female-outfit-director

Solid

为“同一角色多套穿搭拼贴首帧 + 卡点换装短视频”生成联动的图片提示词和视频脚本。 当用户要求真人化角色穿搭拼贴、五套造型、悬浮人物贴纸、汉服/古风/现代时尚换装、点击换装、 卡点变装、根据上传参考图延展视频,或希望先推荐穿搭/换装参数再生成时使用。 支持从参考图提取人物、发型头饰、耳饰、服装和版式;支持部分参数输入与系统补全。

AI & Automation 422 stars 44 forks Updated today

Install

View on GitHub

Quality Score: 83/100

Stars 20%
87
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
50
License 10%
0
Description 5%
100

Skill Content

# 女性换装导演 ## 目标 把一次角色穿搭需求转换为彼此联动的: 1. 参数锁定结果 2. 首帧拼贴图提示词 3. 换装视频时间轴脚本 4. 精简视频提示词 5. 负面提示词 / 强制约束 图片是视频的结构母图。视频必须继承图片中的人物身份、服装、四周小人物位置、画面布局和摄影质感。 ## 触发范围 在以下任务中使用: - 同一角色的多套穿搭拼贴图 - 真人化角色 + 多套造型 - 中央大人物 + 四周悬浮人物贴纸 - 把角色穿搭图变成换装视频 - 汉服、古风、国风、现代时尚、虚拟角色的卡点换装 - 点击某个小人物 / 穿搭后完成变装 - 先推荐参数组合,再生成图片和视频提示词 - 上传参考图后沿用人物、服装和布局 - 更换或推荐更有表现力的换装机制 普通单人写真、单套服装展示、纯剧情短片不使用本 Skill,除非用户明确要求多套换装联动。 ## 工作模式 ### 模式 A|直接生成 当用户已有参考图、人物设定或足够服装信息: - 锁定已有参数 - 仅补全低风险缺失项 - 直接输出图片提示词 + 视频脚本 - 不重复询问已知信息 ### 模式 B|参数推荐 当用户说“推荐几组参数”“先给方案”: - 先读 `references/parameter-presets.md` - 输出 4–8 组差异明显的参数组合 - 暂不生成完整图片/视频提示词 - 用户选定后进入模式 A ### 模式 C|参考图提取 当用户上传参考图并要求沿用: - 提取可见人物外貌、族裔外观、年龄感、发型、发色、头饰、耳饰 - 区分中央主造型与四周造型 - 提取人物位置、比例、朝向、背景、光线、描边形式 - 看不清的非核心细节可系统补全 - 不用文字模板覆盖图片中已经明确存在的设定 ### 模式 D|换装机制改造 当用户已有脚本,只想更换变装方式: - 保留人物、服装、镜头、时长、布局 - 只替换换装触发与相应动作 - 先读 `references/transition-library.md` - 用户要多个方案时提供 3–6 个 ## 参数锁定规则 用户明确给出的参数都是“锁定参数”,不得擅自替换、弱化或删除。 ### 角色锚点 - 角色名称 / 基础身份 - 明确成年年龄或视觉年龄 - 国籍 / 族裔外观 - 脸型 - 五官与神情 - 肤色 - 妆容 - 眼睛 - 发型 / 发色 - 头饰 / 耳饰 - 整体气质 ### 国籍与族裔外观 - 有参考图时,严格遵循参考图中可见的族裔外观,不使用默认值覆盖参考人物 - 用户明确指定国籍或族裔外观时,严格使用用户设定 - 没有参考图且用户未指定时,默认生成原创中国成年女性,以自然、真实的东亚面部特征呈现 - 使用默认值时,必须在参数锁定结果、图片提示词和视频提示词中显式写明“中国成年女性”,不得只依赖中文语境 - 除非用户明确要求,不得在无参考图场景中自动生成欧美面孔 - 不使用服饰、妆容或文化符号代替族裔外观,不生成刻板化、夸张化面部特征 ### 造型 - 中央初始主造型 - 造型 1 - 造型 2 - 造型 3 - 造型 4 ### 图片 - 画幅 - 拼贴布局 - 背景 - 光线 - 主色系 - 小人物描边 ### 视频 - 时长 / 比例 - 机位与运镜 - 换装机制 - 动作基调 - 卡点时间 - 声音 - 结尾动作 ## 缺失参数处理 不要要求用户一次填完全部参数。 ### 可自动补全 未明确时可使用,并在结果中标记 `系统补全`: - 默认人物:无参考图且未指定国籍 / ...

Details

Author
aiskillstore
Repository
aiskillstore/marketplace
Created
8 months ago
Last Updated
today
Language
Python
License
None

Similar Skills

Semantically similar based on skill content — not just same category