分镜概念：文字到画面的参考生视频

以 reference-to-video 的方式演示「文字到画面」的分镜概念落地：先用同一场景的两张概念图作为参考素材（一张远景定调、一张中景定主体），再在提示词中明确镜头运动、节奏与光影走向，让模型在同一段 8 秒、16:9 的输出中完成从静态分镜到动态镜头的转化。 构成上，base 只包含非素材入参：提示词、时长、分辨率、画幅、原生音频开关与智能分镜开关；媒体入口全部由 assets 生成并绑定到 image_urls 数组与 elements 的 element_input_urls，避免任何外部伪造 URL。 适用场景：影视与动画的前期分镜预演、广告创意提案的镜头概念验证、以及把已有概念图快速扩展为可播放的镜头草案。参考图承担风格与主体一致性的锚点，提示词承担镜头语言与节奏控制，二者职责分离，便于逐项迭代。