cinematic-video-prompt-engineer-skill

KO | EN

gitlite — search

#typescript #ai-agents #ai #dsh-plugin #deepseek-harness #open-source #cli #claude-code #codex #developer-tools #react #windows

cinematic-video-prompt-engineer-skill

★ 90 Open GitHub ↗

A Codex skill for turning plot summaries into cinematic AI video prompts. It diagnoses story, emotion, structure, shot design, micro-expressions, sound, reference image prompts, and continuation logic, then outputs copy-ready prompts for short-form AI video generation.

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# Cinematic Video Prompt Engineer Skill

> 电影感视频提示词工程师：把剧情、小说片段和场景想法，转成可直接用于 AI 视频生成的电影感提示词。

![version](https://img.shields.io/badge/version-v1.4.3-blue)
![license](https://img.shields.io/badge/license-MIT-green)
![platform](https://img.shields.io/badge/platform-Codex%20Skill-black)

它用于把剧情梗概、人物关系、场景设定、小说片段和情绪方向，改写成适合 Kling、Seedance、Veo、Sora、Runway、即梦等 AI 视频模型生成的电影感视频提示词。默认采用“完整打磨模式”：先诊断剧情，再给出电影化改写策略、可选参考图提示词，最后输出可复制的视频提示词；复杂或高歧义剧情可先进入方向确认模式。

## 快速开始

1. 安装 `cinematic-video-prompt-engineer` skill。
2. 在 Codex 输入：`请用 $cinematic-video-prompt-engineer 处理这个剧情：...`
3. 查看【剧情诊断】和【电影化改写策略】，确认理解方向。
4. 可选：先用【建议先生成的参考图】生成角色、场景或关键道具。
5. 复制【最终视频提示词】到 AI 视频模型生成视频。

## 当前版本重点

- 台词表演控制：支持二级表演时间码、说话者/听者双表演轨、关键词触发、跨镜画外音和语义剪辑点。
- 声音与光影基线：每条提示词包含可信光源与具体声场，复杂场景统一声音余韵和光影连续性。
- 方向确认模式：复杂、高歧义或敏感剧情先确认诊断与改写方向，再输出参考图和最终提示词。
- 6-30 秒自适应：根据剧情可播放内容选择时长，不硬凑 30 秒，并保留台词、反应和结尾余韵。

## 能力一览

| 能力 | 说明 |
|---|---|
| 剧情诊断 | 先判断情绪核心、视觉核心、结构和时长，不直接堆镜头词。 |
| 电影化改写 | 把抽象剧情转成可见动作、表演、光影、声音和镜头调度。 |
| 参考图提示词 | 给出人物、场景、关键道具或双人关系图提示词，提升视频稳定性。 |
| 6-30 秒视频提示词 | 根据剧情判断实际时长，输出可直接复制到视频模型的最终提示词，不硬凑 30 秒。 |
| 长剧情拆分 | 当剧情超过 30 秒承载能力或提示词超出时长对应字数预算时，建议拆分并说明本段呈现内容。 |
| 续写能力 | 支持从上一段故事状态继续，保持人物、场景、道具和情绪连续。 |
| 小说片段改编 | 支持小说/长文本的片段筛选、外化改写和连续短片结构。 |
| 专项风格 | 支持微表情、多人对话、悬疑、群像、大场面压缩、灯光设计和近身打斗。 |

## 适合用于

- 6-30 秒 AI 视频片段
- 情绪戏、亲密张力、悬疑、家庭冲突、回忆蒙太奇
- 人物头部特写和微表情表现
- 产品 / 人物质感短片
- 群像和大场面的短视频压缩
- 长剧情拆分成多条连续提示词
- 小说片段、长文本剧情的电影化场景筛选与短视频改编
- 用户满意第一条后继续生成下一条视频提示词

## 不适合直接用于

- 完整长片剧本
- 小说润色、标题、口播稿
- 一次性生成超过 30 秒的复杂剧情
- 缺少人物、场景、情绪目标的空泛需求
- 高复杂度武术动作设计，仍建议提供动作参考样本
- 依赖大量屏幕文字、字幕、UI 内容才能理解的画面
- 露骨性内容、未成年人性化、非自愿性内容、过度血腥内容

## 更新日志

本部分仅保留最近三次更新内容。

### v1.4.3 - 台词剪辑与声音光影控制（2026-08-03）

- 新增复杂对话的二级表演时间码、说话者/听者双表演轨、跨镜画外音与 `J-cut/L-cut` 声音桥，并让剪辑点跟随关键词、语义转折和声音破裂。
- 新增景别随心理防线递进规则：防御阶段保留 MCU/CU，真实情绪暴露时再进入 BCU/ECU。
- 建立声音与光影最低描述标准：每条提示词包含可信光源和具体声场，多镜头、悬疑、动作、续写等场景可用“整体声音与光影”统一连续性。

### v1.4.2 - 输出节奏与方向确认模式（2026-08-02）

- 明确默认输出为完整打磨模式：剧情诊断、电影化改写策略、建议参考图和最终视频提示词一起给出。
- 收紧精简模式触发条件：只有用户明确要求“直接给提示词”“不要分析”“只输出最终提示词”等，才只输出最终提示词。
- 新增方向确认模式：长剧情、高歧义、敏感风格边界或用户要求先讨论时，先输出诊断、策略和确认点，用户确认后再给参考图和最终视频提示词。

### v1.4.1 - 30秒心理阶段时间轴（2026-08-02）

- 新增 20-30 秒情绪长镜头写法：按“追问、认命、记住、惋惜、放手”等心理任务拆分时间轴，而不是只按秒数机械分段。
- 强化同类表情的情绪差异控制：例如前一个笑可以是自嘲和认命，最后一个笑可以是温柔放手，避免模型生成成同一种笑。
- 新增眼泪时机与运镜绑定规则：先蓄泪、屏住、再安排第一滴和第二滴泪；镜头推进只在人物情绪距离发生变化时使用。

## 作者

赛博杰尼

- 抖音：[https://v.douyin.com/xWmvnWdJUS8/](https://v.douyin.com/xWmvnWdJUS8/)
- X：[https://x.com/CyberJ0605](https://x.com/CyberJ0605)
- 公众号：Newshare

## 安装

### Codex 用户

把仓库里的 `cinematic-video-prompt-engineer` 文件夹复制到你的 Codex skills 目录。

如果你会使用 Git，可以克隆仓库：

```powershell
git clone https://github.com/CyberJ0605/cinematic-video-prompt-engineer-skill.git
```

如果不使用 Git，也可以在 GitHub 页面点击 `Code -> Download ZIP`，解压后复制其中的 `cinematic-video-prompt-engineer` 文件夹。

Windows 默认安装路径：

```powershell
C:\Users\你的用户名\.codex\skills\cinematic-video-prompt-engineer
```

如果你已把 skills 目录迁移到其他位置，例如：

```powershell
D:\Codex\skills
```

则放到：

```powershell
D:\Codex\skills\cinematic-video-prompt-engineer
```

安装后的结构应为：

```text
cinematic-video-prompt-engineer/
  SKILL.md
  agents/
    openai.yaml
  references/
    style_patterns.md
    evaluation_cases.md
```

不要出现同名嵌套目录：

```text
cinematic-video-prompt-engineer/cinematic-video-prompt-engineer/
```

### 非 Codex 用户

Claude、ChatGPT、DeepSeek、Kimi、通义、豆包等工具一般不能直接安装 Codex skill，但可以使用通用提示词版本。

复制 `PROMPT_VERSION.md` 中的全部内容给对应 AI，然后让它按规则扮演“电影感视频提示词工程师”即可。

## 使用

在 Codex 中调用：

```text
$cinematic-video-prompt-engineer
```

示例：

```text
请用 $cinematic-video-prompt-engineer 处理这个剧情：
深夜医院走廊，男人收到母亲抢救失败的消息，却因为年幼女儿在身边，只能蹲下给她系鞋带，把眼泪憋回去。
```

## 输出内容

默认输出：

```text
【剧情诊断】
【电影化改写策略】
【建议先生成的参考图】
【最终视频提示词】
```

如果用户只想要最终提示词，可以明确说“只给最终提示词”。

## 案例展示

以下视频由本 skill 输出的提示词生成，用于展示不同类型剧情的可控效果。

案例索引：

- 案例 1：情绪特写，古风女子从笑到哭
- 案例 2：悬疑，独居女孩发现陌生钥匙
- 案例 3：多人对话戏，除夕饭桌冲突

### 案例 1：情绪特写，古风女子从笑到哭

效果重点：测试超近面部长镜头中的微表情递进、眼神变化和克制落泪。

**原始剧情**

保持同一位古代宫廷女子不变，用超近面部长镜头表现她从强撑微笑到彻底破防落泪。

**调用方式**

```text
请用 $cinematic-video-prompt-engineer 写一段古代宫廷女子从笑到哭的超近面部长镜头情绪戏，保持人物、服装、烛光宫殿背景不变，全程无台词。
```

**生成视频**

[查看视频文件](./assets/demos/emotional-closeup.mp4)

<details>
<summary>查看 skill 输出内容</summary>

```text
【剧情诊断】
情绪核心：她不是单纯哭泣，而是在“必须保持体面”和“情绪彻底破防”之间被撕开。
视觉核心：古代宫廷女子、烛光、超近面部特写、强撑笑意、眼眶泛红、笑容瓦解、无声落泪。
结构判断：主结构为 10 秒超近面部长镜头情绪弧，全程无台词、无第二人。
时长判断：10 秒适合呈现从笑到哭的完整微表情变化。
取舍与补全：保留固定机位和同一人物设定，不加入肢体动作和复杂剧情。

【电影化改写策略】
使用固定 ECU/CU 镜头，让情绪全部落在眼神、嘴角、双唇、下眼睑、泪水和呼吸里。笑不是开心，而是最后的体面；哭不是爆发，而是体面撑不住后的崩塌。

【建议先生成的参考图】
人物参考图：古代宫廷女子，二十六岁左右，清瘦端庄，鹅蛋脸，黑发半挽，深青色素雅宫装，少量金色发簪，烛光侧照，深色宫殿背景，超近面部特写，嘴角带一抹强撑的微笑，眼眶微红但尚未落泪，真实古装电影质感，低饱和色调。

【最终视频提示词】
基础概括：这是一段 10 秒古代宫廷女子从笑到哭的超近面部长镜头情绪弧。固定机位 ECU/CU，全程无台词、无第二人，烛光宫殿背景，面部稳定不变形，五官清晰，动作自然流畅，无模糊无闪烁无抖动。

0-2s：她直视镜头，嘴角原本挂着一抹极浅的笑，像还在努力维持最后的体面。眼神柔和却空，笑意停在嘴边，没有真正抵达眼底。
2-4s：笑意开始失控。她的嘴角微微上扬得更明显，像想把情绪伪装成轻松，可下眼睑轻轻颤动，瞳孔微微发散。她眨眼变慢，眼眶开始泛红。
4-6s：那抹笑变得脆弱。她轻轻吸一口气，嘴角还在笑，却开始不受控制地发颤。泪水在下睫毛处晶莹闪动，聚满却没有落下。
6-8s：笑容彻底撑不住。她的嘴角一点点落下，双唇慢慢抿住，随后轻颤。眼神从强撑的温柔变成破碎失焦，第一滴泪沿着脸颊滑落。
8-10s：她缓缓垂下眼帘，更多泪水无声滚落，残留的笑意完全瓦解。最后一秒，她极轻地吸了一口气，像把哭声压回胸腔。烛火声变得清晰，Fade to Black。
负面约束：不要夸张嚎哭，不要突然表情跳变，不要现代妆容，不要过度磨皮，不要脸部畸变，不要字幕水印。
```

</details>

### 案例 2：悬疑，独居女孩发现陌生钥匙

效果重点：测试低照度悬疑空间、声音线索和“不直接揭示危险”的恐惧建立。

**原始剧情**

深夜独居女孩回到家，发现玄关鞋柜上多了一把不属于自己的钥匙。她以为是自己记错了，走进客厅后，听见卧室里传来很轻的手机震动声。

**调用方式**

```text
请用 $cinematic-video-prompt-engineer 处理这个剧情：
深夜独居女孩回到家，发现玄关鞋柜上多了一把不属于自己的钥匙。她以为是自己记错了，走进客厅后，听见卧室里传来很轻的手机震动声。
```

**生成视频**

[查看视频文件](./assets/demos/suspense-key.mp4)

<details>
<summary>查看 skill 输出内容</summary>

```text
【剧情诊断】
情绪核心：恐惧不是来自看见危险，而是意识到“家里可能已经有人”。
视觉核心：玄关陌生钥匙、女孩犹豫的手、空客厅、卧室门缝、手机震动声。
结构判断：适合 15 秒低照度现实主义悬疑连续剪辑，用空间推进制造不安，不出现怪物或袭击。
时长判断：15 秒只呈现发现异常、试图合理化、第二个异常出现、停在恐惧确认。
取舍与补全：补入她给自己找理由的低声台词和卧室手机震动声；结尾停在门缝前，不揭示房内。

【电影化改写策略】
用低照度现实主义，不靠尖叫和突脸。镜头跟随她从玄关到客厅，声音比画面更重要：钥匙轻响、冰箱低频、远处电梯、卧室里不属于她的手机震动。

【建议先生成的参考图】
人物参考图：年轻独居女性，二十多岁，日常通勤衣服，神情疲惫但警觉，低照度冷蓝室内光，真实悬疑电影质感。
场景参考图：深夜独居女性公寓玄关到客厅的连续空间，前景左侧是玄关鞋柜，中景是半暗客厅，背景右侧卧室门半掩，玄关暖黄小灯与窗外冷蓝城市光混合，空间纵深清晰，无人物。
关键道具参考图：一把陌生银色钥匙，放在玄关鞋柜上，旁边是女孩自己的钥匙，低照度暖黄小灯，近景，真实电影道具质感。

【最终视频提示词】
基础概括：这是一段 15 秒低照度现实主义悬疑连续剪辑。深夜独居女孩回家，在玄关鞋柜上发现一把陌生钥匙，她试图说服自己只是记错；走进客厅后，卧室里传来很轻的手机震动声，她终于意识到家里可能有人。全片不出现怪物，不突脸，恐惧来自空间和声音。

镜头01（0-4s）：CU，50mm，玄关鞋柜。女孩推门进家，门锁“咔哒”落下，楼道声被切断。鞋柜上放着她的钥匙旁边，竟多了一把陌生银色钥匙。她伸手停在半空，指尖没有碰它，呼吸轻轻一滞。
镜头02（4-7s）：MCU，手持轻微跟拍。女孩低头盯着钥匙，眼神从疑惑变成不安，又强行压下去。她小声对自己说：“可能是我忘了吧……” 说完后，她把包慢慢放下，动作刻意放轻。
镜头03（7-11s）：LS，24mm，客厅纵深构图。屋里没有开主灯，窗外城市冷光把家具切成灰蓝色轮廓。卧室门半掩，门缝里一片黑。环境声：冰箱低频、电梯远处运行声、她袜子踩在地板上的轻微摩擦声。她停住，侧耳听。
镜头04（11-15s）：ECU，85mm，女孩侧脸与卧室门缝同框。卧室里传来极轻的手机震动声：“嗡……嗡……” 她的眼睛微微睁大，瞳孔轻微扩散，下眼睑颤动，嘴唇慢慢抿住。震动声停，她不敢眨眼，缓慢转头看向门缝，Fade to Black。
负面约束：不要鬼怪，不要血腥，不要突脸惊吓，不要尖叫，不要夸张恐怖音乐，不要字幕水印，不要面部畸变。
```

</details>

### 案例 3：多人对话戏，除夕饭桌冲突

效果重点：测试多人对话的台词时长、反应镜头、家庭权力关系和沉默气氛。

**原始剧情**

除夕夜饭桌上，一家三口吃饭。父亲突然宣布要把家里的老房子卖掉，母亲假装夹菜不说话，女儿停下筷子问为什么。父亲说这是为了她以后好，女儿意识到父母其实早就决定了，气氛变得很冷。

**调用方式**

```text
请用 $cinematic-video-prompt-engineer 处理这个剧情：
除夕夜饭桌上，一家三口吃饭。父亲突然宣布要把家里的老房子卖掉，母亲假装夹菜不说话，女儿停下筷子问为什么。父亲说这是为了她以后好，女儿意识到父母其实早就决定了，气氛变得很冷。
```

**生成视频**

[查看视频文件](./assets/demos/dialogue-scene.mp4)

<details>
<summary>查看 skill 输出内容</summary>

```text
【剧情诊断】
情绪核心：表面是卖房决定，真正冲突是女儿发现自己被排除在家庭重大决定之外。
视觉核心：除夕饭桌、红色灯笼光、热气腾腾的菜、母亲夹菜回避、女儿停筷、父亲稳定宣布。
结构判断：适合 15 秒饭桌多人对话连续剪辑，需要切换三人反应，不适合单一长镜头。
时长判断：15 秒内只呈现宣布、追问、父亲解释、女儿意识到四个核心节点，不展开争吵。
取舍与补全：补入父亲和女儿关键台词，母亲用动作和沉默表达立场；结尾留给冷掉的饭桌气氛。

【电影化改写策略】
用饭桌中心构图和交叉特写表现权力关系：父亲坐主位，母亲在侧面回避，女儿在对面被迫接收决定。声音从热闹电视春晚逐渐被压低，只留下筷子碰碗声和沉默。

【建议先生成的参考图】
人物参考图：普通中国家庭父亲，五十岁左右，沉稳强势，深色毛衣，坐在年夜饭主位，暖红灯笼光，现实主义家庭电影质感。
人物参考图：普通中国家庭母亲，五十岁左右，神情回避，围裙或居家毛衣，手里拿筷子，暖色饭桌光，现实主义家庭电影质感。
人物参考图：成年女儿，二十多岁，普通冬季家居服，表情克制但受伤，坐在饭桌对面，暖红灯笼光，现实主义家庭电影质感。
场景参考图：除夕夜中国家庭饭桌，桌上有热菜、碗筷、红色灯笼光，电视春晚在背景虚化，三人座位关系清晰，真实家庭电影场景质感，无人物。

【最终视频提示词】
基础概括：这是一段 15 秒除夕饭桌多人对话连续剪辑。一家三口围坐吃年夜饭，父亲突然宣布要卖掉家里的老房子，母亲假装夹菜回避，女儿追问原因后意识到父母早已决定，饭桌气氛从热闹瞬间变冷。整体为现实主义家庭电影质感，暖红灯笼光与逐渐冷下来的沉默形成反差。

镜头01（0-4s）：MS，35mm，饭桌三人构图。电视里传来模糊春晚笑声，桌上菜还冒着热气。父亲坐主位，放下酒杯，语气平稳地说：“年后我准备把老房子挂出去。” 母亲筷子停了半拍，随即低头继续给女儿夹鱼，不看任何人。女儿的筷子停在半空。
镜头02（4-8s）：切女儿 CU，50mm。她慢慢放下筷子，眼神从父亲转向母亲，发现母亲不敢看她。女儿压着声音问：“你们什么时候决定的？” 父亲画外音接上：“这事不用你操心，是为了你以后好。”
镜头03（8-11s）：父亲 MCU，50mm，正面略低角度。父亲夹菜，动作故作自然，眼神没有躲，像在宣布一个已经盖章的结果。他补一句：“房子空着也是空着，卖了给你换个轻松点的开始。” 母亲的筷子在画面边缘轻轻碰到碗沿，发出一声细响。
镜头04（11-15s）：回到三人 MS，镜头缓慢 Push in。女儿看着母亲，笑意一点点消失，嘴唇轻轻抿住，意识到他们早就商量好了。她低声说：“所以你们只是通知我。” 没有人回答。电视笑声被压到很远，桌上的热气在三人之间慢慢散掉，Fade to Black。
负面约束：不要夸张吵架，不要哭喊，不要舞台剧式表演，不要字幕水印，不要人物脸部畸变，不要筷子和手指畸形。
```

</details>

## 项目文档

维护与交接说明见：

```text
docs/PROJECT_HANDOFF.md
```

## 反馈与贡献

欢迎提交：

- 更好的电影感提示词样本
- 视频模型生成失败案例
- 微表情、动作戏、灯光、多人对话等专项参考
- 不同模型的测试结果和适配建议

推荐反馈格式：

```text
原始剧情：
使用模型：
生成结果问题：
希望改进方向：
参考提示词或视频描述：
```

## License

本项目使用 [MIT License](LICENSE)。你可以自由使用、修改和分享，但请保留原作者与许可证信息。

cinematic-video-prompt-engineer-skill

Explore Similar Repositories

Was this content helpful?

Recent Feedback

Download README