生成一支10秒、9:16竖屏视频，像真实路人在东京街头用手机偶然拍到的画面。参考图使用 锁定成年女性的面部、发型、发色和服装。 锁定成年男性的面部、发型、发色和服装。两人在所有帧中保持外形一致。如果参考图是动漫图，将其转换为真实演员 cosplay 的外观，保留辨识度，呈现自然皮肤、真实布料和正常人体比例。参考图仅用于人物外形，不沿用背景、姿势或构图。场景与动作：白天的东京普通商业街，阴天自然光，日文店铺招牌、自行车和零散行人。女性手握一条醒目的红色牵引绳，另一端连接男性脖子上的红色狗狗项圈。男性双手和双膝着地，交替移动，模仿狗缓慢向前爬行。女性配合他的速度自然行走，神态平静，牵引绳松弛。两位成年人自愿进行街头 cosplay 表演。0–2秒： 第一视角的随手拍街景，紧接着突然看到了这一男一女，于是马上放大和定格镜头，将两人完整收入画面，拍到女性和她手中的牵引绳，绳子另一端位于画面下方之外。2–6秒： 手机镜头自然向下偏移，发现她牵着的竟然是一个四肢着地的成年男人。两人继续沿人行道前进。6–10秒：男性短暂回头看向女性，然后继续爬行。周围路人都仿佛没有看到一样，毫无反应。最后女性像是感知到了远处的镜头一样，眼睛转过来看向拍摄者的方向，嘴角有意思若有若无的笑，画面结束。全程一个连续镜头，普通手机主摄质感，轻微手抖、不完美构图、真实iphones手机实拍感。短暂自动对焦调整。保留街头环境声，无配乐、无字幕、无慢动作。人物不看镜头。男性始终保持完整人类身体，不出现狗耳、尾巴或动物化变形；手掌和膝盖正确接触地面，无肢体扭曲、滑行或悬浮。