优化脚本

core/backend/skills/ecommerce-video-script/SKILL.md

@@ -5,7 +5,7 @@ description: >
   服务对象不是人类编剧，而是 AirShelf 产品后端的「脚本生成 agent」——在运行时按需加载本技能作为领域知识。
   能力：把【商品信息 + 前置条件】或【一句话主题】或【用户已有脚本】，
   自动收敛成一份结构化的带货短视频脚本 JSON
-  （默认 9:16 竖屏可改 / 总时长 5–60 秒按 5 秒步进 / 单镜 4–15 秒可不等长 /
+  （默认 9:16 竖屏可改 / 总时长 15/30/45/60 秒 / 每镜固定 15 秒 /
   按「表现形式 × 视频结构」套路生成）。
   当任务为「生成带货脚本 / 扩写主题 / 优化已有脚本 / 商品转视频脚本」时使用本技能。
   核心目标是「电商小白点一下按钮就出能吸睛、能转化的脚本」，不是影视级艺术性。
@@ -57,11 +57,11 @@ description: >
   "segments": [
     {
       "index": 0,
-      "duration": 12,
+      "duration": 15,
       "role": "钩子|痛点|卖点|CTA",
-      "narration": "这一镜被说出来的台词/旁白,字数上限=duration×3.5",
+      "narration": "这一镜被说出来的台词/旁白,15秒口播目标38-47字(下限36,上限52)",
       "speaker": "可选,指向某 entity 的 id;画外旁白时为 null",
-      "visual": "这一镜的画面:主体+动作+景别/运镜(特写/全景/手持跟拍/推拉摇)+一个画面或情绪的变化,够导演撑满这一镜的秒数,约40-70字,别只写一句静态动作",
+      "visual": "0-3s：近景，……\\n3-8s：手持跟拍，开始使用商品\\n8-12s：特写，商品用法过程\\n12-15s：拉回中近景，使用后的反应",
       "product_exposure": "商品露出方式(手持/特写/使用中)",
       "entity_refs": ["c1", "s1"],
       "dialogue": []
@@ -76,11 +76,12 @@ description: >
   `video_structure`（`痛点解决|前后对比|测评验证|场景种草`）**原样回填到输出里**，不要自己改。
   输入没给时，按商品品类与人群自行选一组最合适的，并如实填进这两个字段。
 - **画幅由输入给定**：`aspect_ratio` 默认 `"9:16"`（电商竖屏主场景），但**不写死**——输入指定了其他比例（如 `"16:9"`、`"1:1"`、`"4:5"`）就照用，原样透传给下游。画幅只影响 `visual` 的构图措辞，不改变结构与镜数。
-- **总时长由输入给定**：`total_duration` 取 **5–60 秒之间的 5 的倍数**（5/10/15/…/60），输入未指定时默认 `30`。**不要写死。**
-- **单镜时长 4–15 秒，允许不等长**：每个 `segments[].duration` 必须是 **4 到 15 之间的整数**
-  （15 秒是下游出片模型的硬上限，越界下游直接拒绝出片）。
-  该长的镜给足、该短的镜压短，**不要机械均分**。
+- **总时长由输入给定**：`total_duration` 取 **15 / 30 / 45 / 60**（15 秒步进），输入未指定时默认 `30`。**不要写死成别的数。**
+- **每镜固定 15 秒**：每个 `segments[].duration` **必须是 15**，镜数 = `total_duration / 15`（15 秒 1 镜、30 秒 2 镜、45 秒 3 镜、60 秒 4 镜）。
+  禁止 8/10/12 这种不等长，禁止自行加减镜。15 秒也是下游出片模型的硬上限。
 - **镜时长必须精确加总**：`sum(segments[].duration) == total_duration`，一秒都不能差。
+- **商品原词铁律**：钩子/旁白/对白必须用上输入里给出的**商品名、品牌、本次勾选卖点的原词**。
+  禁止用「补水 / 好用 / 值得买 / 宝藏 / 闭眼入」这类空话替换真实卖点。品类话术和钩子库只是写法参考，不是正文。
 - **`segment_count` = `segments` 的实际长度**，且 `index` 从 0 连续递增。
 - 镜数怎么定、role 怎么按镜数分配，见 `references/methodology.md`「时长 → 镜数 → 黄金结构映射」。
 - `entities[].id` 全局唯一，`segments[].entity_refs` 与 `speaker` 只能引用已声明的 id。
@@ -94,7 +95,11 @@ description: >
 - **每个声明的 entity 至少被一个 segment 引用**（不留孤儿 entity）。
 - **场景必抽，且每镜必绑一个场景**：每条脚本**至少声明 1 个 `type:"scene"` 实体**表示画面所在环境；**每个 segment 的 `entity_refs` 必须恰好引用一个 scene**。多镜在同一环境就**复用同一个 scene id**（绝不为同一环境写两份 visual_prompt，否则下游背景漂移）；只有真正换了环境才新建另一个 scene。纯产品特写镜也要绑它所处环境的 scene（如「宿舍书桌」「厨房台面」），没有合适环境时复用主场景。
 - `visual_prompt` 由你自动生成，小白无需打字。
-- **每镜 `visual` 要够厚撑满这一镜的秒数**：一段话写清 ①主体+动作 ②景别/运镜（特写/全景/手持跟拍/推拉摇，至少给一个镜头语言）③一个画面或情绪的变化（从…到…）。约 **40–70 字**，**禁止只写一句静态动作**（如「女主举起商品展示」撑不住十几秒，要补镜头与变化）。4–6 秒的短镜可以只给一个动作 + 一个镜头语言，但仍要写清景别。注意：这是给生图/视频导演的画面，**不占 narration 的字数额度**。
+- **每镜 `visual` 必须按秒拆分镜**：15 秒一场里至少 3 刀、目标 4 刀，写成多行：
+  `0-3s：景别，谁在做什么，手和商品的空间关系`
+  第一条从 0 秒起，最后一条接到 15s。每条都要有景别/运镜，15 秒内至少切两次景别。
+  **禁止**用一句静态动作撑满 15 秒（如「女主举起商品展示」）。这是给故事板和 Seedance 的导演说明书，**不占 narration 字数**。
+- **画面物理常识**：商品用法必须是真人会做的。茶/咖啡 = 热水、蒸汽、茶汤渐染，禁止茶包丢进看起来像冷白开的杯子；护肤品 = 挤出/涂抹；食品 = 打开/入口。手从真实方向入画，禁止悬浮肢体、反关节、商品凭空出现。每条分镜写清容器/包装长什么样、液体或材质当前状态。
 - 不要输出 schema 之外的字段，也不要省略必填字段。
 
 ### 铁律 2 · 输出前自检
@@ -106,10 +111,12 @@ description: >
 
 详见 `references/methodology.md`「旁白红线」。最关键的几条：
 - **口语化**，像真人对着镜头说话，不准书面腔 / AI 腔。
-- **每镜 narration ≤ `duration × 3.5` 字，且绝不超过 55 字**（出片模型在镜内直接发声，
-  3.5 字/秒是可懂语速上限）。短镜装不下就拆到下一镜，或干脆留空走纯画面。
+- **口播 15 秒镜要说满**：`narration` **36–52 字**（写作目标 **38–47 字，2–4 句短句**）。
+  上限仍是 `duration × 3.5` 且不超过 55 字。禁止一句 20 字收工。
+  商品名全片点名 1–2 次即可，其余镜用卖点原词和可感知细节（口感/气味/动作/使用场景）。
+  Vlog 才允许个别镜纯画面；口播禁止整镜无声。
 - **禁违规词**：医疗功效（治疗/根治/抗癌…）、绝对化用语（最/第一/100%/国家级…）一律不写。
-- 不浮夸、不空喊，卖点要落到「商品怎么解决痛点」。
+- 不浮夸、不空喊，卖点要落到「商品怎么解决痛点」。人物口吻跟输入的人物设定走，不要万能主播腔。
 
 ### 铁律 4 · 一键自动化（与影视母版相反）
 
@@ -124,10 +131,10 @@ description: >
 | 参数 | 值 |
 | ---- | ---- |
 | 画幅 | **默认 9:16 竖屏**，由输入可覆盖（16:9 / 1:1 / 4:5 等照用） |
-| 总时长 | **5–60 秒，5 秒步进**，由输入给定；未指定时默认 30 |
+| 总时长 | **15 / 30 / 45 / 60 秒**，由输入给定；未指定时默认 30 |
 | 表现形式 | **口播 / 短剧 / Vlog**，由输入给定；未指定时按品类人群自选 |
 | 视频结构 | **痛点解决 / 前后对比 / 测评验证 / 场景种草**，由输入给定；未指定时按品类人群自选 |
-| 分镜 | **单镜 4–15 秒，可不等长**；镜数按表现形式的推荐节奏定（见方法论） |
+| 分镜 | **每镜固定 15 秒**；镜数 = 总时长 / 15 |
 | 镜头功能 | 钩子 → 痛点 → 卖点 → CTA（黄金结构；具体骨架以视频结构套路为准） |
 | 发声方式 | 出片模型直接生成画面+音效+人声（**不走 TTS**） |
 
@@ -163,13 +170,14 @@ description: >
 ## 生成流程（内部执行，一次走完，不暂停）
 
 1. **路由** — 判定输入模式（①/②/③），加载对应 references；再按输入的表现形式与视频结构加载那两份套路。
-2. **定镜** — 读画幅（`aspect_ratio` 默认 9:16）与总时长（5–60 秒，未指定默认 30）；
-   按表现形式的推荐单镜节奏定出镜数，再给每镜分配 4–15 秒的时长，**确保加总等于总时长**。
+2. **定镜** — 读画幅（`aspect_ratio` 默认 9:16）与总时长（15/30/45/60，未指定默认 30）；
+   镜数 = 总时长 / 15，**每镜 duration 一律填 15**。
 3. **定调（tone）** — 依据视频结构 + 品类话术 + 平台调性，选定 `tone`；②③ 模式尊重用户已表达的倾向。
 4. **抽取/创建 entities** — 识别脚本需要的角色 / 场景 / 商品；为每个 entity 写一份**全脚本共用**的 `visual_prompt`（保证多镜同一角色同一张脸）；可选写 `voice_ref` 锁音色。
 5. **按套路填结构** — 优先用视频结构套路里的骨架给每个 segment 分配 `role`；
    套路没覆盖到的用「role 按镜数分配」表兜底；钩子镜套用该套路指定的钩子写法。
-6. **写 narration / visual / 商品露出** — 每镜旁白 ≤ `duration × 3.5` 字、口语化、过红线；
+6. **写 narration / visual / 商品露出** — 口播 15 秒镜旁白 38–47 字（下限 36）、口语化、过红线；
+   **visual 按秒拆成 3–5 条分镜**；必须把输入给出的卖点原词和商品描述细节写进旁白或对白，不要每句只重复商品名；
    发声方式按表现形式套路来；每镜规划自然的 `product_exposure`。
 7. **连引用** — 填 `entity_refs` 与 `speaker`，确认每个 entity 都被引用、id 都合法。
 8. **自检** — 跑 `checklist.md`，过了再输出。