正文
获取原文件references/target-model-profile.md
目录
这份档案解决什么
本套件的模型相关规则一律写成“按目标模型确认”，但“确认”在实践中经常没有落点：没人知道要确认 哪几件事，于是提示词按最保守的写法交出去，执行端再靠自己补——补出来的往往就是漂移。
本文只做一件事：把需要确认什么列成有限的几条。通用档案不猜供应商能力；已核对官方契约的
模型可以由本技能的版本化方言文件提供推荐值。每一条取值都由创作者按自己接入的执行端声明一次，
本集共用。生产端具体接哪个供应商、用什么字段，属于 $short-drama-produce 的 adapter 档案，不进入创作文档。
还没选定 target_video_model 时，一组小样本对照（同一起始帧与镜头说明，每类每模型 2 次，盲评排序）可作先试哪个的参考：
没有一个模型在所有镜头类型上领先。H3 在建立镜推近、多人同框只一人说话时最好；Seedance 2.5 在反应镜、
走位跟摇、手部插入与夜景情绪近景时最好；Wan 3.0 多数类型居中或靠后；单人对白近景三者持平。
本集最多的是哪类镜头，就先拿那一类试。
craft_default： 能力轴是声明出来的，不是推断出来的。没有声明就按“未声明时怎么写”写；
不要因为某个执行端“据说支持”某种写法就改写已接受的镜头边界、时长或起止状态。
档案写在 short-drama.json#/creator_authority/production_profile/choices。最小结构如下；未知字段留空，
不能从模型简称补全：
{
"target_video_model": "versioned-model-profile",
"video_prompt_dialect": "dialect-id",
"video_prompt_language": "zh-CN",
"native_duration_seconds": {"min": 4, "max": 15},
"supported_generation_modes": ["text", "reference"],
"audio_generation": "same_pass"
}
九条会改变正文的能力轴
| 能力轴 | 声明什么 | 声明后正文允许怎么变 |
|---|---|---|
| 模型版本 | 项目使用的版本化模型档案键；账号侧 Endpoint / model ID 留在生产配置 | 只路由到该版本的方言；不因名称相近套用另一版本 |
| 提示词方言 | 通用自然语言 / 目标原生结构及版本 | 命中已有方言时按其字段、素材标记和声音语法写；语言标签不能代替方言 |
| 单次原生时长 | 一次生成能覆盖的最短与最长秒数 | 分镜规划时就让每次生成落在区间内：默认一镜一生成，短动作在合法镜长内到达终点后 hold；创作者在交付形态里声明多镜容器、且命中的方言支持时，短于下限的镜头可与同场相邻镜头装进一次生成，按方言写（例如 H3 要求每切都有已接受关键帧）。长动作按闭合状态拆镜 |
| 参考条件方式 | 无 / 首帧 / 首尾帧 / 多槽参考（及槽位数上限） | 见下节 |
| 声音是否同轨生成 | same_pass 或 separate |
见下节 |
| 画幅与分辨率 | 执行端实际接受的画幅与分辨率集合 | 只写项目已接受的那一个；不在正文里罗列备选 |
| 正文长度上限 | 一次能接受的字符数 | 超限时先删已被真实参考帧承载的重复描述；《视觉设定.md》连续性锁的锁面、逐字对白和已批准文字显示位置不得删 |
| 运镜词汇 | 执行端是否接受具名运镜术语 | 不接受时把运镜写成可见的画面关系变化（主体占画比、边缘进出、前后景遮挡关系），不是换一个术语 |
| 视频提示词正文语言 | 目标视频模型本次使用 zh-CN、en 或其他明确语言 |
视频可复制正文使用该语言；逐字对白、VO、OS 仍保留原口语语言，不翻译、不加外语开场 |
声音同轨生成
有些执行端只产出画面，声音在后期补；有些执行端在同一次生成里同时产出对白、环境声与音乐。 两者对正文的要求不同，而且这是本套件里最容易被忽略的一条：
- 不同轨（默认假设）：声音段落写本镜的声音职责——谁说话、什么环境声承担信息、 转场声落在哪里。它服务于后期与审查，不需要写成可执行指令。
- 同轨：声音段落变成会被真的生成出来的东西。可复制正文写完本镜的完整声音时间线：需要的 对白、VO、OS、非语言发声、SFX 与相对时机，以及各事件之间承接的 ambience 或静默。逐字对白 仍按 交付形态 的围栏处理。没有定义的时间与通道会被执行端自行填满， 和没写终点的动作会被自行补动作是同一件事。
有对白、VO 或 OS 时，把本镜所有允许的发声列成封闭事件集合，每句带口语语言和逐字起止边界， 事件间及首尾明确回到已声明环境声或静默。必要的叹气、笑声、拟声或重叠也必须有来源并进入集合。 Brief、剧本或声音方向若已经点名排除外语前导、语气词、额外人声、重复或其他发声，完整时间线末尾 必须用正文语言把这些已确认边界合并写一次；“允许事件只有这些”不能替代模型需要的直接指令。 一句“以上为完整声音时间线”闭合并结束声音段落；其后不再重复同一组排除项，也不自行添加上游没有 提出的声音禁令。
非画内字幕、caption 和对白文字叠加是独立文字层：除非剧本或创作者明确要求，每条可复制正文
都用项目提示词语言直接声明全镜任何时刻不生成这些内容，不能只写抽象的“文字层为空”，让对白只
通过声音与口型发生。这个默认不受画内文字影响。旗帜、标牌、
屏幕等表面确有 exact_readable 义务时，正文逐字保留准确字符、语言、承载面和位置，同时继续关闭
字幕层；没有画内可读文字义务时，才使用全局无文字要求（VID 与 IMG 的文字策略优先级不变）。
本套件不规定这些排除写成什么字样。字样属于本镜和项目已声明的提示词语言；不要跨项目搬运一句 固定后缀，也不要把它当成质量分。
参考条件方式
| 声明 | 正文承担什么 |
|---|---|
| 无参考 | 文生视频：静态视觉锚点必须自足，写清人物、造型、地点、构图与光线中本镜必要的事实 |
| 首帧 | 只写从该起点开始的变化；静态外观由参考帧与视觉设定共同拥有 |
| 首尾帧 | 终点帧只能投影 SHOT-... 已写明的终点，不得发明新结果 |
| 多槽参考 | 每张按 REF-... 槽位记账，绑定顺序、路径、中文名、用途与控制/不得控制范围；槽位数不超过声明上限，超出时按重要性取舍并写明放弃了哪些 |
| 多槽参考（创作者自备） | 同上，但图片不在项目里，槽位改用 PLAN-...、定位符写 IMG-... 或 SHOT-...；正文写法与上一行完全相同，顺序 就是创作者在生成界面里挂图的次序。这一行与目标模型无关，任何支持多槽参考的执行端都适用 |
无论哪一种，《视觉设定.md》连续性锁的锁面都留在正文里：参考帧只约束它自己画到的部分， 跨镜不变的颜色、材质与形制仍然要逐镜带走。
craft_default：只挂身份或地点参考图、没有起始帧时，正文写具体取景：画面下沿切在哪
（腰、胸口、膝），主体占画多高，头顶落在画面哪一段，机位高度与离主体多远。只写景别名称不够，
取景会被地点图拉宽。一组 H3 小样本里，只写「Medium shot」加地点图的 8 次出了远景 3、中远景 3、
中景 2；换成上述取景字段的 8 次出了中景 7、中远景 1、没有远景。Wan 3.0 一组只写「双人中景」的 6 次
也都出成全身远景（未做无地点图或取景字段的对照）。在参考说明里写「不继承它的构图」本身挡不住这种漂移。有起始帧时构图由起始帧
承担，不需要这一步。
参考条件方式由本镜各槽位的 用途 读出，不由“想不想用多模态”决定：只有一张 起始帧 是首帧，
起始帧 加 结束帧 是首尾帧，起始帧 与身份/地理/道具图同时存在或只有这些图时是多槽参考。
不少执行端把首/尾帧输入与多槽参考输入设为互斥，这时整组统一走多槽参考，起始帧也按参考素材送入——
不要把一次请求拆成“首帧 + 参考图”。正文里的素材标签按同类素材的 顺序 编号，与生产端绑定顺序一致；
文档手写编号和执行端实际编号不一致时，模型收到的是两套互相矛盾的素材说明，而接口通常不会报错。
“上一段实际视频”和“实际尾帧”描述的是两个通用职责，不等于供应商 role。命中版本化方言时再翻译：
例如 H3 的 full-reference 使用 reference_video + reference_image，不能把实际尾帧误写成与参考模式
互斥的 first_frame。生产 adapter 必须执行同一翻译，不能让文档和请求体使用两套模式。
未声明时怎么写
按已接受的镜头边界写完整、自足、不依赖任何执行端特性的正文：视频正文语言回退到项目
format.prompt_language；独立任务没有项目配置时沿用用户当前语言，不固定为英文。写声音职责而不是可执行声音指令，
不做分段，不罗列画幅备选，用可见的画面关系而不是术语描述运镜。这样的正文在任何执行端上都成立，
只是没有针对性收敛。未声明不是缺陷，不能作为审查阻断理由。
自检
- 每条能力轴的取值是创作者声明的，还是我推断的？
- 视频正文语言来自目标模型档案还是项目回退值？逐字人声是否仍保留原口语语言？
- 声音同轨时，允许的声音事件、口语语言及事件间底声/静默是否组成完整时间线？
- 收敛写法有没有顺手改掉已接受的时长、起点或终点？
- 删重复描述时，锁面、逐字对白和已批准文字显示位置留住了吗？