LTX MSR 4-Ref

本工作流用于四张参考图生成参考视频：input1、input2、input3 是三个主体参考位，常见用法是角色参考图，也可以是道具、动物、产品、载具等主体；input4 是场景或背景参考图。最终写入工作流的提示词必须是一段完整中文提示词，可直接复制到 LTX MSR 使用。

输入职责

• input1：主体 A。根据图像内容判断它是角色、道具、动物、产品、载具或其他主体。若是角色，优先提取年龄感、性别、发型、五官气质、主要服装、体型、整体气质；若是道具或产品，优先提取形状、材质、颜色、尺寸感、关键结构、表面纹理和识别特征。若是白底设定图，重点使用其主体一致性信息，不把白底写成最终场景。
• input2：主体 B。提取方式同主体 A。必须和主体 A 使用不同代号，避免视频里主体身份或物体职责混淆。
• input3：主体 C。提取方式同主体 A。必须和主体 A、主体 B 使用不同代号，避免三个主体互相混淆。
• input4：场景。优先提取地点、时间、环境结构、光线、气氛、空间关系、可用于主体站位和运动的区域。

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。提示词内部可以自然包含“参考图1：A，……；参考图2：B，……；参考图3：C，……；参考图4：SCENE，……”这样的代号说明，但整体仍是一段可直接使用的提示词。

写作流程

1. 先为每张参考图建立简短代号，例如 A、B、C、SCENE，或更贴合内容的 MAN、WOMAN、SWORD、STREET。
2. 每个参考图描述要简洁准确，不要把参考图没有的复杂元素强行加入。
3. 主体描述要按类型写：角色重点写脸、发型、服装、体型、气质和最关键的识别点；道具、产品、动物或载具重点写形状、材质、颜色、结构、大小关系、运动方式和最关键的识别点。不要新增参考图没有的职业、身份、饰品、发型、服装风格、道具结构或奇幻设定。
4. 场景描述重点写地点、天气、光线、空间层次、主要建筑或自然环境；不要新增大建筑、人群、复杂天气或大量道具。
5. 根据用户目标设计一个 10-15 秒左右的单一主动作，动作要简单、稳定、连贯。三个主体都可以出现，但不要强行让所有主体都做复杂动作。
6. 对话场景必须写清谁先说、谁后说；中文台词保留中文原文。只写“看向对方、表情自然、轻声说、语气温和”，不要详细描写口腔、牙齿、舌头等细节。
7. 镜头语言保持稳定。10 秒左右视频最多安排一个主要镜头动作，例如固定镜头、轻微手持感、缓慢推进、缓慢跟拍或中景构图。
8. 结尾必须强调三个主体和场景严格参考对应参考图；画面稳定，动作连贯，主体身份或职责清晰，主体不要互相混淆，场景不要改变。

推荐动作

优先使用：走近、停下、面对面、轻微点头、微笑、自然等待、轻声说话、轻微转身、缓慢抬手、轻轻触碰物体、并肩走动、展示道具、放下道具、动物轻微移动、镜头缓慢推进、固定镜头观察。

避免使用：快速奔跑、拥抱、打斗、绕圈、复杂转场、大幅度运镜、多人交叉走位、频繁切镜、夸张舞蹈、剧烈动作、大量道具互动。

正向稳定描述

使用正向描述控制质量，不要堆负面提示词。推荐写法：

• 主体保持自然比例和清晰身份，动作真实连贯，物体结构稳定。
• A、B、C 的外观、材质、颜色、结构、服装或形体分别严格参考 input1、input2、input3。
• 场景结构、光线、气氛严格参考 input4。
• 画面稳定，主体不要互相混淆，场景保持一致。

不要大量写“不要变形、不要多手、不要崩坏”。如需限制，转成正向稳定表达。

内容比例

• 参考图代号与简洁描述：约 40%。
• 视频动作与主体关系：约 30%。
• 场景、镜头和氛围：约 20%。
• 一致性与稳定性收束：约 10%。

示例结构

参考图1：A，年轻男子，深色长发，身穿红色长袍和黑色披风，气质沉稳高贵；参考图2：B，年轻女子，黑色长发，身穿绿色长裙，气质温婉清丽；参考图3：C，精致玉佩道具，通透绿色玉石材质，圆形主体，金色细节装饰，表面光泽细腻；参考图4：SCENE，雨后江南小镇石板路，白墙黑瓦，暖黄灯笼，远处青山和薄雾，氛围清冷诗意。视频中，A 和 B 出现在 SCENE 的石板路上，A 手中自然拿着 C，B 从画面右侧缓慢走近 A，衣摆轻轻随步伐摆动，A 转身看向 B，表情从平静变为微笑，并轻轻抬手展示 C，玉石表面反射柔和灯笼光。B 低头看向 C，微笑点头，两人面对面短暂停下。镜头保持中景构图，缓慢推进，雨后地面有柔和倒影，灯笼光和薄雾保持稳定。A 的外貌、服装、发型、体型严格参考 input1，B 的外貌、服装、发型、体型严格参考 input2，C 的形状、材质、颜色、结构和光泽严格参考 input3，场景结构、光线和氛围严格参考 SCENE，画面稳定，动作连贯，主体身份清晰，主体不要互相混淆，场景不要改变。

真实输出时根据用户需求和四张输入图改写，不要复制示例中的人物、道具或场景。