skill-mv/lib/prompts.mjs

// lib/prompts.mjs — 提示词模板库（代码侧）
//
// 人读版见 references/prompt-templates.md；本文件是脚本直接调用的构建器。
// 原则：人物一致性靠「固定外观锚点（appearance anchor）」逐镜头复述，
//       空镜靠「场景锚点 + 运镜词」，避免 AI 每镜换脸/换景。

/** 作曲填词的用户提示词 */
export function buildLyricsPrompt({ theme, genre = '', mood = '', style = '', language = '中文', extra = '' }) {
  return `请为下面这个主题创作一首${language}流行歌曲的完整素材。

【主题】${theme}
${genre ? `【指定曲风】${genre}` : '【曲风】你来定，但需说明理由'}
${mood ? `【情绪基调】${mood}` : ''}
${style ? `【补充要求】${style}` : ''}
${extra ? `【其它】${extra}` : ''}

要求：
- 歌词长度适合 2.5~3.5 分钟的歌曲，段落完整（主歌2段、副歌2-3次、可含桥段）。
- 副歌必须有记忆点，句尾尽量押韵。
- 歌词必须原创，不得使用任何已有歌曲的句子。
- 给出英文 stylePrompt，供 AI 音乐模型直接使用（含曲风、乐器、速度、人声类型、混音质感）。`;
}

/** 分镜脚本的用户提示词（产线A：歌曲 MV） */
export function buildStoryboardPrompt({ song, shotCount = 8, aspect = '16:9', perShot = 6, project = '' }) {
  const structure = (song.structure || []).join(' → ');
  return `为下面这首歌设计一支 AI 生成的音乐 MV 分镜（全程无实拍，纯 AI 生成画面）。

【歌名】${song.title}
【曲风/情绪】${song.genre || '-'} / ${song.mood || '-'} / ${song.bpm || '?'} BPM
【结构】${structure}
【画面比例】${aspect}
【镜头数量】${shotCount} 个（必须控制在 ${shotCount}±2 个，这是硬性约束）
【单镜时长】每镜 ${perShot} 秒左右，**必须在 ${Math.max(3, perShot - 2)}~${Math.min(8, perShot + 2)} 秒之间**。
  注意：AI 图生视频单段现实上限约 8 秒，**不要**生成 20 秒、30 秒的镜头。
【总时长】因此全片约 ${shotCount * perShot} 秒；不要为了凑原曲长度而增加镜头数量或拉长单镜。
  如需覆盖整首歌，请由使用者调大 --shots，而不是让单个镜头变长。
${project ? `【项目背景】${project}` : ''}

【歌词】
${song.lyrics}

设计要求：
1. 先定义「人物设定 appearanceAnchor」：一句话锁定主角外貌（性别/年龄/发型/服装/气质/镜头感），
   之后每个含人物的镜头 description 与 imagePrompt 都必须原样复述这段锚点，保证跨镜头人物一致。
2. 镜头分为两类：
   - "broll"：空镜/场景镜头（城市、天空、房间、物件特写…），无人物或人物非主体。
   - "perf"：人物演唱镜头（正面/侧脸/半身，情绪表演）。
   两类交替出现，情绪曲线从铺垫 → 蓄积 → 爆发 → 收束，与歌词段落对应。
3. 每个镜头的 imagePrompt 必须是「可独立投喂文生图模型」的完整英文提示词：
   主体 + 动作/状态 + 环境 + 光线 + 镜头语言（焦段/景别/角度）+ 风格 + 画质词，
   并在含人物时包含 appearanceAnchor 的英文版本。
4. 每个镜头的 videoPrompt 是「图生视频」的运镜描述（英文）：
   主体动作 + 镜头运动（push in / pull back / pan left / orbit / handheld）+ 节奏感，
   不含画面内容描述（内容来自关键帧），6 秒内能完成。
5. 若某镜头需要唇形驱动（人物正脸演唱），把 "lipSync": true，其余为 false。
   唇形驱动镜头总数建议 ≤ 4 个。
6. 所有镜头时长之和应接近歌曲总时长。`;
}

/** 口播稿的用户提示词（产线B） */
export function buildScriptPrompt({ topic, durationSec = 90, audience = '', tone = '专业但口语化', points = [], extra = '' }) {
  const words = Math.round(durationSec * 3.6); // 中文口播约 3.5~4 字/秒
  return `写一篇可直接用于 AI 语音合成（TTS）的口播讲解稿。

【主题】${topic}
【目标时长】约 ${durationSec} 秒（约 ${words} 字，中文口播语速约 3.6 字/秒）
${audience ? `【受众】${audience}` : ''}
【语气】${tone}
${points.length ? `【必须覆盖的要点】\n- ${points.join('\n- ')}` : ''}
${extra ? `【其它】${extra}` : ''}

写作要求：
1. 口语化、短句为主，避免书面语与长难句（TTS 读长句会断气）。
2. 开头 3 秒必须有钩子（提问/反常识/利益点），结尾一句行动号召。
3. 数字与专有名词要写出来（会直接读出来），必要时用中文读法（如 "百分之三十"）。`;
}

/** 产线B 讲解画面分镜的用户提示词 */
export function buildTalkStoryboardPrompt({ script, durationSec, aspect = '16:9', shotCount = 8, project = '', hostAnchor = '' }) {
  return `为下面这篇口播稿设计 AI 生成的讲解视频分镜（纯 AI 生成画面，无实拍）。

【画面比例】${aspect}
【总时长】约 ${durationSec} 秒
【镜头数量】${shotCount} 个（必须控制在 ${shotCount}±2 个，这是硬性约束）
【单镜时长】每镜约 ${Math.round(durationSec / shotCount)} 秒，且**必须落在 4~10 秒之间**（AI 图生视频单段上限约 10 秒）
${project ? `【项目背景】${project}` : ''}
${hostAnchor ? `【讲者设定】${hostAnchor}（每个含讲者的镜头都必须原样复述该外观锚点）` : '【讲者设定】请先定义一位讲者的外观锚点 appearanceAnchor'}

【口播稿全文】
${script}

设计要求：
1. 每句/每小段口播都要有对应画面，画面与语义强相关（讲数据就给图表感画面，讲场景就给场景画面）。
2. 镜头两类交替：
   - "talking"：讲者正面半身镜头（可选唇形驱动 lipSync:true，总数 ≤ 3 个）。
   - "broll"：相关场景/物件/概念图（大量使用，占多数，降低口型不一致的观感风险）。
3. 每个镜头给出：start（秒）、duration（秒）、section（对应口播文本片段）、
   narration（该镜头对应的口播文字，用于生成字幕）、
   description（中文画面描述）、imagePrompt（英文，完整可投喂）、videoPrompt（英文运镜）。
4. 每个镜头的中文字幕文本放在 "subtitle" 字段（≤ 20 字，便于单行显示）。`;
}

/** 关键帧：把分镜镜头转成文生图 prompt（含人物一致性锚点） */
export function buildKeyframePrompt(shot, { appearanceAnchor = '', style = '', aspect = '16:9' } = {}) {
  const parts = [];
  if (shot.imagePrompt) parts.push(shot.imagePrompt);
  else parts.push(shot.description || shot.prompt || '');
  if (shot.hasCharacter !== false && appearanceAnchor && !String(shot.imagePrompt || '').includes(appearanceAnchor.slice(0, 20))) {
    parts.push(`Character appearance (keep identical across shots): ${appearanceAnchor}`);
  }
  if (style) parts.push(style);
  parts.push('cinematic still frame, high detail, film grain, color graded, 4k');
  return parts.filter(Boolean).join(', ');
}

/** 视频生成：把分镜镜头转成图生视频 prompt */
export function buildVideoPrompt(shot) {
  return shot.videoPrompt || 'subtle natural motion, slow push in, cinematic';
}

/** 画面比例 → 文生图尺寸 */
export function aspectToSize(aspect = '16:9', tier = 'standard') {
  const map = {
    '16:9': { standard: '1536x864', large: '1792x1024' },
    '9:16': { standard: '864x1536', large: '1024x1792' },
    '1:1': { standard: '1024x1024', large: '1024x1024' },
    '4:3': { standard: '1152x864', large: '1365x1024' },
  };
  return (map[aspect] || map['16:9'])[tier] || '1024x1024';
}

/** 视频生成：比例 → 视频尺寸 */
export function aspectToVideoSize(aspect = '16:9') {
  return aspect === '9:16' ? '720x1280' : aspect === '1:1' ? '960x960' : '1280x720';
}

/** 默认人物外观锚点模板（用户不给时使用） */
export const DEFAULT_ANCHOR = {
  song: 'Asian woman in her late 20s, shoulder-length black hair with soft waves, natural makeup, wearing a deep navy oversized jacket over a white tee, calm melancholic gaze, cinematic presence',
  talk: 'Asian man in his 30s, short neat black hair, light stubble, wearing a charcoal knit sweater, warm approachable expression, professional presenter presence',
};