可直接使用的 Prompt 咒語

請把我提供的影片當成唯一規格書。

這次任務不是分析影片，不是改寫影片，也不是創作新版本。

請你做的是逆向工程：

- 以原影片為唯一規格書
- 輸出能重建原影片的提示詞
- 每 10 秒切一組
- 每組都輸出：
  - ChatGPT Image storyboard prompt
  - Gemini Omni Flash video prompt

請在後續所有步驟中，都優先保留：

- 原人物外觀
- 原場景
- 原字幕原文
- 原畫面順序
- 原產品露出
- 原 CTA 出現方式
- 原商業推進節奏

如果你發現自己開始改寫、優化、創作、重設風格，請停下來，回到「原影片是唯一規格書」這個原則。

可直接使用的 Prompt 咒語

請先不要直接寫提示詞。

先把影片轉成可逆向的素材，依照以下順序處理：

1. 用 ffprobe 讀出影片長度、解析度、幀率
2. 先用 ffmpeg 從影片抽出 `audio.wav`
3. `audio.wav` 規格固定為 `pcm_s16le + 16kHz + mono`
4. 把 `audio.wav` 丟給 Whisper，使用 `large-v3`
5. 產出 `transcript.txt` 與 `transcript.srt`
6. 以固定頻率抽幀，不要先做複雜場景偵測
7. 依影片總長每 10 秒切段，為每段做總覽圖
8. 回報我：
   - 影片總長
   - 影片尺寸
   - 抽幀總數
   - 幀圖存放路徑
   - `audio.wav` 是否成功產出
   - `transcript.txt` 是否成功產出
   - `transcript.srt` 是否成功產出
   - 每段切分結果
9. 後續所有口播時間碼，都一律以 `transcript.srt` 為準

如果本機已經有 Whisper 模型，請直接使用本機模型，不要重新下載。

可直接使用的 Prompt 咒語

請根據抽出的幀圖、segment sheet 與 `transcript.srt`，幫我把影片拆成每 10 秒一組的重建規格。

每一組請先不要直接寫完整生成 prompt。

先整理以下資訊：

- 主角外觀
- 場景與背景
- 產品名稱與外觀
- 畫面順序
- 鏡頭距離與角度
- 手勢與表情
- 螢幕操作畫面
- 字幕原文
- 字幕位置與樣式
- 口播對應秒數
- CTA 開始時間
- 商業推進節奏

請務必指出：

- 哪些鏡頭是 selfie talking head
- 哪些鏡頭是用手機拍 laptop screen
- 哪些地方是 product reveal
- 哪些地方是 proof
- 哪些地方開始進 CTA

輸出格式請先做成結構化筆記，不要寫成散文評論。

可直接使用的 Prompt 咒語

請把剛剛整理好的 10 秒規格筆記，改寫成一段可以直接貼進 ChatGPT Image 的 storyboard prompt。

要求：

- 輸出一張單一 vertical 9:16 storyboard sheet
- 一張圖包含 8 到 12 格分鏡
- 逐格重建原影片這 10 秒的順序
- 不要做分析，不要寫心得
- 要完整描述：
  - 主角長相
  - 髮型、膚色、年齡感、穿著
  - 場景與背景物件
  - 構圖
  - 鏡頭距離與角度
  - 動作、手勢、表情
  - 產品位置
  - 原字幕原文
  - 字幕位置、大小、排版
  - 原畫面順序
  - 原影片節奏
  - 原商業推進節奏

請直接輸出完整 storyboard prompt，不要加前言，不要加分析標籤。

可直接使用的 Prompt 咒語

請把同一份 10 秒規格筆記，改寫成可直接貼進 Gemini Omni Flash 的影片提示詞。

目標：

- 生成對應這 10 秒 segment 的影片
- 盡可能重建原影片
- 不創作新版本

請務必包含：

- scene description
- camera direction
- action timing
- pacing
- product placement
- on-screen text
- voiceover direction
- CTA timing
- visual details
- negative prompt

還原重點：

- 原人物外觀
- 原場景
- 原畫面
- 原鏡頭順序
- 原鏡頭運動
- 原人物動作
- 原產品出現時間點
- 原字幕原文
- 原字幕出現時間點
- 原口播節奏
- 原剪輯節奏
- 原 CTA 出現方式
- 原商業推進節奏

請直接輸出完整 Gemini Omni Flash video prompt，不要寫分析。