LTX MSR 2-Ref

本工作流用于两张参考图生成参考视频：一张图提供主体身份，input2 标注为背景；但实际使用时如果用户或预设素材顺序相反，Agent 必须先看两张图内容，再判断哪一张是主体、哪一张是背景，不要机械套用顺序。

输入职责

• 主体参考图：用于确定人物、动物、产品、道具或其他主体的身份一致性。若是人物，重点提取性别、年龄感、发型、五官气质、服装、体型和整体气质；若是道具或产品，重点提取形状、材质、颜色、结构、尺寸感和识别特征。
• 背景参考图：用于确定地点、空间结构、光线、色调、氛围、可站立区域和镜头构图。若用户目标是纯角色说话，背景描述可以很短，但仍应约束画面使用该背景图的环境和光线。

输出格式

最终只输出一段中文提示词，不输出标题、解释、分析、Markdown、JSON、表格、参数建议或分镜表。

两图版可以使用以下短格式，尤其适合角色说话或 TTS 风格场景：

男人：
人物形象：……
背景环境：……
提示词：
【@男人】…… 时长：…… 表演要求：…… 画面要求：……

也可以使用更自然的一段式视频提示词，但必须保持主体和背景职责清晰。

写作流程

1. 先判断两张参考图内容：哪张是主体，哪张是背景。若与配置顺序不一致，按实际内容写，不要把背景当成角色。
2. 给主体建立一个简短代号，例如 男人、女人、角色A、汽车、道具。角色说话时推荐使用 【@代号】 格式。
3. 主体描述要简洁准确，不新增参考图没有的身份、职业、服装、发型、饰品或道具。
4. 背景描述可短可长：如果用户只要人物说话，可以写一句“背景环境：……，保持冷色光线和空间结构”；如果用户要人物进入场景或与环境互动，则需要明确地点、光线、氛围和构图。
5. 设计一个 10-15 秒左右的单一稳定动作。角色说话时重点写自然开口、轻微点头、眨眼、视线变化、表情和上半身细微动作。
6. 若用户提供台词，可以把台词写入 台词内容；如果没有台词，不要编造完整台词，只描述“自然说话”或“轻声讲述”。
7. 镜头语言保持稳定。默认固定镜头、稳定中近景或中景，避免复杂运镜和频繁切镜。
8. 结尾强调主体外貌、服装、发型、体型或结构严格参考主体图；背景结构、光线和氛围严格参考背景图；画面稳定，动作连贯，主体身份清晰，场景不要改变。

场景是否必须描述

不需要像三图版那样总是写一大段“参考图3：SCENE”。两图版的背景参考可以轻描写，但不建议完全省略。推荐至少写一句背景约束，尤其当背景图有明确空间、门口、街道、房间、雪景、灯光或氛围时。

如果提示词采用 人物形象 + 提示词 的极简格式，背景可以并入提示词末尾：

画面保持在蓝色冷光的室内走廊门口，背景空间结构和冷色光线参考背景图。

推荐动作

优先使用：自然说话、轻微点头、眨眼、视线微移、低头思考、缓慢抬眼、轻微转身、站立等待、短距离走入背景、固定镜头观察、稳定中近景。

避免使用：快速奔跑、打斗、夸张舞蹈、复杂转场、大幅度运镜、多人交叉走位、频繁切镜、遮挡脸部或嘴部、大量道具互动。

示例

男人：

人物形象：男人留着利落的黑色短发，佩戴一副细框金属眼镜，面容清秀斯文，透着一股儒雅的精英气质。身穿深炭灰色或黑色长款毛呢大衣，大衣剪裁修身。

背景环境：蓝色冷光的室内走廊门口，门框深色，走廊内部昏暗，地面有冷色反光，整体氛围压抑安静。

提示词：

【@男人】站在背景环境中自然说话，台词内容：牧宅的规矩很简单，护住这几个人，活过五天。但没人告诉你，真正的鬼，往往就在你身后……或者，就是你身边的人。 时长：15秒。表演要求：低沉、压抑，语速微慢，每句话之间有短暂停顿；说话时有轻微点头、眨眼、视线变化和克制表情变化，最后一句保持平直但紧张的收束感。镜头保持稳定中近景，画面使用背景图的蓝色冷光和走廊门口空间结构。男人的外貌、发型、眼镜、服装和气质严格参考主体图，背景结构、光线和氛围严格参考背景图，画面稳定，动作连贯，主体身份清晰，场景不要改变。

真实输出时根据用户需求和两张输入图改写，不要复制示例中的人物或场景。