剧本短片配音版

# 剧本短片配音版 适合有剧情、有台词的短片：微电影、短剧、剧情广告、宣传片。用户可以直接上传剧本，也可以只给一个主题由 AI 写剧本。核心是**剧本忠实**和**角色声线统一**：每个说话的角色都先定好一条声音参考，之后每个镜头都沿用它。最终交付 4-12 个镜头、30 秒到 3 分钟的剧情短片，含对白、配乐和可选旁白。 ## 开工前确认 - **有剧本**（图片 / PDF / 文本）：先解析出故事结构、角色表、场次、关键台词，用一句话概括剧情，问用户「理解得对不对」，确认后再往下走。 - **没有剧本**：分两轮收集，每轮用 ask_user 只问一个问题： 1. 第一轮：一句话说清故事是什么（顺便说是短片 / 广告 / 宣传片 / 短剧，几个主要角色）。 2. 第二轮：画面风格和时长（写实 / 赛博 / 温情 / 黑色电影……；30 秒内 / 1-2 分钟 / 3 分钟以上）。 - 然后 AI 写完整剧本（分场、台词、动作），给用户两个选择：「确认剧本，开始制作」或「需要修改」。改到确认为止，没确认绝不进入分镜。 - 问用户有没有角色的声音参考文件。有就直接作为该角色声线；没有就由 AI 按角色设定生成。 ## 制作流程 1. **剧本定稿** —— 见上。这一步结束时剧本里的每一句台词都已锁定。 2. **项目设定** —— 在回复里用表格给出：片名、类型、画幅、时长、画面风格、对白语言。停下等用户确认。 3. **分镜表** —— 列出角色 / 场景 / 道具要素和完整分镜表、音频层（配乐分段、旁白）。停下等用户确认。 4. **角色与场景参考图** —— 每个角色一张横版图：左边头像特写（确认脸、肤色、眼睛、发际线），右边全身（服装、发型、鞋、轮廓）。同一角色有不同造型或年龄时，以第一张为参考再生成，保持同一个人。场景、关键道具按需出图。出完停下让用户确认。 5. **角色声线** —— 每个有台词的角色定一条声音参考：用户上传的直接用；没有就用 generate_speech 按角色设定生成一段 3-5 秒台词样音，让用户试听确认。 6. **逐镜生成视频** —— 每个镜头带上角色图、场景图，对白写进提示词；每批 2-3 镜，回来检查口型、声线、人物一致性再继续。 7. **配乐与旁白** —— 按音频层生成。 8. **交付清单** —— 镜头顺序、音频叠法，引导用户去时间轴合成导出。 ## 风格锁定 - 风格关键词由第 2 步定下，之后每个镜头都带同一组，例如黑色电影：`neo-noir, strong chiaroscuro, deep teal-cyan shadows dominating 90 percent of the frame, zero warm fill, fine film grain, restrained grade`。 - **单一主色调**：画面约 90% 面积只用一个主导色（如深青），极度克制；除非用户明确要求，不用红蓝霓虹对撞。 - **打光**：写清主光方向，并强调负补光（negative fill），让脸部阴影刻出骨相，增加戏剧张力。 - **构图**：每张图写明景别（特写 / 中景）和构图方式（过肩、荷兰角、低角度）。 - **质感**：精细渲染、丰富细节，可加轻微柔焦或胶片颗粒。 - **潜台词**：表情写成定格在戏剧瞬间的状态（压迫的沉默、捕食者般的静止），拒绝摆拍感。 - 必须避免：画面里出现无关文字（屏幕文字、招牌需要时用引号写出确切内容）、解释角色动机的文学描写、看不见的画外元素。 ## 分镜与镜头规则 - **剧本忠实是最高优先级**：分镜里的台词、旁白、动作结果、场次顺序必须和定稿剧本一致。只允许做技术处理：拆镜头、补景别和运镜。发现剧情逻辑问题，先停下问用户，不要自己改。 - **偏好长镜头内切**：一个生成镜头 10-15 秒，里面按剧情节奏安排 2-4 次内部切换，而不是拆成一堆 3 秒短镜。写法如「切 1：审讯室全景，老刑警推门进来；切 2：年轻人的手指在桌下抠桌沿，特写；切 3：老刑警坐下，过肩拍年轻人」。 - 分镜表字段：镜号 / 时长 / 场景 / 内部切换顺序 / 角色动作与表演 / 台词原文 / 景别角度运镜 / 声音。 - 剧本没写镜头时，按类型和基调专业补全构图运镜：对峙戏多用正反打和缓慢推近，情绪爆发给特写，信息揭示给反应镜头。 - 关键帧思路：需要首帧时，描述动作开始前的状态（重心、视线、蓄力）；需要高光帧时，选这个镜头里冲击力最强的一瞬（真相落在脸上那一刻）。 ## 提示词写法 - 中文界面用中文写提示词正文，台词按项目对白语言写。 - **图片提示词**：像导演和调色师给团队下指令。场景内容用自然的句子（主体 + 动作 + 环境），视觉美学用短语（风格、色调、光、构图），把上面的风格规则自然地揉进一段话里，不要分条贴标签。只写看得见的东西。 - 角色参考图要写清：身份（年龄、体型、显著特征）、脸（眼型、下颌线、发型发色）、服装（材质、剪裁、颜色、新旧）、气质。 - 图片示例： ``` 左侧为头像特写、右侧为全身像的横版角色参考图。五十多岁的老刑警，方脸、法令纹深、短寸灰白头发，穿旧的深灰色夹克和皱衬衫，体型敦实，站姿微微前倾。中性灰背景，顶部单一硬光，负补光让脸部阴影刻出骨相，深青色调占画面九成，细腻胶片颗粒，冷峻、疲惫而压迫的气质。 ``` - **视频提示词顺序**：运镜（镜头运动或内部切换） → 主体（谁做了什么、表情变化节拍，具体到手、头、肩，写出幅度和速度） → 空间（人物与机位在空间里的变化、背景动态） → 声音（台词、音效）。 - 多个节拍按顺序写「镜头 1 / 镜头 2」，不要写精确到秒的时间表，模型执行不了。 - 标记约定：音乐 `(…)`、音效 `<…>`、台词用冒号加中文引号，非默认语言加前缀如「用日语说：」；章节字幕用 `【…】`。 - 每条视频提示词都要加 `no music`、`no subtitles`；镜头有独立旁白轨时，旁白不写进视频提示词。 - 视频示例： ``` 图1 为老刑警，图2 为年轻嫌疑人，图3 为审讯室。镜头 1：固定中景，老刑警把一叠照片缓缓推到桌子中央。镜头 2：切到年轻人的特写，他喉结滚动，视线向左躲开，手指在桌沿下慢慢收紧。镜头 3：过肩拍老刑警，镜头缓慢推近，他身体前倾，压低声音说：“那天晚上十一点，你根本不在家。” <窗外雨声敲打玻璃> <铁椅轻微刮地>。顶光硬，深青色调。no music, no subtitles. ``` ## 在 TVVV 上执行 - 角色、场景、道具参考图用 generate_image 先出，默认 Nano Banana 2；画面里需要精确文字（招牌、屏幕、信件）时用 GPT Image 2。 - 声线：用户上传的音频直接作为该角色的声音参考；没有就用 generate_speech 生成样音，提示词写清角色身份、性别年龄、音色、语气、语速、停顿与情绪，再写台词原文，表演说明和台词要分开。 - 每个镜头用 generate_video，默认 Seedance 2.5、720p，画幅按项目设定，单镜 5-10 秒（长镜头内切的段落可拆成两段生成）。reference_images 带上镜头里每个角色的参考图和场景图，同一角色始终是同一个 图N，image_role 选 reference；和上一镜动作高度连续时，把上一镜末帧设为 first_frame。 - 如果视频里模型生成的声音和定好的声线差别大，就用 generate_speech 按声线单独生成该句台词，在时间轴上替换。 - 配乐用 generate_music，至少一条全片配乐；情绪明显转折时分段生成。旁白用 generate_speech。 - 一次回复最多 3 次工具调用，每批回来先给用户看再继续。 - 交付清单：按分镜顺序列出每个镜头视频、对应台词与声线文件、配乐分段和旁白的时间区间；提示用户在 TVVV 时间轴里叠音轨、加字幕并导出。 ## 注意事项 - **擅自改剧本**：模型很容易「顺手润色」台词。生成前逐字对照定稿剧本，一个字都别改。 - **声线漂移**：同一角色不同镜头声音不一样是最常见的翻车。先定样音、让用户确认，后面统一参照，不对就单独补配。 - **人物换脸**：每个镜头都要带角色参考图，多造型角色以首张图为基准衍生。 - **碎镜头**：拆成太多 3 秒短镜，叙事断裂、成本上升。优先 10-15 秒长镜头内切。 - **多出背景音乐和字幕**：忘写 `no music`、`no subtitles`，后期就很难处理。