电影级视频

生成一段短片，采用有意识的镜头语言：指定构图与镜头焦距、命名摄像机运动方式、布光方案、拍摄地点及色彩分级。核心在于使用简洁的电影化提示词（cinematic prompt），直接以摄像机术语明确导演决策——模型可原生解析这些术语，而非面对一长串形容词堆砌的描述。

需收集的输入项

• 镜头简报（shot brief）。画框内包含什么内容，以及画面应传达何种情绪。（若用户请求中已明确说明，则据此推断。）
• 文本生成视频（text-to-video）或图像生成视频（image-to-video）。若用户提供了一张固定视觉风格的静帧，则为 image-to-video，此时提示词仅需指导运动；否则为 text-to-video，提示词需完整构建整个画面。
• 宽高比与时长。横屏（16:9）或竖屏（9:16），以及大致时长。这将决定输出尺寸对（dimension pair）和 duration 参数值。
• 可选：锁定角色或品牌视觉风格的参考图、明确指定的色彩分级（grade）或年代风格（如“1950s”、“teal-and-orange”）。

可用模型

调用前务必通过 runware-models + runware-run 确认当前可用模型及其 schema。切勿硬编码过时的模型选择。以下三个模型均支持 io:text-to-video 和 io:image-to-video 协议。

• 原生支持音频的文本生成视频：Google Veo 3.1（google:3@2）。可直接解析五要素电影化结构与摄像机术语，从世界知识中补全场景细节，并原生生成同步音频。适用于需要环境音、拟音（foley）等声音元素内嵌于视频片段的场景。
• 高端文本/图像生成视频：Luma Ray 3.2（luma:ray@3.2）。具备出色的电影化运镜表现力与色彩分级能力。在 5 秒片段上支持 HDR 输出。
• 图像生成视频（锁定视觉风格）：Runway Gen-4.5（runway:1@2）。源静帧固定主体、构图、配色与布光，提示词仅用于指导运动。同系列产品中的 Gen-4 Turbo 是成本更低的草稿层级。

工作流

本任务为耗时型操作：必须以异步执行 + 轮询方式运行，切勿在同步调用中阻塞数分钟之久。

1. 通过 runware-run 解析所选模型及其 schema。确认其允许的尺寸对（dimension pairs）、支持的 duration 值，以及是否接受 inputs.frameImages（image-to-video）或 inputs.referenceImages 参数。
2. 对于 image-to-video 场景，上传源静帧，并将其作为 inputs.frameImages 提交（Gen-4.5 严格要求且仅接受一张，标记为 first 帧）。
3. 按下方所述紧凑电影化结构撰写提示词，并以摄像机短语开头。
4. 异步调用 videoInference，并持续轮询 getResponse 直至返回终态结果。
5. 从结果中读取 videoURL。对照质量标准进行审核；若运镜或色彩分级未达预期，则重试该镜头。

技巧要点

撰写提示词时请参考 runware-prompting 中的措辞规范。电影级视频生成的核心技艺如下：

• 采用紧凑电影化结构（compact cinematic scaffold）：即构图与摄像机运动、风格、布光、地点、动作。每个要素用一句话点明，三至四句即可胜过大段形容词堆砌。若某要素对当前镜头无关紧要（例如平光处理的对话特写无需额外说明布光），则直接省略。该结构是检查清单（checklist），而非强制模板（template）。
• 首句必为摄像机短语。模型将提示词开头部分视为影像实现的核心指令。“以戏剧性变焦推镜（dolly zoom）聚焦摊主”置于句首时，会被解析为明确指令；若该短语埋入第三句，则仅被视作氛围补充。
• 使用标准摄像机术语，而非近义替代。模型直接识别行业通用术语：push-in（推进）、pull-back（拉远）、pan（水平摇摄）、tilt（垂直俯仰）、dolly（轨道移动）、crane（升降臂）、orbit（环绕）、oner（单镜长镜头）、dolly zoom（变焦推镜）、rack focus（焦点转换）、natural smartphone zoom（自然手机缩放）。 “Dolly zoom” 优于 “the camera moves in a strange way”； “Golden-hour backlit” 优于 “warm yellow light from behind”。
• 明确运镜节奏。“Slow / gradual / steady” 表示沉稳庄重；“Rapid / sudden / dramatic” 表示紧迫急促；未指定节奏时，默认采用中性速度。节奏是继运镜类型之后的第二关键调节维度。
• 文本生成视频中，信任模型的世界知识。例如，“Saturday morning at a 1950s diner” 已隐含镀铬装饰、乙烯基卡座、暖调晨光等视觉信息，无需额外耗费 token 描述这些显而易见的细节。提升质量最有效的手段往往是删减，而非堆砌。
• 图像生成视频中，仅指导运动，不复述画面。静帧已固定画面构成，重复描述只会使模型无所适从。只需分别明确两个独立通道的运动：主体（subject）与摄像机（camera）。若需保持静止，请明确声明（如 “the camera holds completely still” 或 “no subject motion”），否则模型可能同时动画化两者。可叠加大气层运动（rain / smoke / steam / mist / neon flicker）以低成本提升制作质感。
• 运动须有画面依据。肩部以上肖像无法起身走开——画面以下部分根本不存在，无法驱动动画。若需表现画面外区域的动作，请从更广角的源静帧开始。

填写下方结构后，将其展开为三至四句连贯陈述。首句必须涵盖构图与摄像机运动。无关要素可整行删除。三至四句精准点明各要素，远胜于冗长形容词堆砌。

Framing + camera motion: [wide establishing / tight close-up] + [slow push-in / pan right / rack focus / dolly zoom / oner]
Style:                    [cinematic photorealism / shallow depth of field / 1970s film grain]
Lighting:                 [golden-hour backlit / cool window fill / single warm practical]
Location:                 [where, in a few words that carry the décor by world knowledge]
Action:                   [the one small thing the subject does, bounded by what is in frame]

查阅 references/examples.md 获取真实案例：含建立镜头（establishing）、产品展示（product）与角色呈现（character）等典型配方，附带原始请求与实际输出结构。

关键参数说明

• positivePrompt 承载全部镜头意图。必填，严格控制在三至四句以内。
• inputs.frameImages 用于 image-to-video（Gen-4.5：仅接受一张，且须标注 frame: "first"）；inputs.referenceImages 用于在模型支持的前提下锁定角色或品牌视觉风格。
• duration 因模型而异：Veo 3.1 文本生成视频支持 4、6、8 秒（默认 4）；Luma Ray 3.2 仅支持 5 或 10 秒；Gen-4.5 支持 5、8、10 秒。务必以实时 schema 为准。
• width / height 必须为模型所支持的尺寸对之一（常见如横屏 1280 × 720 或竖屏 720 × 1280；Gen-4.5 额外支持 1104 × 832、832 × 1104、960 × 960）。输出尺寸与源静帧无关，应根据其宽高比选择匹配的尺寸对。
• seed 用于跨重试获得可复现结果。
• 所有字段名请严格依据实时 schema（runware-run）确认，切勿猜测参数名。

质量标准

• 所命名的摄像机运动须如实发生，且仅按指定通道（主体 or 摄像机）运动，节奏亦须符合要求。
• 构图、布光与色彩分级应体现明确的电影摄影选择，而非泛泛的动态图像。
• 图像生成视频中，源静帧视觉风格须完整保留，模型仅应驱动运动，不得重构新场景。
• 输出宽高比与持续时间须匹配目标用途。凡运镜失误或色彩分级偏移者，均须重试。

相关技能

runware-run、runware-models、runware-prompting；animate-image（基于静帧生成视频）、multi-shot-video（单个视频中包含多个镜头节奏）。