演表演——两位表演者交锋，现场舞台特效爆发，观众做出反应。每次运行都会为一组对决生成一个片段。

这项技能的核心任务是：弄清楚谁在打斗（询问用户或提出对决组合），然后按照捆绑示例的结构编写全新的提示词并生成新视频。examples/ 中的示例是应遵循的模式，不是固定目录——每次运行都应以相同方式创作一组新的对决组合。画面风格经过校准，安全框架至关重要：保留两个模板中的每句固定语句，只填写标记为 [SLOTS] 的部分。

★ 为什么有效——方法（这是实际研究成果，一项也不要删）

直接使用“两个人打架”这类提示词会被审核拦截。以下四种做法能可靠地生成打斗内容，组合起来也正是这一趋势的美学风格：

1. 将其描述为健康向上的舞台表演。 每条片段提示词都必须原样以 "Wholesome theatrical stage performance, choreographed cosplay, advertiser-safe." 开头，并以 "Believable live-stage effects, not cartoon magic." 结尾。这样就把打斗重新定义为特技表演，从而通过安全审核。切勿描述受伤、血液、武器真正击中对方，或“卡通魔法”——应描述编排、道具和舞台烟火效果。
2. 粉丝在现场拍摄的观众 POV。 使用 "POV handheld phone footage from the audience, raised above other people's heads filming the stage,"，并加上 "a large audience in the foreground — dark silhouetted heads, many holding up phones recording." 这既营造了病毒式传播中“我也在现场”的美学效果，也是安全框架的一部分（画面呈现的是记录一场表演，而非真实暴力）。
3. 身着戏服的原创角色——绝不用真人，也不用知名 IP。 使用原型角色（如“一位戴草帽的精瘦武士”、“一位身穿黑袍的长角恶魔”、“一位身穿橙色运动服、留着刺猬式金发的忍者”）。真人面孔会在两个后端都被审核拦截；知名或商标角色容易生成偏差并触发标记。应描述其角色扮演服装（发型、服装、道具），而非品牌。
4. 真实可信的现场舞台特效。“惊艳”时刻应采用可信的实景特效——一阵舞台烟雾、绿色舞台火焰和火花、一道水墙／喷泉。两位表演者都要戏剧性地后退／摆出防御姿势；无人受伤。

审核处理：遇到拦截时，重新运行相同调用（不要立即更换服务提供方）。如果视频生成在失败前运行超过约 4 分钟，说明内容已经通过安全审核——失败原因是基础设施问题，只需重试。不要通过 reference_audio 加入音乐——这条路径会触发审核；请在后期添加音乐／音效。如果需要重试，不同的 Seedance 后端（ark／fal）具有不同的审核流程。

前置条件

pika MCP 可用。工具前缀因宿主而异——使用实际提供的前缀。工具：generate_image、generate_video、task_status；可选的后期处理工具：generate_music／音效 + edit_concat／edit_audio_mix。

阶段 0 — 谁在对战？（先确定这一点）— 一组对战 → 一个片段。

1. 如果用户已经说出了两位斗士——在 /stagefight 参数或消息中（例如“冰霜法师 vs 烈焰骑士”“我的猫 vs 一条龙”“两个机器人”）——就使用他们，跳过菜单，直接进入「编写提示词」。不要再次询问。

2. 否则，用一次 AskUserQuestion 提问（标题：Matchup）。必须让用户可以提供自己的角色——将其设为第一项，另外正好提供 3 个模板对战：

   • “自己选两位斗士” — 我来命名 → 选中后，询问“你的两位斗士是谁？”，并使用用户的回答。（自动添加的 Other 字段也可以让用户直接输入对战双方。）
   • 忍者 vs 忍者 — 烟雾
   • 武士 vs 角魔 — 绿色火焰
   • 女巫 vs 吸血鬼（水舞台） — 喷泉 绝不要自动选择模板——关键就是让用户选择或输入自己的对战双方。不要只用文字列出 3 个建议就继续；必须展示包含 4 个选项的真实菜单并等待用户选择。

3. **画面比例：**默认静默使用 16:9（符合潮流的观感）。只有用户提到竖屏/TikTok/Reels 时，才询问是否使用 9:16。

确定对战双方后，自行编写提示词（见下一节），用一句话确认（“正在生成你的舞台对战片段——冰霜法师 vs 烈焰骑士……”），然后从头到尾完成流程——不要再设置任何是/否确认环节。

编写提示词（创作步骤，绝不能跳过）

**你正在为用户的两位斗士创作。从他们出发，推导其他所有内容。**忍者/武士/女巫只是公式示例，不是最终输出——如果用户说的是“X vs Y”，视频就要呈现 X vs Y。**绝不要悄悄默认使用某个示例对战，也绝不要换成与用户选择不同的对战。**用户要求其他对战时，却默认使用忍者/武士/水舞台，是这项技能最常见的失败原因。

根据用户选择的斗士推导以下四个变量：

• 舞台 = 适合这两位角色、可信的主题对决场地——他们来自什么世界？——再加上 2–4 件具体道具、背景以及一天中的时段/光线。（巫师 → 石头竞技场；机甲 → 霓虹穹顶；牛仔 → 酒馆街道。除非角色来自寺庙，否则不要使用寺庙。）
• 表演者 A（左侧） / 表演者 B（右侧） = 将两人分别设定为真人角色扮演者：描述头发、服装、道具和姿势。仅使用原型；不要使用真人。将任何命名角色/商标角色转换为可描述的服装（提示词中不要出现品牌名）。
• 标志性特效 = 符合这场对战、可信的现场演出高潮效果（烟雾/彩色火焰 + 火花/水柱/尘土 + 灯笼光/冰晶/余烬/礼花炮……），两位表演者都要对此作出反应。

**推导示例（任意对战，仅用于演示方法）：用户要求“机器人拳击手 vs 相扑选手”。 → **舞台：**霓虹灯照亮的夜间竞技场，有全息横幅、拳击台绳、赞助商灯笼，后方可见城市天际线。→ **左侧：**高大的镀铬人形机器人，戴着红色拳击手套，关节发光，摆好防守架势。→ **右侧：**体格魁梧的相扑选手，身穿礼仪兜裆布，压低重心踏地。→ **特效：**拳套与手掌相碰时，尘土和火花形成冲击波。→ 然后将这些内容填入两个模板。（注意：这里没有忍者/寺庙/水——每个变量都来自实际的对战双方。无论用户选择什么，都要这样处理。）

步骤 1 — 舞台静帧（generate_image，gpt-image-2）

将舞台、两位表演者和拍摄的观众一起烘焙进第 0 帧，这样步骤 2 只需为冲突场面添加动画。模板 — 保留每个固定句子，填写 [SLOTS]：

A recording from the audience at an outdoor theater performance at [TIME-OF-DAY/SETTING]. [STAGE: a wooden stage recreating <themed set> — <2-4 concrete set pieces, lanterns/gate/fog/water/etc>, <backdrop>]. On stage, two performers in high-quality live-action cosplay face off several meters apart: on the LEFT, [PERFORMER A — cosplay: hair, costume, prop, stance]; on the RIGHT, [PERFORMER B — cosplay: hair, costume, prop, stance]. A large audience fills the foreground — dark silhouetted heads, many holding up phones recording with glowing screens. The camera films from far back in the crowd, slightly off-center, performers small on the wide stage, slight handheld tilt. Realistic phone-camera look, faint digital noise, [natural light note]. High resolution, no text, no UI.

调用 generate_image。 调用参数： provider: gpt-image-2 · aspect_ratio: 16:9（默认；竖屏时用 9:16）· quality: medium（high 会超出代理超时时间）· output_format: png。不要输入图像，除非用户提供了用于锚定的特定角色设定图／服装参考——这种情况下改为调用 generate_image_edit，将设定图作为 images 传入，并确保文本只描述角色扮演服装，不要提及角色名称。遇到 moderation_blocked：重新生成；如果持续出现，就弱化服装描述（多用“表演者／特技演员”，少用“恶魔／利爪”）。保存返回的 URL → state.still_<n>_url。自检：两位身着戏服的表演者清晰地彼此对峙，前景有人群和手机，画面中没有文字——否则重新生成。

步骤 2 — 打斗片段（generate_video，图像转视频，10s）

将静帧锁定为起始帧，并为冲突场面添加动画。10s 足以容纳更完整的节奏——让 [ACTION] 呈现一个小弧线（对峙 → 交锋 → 舞台特效 → 后退／再次交手 → 观众沸腾），而不是只打一击。模板 — 外层文字逐字保留，仅填写 [ACTION + EFFECT]：

Wholesome theatrical stage performance, choreographed cosplay, advertiser-safe. POV handheld phone footage from the audience, frame slightly unsteady, raised above other people's heads filming the stage. [ACTION: the two performers <sprint/dash in> and <clash — martial choreography or props>, <a believable live-stage effect: stage smoke / green fire + sparks / a wall of water erupts>, then <both recoil / leap apart / brace>]. The crowd in the foreground reacts, phones held up recording. Believable live-stage effects, not cartoon magic. Realistic smartphone recording, slight digital noise, continuous handheld shot, no subtitles, no UI.

调用 generate_video。 调用参数： image:（或 reference_images:）= state.still_<n>_url（起始帧）· duration: 10 · aspect_ratio: 16:9（与步骤 1 一致）· sound 保持默认值（不要强制添加音乐）。如果返回任务 ID，则轮询 task_status。如果在约 4 分钟后失败，说明已通过审核——直接重试；如果很快就失败，则弱化动作描述后重新生成。

步骤 3 — 后期处理（可选）

• 仅在后期添加音效／音乐。 加上观众低语声，以及交锋时的呼啸声／撞击声，会更有说服力。生成或获取音频，并使用 edit_audio_mix 混音——绝不要将音乐作为 reference_audio 传入视频生成（会触发审核）。

示例拆解（仅供说明 — 绝不能用来替代用户指定的对决）

阅读这些示例，了解如何将一场对决拆解为四个变量——然后根据用户的选择自行推导。除非用户选择的正是这场打斗，否则不要粘贴任何示例。生成的静帧位于 examples/（ex1_ninja、ex2_samurai、ex3_snake、hero_pika + _contact_sheet.png）——打开它们，将其作为优质步骤 1 静帧的视觉目标。

对决	舞台（道具、灯光）	左侧表演者	右侧表演者	标志性特效
忍者交锋	黄昏时分的忍者村大门；岩石造景、彩绘门扇、纸灯笼、森林	金发刺猬头忍者，佩戴树叶徽记护额，穿橙色运动服	黑发刺猬头忍者，穿深蓝色上衣	灰尘 + 一团舞台烟雾
武士对恶魔	夜间的寺庙庭院；石灯笼、鸟居、绿色雾气	精瘦武士，戴斗笠，穿深色盔甲，手持武士刀	高大的长角恶魔，穿黑袍，长有利爪	绿色舞台火焰 + 火花
水上舞台决斗	黄昏时分的湖上水舞台；中式亭阁、红柱、灯笼、雾蒙蒙的群山	白衣女术士，长黑发，双臂举起	面色苍白的吸血鬼，穿黑袍，长有尖牙，双眼发红	水墙 → 喷泉
英雄／吉祥物	黄昏时分的木制舞台；岩石造景、灯笼、森林	身穿迷你道服、毛茸茸的小型“Pika”吉祥物	高大的长角盔甲战士，体型大得多	舞台火花迸发

每一行 = [STAGE] · [PERFORMER A] · [PERFORMER B] · [ACTION effect]。你的任务是根据用户指定的角色填写相同的四个占位内容，而不是从上表挑选。

一句话总结

身着戏服的表演者 + 主题舞台 + 人群中拍摄的粉丝 + “这只是特技表演”的场景设定 = 能成功生成的打斗影像。一场对决 → 一张舞台静帧 → 一个 10s 图像转视频片段（16:9）。音乐／音效只在后期添加，绝不通过 reference_audio 添加。