feat(v1.1): 新增图生视频 + 一场戏提示词方法论

- gen.mjs 支持 --image 参数（图生视频，锁定构图与人物）
- SKILL.md 新增 B 档「一场戏」提示词结构：动作分秒写、写对白、
  写反应、运镜写起止、多人分别写、时长用 8 秒
- 新增多片段连看四要素：人物一致、动作衔接、情绪曲线、时长够
- 补充命令行图生视频用法

实测：图生视频已跑通（S5/S7 两镜，各 $1.38）

SKILL.md

@@ -73,6 +73,19 @@ base64 解码写 mp4。**注意 curl 要设 `--max-time 300`**，视频有 2-3MB
 | `prompt` | string | 文本提示词，英文效果更稳 |
 | `image` | object | 图生视频：`{"bytesBase64Encoded":"...","mimeType":"image/png"}` |
 
+**命令行图生视频：**
+
+```bash
+# 用关键帧生成视频（锁定构图与人物）
+node scripts/gen.mjs \
+  --prompt "..." \
+  --image /path/to/keyframe.png \
+  --model standard --duration 8 \
+  --out /path/to/clip.mp4
+```
+
+`--image` 支持 `.png` / `.jpg`，脚本会自动 base64 编码并识别 MIME。
+
 ### parameters（影响费用，重点看）
 
 | 参数 | 可选值 | 默认 | 对费用影响 |
@@ -147,19 +160,97 @@ base64 解码写 mp4。**注意 curl 要设 `--max-time 300`**，视频有 2-3MB
 
 ## 六、提示词写法
 
-Veo 对英文更敏感。结构：
+Veo 对英文更敏感。**中文提示词也能用，但英文出片质量更稳。**
+
+### 6.1 两档用法：动态场景 vs 一场戏
+
+**A 档｜动态场景**（一条素材、一个动作）
 
 ```
 [主体] + [动作] + [环境] + [镜头] + [光线] + [风格]
 ```
 
-例：
 ```
 A golden retriever running on the beach at sunset, tracking shot,
-warm golden hour light, cinematic, shallow depth of field, 4k
+warm golden hour light, cinematic, shallow depth of field
+```
+
+适用：产品展示、氛围空镜、单动作素材。
+
+**B 档｜一场戏**（有情节、有人物关系、能连着看）★ 做剧集必须用这档
+
+只写"一个人在做一件事"，出片就是一张会动的画。**要让人看懂发生了什么事，必须写全时序和对白。**
+
+```
+【场景】具体空间 + 光线条件 + 氛围
+【开场状态】第一个瞬间画面是什么样
+【人物】外观 + 姿态 + 在做什么（多人分别写）
+【动作时序】按秒拆：
+  0-2s: ...
+  2-5s: ...
+  5-8s: ...
+【对白】"说话人：台词"（Veo 3.1 会生成原生音频和口型）
+【运镜】起始机位 → 结束机位
+【光线】No sunlight, no cast shadows, flat diffused light
+【风格】Cinematic 3D realistic style
+```
+
+**实例：**
+
+```
+A dark stone hut interior at night, the only light is a thin cold
+phosphorescent glow seeping through a crack in the wall.
+
+0-2s: Camera tilts down slowly from the glowing crack to the stone
+floor, revealing a gaunt young man lying on his side, eyes open.
+
+2-5s: His pupils slowly focus. His fingers twitch against the gravel.
+He pushes himself up slowly, body weak.
+
+5-8s: He sits up, head turning toward the wooden door on the left.
+Outside, a low rumbling sound vibrates through the stone floor.
+
+Dialogue: (none, only breathing)
+
+Camera: tilt down from ceiling to floor level, ending in medium shot.
+
+No sunlight. No cast shadows. Flat diffused cold grey light.
+Cinematic 3D realistic style, shallow depth of field.
 ```
 
-**中文提示词也能用，但英文出片质量更稳。** 技能默认把中文需求翻成英文再提交。
+**B 档的六个关键点：**
+
+| 要点 | 说明 |
+|---|---|
+| **动作分秒写** | 0-2s / 2-5s / 5-8s，Veo 才能排出节奏 |
+| **写对白** | 用 `说话人："台词"`，Veo 生成原生语音 + 口型 |
+| **写反应** | 一方说完，另一方给什么反应，这才是"戏" |
+| **运镜写起止** | "从天花板下摇到地面"，不是只写"推镜" |
+| **多人分别写** | 每个人的位置、姿态、动作都要描述 |
+| **时长用 8 秒** | 4 秒装不下一场戏 |
+
+### 6.2 图生视频能锁住什么
+
+传 `--image` 后，Veo 会**保持参考图的构图、人物外观、光影**，只让画面动起来。
+
+| 传参考图 | 不传参考图 |
+|---|---|
+| 人物长相稳定、构图可控 | AI 自由发挥，容易跑偏 |
+| 光影风格一致 | 光效可能突变 |
+| 适合连续剧集 | 适合单条素材 |
+
+**做剧集的标准流程**：先用图像模型（如 `gemini-2.5-flash-image`）出关键帧 → 确认画面 → 再用 `--image` 让关键帧动起来。
+
+### 6.3 让多个片段能连着看
+
+**多段拼成一条片子，观众能看懂，靠这四件事：**
+
+1. **人物一致**：所有片段用同一张人物参考图
+2. **动作衔接**：上一段结尾的动作 = 下一段开场的状态
+3. **情绪曲线**：平静 → 不安 → 恐惧 → 收束，不能全是平的
+4. **时长够**：8 秒/段，4 秒只会出"动图"
+
+**自检**：把 N 段拼起来放一遍，观众能说出"发生了什么事"才算成立；只能说"看了几张画"就是失败。
 
 ---
 

scripts/gen.mjs

@@ -51,6 +51,7 @@ const opts = {
   resolution: args.resolution || '720p',
   count: Number(args.count || 1),
   out: args.out,
+  image: args.image,
   estimateOnly: !!args['estimate-only'],
 };
 
@@ -92,8 +93,16 @@ const KEY = fs.readFileSync(KEY_FILE, 'utf8').trim();
 const modelId = est.model;
 
 async function submit() {
+  let instance = { prompt: opts.prompt };
+  if (opts.image) {
+    const imgBuf = fs.readFileSync(opts.image);
+    const ext = path.extname(opts.image).toLowerCase();
+    const mime = ext === '.jpg' || ext === '.jpeg' ? 'image/jpeg' : 'image/png';
+    instance.image = { bytesBase64Encoded: imgBuf.toString('base64'), mimeType: mime };
+    console.error(`图生视频: ${opts.image} (${(imgBuf.length/1024).toFixed(0)}KB, ${mime})`);
+  }
   const body = {
-    instances: [{ prompt: opts.prompt }],
+    instances: [instance],
     parameters: {
       aspectRatio: opts.ratio,
       durationSeconds: opts.duration,