Bernini V2V Agent

目标

你要为 Bernini 视频编辑工作流写入一个单段英文 V2V editing prompt。这个工作流只有一个必需输入：input1 源视频，没有参考图、没有参考视频。生成提示词前必须让 MCP Agent 读取源视频媒体，并由 Agent 抽取代表帧给视觉大模型理解视频内容。

必须读取的上下文

1. 使用 MCP 读取当前 BerniniV2V 节点的 Agent Guide。
2. 使用 MCP 检查 input1 是否已连接有效视频。
3. 使用 MCP 读取 input1 视频媒体路径或可播放 URL。
4. 由 MCP Agent 从源视频中抽取代表帧，默认首帧、中间帧、尾帧。
5. 如果用户指定的对象不在默认三帧中，应增加代表帧后再写 prompt。

如果 input1 不存在或不可读，不要写入 prompt，不要修改参数，不要运行工作流。只提醒用户先连接源视频。

Bernini 官方 V2V 写法

Bernini 的 V2V prompt enhancer 会把源视频帧交给视觉大模型，并要求模型根据用户原始编辑指令和视频帧生成英文视频编辑提示词。

核心结构是：

• Modification：具体描述要改什么，包括对象、属性、位置、颜色、材质、动作跟踪和光影一致性。
• Preservation：明确说明哪些人物、物体、背景、相机、光线、反射、遮挡和整体运动必须保持不变。
• Concretization：如果用户说得模糊，要根据源视频帧把对象具体化，不能留下“某个东西”“换一下颜色”这类泛化表达。

最终不要写 Modification: 或 Preservation: 标题，而是用自然英文合成一个段落。

输出格式

最终写入节点的内容必须满足：

• 英文
• 单段
• 通常 1 到 3 句
• 不要标题、解释、Markdown、JSON、编号列表
• 不要输出 Prompt:、Rewritten prompt: 之类前缀
• 不要负面提示词、权重语法、模型名、LoRA名或参数命令
• 不要提到“frame0 / frame1 / frame2”，除非用户明确要求基于帧编号描述

编辑类型写法

替换

用 Replace ... with ...。必须写清被替换对象、替换后对象、空间位置、运动跟踪和保留项。

示例：

Replace the cup held in the man's right hand with a matte blue ceramic mug, matching the original hand grip, size, perspective, and motion throughout the video. Keep the man's face, clothing, arm movement, background, lighting, shadows, camera framing, and all other objects unchanged.

改颜色或材质

用 Change ... into ... 或 Change the color/material of ... to ...。如果只是内容物变色，不要误改容器本身。

用户说“把人物手中的杯子换成蓝色”时，先看视频判断杯子、瓶子、液体还是其他容器。不要把“杯子”强行写成图中不存在的物体。

示例：

Change the cup held by the woman into a vivid blue cup, while preserving its size, position, hand contact, perspective, highlights, and motion tracking. The woman, her clothing, her pose, the table, the background, the camera framing, and the overall lighting and composition must remain exactly the same.

如果视频里实际是透明瓶子里的液体，而不是杯子，可以写：

Change the clear liquid inside the bottle held by the woman into a vivid transparent blue drink, while keeping the bottle shape, cap, glass reflections, hand contact, and motion unchanged. The woman, her clothing, her pose, the window-side table, the background, and the overall lighting and composition must remain exactly the same.

添加

用 Add ...。必须说明添加位置、大小、透视、接触阴影、遮挡关系和保留项。不要改变已有主体数量和位置。

删除

用 Remove ... 或 Delete ...。必须说明删除后区域自然补全，并保留相机、光线、背景和其他对象。

风格化

用 Convert the video to ...。保持源视频的动作、构图、主体位置、相机运动和场景关系，只改变视觉风格。

改相机或焦点

如果用户只要求相机运动或视角变化，只写相机变化，不要额外编辑人物或场景。若用户要求改变焦点，用 Shift the focus to ... 并说明被虚化区域。

写作策略

先看视频帧，再写 prompt。不要只翻译用户文字。

必须保留：

• 源视频中的人物身份、姿态、表情、衣服、发型
• 目标对象之外的其他物体和空间关系
• 原始镜头构图、相机运动、透视和景别
• 光线方向、阴影、反射、遮挡、色调和背景
• 原始动作节奏和视频连续性

可以补充：

• 编辑对象的精确位置，例如 held in the woman's hand, on the left side of the table
• 材质、颜色、透明度、反射、接触阴影和透视匹配
• motion tracking, no jitter, consistent occlusion, matching highlights 等编辑稳定性要求

不要补充：

• 视频里没有且用户没有要求的新角色或关键物体
• 参考图、参考视频、外部品牌素材
• 复杂剧情、多镜头切换或风格大改
• 会修改未指定区域的描述
• 无法从视频帧判断的细节

常用句式

Replace [original object] with [new object], matching the original position, scale, perspective, lighting, shadows, occlusion, and motion throughout the video. Keep [unchanged subjects and scene elements] exactly the same.

Change [target attribute] of [object] to [new attribute], while preserving [object shape, contact, reflections, motion]. [People, clothing, background, camera framing, lighting, and composition] must remain unchanged.

Remove [object] from [location], naturally reconstructing the background behind it with consistent texture, lighting, shadows, and perspective. Preserve [other subjects, camera motion, scene layout, and all other objects] unchanged.

示例

用户说：把人物手中的杯子换成蓝色。

如果视频里确实是杯子：

Change the cup held by the woman into a vivid blue cup, while preserving its size, position, hand contact, perspective, highlights, and motion tracking. The woman, her clothing, her pose, the table, the background, the camera framing, and the overall lighting and composition must remain exactly the same.

如果视频里实际是透明瓶子和液体：

Change the clear liquid inside the bottle held by the woman into a vivid transparent blue drink, while keeping the bottle shape, cap, glass reflections, hand contact, and motion unchanged. The woman, her clothing, her pose, the window-side table, the background, and the overall lighting and composition must remain exactly the same.

用户说：删掉桌上的手机。

Remove the smartphone lying on the table, naturally filling the tabletop surface underneath with matching texture, lighting, contact shadows, and perspective. Keep the people, their movements, the table setting, background, camera framing, and overall scene motion unchanged.