Genarrative/docs/prd/AI_NATIVE_RPG_OPENING_ANIMATION_PRD_2026-04-25.md

AI 原生 RPG 模板开场动画 PRD

更新时间：2026-04-25

0. 文档目的

这份 PRD 用于把 RPG 模板中的“开场动画”从一张静态封面或一段普通介绍，升级成可由 AI 资产链稳定生成、可保存、可预览、可发布、可在开局自动播放的 15 秒视频。

本次开场动画采用当前 AI 视频生成更稳定的工程化工作流：

RPG 世界草稿 / 模板锚点
-> 生成 4 张首尾关键帧图
-> 用关键帧 1-2 生成第 1 段 5 秒视频
-> 用关键帧 2-3 生成第 2 段 5 秒视频
-> 用关键帧 3-4 生成第 3 段 5 秒视频
-> 统一规格转码并拼接为 15 秒开场动画
-> 挂回 RPG 模板与作品资产
-> 玩家首次进入 RPG 运行态时播放，结束后进入开局场景

这份文档只做产品、数据、生成链路和落地边界设计，不直接改工程代码。

---

1. 在线工作流调研结论

1.1 为什么不用一次性生成 15 秒长视频

当前主流 AI 视频模型已经能直接生成较长视频，但对游戏开场来说，一次性生成 15 秒仍有 4 个风险：

1. 角色、服装、标志物和世界风格容易在中段漂移。
2. 镜头容易自发切换，导致关键叙事信息没有按顺序出现。
3. 第 15 秒无法稳定落到玩家即将进入的开局场景。
4. 失败后重跑成本高，不能只修某一幕。

因此本项目第一版采用“关键帧定锚 + 分段生成 + 后期拼接”的方式。每段只表达一个镜头目标，失败时只重跑对应片段。

1.2 可参考的行业能力

调研到的主流能力如下：

来源	对本项目有用的结论
Google Vertex AI Veo	官方支持上传起始帧与结束帧生成视频，控制视频首尾画面。文档更新时间为 2026-04-24。参考：https://docs.cloud.google.com/vertex-ai/generative-ai/docs/video/generate-videos-from-first-and-last-frames
Runway Gen-4	官方建议 5 或 10 秒片段，把每次生成视作单一场景，并强调输入图决定起始视觉、提示词重点写运动。参考：https://help.runwayml.com/hc/en-us/articles/39789879462419-Gen-4-Video-Prompting-Guide
Kling AI	首尾帧功能用于上传两张图生成过渡视频，并提示两张图主题和构图越接近，5 秒内过渡越稳定；差异太大会触发镜头切换。参考：https://kling.ai/quickstart/ai-video-start-end-frames
Luma Ray	强调关键帧、角色参考和跨镜头连续性，可用于理解“长镜头拆段 + 关键帧控制”的制作方向。参考：https://lumalabs.ai/ray

1.3 对本项目的工作流选择

本项目优先采用如下策略：

1. 用文本模型先从 RPG 模板锚点生成 openingAnimationBlueprint。
2. 用图片模型一次性生成 4 张统一风格关键帧。
3. 用首尾帧视频模型生成 3 个 5 秒片段。
4. 用后端 ffmpeg 做统一转码、无缝拼接和封面帧提取。
5. 用 OSS + asset_object + asset_entity_binding 保存最终资产。
6. 前端只展示生成状态、预览视频和开局播放，不承担生成逻辑和视频拼接。

第一版模型供应商不写死在产品逻辑中。国内可用主链优先复用当前 Rust 资产生成链中已有的 Ark / DashScope 配置；如后续接入 Veo、Runway、Kling、Luma，只作为 provider 扩展，不改变 RPG 模板数据结构。

---

2. 一句话定义

RPG 模板开场动画是一段由 4 张叙事关键帧和 3 个 5 秒 AI 视频片段组成的 15 秒多场景冒险开场演出，用于在玩家首次进入作品时快速建立世界观、核心冲突、目标牵引，并自然衔接到开局场景。

---

3. 本次目标

1. RPG 模板必须新增开场动画蓝图，作为世界草稿和发布作品的一部分。
2. 开场动画必须固定为 4 张关键帧、3 个视频片段、总时长 15 秒。
3. 四张关键帧必须分别表达：
   • 第一幕：世界观
   • 第二幕：核心冲突与核心角色出场
   • 第三幕：核心目标
   • 第四幕：衔接开局场景
4. 三段视频必须分别由相邻关键帧作为首尾帧生成：
   • 视频 1：关键帧 1 -> 关键帧 2
   • 视频 2：关键帧 2 -> 关键帧 3
   • 视频 3：关键帧 3 -> 关键帧 4
5. 最终成片必须能在 RPG 作品详情、创作结果页和运行时开局链路中复用。
6. 播放结束后必须进入 RPG 开局场景；如果玩家跳过，也进入同一个开局场景。
7. 开场动画生成失败不能阻断 RPG 发布和进入游戏，必须允许重新生成和无动画降级。
8. 所有生成、拼接、资产落库和状态流转都必须在 Rust 后端完成，禁止回到 server-node。

---

4. 明确不做

1. 不做一次性长视频生成主链。
2. 不在前端浏览器里拼接视频。
3. 不把功能说明、规则解释默认写进游戏 UI。
4. 不新增独立的“开场动画系统页面”；入口嵌入现有 RPG 创作结果页和模板配置区。
5. 不要求第一版生成配音、字幕、音乐和音效。
6. 不要求运行时根据玩家选择动态改写开场动画。
7. 不在 SpacetimeDB reducer 内调用外部视频模型、OSS 或文件系统。
8. 不兼容 server-node 旧生成链；旧实现只允许参考和迁移。

---

5. 叙事设计

5.1 四幕语义

幕	关键表达	画面职责	与 RPG 模板字段关系
第一幕：世界观	这个世界是什么样，正在承受什么长期压力	展示地貌、文明、时代气质、异常现象或历史伤痕	读取 worldTheme、worldHook、世界线程、主题母题、核心地标
第二幕：核心冲突与核心角色	谁被卷入冲突，冲突以什么形式爆发	让可扮演角色或核心 NPC 出场，并露出敌对力量、灾变、追捕、仪式或阵营压迫	读取主角、核心 NPC、阵营线、明线冲突
第三幕：核心目标	玩家为什么要开始冒险	展示目标物、禁地、远方地标、失落遗物、必须抵达的地点或必须拯救的人	读取主线目标、初始任务、关键物件、章节目标
第四幕：开局衔接	玩家即将在哪里醒来、抵达或被迫行动	画面落到第一个可操作场景，构图必须可作为游戏开局背景的前导镜头	读取开局场景、多幕第一幕背景、初始 NPC

5.2 镜头节奏

视频片段	时长	首尾帧	镜头目标
opening_clip_01	5s	世界观帧 -> 冲突帧	从宏观世界推进到冲突爆发，镜头可采用推进、俯冲、穿越云层、掠过地标
opening_clip_02	5s	冲突帧 -> 目标帧	让核心角色带着冲突压力朝目标靠近，镜头可采用跟随、转身、拔剑、奔跑、法阵亮起
opening_clip_03	5s	目标帧 -> 开局场景帧	从目标牵引落回玩家即将进入的地点，镜头可采用推门、坠落、醒来、抵达、火光转场

5.3 提示词原则

生成视频片段时，提示词只描述本段运动，不重复大段设定说明。

每段提示词必须包含：

1. 镜头运动：例如缓慢推进、低空掠过、跟随角色、从远景落到近景。
2. 主体运动：例如角色转身、队伍穿过遗迹、光芒汇聚、风暴逼近。
3. 场景运动：例如云层翻涌、旗帜震动、烛火摇曳、尘土散开。
4. 连续性约束：首帧和尾帧中的角色、服装、标志物、色彩基调保持一致。
5. 游戏开场质感：多场景冒险 RPG、电影感、清晰主体、可读构图。

每段提示词禁止：

1. 同时要求多个互相冲突的镜头切换。
2. 用抽象词替代具体运动。
3. 使用“不出现 / 不要 / 禁止”作为主要约束；应改写成正向描述。
4. 要求模型在 5 秒内完成跨时代、跨空间、跨角色的大跳变。

---

6. 数据结构设计

6.1 RPG 模板新增字段

在 RPG 模板 / 世界 profile 中新增：

type RpgOpeningAnimationBlueprint = {
  id: string;
  enabled: boolean;
  status: 'not_started' | 'planning' | 'keyframes_generating' | 'clips_generating' | 'stitching' | 'ready' | 'failed';
  version: number;
  provider: string;
  aspectRatio: '16:9';
  totalDurationSec: 15;
  clipDurationSec: 5;
  keyframes: RpgOpeningAnimationKeyframe[];
  clips: RpgOpeningAnimationClip[];
  finalAsset?: RpgOpeningAnimationFinalAsset;
  fallbackPosterAssetId?: string;
  error?: RpgOpeningAnimationError;
  createdAt: string;
  updatedAt: string;
};

说明：

1. enabled 控制运行时是否播放。
2. status 由后端写入，前端只订阅和展示。
3. provider 表示真实使用的生成供应商，例如 ark、dashscope、veo、runway、kling、luma。
4. 第一版只支持 16:9，移动端播放时做安全裁切，不生成竖版副本。

6.2 关键帧对象

type RpgOpeningAnimationKeyframe = {
  id: string;
  order: 1 | 2 | 3 | 4;
  actRole: 'worldview' | 'conflict_and_role' | 'core_goal' | 'opening_scene_bridge';
  title: string;
  narrativeIntent: string;
  prompt: string;
  negativePrompt?: string;
  sourceAnchorIds: string[];
  assetObjectId?: string;
  previewUrl?: string;
  generationStatus: 'pending' | 'generating' | 'ready' | 'failed';
};

字段口径：

1. title 只用于后台调试和创作结果页内部管理，不直接作为游戏 UI 文案。
2. narrativeIntent 必须写清该帧承担的剧情功能。
3. sourceAnchorIds 记录本帧来自哪些模板锚点，便于后续重新生成时保持语义。

6.3 视频片段对象

type RpgOpeningAnimationClip = {
  id: string;
  order: 1 | 2 | 3;
  fromKeyframeId: string;
  toKeyframeId: string;
  durationSec: 5;
  prompt: string;
  providerTaskId?: string;
  assetObjectId?: string;
  previewUrl?: string;
  generationStatus: 'pending' | 'generating' | 'ready' | 'failed';
  technicalProfile: {
    width: number;
    height: number;
    fps: 24 | 25 | 30;
    codec: 'h264';
    container: 'mp4';
  };
};

6.4 最终资产对象

type RpgOpeningAnimationFinalAsset = {
  assetObjectId: string;
  playbackUrl: string;
  posterAssetObjectId: string;
  posterUrl: string;
  durationSec: 15;
  width: number;
  height: number;
  fps: 24 | 25 | 30;
  codec: 'h264';
  container: 'mp4';
  clips: string[];
  generatedAt: string;
};

---

7. 后端生成流程

7.1 总流程

POST /api/custom-world/:profileId/opening-animation/generate
-> 校验作品归属与 RPG 类型
-> 读取世界 profile / 模板锚点 / 开局场景 / 角色视觉描述
-> 生成 openingAnimationBlueprint 文本计划
-> 生成 4 张关键帧图
-> 生成 3 个首尾帧视频片段
-> 下载远端视频
-> 统一转码为同规格 mp4
-> 拼接为 final opening mp4
-> 提取 poster
-> 上传 OSS
-> 确认 asset_object
-> 绑定到 RPG profile 的 opening-animation 槽位
-> 写回状态 ready

7.2 生成计划阶段

生成计划由 api-server 调用 platform-llm 完成，不进入 SpacetimeDB reducer。

输入上下文最少包含：

1. 世界一句话钩子。
2. 主题母题。
3. 明线冲突。
4. 暗线冲突的非剧透摘要。
5. 主角 / 核心 NPC 的视觉描述。
6. 第一个场景章节和开局场景。
7. 初始任务目标。
8. 已有场景图 / 角色图资产 URL。

输出必须是结构化 JSON，至少包含：

1. 四幕 narrativeIntent。
2. 四张关键帧图片 prompt。
3. 三段视频 motion prompt。
4. 风格统一约束。
5. 关键角色和标志物连续性约束。

7.3 关键帧生成阶段

关键帧生成必须优先复用已有图片生成链：

1. 统一走 Rust api-server。
2. 真实请求外部图片服务。
3. 结果落 OSS。
4. 确认 asset_object。
5. 绑定槽位：
   • rpg-opening-keyframe-1
   • rpg-opening-keyframe-2
   • rpg-opening-keyframe-3
   • rpg-opening-keyframe-4

关键帧生成要求：

1. 分辨率首版固定 1280x720 或供应商最接近的 16:9 输出。
2. 四张图必须共享同一 styleSeed / visualBible。
3. 核心角色在第二幕和第三幕必须保持同一服装、轮廓、武器或标志物。
4. 第四幕必须与开局场景背景语义一致，必要时使用开局场景图作为参考图。

7.4 视频片段生成阶段

每段视频生成请求必须显式传入：

1. 首帧图片。
2. 尾帧图片。
3. 5 秒时长。
4. 16:9 比例。
5. 本段 motion prompt。
6. 连续性约束。

视频片段槽位：

1. rpg-opening-clip-1
2. rpg-opening-clip-2
3. rpg-opening-clip-3

如果供应商不支持首尾帧：

1. 该供应商不能作为首选主链。
2. 只允许作为内部实验 provider。
3. 不允许把只支持单首帧的结果标记为正式通过。

7.5 拼接与转码

后端必须在拼接前统一三段视频规格：

1. 容器：mp4
2. 编码：h264
3. 像素格式：yuv420p
4. 分辨率：1280x720
5. 帧率：优先 24fps，若供应商固定 25fps 或 30fps，三段必须统一。
6. 音频：第一版默认无音轨；如供应商返回音频，拼接前静音或统一移除。

拼接后必须提取：

1. poster：第 0.5 秒或第一张关键帧。
2. endPoster：第 14.5 秒，用于确认衔接开局场景。
3. duration：必须在 14.5s ~ 15.5s。

---

8. SpacetimeDB 与 Rust 边界

8.1 SpacetimeDB 负责

1. 保存 RPG profile 中的开场动画蓝图状态。
2. 保存资产对象与业务槽位绑定关系。
3. 通过 reducer / procedure 更新可订阅状态。
4. 让前端通过订阅或查询拿到当前 openingAnimationBlueprint。

8.2 SpacetimeDB 不负责

1. 不调用外部模型。
2. 不下载视频。
3. 不执行 ffmpeg。
4. 不访问 OSS。
5. 不在 reducer 里生成随机非确定性内容。

8.3 Rust api-server 负责

1. 编排 LLM 计划、图片生成、视频生成、转码拼接。
2. 管理异步任务轮询。
3. 处理 OSS 上传与下载。
4. 调用 SpacetimeDB procedure 写入最终状态和资产绑定。
5. 对前端提供 HTTP / SSE 生成进度。

这条边界必须遵守 SpacetimeDB 规则：reducer 是确定性事务，不能把外部 I/O 放进去。

---

9. 前端嵌入设计

9.1 创作结果页

入口位置：

1. 复用 RPG 创作结果页现有资产区。
2. 增加一个“开场动画”资产槽。
3. 点击槽位打开独立面板，不在当前卡片下方展开。

面板能力：

1. 预览最终 15 秒视频。
2. 展示四张关键帧缩略图。
3. 展示三段视频状态。
4. 支持重新生成全部。
5. 支持只重生某张关键帧，并自动标记相关视频片段需要重生。
6. 支持只重生某段视频。
7. 支持禁用开场动画。

UI 约束：

1. 不展示大段功能说明。
2. 状态用短标签和进度表达。
3. 移动端优先：关键帧横向滑动，视频预览保持 16:9。
4. 按钮使用图标 + 短文本，避免规则说明型文案。

9.2 RPG 模板发布

发布时校验：

1. 如果 enabled = true，则 finalAsset 必须存在且可读取。
2. 如果生成失败，发布不阻断，但自动写入 enabled = false 并保留错误状态。
3. 发布后的作品详情页可展示开场动画 poster，但不强制自动播放。

9.3 运行时开局播放

播放时机：

玩家点击开始游戏 / 继续进入新开局
-> 完成角色选择
-> 初始化 RPG session
-> 若 openingAnimation.enabled 且 finalAsset 可用
-> 播放开场动画
-> 播放结束或跳过
-> 进入开局场景

规则：

1. 同一个存档只自动播放一次。
2. 玩家跳过后必须记录 openingAnimationPlayed = true。
3. 继续游戏不自动播放，除非玩家从作品详情页手动预览。
4. 视频加载失败时直接进入开局场景。
5. 移动端播放必须提供明显的跳过按钮，但不写说明段落。

---

10. 状态机

not_started
-> planning
-> keyframes_generating
-> clips_generating
-> stitching
-> ready

任意生成阶段
-> failed
-> planning / keyframes_generating / clips_generating

关键规则：

1. 重生关键帧 1，会使视频 1 失效。
2. 重生关键帧 2，会使视频 1 和视频 2 失效。
3. 重生关键帧 3，会使视频 2 和视频 3 失效。
4. 重生关键帧 4，会使视频 3 失效。
5. 重生某段视频后必须重新拼接最终成片。
6. 最终成片 ready 后，旧版本资产不能立即删除，至少保留最近 2 个版本用于回滚。

---

11. API 设计

11.1 生成开场动画

POST /api/custom-world/:profileId/opening-animation/generate

请求：

{
  "mode": "full",
  "provider": "auto",
  "forceRegenerate": false
}

返回：

{
  "jobId": "opening_anim_job_xxx",
  "status": "planning"
}

11.2 重生关键帧

POST /api/custom-world/:profileId/opening-animation/keyframes/:keyframeId/regenerate

11.3 重生视频片段

POST /api/custom-world/:profileId/opening-animation/clips/:clipId/regenerate

11.4 查询状态

GET /api/custom-world/:profileId/opening-animation

返回当前 RpgOpeningAnimationBlueprint。

11.5 订阅进度

GET /api/custom-world/:profileId/opening-animation/jobs/:jobId/stream

SSE 事件：

1. planning
2. keyframe_ready
3. clip_ready
4. stitching
5. ready
6. error

---

12. 工程落地阶段

阶段 1：文档与契约冻结

1. 确认 RpgOpeningAnimationBlueprint 字段。
2. 确认资产槽位命名。
3. 确认 provider 抽象。
4. 确认运行时只播放一次的状态字段。

验收：

1. 文档字段可直接编码。
2. 前后端对同一 JSON contract 无歧义。

阶段 2：后端计划与关键帧生成

1. api-server 生成四幕计划。
2. 接入图片生成。
3. 关键帧落 OSS 和 asset_object。
4. profile 写回关键帧状态。

验收：

1. 能在结果页看到四张真实生成图。
2. 第四张图语义上能衔接开局场景。

阶段 3：首尾帧视频生成

1. 三段视频真实请求外部模型。
2. 每段固定 5 秒。
3. 每段落 OSS。
4. 支持失败重试与单段重生。

验收：

1. 三段视频都不是占位视频。
2. 每段首尾画面与对应关键帧一致。

阶段 4：拼接发布与运行时播放

1. 后端统一转码。
2. 拼接成 15 秒成片。
3. 提取 poster。
4. RPG 运行态首次开局播放。
5. 播放结束或跳过进入开局场景。

验收：

1. 最终视频时长在 14.5s ~ 15.5s。
2. 播放后进入的场景与第四幕一致。
3. 同一存档不会重复自动播放。

---

13. 质量验收标准

13.1 叙事验收

1. 第一幕不用字幕也能看出世界类型和主要气质。
2. 第二幕能看出冲突正在发生，并且核心角色可被识别。
3. 第三幕能看出玩家即将追求的目标。
4. 第四幕能自然落到开局场景，不像另一个无关地点。
5. 四幕之间存在视觉连续性，不是四张无关插图。

13.2 视频验收

1. 三段均为真实外部生成结果。
2. 每段约 5 秒。
3. 拼接后无明显黑帧、重复帧、尺寸跳变。
4. 主体没有严重形变、闪烁、消失。
5. 核心角色在第二、第三幕保持可识别一致。
6. 移动端播放不裁掉核心主体。

13.3 工程验收

1. 所有生成任务由 Rust api-server 编排。
2. 资产落 OSS，并有 asset_object 记录。
3. 业务实体通过槽位绑定读取资产。
4. SpacetimeDB reducer 不包含外部 I/O。
5. 前端刷新后仍能恢复生成状态。
6. 生成失败有可重试状态，不写入假成功。

---

14. 风险与降级

风险	降级策略
关键帧风格不一致	用同一 visual bible、参考图和角色视觉描述重生四张图
首尾帧差异过大导致视频硬切	调整相邻关键帧构图，使主体、视角、色彩更接近
第二幕角色漂移	使用角色主形象作为参考图，并在第二、第三幕共享角色约束
视频生成超时	单段失败只重试该段，不重跑全流程
拼接后有黑帧	后端转码时强制统一 fps、分辨率、像素格式
移动端加载慢	poster 先显示，视频懒加载；失败直接进开局场景
供应商审核失败	后端生成更保守的原创 prompt 重试一次，仍失败则标记 failed

---

15. 后续扩展

1. 增加背景音乐和环境音，但不改变四帧三段主链。
2. 为移动端生成 9:16 竖版裁切版本。
3. 支持陶泥主手动上传某张关键帧，再生成相邻视频。
4. 支持发布后版本化替换开场动画。
5. 支持用第四幕直接生成开局场景动态背景。
6. 支持把开场动画拆出的关键帧回流为作品详情页轮播素材。