# 镜头正文 · 写法规范（协议无关）

每一切的正文写的是**这几秒发生了什么**。它跟视频服务无关：同一段正文，发给 MiniMax H3 就套 `h3-prompt.md` 的语法，发给 Seedance 就套 `seedance-prompt.md` 的语法。**协议语法归那两份，这一份只管内容。** 两份协议规范都以本文为前提，不再各自复述。

## 每一切只有一个主运镜

从 `schema.md` 的 camera 词表里选一个，写进这一切自己的正文里，写成自然的动作句（「镜头小幅缓推向掐白的指节」），可加幅度（小幅/大幅）与速度（缓/快）。**一切一个运镜，不叠加**——推完再摇、边跟边环绕，模型只会挑一个做，还未必是你要的那个。

## 动作要能在这几秒内做完

这一切有几秒，动作就只能是几秒能做完的事。**遵守 novel-script 的常见动作原则**：挑担上船、搭手卸担、抬头看向岸边这类模型见过千万次的动作；精确的物理交互、微表情、手指的细小动作不要写——写了也不会被画对，只会挤掉真正要演的那一下。

**动作怎么写**（学自 Seedance 官方指南，对 H3 同样成立）：

- **肢体细化 + 程度量化**：具体到手、腿、头、肩背，并带幅度与速度——「缓慢抬手」「快速转头」「用力蹬地」「微微低头」
- **优先低缓连续的小动作**：缓慢行走、轻轻抬手、顺势坐下；狂奔、大跳、剧烈翻滚这类高爆发动作尽量规避
- **写出前后动作的承接**：「借着转身惯性顺势抬手」「从停顿状态自然过渡到举手」，动作才连贯
- **情绪外化成身体细节**，不写「很悲伤」「非常愤怒」：悲伤是低头、肩膀微颤、手指攥紧衣角；紧张是频繁看表、手指敲桌、眼神闪躲；愤怒是双拳紧握、下颌绷紧、胸口起伏

## 人物此刻在哪，要和分镜图一致

正文里人物的**位置状态**（已上船 / 还在岸上 / 在舱内）必须和这一切的分镜图一致。图与文对不上时模型听图的，动作就乱。分镜图钉的是这一切开始的那一瞬，正文从那一瞬往后写。

## 台词逐字保留，身份写在台词外面

认领的台词**一个标点都不许动**，逐字进正文。说话人的身份、年龄段、音色、语气、是否画外音写在台词**外面**，不塞进台词里。怎么标记台词（`<d>` 标签还是中文引号）由协议规范决定，这里只管「原文不许变」。

## 不写角色姓名，用通用身份

正文里写「一名铁灰袍中年男子抬头看向门口」，不写「张三抬头看向门口」。

**这是视频服务自己的规范，不是我们的偏好**：MiniMax H3 和 Seedance 的官方提示词规范都要求
用通用身份指代人物。姓名只许出现在台词原文里（怎么包住由协议规范决定），台词逐字保留，
里面的称呼是剧本的事。

注意跟**分镜图提示词**区分开：那一侧恰好相反，要直呼其名——分镜图是带着角色设定图一起生成的，
名字在那里指的是挂上去的那张参考图。两侧的规矩不一样，因为两侧的规范不是同一个人定的。

## 构图要量化，不能只写景别

分镜图一直在悄悄替正文干一件事：说清**多近、多满、谁在哪、眼睛看哪**。纯参考图出片时没有那张图，
这些信息要么写成字，要么就地消失——实测消失的正是它们：景别偏远、动作偏小、人物摆位随意。

所以每一镜除了正文，还要填这几个字段（`schema.md`）：

- **焦距 + 景深**（`lens`）：`50mm 标准，中浅景深`、`85mm 长焦，极浅景深`。焦距决定"多近"，景深决定"背景虚不虚"
- **机位**（`cameraPosition`）：对着谁 + 什么角度。`李四 + 平视正面`、`双人 + 俯视 30°`
- **构图**（`composition`）：三分法 / 中心构图 / 对角线 / 对称——一镜一个
- **视线落点**（`eyeline`）：对方面部 / 手中之物 / 闭眼。视线是表演的一半
- **焦点**（`focus`）：锁定什么。跟视线落点常常不同：眼睛看对方，焦点在手里的刀
- **稳定性**（`stability`）：稳定 / 微晃 / 手持。它跟运镜是两件事——固定机位也可以微晃

段级再加一条**人物关系与构图逻辑**（`blocking`）：开场那一瞬谁在画面左、谁在右、面朝哪、
相距多远（用厘米或步数）。它是整段的空间地基，各镜从它出发；只写一次。

正文（`frame` / 镜头正文）照旧写此刻的动作与状态，**不再靠形容词承担构图**——
「近景」「特写」这类词留给 `size`，「多近」交给 `lens`。

## 参考图只锁身份，不锁构图

人物、场景、道具的参考图用来锁定**身份、脸型、服装、场景结构、道具造型**。正文不要照搬参考图的构图、排版、视角——这一切的构图由这一切的分镜图和正文决定。怎么在正文里引用参考图（`<Picture k>` 还是 `@图片N`，还是由程序加）由协议规范决定。

## 声音分三层，各归各

- **台词、歌声、剧内音乐**（角色听得见的）→ 写在镜头正文里
- **环境声、动作声、非语言人声**（喘气、脚步、铜铃）→ 声景字段，不复述台词
- **配乐**（角色听不见、只有观众听得见）→ 配乐字段，写配器与速度；没有就按协议规范写「无」

**声景也是动作指令**：画面动作改了，声景必须一起改。声景里写「铜铃在撞击时炸响」，视频就真会把撞击演出来。

## 不写的东西

- **不新增剧本没有的**人物、道具、动作、对白、画面上的可见文字。分镜是资产合成，不是凭空画。
- **不写画风**。「电影感」「冷灰绿色调」「半写实」这类是渲染层的事，由调用方在出图/出片时统一附加；写进正文只会跟当时选的画风打架。
- **不写朝代之外的年代词**。「古代」「古装」不是画面；服制、器物、建筑形制才是，而这些已经在设定图里定了。