长视频生成工作流

概述

适用场景：用户需要生成有画面的视频内容，且时长超过单个片段限制（4-12秒）。

核心工作流程

第 1 步：需求分析

理解用户需求，确定以下关键信息：

• 视频总时长
• 主题与风格
• 目标受众
• 是否有指定角色（人物出镜）

如果用户没有明确指定时长，默认生成 5-10 秒的短视频。如果用户要求超过 60 秒，建议拆分为多个视频或询问是否接受分段生成。

第 2 步：分镜脚本生成（必须，用户确认后才执行工具）

在调用任何工具之前，先输出完整的分镜脚本：

• 镜头序号和时长（如：镜头1：5秒）
• 每个镜头的详细场景描述（包含视觉元素、动作、情绪等）
• 镜头之间的转场关系（确保故事连贯）
• 整体风格和色调要求

输出格式示例见 references/storyboard_format.md。

输出分镜后，等待用户确认，确认后才开始执行后续步骤。

第 3 步：生成图片序列

基于分镜脚本，为每个镜头生成对应的分镜图片（所有分镜图必须先全部生成，再进入视频生成）。

角色一致性规则（必须遵守）：

• 用户说"围绕这个角色"等，但对话历史中没有该角色图片：
  • 必须提示用户："请先为该角色生成一张角色图，然后再进行视频创作"
  • 不要自动生成角色图，等待用户确认后再继续
• 对话历史中已有角色图：
  • 有角色的镜头（分镜描述中含角色、人物、主角）→ 使用 edit_volcano_image_tool，基于已有角色图进行编辑，确保角色一致性
  • 空镜 / 场景镜头（只有场景、环境、背景，无角色）→ 使用 generate_volcano_image_tool 生成

禁止：有角色的镜头使用 generate_volcano_image_tool 重新生成，这会导致角色不一致。

风格统一：确保所有图片风格一致（相同主题、相似色调、统一尺寸，建议 16:9）。记录每个图片路径，角色参考图路径必须保存，用于后续 edit 工具。

第 4 步：生成视频片段

基于图片和分镜描述生成视频片段：

• 使用 generate_volcano_video 工具，mode="image"
• 每个片段的提示词结合分镜描述和图片内容
• 每个片段时长根据分镜脚本确定
• 记录每个视频片段路径

第 5 步：拼接视频

使用 concatenate_videos 工具将所有片段按分镜顺序拼接为完整视频：

• 确保视频顺序严格按照分镜脚本顺序
• 验证最终视频时长是否符合用户要求
• 保持所有片段宽高比一致（建议 16:9）

第 6 步：质量检查

检查最终视频是否符合分镜脚本和用户要求，如有问题可重新生成部分片段。

执行原则

• 分镜优先：必须先完成分镜生成，再执行任何工具调用
• 用户确认：分镜脚本生成后等待用户确认，确认后才开始执行
• 严格按分镜执行：后续所有步骤严格按照分镜脚本执行
• 角色一致性：有角色的镜头必须基于角色图编辑，不能重新生成
• 进度提示：生成过程中实时告知用户当前进度（如："正在生成镜头1的图片..."）

参考资料

• 分镜脚本格式：references/storyboard_format.md