anbeime/skill / skills/infinitetalk-shopping-avatar/infinitetalk-shopping-avatar
infinitetalk-shopping-avatar
Verified电商运营与内容创作者在制作数字人带货视频时,使用本技能可自动生成适配InfiniteTalk的五幕分镜结构化提示词,精准管控角色一致性与音画同步,一键产出高质量9:16竖屏带货视频,让数字人带货更高效!
| File | Kind | Size |
|---|---|---|
| SKILL.md | skill md | 8.9 KB |
| assets/examples/sample-prompts-infinitetalk.md | markdown | 16.7 KB |
| references/consistency-rules-infinitetalk.md | markdown | 16.6 KB |
| references/cross-tool-integration.md | markdown | 9.9 KB |
| references/infinitetalk-parameters.md | markdown | 5.2 KB |
| references/prompt-structure.md | markdown | 10.5 KB |
| references/scene-templates-infinitetalk.md | markdown | 17.2 KB |
references/consistency-rules-infinitetalk.md
View on GitHub# 一致性管控规则(InfiniteTalk专用)
## 目录
- [1. 一致性三大维度](#1-一致性三大维度)
- [2. 角色一致性管控](#2-角色一致性管控)
- [3. 视觉连贯性管控](#3-视觉连贯性管控)
- [4. 情绪连贯性管控](#4-情绪连贯性管控)
- [5. 质量核查流程](#5-质量核查流程)
- [6. 一致性校验函数示例](#6-一致性校验函数示例)
## 概览
本文档定义InfiniteTalk生成视频的一致性管控规则,确保角色、视觉、情绪三大维度保持高度统一。
---
## 1. 一致性三大维度
### 1.1 角色一致性
**核心原则**:所有五幕提示词必须使用完全相同的角色固定特征描述
**管控维度**:
- 外貌特征:脸型、眼睛、发型、肤色、唇色
- 服饰特征:上衣、鞋子、配饰
- 气质特征:整体气质、手部姿态、身体姿态
### 1.2 视觉连贯性
**核心原则**:设定贯穿五幕的视觉线索,保持色调、场景元素、构图比例统一
**管控维度**:
- 色调:主色调贯穿五幕(冷调/暖调/中性)
- 场景元素:背景类型、道具统一
- 构图比例:9:16竖版,景深≥70%
### 1.3 情绪连贯性
**核心原则**:从第一幕到第五幕的情绪递进自然,符合场景逻辑
**管控维度**:
- 情绪基调:从第一幕到第五幕情绪递进
- 面部表情:与情绪匹配(带笑/专注/微凝/哀伤/坚定)
- 身体动作:与情绪匹配(优雅/活跃/有力)
---
## 2. 角色一致性管控
### 2.1 角色固定特征(严禁修改)
**外貌特征**:
```
性别:女性数字人
年龄:25岁左右
脸型:鹅蛋脸
眼睛:杏眼(根据情绪调整:带笑/专注/兴奋/微凝/哀伤/坚定)
发型:浅棕色齐肩卷发
肤色:白皙
唇色:淡粉
```
**服饰特征**:
```
上衣:浅灰色修身西装套裙,内搭白色衬衫
鞋子:米色细跟鞋
配饰:银色简约项链
```
**气质特征**:
```
整体气质:专业又亲和
手部姿态:优雅自然
身体姿态:挺拔/端正/微倾(根据场景调整)
```
### 2.2 角色一致性核查清单
**外貌一致性**:
- [ ] 性别一致:所有分镜都描述为"女性数字人"
- [ ] 年龄一致:所有分镜都描述为"25岁左右"
- [ ] 脸型一致:所有分镜都描述为"鹅蛋脸"
- [ ] 眼睛一致:所有分镜都描述为"杏眼"(仅允许调整情绪)
- [ ] 发型一致:所有分镜都描述为"浅棕色齐肩卷发"
- [ ] 肤色一致:所有分镜都描述为"白皙"
- [ ] 唇色一致:所有分镜都描述为"淡粉"
**服饰一致性**:
- [ ] 上衣一致:所有分镜都描述为"浅灰色修身西装套裙,内搭白色衬衫"
- [ ] 鞋子一致:所有分镜都描述为"米色细跟鞋"
- [ ] 配饰一致:所有分镜都描述为"银色简约项链"
**气质一致性**:
- [ ] 整体气质一致:所有分镜都描述为"专业又亲和"
- [ ] 手部姿态一致:所有分镜都描述为"优雅自然"
- [ ] 身体姿态合理:根据场景调整(挺拔/端正/微倾)
### 2.3 常见错误与修正
#### 错误示例1:外貌描述不一致
❌ **第一幕**:"鹅蛋脸、杏眼带笑"
❌ **第二幕**:"圆脸、大眼睛"
✅ **修正**:所有分镜都使用"鹅蛋脸、杏眼带笑"
#### 错误示例2:服饰描述不一致
❌ **第一幕**:"浅灰色修身西装套裙"
❌ **第二幕**:"蓝色职业装"
✅ **修正**:所有分镜都使用"浅灰色修身西装套裙"
#### 错误示例3:气质描述不一致
❌ **第一幕**:"专业又亲和"
❌ **第三幕**:"严肃冷漠"
✅ **修正**:所有分镜都使用"专业又亲和",通过光影和氛围调整严肃感
---
## 3. 视觉连贯性管控
### 3.1 核心原则
设定贯穿五幕的视觉线索,保持色调、场景元素、构图比例统一。
### 3.2 色调连贯
**主色调**:
- **冷调**:色温4000K-4500K(专业、客观、冷静)
- **暖调**:色温5000K-5500K(热情、亲切、温暖)
- **中性**:色温4500K-5000K(平衡、自然)
**辅助色调**:根据情绪调整(暖调适配热情,冷调适配专业)
**色彩饱和度**:保持适中,避免过饱和或过淡
### 3.3 场景元素连贯
**背景统一**:
- 背景场景类型统一(商务场景)
- 背景元素一致(会议室、书房、洽谈室、大厅、办公室)
**道具一致**:
- 道具描述一致(平板、文件、桌椅、印章等)
- 道具位置合理(前景/中景/背景)
**空间关系**:
- 前景、中景、背景关系统一
- 背景虚化程度≥70%
### 3.4 构图比例连贯
**比例统一**:9:16竖版
**景别统一**:
- 中景为主(第一幕、第二幕、第四幕、第五幕)
- 近景为辅(第三幕)
**视角统一**:
- 固定镜头为主
- 顺光、侧光为主,顶光、逆光为辅
- 避免频繁切换视角
### 3.5 视觉连贯性核查清单
- [ ] **色调连贯**:主色调贯穿五幕
- [ ] **背景统一**:背景场景类型统一
- [ ] **道具一致**:道具描述一致
- [ ] **比例统一**:9:16竖版构图
- [ ] **景别合理**:景别切换合理
- [ ] **视角统一**:视角切换不频繁
- [ ] **背景虚化**:虚化程度≥70%
### 3.6 常见错误与修正
#### 错误示例1:色调不连贯
❌ **第一幕**:"冷调柔光,色温4000K"
❌ **第三幕**:"深蓝色商务色调,冷调强光"
✅ **修正**:保持"冷调柔光",色温4000K-4500K
#### 错误示例2:背景不统一
❌ **第一幕**:"现代商务会议室"
❌ **第三幕**:"户外草坪场景"
✅ **修正**:保持"现代商务场景"
#### 错误示例3:构图比例不统一
❌ **第一幕**:"9:16竖版"
❌ **第三幕**:"16:9横版"
✅ **修正**:统一使用"9:16竖版"
---
## 4. 情绪连贯性管控
### 4.1 核心原则
从第一幕到第五幕的情绪递进自然,符合场景逻辑和用户体验。
### 4.2 情绪递进设计
#### 产品推荐场景情绪递进
```
第一幕(开场吸引):热情、神秘
第二幕(产品介绍):专业、详细
第三幕(产品演示):专注、生动
第四幕(优势强调):自信、有力
第五幕(行动召唤):鼓励、坚决
```
#### 价格对比场景情绪递进
```
第一幕(开场引导):亲切、好奇
第二幕(平台介绍):客观、清晰
第三幕(价格对比):理性、冷静
第四幕(优势分析):公正、平衡
第五幕(购买建议):鼓励、友好
```
#### 促销活动场景情绪递进
```
第一幕(活动开场):兴奋、热烈
第二幕(优惠介绍):紧迫、刺激
第三幕(限时秒杀):急促、激烈
第四幕(库存告急):危急、催促
第五幕(最后机会):果断、坚定
```
### 4.3 情绪与面部表情匹配
| 情绪 | 面部表情 | 示例 |
|-----|---------|------|
| 热情 | 杏眼带笑 | 第一幕(开场吸引) |
| 专业 | 杏眼专注 | 第二幕(产品介绍) |
| 专注 | 杏眼专注 | 第三幕(产品演示) |
| 自信 | 杏眼带笑 | 第四幕(优势强调) |
| 鼓励 | 杏眼带笑 | 第五幕(行动召唤) |
| 微凝 | 杏眼微凝 | 特殊场景(神秘宏大) |
| 哀伤 | 杏眼哀伤 | 特殊场景(悲壮悠远) |
| 坚定 | 杏眼坚定 | 特殊场景(威严权力) |
### 4.4 情绪与光影匹配
| 情绪 | 光影 | 色温 |
|-----|------|------|
| 热情 | 暖调柔光 | 5000K-5500K |
| 专业 | 中性柔光 | 4500K-5000K |
| 冷静 | 冷调柔光 | 4000K-4500K |
| 紧迫 | 暖调强光 | 5000K-5500K |
| 悲伤 | 冷调低光 | 4000K-4500K |
| 威严 | 暖调强光 | 5000K-5500K |
### 4.5 情绪连贯性核查清单
- [ ] **情绪基调一致**:整体情绪基调一致(如专业、热情)
- [ ] **情绪递进自然**:从第一幕到第五幕情绪递进自然
- [ ] **情绪变化合理**:情绪变化符合场景逻辑
- [ ] **表情适配情绪**:面部表情与情绪匹配
- [ ] **光影适配情绪**:光影适配情绪(暖调适配热情,冷调适配专业)
- [ ] **氛围描述统一**:氛围描述与情绪一致
### 4.6 常见错误与修正
#### 错误示例1:情绪跳跃过大
❌ **第一幕**:"热情、神秘"
❌ **第二幕**:"严肃、冷漠"
✅ **修正**:第一幕"热情、神秘",第二幕"专业、详细"
#### 错误示例2:情绪不递进
❌ **所有五幕**:"热情、神秘"
✅ **修正**:情绪递进:热情→专业→专注→自信→鼓励
#### 错误示例3:情绪与光影不匹配
❌ **情绪描述**:"热情、热烈"
❌ **光影描述**:"冷调强光"
✅ **修正**:使用"暖调强光"适配热烈情绪
---
## 5. 质量核查流程
### 5.1 核查时机
- 提示词生成师生成五幕提示词后
- 质量管控师进行统一核查
### 5.2 核查顺序
1. **角色一致性核查**:确保角色描述统一
2. **视觉连贯性核查**:确保色调、场景、构图统一
3. **情绪连贯性核查**:确保情绪递进自然
4. **技术参数匹配度核查**:确保技术约束匹配InfiniteTalk能力
### 5.3 核查结果处理
#### 通过(Pass)
- 所有关键项检查通过
- 直接传递给知识库运维师归档
- 传递给跨环节适配师进行跨工具集成
#### 不通过(Fail)
- 识别具体问题
- 生成问题清单
- 反馈给提示词生成师调整
- 最多反馈2次,避免过度迭代
### 5.4 核查报告格式
```json
{
"quality_check": "pass/fail",
"check_results": {
"character_consistency": {
"status": "pass/fail",
"details": "具体核查结果",
"issues": []
},
"visual_coherence": {
"status": "pass/fail",
"details": "具体核查结果",
"issues": []
},
"emotion_progression": {
"status": "pass/fail",
"details": "具体核查结果",
"issues": []
},
"technical_parameters": {
"status": "pass/fail",
"details": "具体核查结果",
"issues": []
}
},
"issues": [
{
"scene_number": 3,
"type": "角色不一致/视觉不连贯/情绪不递进/技术参数不匹配",
"description": "具体问题描述",
"suggestion": "修改建议"
}
],
"adjustment_needed": "true/false"
}
```
---
## 6. 一致性校验函数示例
### 6.1 角色一致性校验函数
```python
def check_character_consistency(generated_prompts, reference_character):
"""
检查生成提示词中角色特征与参考特征的一致性
:param generated_prompts: 生成的五幕提示词列表
:param reference_character: 核心角色固定特征
:return: 一致性评分(≥90分为合格)、修正指令
"""
# 1. 提取每幕提示词中的角色描述
character_descriptions = []
for prompt in generated_prompts:
# 解析"主体:"字段后的内容
subject_start = prompt.find("主体:")
subject_end = prompt.find(";", subject_start)
subject = prompt[subject_start + 3:subject_end].strip()
character_descriptions.append(subject)
# 2. 对比参考特征
consistency_scores = []
# 检查外貌特征一致性
for desc in character_descriptions:
face_score = 0
# 检查脸型
if "鹅蛋脸" in desc:
face_score += 20
# 检查眼睛
if "杏眼" in desc:
face_score += 20
# 检查发型
if "浅棕色齐肩卷发" in desc:
face_score += 20
# 检查肤色
if "白皙" in desc:
face_score += 20
# 检查唇色
if "淡粉" in desc:
face_score += 20
consistency_scores.append(face_score)
# 检查服饰特征一致性
for desc in character_descriptions:
clothing_score = 0
# 检查上衣
if "浅灰色修身西装套裙" in desc and "白色衬衫" in desc:
clothing_score += 35
# 检查鞋子
if "米色细跟鞋" in desc:
clothing_score += 35
# 检查配饰
if "银色简约项链" in desc:
clothing_score += 30
consistency_scores.append(clothing_score)
# 检查气质特征一致性
for desc in character_descriptions:
temperament_score = 0
# 检查整体气质
if "专业又亲和" in desc:
temperament_score += 40
# 检查手部姿态
if "优雅自然" in desc or "自然" in desc:
temperament_score += 30
# 检查身体姿态
if "挺拔" in desc or "端正" in desc or "微倾" in desc:
temperament_score += 30
consistency_scores.append(temperament_score)
# 3. 计算平均一致性评分
avg_consistency = sum(consistency_scores) / len(consistency_scores)
# 4. 输出结果
if avg_consistency < 90:
correction = f"角色特征偏差:平均一致性{avg_consistency}%,需调整prompt中角色描述"
else:
correction = "角色一致性达标"
return avg_consistency, correction
```
### 6.2 技术参数匹配度核查函数
```python
def check_technical_parameters(generated_prompts, required_parameters):
"""
检查生成提示词中技术参数与InfiniteTalk能力的匹配度
:param generated_prompts: 生成的五幕提示词列表
:param required_parameters: 必需的技术参数
:return: 匹配度评分(≥90分为合格)、修正指令
"""
# 1. 提取每幕提示词中的技术约束
technical_constraints = []
for prompt in generated_prompts:
# 解析"技术约束:"字段后的内容
tech_start = prompt.find("技术约束:")
tech_end = prompt.find("。", tech_start)
tech = prompt[tech_start + 5:tech_end].strip()
technical_constraints.append(tech)
# 2. 对比必需参数
match_scores = []
# 检查构图比例
for tech in technical_constraints:
if "9:16竖版" in tech:
match_scores.append(25)
else:
match_scores.append(0)
# 检查景深
for tech in technical_constraints:
if "虚化程度≥70%" in tech:
match_scores.append(25)
else:
match_scores.append(0)
# 检查动作强度
for tech in technical_constraints:
if "动作强度0.8" in tech:
match_scores.append(25)
else:
match_scores.append(0)
# 检查面部一致性
for tech in technical_constraints:
if "面部一致性启用" in tech:
match_scores.append(25)
else:
match_scores.append(0)
# 3. 计算平均匹配度评分
avg_match = sum(match_scores) / len(match_scores)
# 4. 输出结果
if avg_match < 90:
correction = f"技术参数匹配度偏差:平均匹配度{avg_match}%,需调整prompt中技术约束"
else:
correction = "技术参数匹配度达标"
return avg_match, correction
```
---
## 附录:一致性速查表
### 角色一致性速查表
| 检查项 | 标准描述 | 检查结果 |
|-------|---------|---------|
| 性别 | 女性数字人 | [ ] |
| 年龄 | 25岁左右 | [ ] |
| 脸型 | 鹅蛋脸 | [ ] |
| 眼睛 | 杏眼(允许调整情绪) | [ ] |
| 发型 | 浅棕色齐肩卷发 | [ ] |
| 肤色 | 白皙 | [ ] |
| 唇色 | 淡粉 | [ ] |
| 上衣 | 浅灰色修身西装套裙,内搭白色衬衫 | [ ] |
| 鞋子 | 米色细跟鞋 | [ ] |
| 配饰 | 银色简约项链 | [ ] |
| 整体气质 | 专业又亲和 | [ ] |
| 手部姿态 | 优雅自然 | [ ] |
### 视觉连贯性速查表
| 检查项 | 标准描述 | 检查结果 |
|-------|---------|---------|
| 主色调 | 冷调/暖调/中性(贯穿五幕) | [ ] |
| 色温 | 4000K-5500K | [ ] |
| 背景类型 | 现代商务场景 | [ ] |
| 道具一致 | 平板、文件、桌椅等 | [ ] |
| 构图比例 | 9:16竖版 | [ ] |
| 景深 | ≥70% | [ ] |
| 视角 | 固定镜头为主 | [ ] |
### 情绪连贯性速查表
| 幕次 | 情绪基调 | 面部表情 | 光影 | 检查结果 |
|-----|---------|---------|------|---------|
| 第一幕 | 热情/亲切/兴奋 | 杏眼带笑 | 暖调柔光/暖调强光 | [ ] |
| 第二幕 | 专业/客观 | 杏眼专注 | 中性柔光/暖调柔光 | [ ] |
| 第三幕 | 专注/冷静 | 杏眼专注 | 冷调柔光 | [ ] |
| 第四幕 | 自信/紧迫 | 杏眼带笑 | 暖调强光/冷调强光 | [ ] |
| 第五幕 | 鼓励/坚决 | 杏眼带笑/坚定 | 暖调柔光/暖调强光 | [ ] |
---
## 注意事项
1. **严格遵循固定描述**:角色固定特征严禁修改
2. **色调贯穿始终**:主色调必须贯穿五幕
3. **情绪递进自然**:情绪变化要符合场景逻辑
4. **技术约束匹配**:技术参数必须匹配InfiniteTalk能力
5. **问题及时反馈**:发现不一致问题及时反馈给提示词生成师
6. **避免过度迭代**:最多反馈2次,避免过度迭代
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack." | Stars: 198k | Updated | Claude CodeCodex | Verified | Install |
| ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |
| ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt. | Stars: 194k | Updated | Claude CodeCodex | Verified | Install |