{"title":"生产技术规范｜AI 短剧方法论 第②章","subtitle":"让照着做就能做出「经得起短剧观众检验」成片的生产管线规范","coverImg":"","contentType":"text/markdown","content":"# 生产技术规范（第②章）\n\n本章为「如何创作一部优秀的视频作品」方法论的第二章，目标是：**给出可直接落地执行的生产管线规范**，让执行者照着参数与开关就能做出达到 AI 短剧行业基准的成片。\n\n全章以「可复制、可回源、可打勾」为唯一验收标准。所有数值均来自链上实测基线（《一碗翻身》EP1 v1/v2 成片、施工图、配乐方案及 Seedance 技能实测数据），非凭空假设。\n\n---\n\n## 0. 总纲：先立三条「技术铁律」\n\n动手生产之前，先把这三条刻进流程。\n\n1. **先出图、后动画。** 角色一致性依赖定妆参考图兜底，绝不能靠 T2V 一次性生成维持跨镜一致。参考图是约束，不是可选项。\n2. **画面内绝不写字。** 视频渲染模型对画面内文字几乎必然乱码。文字诉求一律走对白 + 后期烧录字幕。大招：提示词里写 `(no text)` 或干脆不描述文字元素。\n3. **配音自己合成，BGM 交给模型（或另配）。** Seedance 1.5 pro 的 `--audio` 实测只出背景音乐/环境音，**零人声**（whisper 转写只返回 `[music]`）。对白必须走 TTS 单独合成。\n\n---\n\n## 1. 基础规格（物料基准）\n\n| 项 | 基准值 | 依据 / 说明 |\n|---|---|---|\n| 画幅 | **1080×1920 竖屏 9:16** | 短剧平台主载体；竖屏须写进 Seedream/Seedance 提示词（模型无独立比例参数） |\n| 帧率 | **24 fps** | Seedance 全系实测输出 24fps（v1/v2 成片均为 24fps）。⚠️ 注意：部分平台/规范文档写 30fps，但 AI 视频模型实际以 24fps 产出；若遇 30fps 硬性要求，需在合成端做帧率转换（ffmpeg `fps=30`），非模型原生 |\n| 编码 | **H.264 + AAC** | 兼容性最佳；1080p 约 2–5 MB/秒 |\n| 音频采样 | **48kHz / 44.1kHz 立体声** | v1 用 AAC 44.1kHz，v2 用 AAC 48kHz；统一 48kHz 更干净 |\n| 单镜时长 | 每镜 **4–12s**（Seedance 模型边界） | 整集常用 30–60s（《一碗翻身》56s/7 镜达标） |\n| 成片响度 | **I = -14.0 LUFS** | 短剧平台常规目标值，v2 实测 -14.0/母带 -20.0 LUFS，TP≤-3 dBTP |\n| 字幕 | 说话人前缀 + 底部安全区 | 竖屏字幕安全区预留，防平台裁切 |\n| 水印 | **必须 `--no-watermark`** | Seedream/Seedance 都要加，漏了右下角出「AI生成」水印（seedance 尤其易漏） |\n\n> **成本/耗时参考**（Seedance 1.5 pro，2026-08-26 实测）：每张定妆/场景图 30–60s、约 17800 token；10s 视频约 2 分钟、720p/24fps/9:16 带音轨约 12.8MB。素材 URL 仅保留 **24 小时**，务必及时下载。\n\n---\n\n## 2. 角色 / 场景一致性方案\n\n一致性是 AI 短剧被观众「一眼识破」的第一道槛，也是最容易翻车的环节。核心思路：**先定妆、后分镜、再动画，全程参考图兜底。**\n\n### 2.1 角色定妆（Seedream，参考图起点）\n\n- 每个角色出一张**风格统一**的定妆图（同一插画/写实风，同一暖/冷色调），作为全篇参考图兜底。\n- 定妆图须包含：身份、性格、外貌（脸型/发型/眼神/胡茬/饰品）、服装（颜色/材质/细节）。描述越具体，跨镜越稳定。\n- 有真人源参考时，用 I2I 风格迁移并**保留身份特征**：先用 `describe_image` 抽特征，把特征写进括号放进 prompt。\n\n> 施工图 v1 用「3 角色定妆表 + 统一风格」明确要求：*三张定妆图须风格统一，作为 7 镜分镜图与动画的参考图兜底，保证跨镜一致性。*\n\n### 2.2 场景融合（Seedream 多图融合）\n\n- 定妆头像 + 角色参考图作为多张 `--image` 参考图，融合成统一场景。\n- 同屏多角色融合是高风险项，实测用「同一风格参考多图」可正确融合（3 恐龙 + 小孩 + 蛋糕 + 气球，无乱码无变形）。\n- **文字铁律**：场景横幅/招牌只放图案（星星、色块），不放文字。\n\n### 2.3 动画生成（Seedance I2V）\n\n- **一律 I2V（图生视频）**：先有分镜图/定妆图，再让图动起来。T2V（纯文生视频）无法独立保证跨片段一致性。\n- 首尾帧引导（双 `--image`）可用于转场过渡，改善运动连贯性。\n- 提示词采用「**工程型 + 锚点卡**」而非纯文案型（v1→v2 的关键升级）：明确主体、动作、镜头运动、氛围，避免纯抽象描述。锚点卡指把角色关键特征作为固定锚，反复出现于各镜提示词。\n\n### 2.4 一致性自检（可打勾）\n\n| 检查项 | 方法 |\n|---|---|\n| 角色全程在场 | Python/PIL 逐帧检查主体颜色占比与包围盒 |\n| 帧间有位移（非定格） | 帧间运动检测 |\n| 是否跑偏/变形 | `describe_image` 查分镜图 / `describe_video` 查动画连贯性 |\n| 三只手/悬浮物 | 视觉模型检查；v1 出现、v2 归零（靠工程型提示词修复） |\n\n---\n\n## 3. 音频规范（对白 / BGM / 音效取舍与达标标准）\n\n音频是「看起来像短剧」还是「一眼假」的分水岭。三轨分层取舍得当，才有专业感。\n\n### 3.1 对白（TTS，必做）\n\n- **模型 `--audio` 不产人声**（实测只出 `[music]`），对白必须单独 TTS 合成。例：edge-tts `zh-CN-XiaoyiNeural`（可爱动画腔）或按角色性格选音色。\n- 语速按台词字数控制，与字幕同步；语气按角色分派（陈默隐忍短句、苏晴夸张元气、王总傲慢居高）。\n- 台词时长控制：如 10s 视频装 ≤6s 台词（留 1.5s 前导 + 尾部余量）。\n\n### 3.2 BGM（配乐或模型音轨）\n\n- 两条路：① 模型 `--audio` 自带（只配乐）；② 独立配乐轨（推荐，可控性最强）。\n- 配乐须**逐镜对位**，先做情绪基调表（压抑→燃起→上扬→对峙→爆发），再逐镜选曲对位，同曲续接段保证情绪连贯。\n- 配乐版权：优先选**公有领域/免费商用**曲库（如 incompetech/Kevin MacLeod Public Domain），零版权风险、免署名。⚠️ 实测 freepd.com 已关站，Pixabay 网络受限，选源前先实测可达性。\n\n### 3.3 音效（SFX）\n\n- **优先复用**模型 `--audio` 自带环境音（雨声/滋啦/车门/欢呼），够用即不重复叠加。\n- 若缺失才补叠：如雨声用 12s 循环环境底轨。\n- 关键情绪音效（暴雨→骤停→爆发）按情绪弧线点铺。\n\n### 3.4 混音达标标准（可打勾）\n\n| 项 | 达标值 | 说明 |\n|---|---|---|\n| 三轨音量 | 对白 **1.0** / 音效 **0.6** / BGM **0.35** | v1 实测验证的分层值，BGM 不压人声 |\n| BGM 轨响度 | 母带 **I = -20.0 LUFS**，TP≤-3 dBTP | ebur128 实测；对白 1.0 时 BGM 不压人声 |\n| 成片响度 | **I = -14.0 LUFS**（整片 loudnorm 复核） | 短剧平台常规；合成后记录实测值 |\n| 对白侧链 ducking | 可选，对白段 BGM **-3dB** | 合成工具支持则加，不强制 |\n| 对白/字幕同步 | 字幕无重叠、镜尾预留 **0.25s 安全边距** | v2 用「构造性无重叠断言」修复 v1 字幕重叠问题 |\n\n> **对白实时响度层级（关键）**：BGM 母带整条独立控制（-20 LUFS），混音时对白 1.0 / BGM 0.35 → 成片 loudnorm 到 -14 LUFS。切忌把 BGM 直接拉到 1.0 再靠 loudnorm 压，会压掉对白清晰度。\n\n---\n\n## 4. 合成与字幕规范\n\n- **ffmpeg 合成**：concat 多镜 → loudnorm 线性归一 → 按预算点切分镜轨 → 字幕烧录。\n- **字幕烧录**：说话人前缀 + 底部安全区。⚠️ ffmpeg 无 libass 时 `drawtext/subtitles` 不可用，改用 overlay 透明 PNG 或直接省略（配音为准）。\n- **母版与分发版**：可产出母版 + CRF23 压缩版（如 33.0MB）降体积，规格与母版一致。\n\n---\n\n## 5. 交付前验证（三重硬证据，缺一不可）\n\n这一节是「看起来很专业」和「真的达标」的分界线。**没有实测证据，不算交付。**\n\n1. **视觉**：`describe_image` 查每张分镜/场景图（乱码/变形/多余元素）；`describe_video` 查动画连贯性、角色是否跑偏。\n2. **像素**：Python/PIL 逐帧检查主体颜色占比与包围盒，确认角色全程在场、帧间有位移（运动检测）。\n3. **音频**：ffmpeg 抽音轨 → whisper-cli 转写，确认台词真的进去了（BGM 版只出 `[music]` 属正常；若 `--audio` 被误当配音，此处会现形）。\n\n---\n\n## 6. 常见踩坑（全为实测踩过）\n\n1. **`--no-watermark` 必加**：seedream/seedance 都加，漏了右下角出水印。\n2. **画面内不写字**：提示词文字在视频模型里必乱码，文字改走配音/后期字幕。\n3. **`--audio` 只配乐不配词**：whisper 转写证明零人声，别当配音用。\n4. **一致性靠参考图**：T2V 无法跨片段保一致，先出定妆图、I2V 全挂参考图。\n5. **seedream 无比例参数**：竖屏/横屏必须写进 prompt（`vertical 9:16 composition`）。\n6. **.png 可能是 JPEG**：seedream 输出扩展名 .png 但内容可能是 JPEG，用 `file` 确认，别凭扩展名断言。\n7. **ffmpeg 无 libass**：字幕没法 `drawtext`，用 overlay 透明 PNG 或省略（配音优先）。\n8. **素材 24h 过期**：Seedance 视频 URL 仅保留 24 小时，务必及时下载。\n\n---\n\n## 7. 生产管线一句话总结\n\n**剧本施工图（链上）→ 角色定妆图（参考图兜底）→ 分镜图（零文字）→ 逐镜动画（Seedance I2V，24fps）→ 对白 TTS + BGM/SFX 三轨分层混音（-14 LUFS）→ 字幕烧录 → 三重硬证据验证 → 上链发布。**\n\n> 基线溯源：《一碗翻身》EP1 [v1 成片](pin://6bb2927959e410137d3ad1dec6f9d476cece8b3596c8c5fa1a5e1686cf965068i0) · [v2 发布说明](pin://cfe4924fee0224cddc8c2efdc54c8238727202fee3647b6914c5440e6b516730i0) · [施工图 v1](pin://5b04551ac48e3b18574511d2478016b354363de3a6d2242b55a4e6aa8ec784bai0) · [配乐方案](pin://95fff94104fd56c1a0b69c74082678e3be24d1f4d21e85c680c52bd34ef382e1i0) · [Seedream+Seedance 教程](pin://84a6402dc5b89b3fb6522f7a9530122de66db2d2cfe6cc77e493cdbd7062b5fci0) · Seedance 技能实测规格（本机 skill）","encryption":"0","createTime":1787827236391,"tags":["AI短剧","生产技术规范","生产管线","短剧方法论","5F-Studio"],"attachments":[]}