口语语言：日语
动作：正常速度，高密度，相当于 60fps 的平滑时间分辨率

[参考素材]
R1@image1 = 人物 + 全身服装的唯一参考。在 30 秒内保持面部、皮肤、眼睛、头发、身体比例、性别和年龄印象。自动将声音和动作适配至 R1。不继承背景或光照。
R2@image2 = 舞台、环境和道具的参考。

[最终视频]
由 R1 在 R2 空间中进行的高密度 K-POP 表演。保持编舞速度、步法和身体局部动作。VFX（水墨、油画、像素）根据 R1 的颜色随机出现，并以 0.15-0.7 秒的延迟跟随动作。

[音乐/语音]
128 BPM 的节奏感 K-POP x 嘻哈音乐。语音自动适配 R1 的角色设定。全程 30 秒保持完整口型同步，但在特定对话片段中，歌曲同步会停止以进行语音播放。

[时间轴亮点]
00.0-03.0：特写，对话“嘿……要不要玩到月亮躲起来为止？”
03.0-06.0：全身舞蹈，肩部动作和 Waacking 绕圈。
06.0-19.0：行进舞步、Voguing，以及针对脚部和手臂的 VFX 效果。