AI短剧制作工作台·多应用组合配方单镜头SOP与批量排产

AI 短剧制作工作台 · 多应用协同

一张工作台,把 api.a7w.cn 上的生成应用按「一个镜头一条产线」搭起来用。

不是教你写剧本 —— 那是创作侧的事。这里管的是工具侧怎么配、怎么传、怎么验收:

  • 手上这张图 / 这段音频 / 这句台词,该调哪个应用?
  • 一个镜头从首帧到成片,六步分别传什么、拿回什么?
  • 六套常见戏份(对话、动作、旁白、混剪、修复、口播)各自的配方是什么?
  • 多个项目并行时,怎么排产、怎么断点续跑、怎么对账?
你最关心答案
多少钱按点数计费(1 元 = 100 点)。包里带成本测算脚本,先算再跑
要装什么什么都不用装。零依赖客户端 + 零依赖测算脚本
要几把 Key一把。全部应用共用同一套鉴权、同一份账单
要几个应用核心 6 个覆盖 90% 场景,其余按需插拔(见第一节矩阵)
能商用吗可以。素材授权与内容合规责任由使用者承担

一、应用能力矩阵 · 传什么进、拿什么出

你要的应用接口传什么进拿什么出
出图nano_banana/submit画面描述 +(可选)参考图 URL角色图 / 场景图 / 首帧
出片(通用)full_video/submit文本 + 可选首尾帧 / 参考媒体4~15 秒视频片段
出片(声画一起)happy_horse/submit文本 + 可选 1~9 张参考图带对白与音效的片段
出片(分辨率分档)seedance/create文本 + 图 + 视频 + 音频任意组合480p / 720p / 1080p 片段
角色配音voice_tts/clone_voice + /tts_async参考音频 / 台词文本音色 ID / 台词音频
换口型lipsync/submit视频 URL + 音频 URL对口型后的视频
图让它开口image_human/submit人物图 URL + 驱动音频 URL数字人口播视频
BGMmusic_generation/create风格描述(instrumental: true)一首配乐
现成配乐music_search/search关键词候选曲目列表
音效 / 环境音mmaudio/submit视频 URL + 音效描述带音效的视频
超分flashvsr/submit视频 URL高清成片
换动作 / 换人 / 换装action_transfer / person_replacement / dressing_diffusion/submit参考图 + 视频 / 形象图迁移后的视频

路径规则:一律 /api/v1/apps/<应用代号>/<接口代号>,
两个代号都用下划线。不要用平台的 endpoint_path 字段拼 URL ——
部分应用给出的路径属于别的路由族(如 voice_tts 给的是 /v1/tts),直接请求打不通。

现查最准:python3 scripts/a7w.py apps 与 python3 scripts/a7w.py schema <应用代号>。


二、选型打分表 · 五个视频应用怎么挑

你的约束选它为什么
不知道选谁full_video通用首选,文 / 首尾帧 / 多模态参考都吃
要声画一起出happy_horse一阶段生成,对白与画面同时出,省一道配音
要分辨率分档交付seedance480p / 720p / 1080p 独立 SKU,还带素材管理
要多种参考混着用wan文字 + 角色参考(多图多音多视频)+ 视频编辑
只要快grok_video有快速档与标准档
对话戏、不想出整段视频image_human / lipsync图片 + 音频 就够,比重生成视频便宜得多
要声音画面一起出        → happy_horse
要多种参考素材混着用    → wan
要按分辨率分档、要管理素材 → seedance
只要快                  → grok_video
静态对话戏              → image_human(只有图)或 lipsync(已有视频)
都不确定                → full_video

三、六套组合配方

配方 = 一串按顺序调用的应用。挑一套套进你的项目即可,细节见 references/组合配方.md。

配方适合应用的调用顺序
A 静态对话戏两人对话、情绪戏、内心独白nano_banana → voice_tts/clone_voice → voice_tts/tts_async → image_human 或 lipsync → mmaudio
B 动作戏追逐、打斗、转场nano_banana(首帧) → full_video(多段 4~8 秒) → mmaudio(音效) → flashvsr
C 旁白戏剧情推进、时间跳跃nano_banana(场景图) → voice_tts/tts_async(旁白) → music_generation(BGM) → 本地合成
D 快剪混剪预告、集锦、回顾smart_clip 系列接口 或 本地 ffmpeg 拼已有素材 → voice_tts → music_generation
E 老片修复老素材、糊素材重制flashvsr(超分) → mmaudio(补音效) 或 seedsvc(音色转换)
F 数字人口播解说、带货、口播矩阵voice_tts/tts → image_human(fast 档试跑) → flashvsr(按需)

选配方的判断口径:先看有没有「真人连续动作」 ——
没有就用配方 A/C(便宜得多),有就用 B/D。


四、一个镜头的六步 SOP

每一步都写清「传什么 → 调哪个接口 → 拿回什么 → 怎么验收」。

步传什么调哪个接口拿回什么验收
1 首帧画面描述 +(可选)角色定妆图POST /api/v1/apps/nano_banana/submittask_id → 图片 URL角色长相与定妆图一致;画幅正确
2 台词台词文本 + 角色 reference_idPOST /api/v1/apps/voice_tts/tts_asynctask_id → 音频 URL音色对、语气对、时长与分镜一致
3 出片首帧图 + 运镜描述POST /api/v1/apps/full_video/submittask_id → 视频 URL动作自然、无穿模、时长 4~15 秒
4 口型视频 URL + 音频 URLPOST /api/v1/apps/lipsync/submittask_id → 视频 URL口型同步、无音画错位
5 声音视频 URL + 音效描述POST /api/v1/apps/mmaudio/submittask_id → 视频 URL环境音贴合场景、不盖过台词
6 交付视频 URLPOST /api/v1/apps/flashvsr/submittask_id → 高清视频 URL分辨率达标、无异常锐化

没有台词 / 不需要口型的镜头,跳过 2 和 4 —— 这两步是可选的,别硬走。
每步都把 task_id 写进 tasks.csv,断了能续。


五、三分钟跑通(最小闭环)

第一步:拿到你自己的 Key

export A7W_API_KEY=sk-你的key      # Windows: $env:A7W_API_KEY="sk-你的key"

到 api.a7w.cn 注册,用户中心创建 Key,新用户送点数。

第二步:先算钱

python3 scripts/cost_estimate.py --shots 15 --image 24 --duration 40 --tts-chars 1800

第三步:跑一个镜头

# 1) 首帧
python3 scripts/a7w.py call nano_banana submit \
  --body '{"action":"generate","prompt":"短剧:雨夜街头,女主撑伞站在路灯下,中景,冷色调,写实电影感","aspect_ratio":"9:16"}' \
  --out shot01.png

# 2) 台词
python3 scripts/a7w.py call voice_tts tts_async \
  --body '{"text":"这雨,下了整整十年。","reference_id":"<角色音色 ID>"}' \
  --out shot01.mp3

# 3) 出片(把 shot01.png 传到公网拿到 URL 再用)
python3 scripts/a7w.py call full_video submit \
  --body '{"content":[{"type":"text","text":"镜头缓慢推近,女主抬头看向路灯,雨滴打在伞面上"}],"ratio":"9:16","resolution":"720P","duration":6}' \
  --out shot01.mp4

# 4) 对口型
python3 scripts/a7w.py call lipsync submit \
  --body '{"video_url":"https://你的存储/shot01.mp4","audio_url":"https://你的存储/shot01.mp3"}' \
  --out shot01-lip.mp4

六、包里有什么

sanjianke-drama-workbench/
├── SKILL.md                    本文件
├── README.md
├── LICENSE.md
├── references/
│   ├── 应用矩阵与选型.md        能力矩阵、五个视频应用打分表、输入形态对照
│   ├── 组合配方.md              六套配方的逐步调用与参数
│   ├── 单镜头SOP.md             六步 SOP 的详细参数、验收标准与异常处理
│   ├── 排产与对账.md            多项目并行、任务表、断点续跑、按应用对账
│   ├── getting-started.md      注册、领 Key、配置
│   └── 通用说明.md              权限、异步机制、错误码、计费口径
└── scripts/
    ├── a7w.py                  零依赖客户端(库 + 命令行,只用 Python 标准库)
    └── cost_estimate.py        工作台成本测算(零依赖,不联网)

零安装用法

export A7W_API_KEY=sk-你的key

# 先看平台上有哪些应用、某个应用有哪些接口
python3 scripts/a7w.py apps
python3 scripts/a7w.py schema nano_banana
python3 scripts/a7w.py schema voice_tts

# 先算钱
python3 scripts/cost_estimate.py --shots 15 --duration 40

# 调接口(异步自动轮询到结束,--out 直接落盘)
python3 scripts/a7w.py call full_video submit --body '{...}' --out shot.mp4

七、素材要求

素材要求
图片 / 视频 / 音频入参一律公网可访问的 URL,不支持本地路径、不支持 Base64
参考音色mp3 / wav / ogg / flac;干净单人声效果最好
画幅竖屏短剧统一 9:16,全流程别中途换
分辨率全流程锁定同一档(如 720P),避免最后拼接时尺寸不一
本地文件先传到对象存储拿到公网直链,再来调

八、常见坑

坑表现怎么避
拿本地路径当入参报参数错误一律用公网可访问的 URL
应用代号写成连字符404用下划线:nano_banana、voice_tts、happy_horse
用 endpoint_path 拼 URL打不通只用 /api/v1/apps/<应用代号>/<接口代号>
全流程没统一画幅拼接时尺寸不一、要重裁开工就把 9:16 写进每个接口的 ratio / aspect_ratio
每个镜头都重出角色图角色长相漂移、图片钱翻倍先出定妆图,后续首帧走 action=edit + 同一张参考图
对话戏也全段生成视频成本翻几倍静态对话用配方 A:图片 + image_human / lipsync
首尾帧与参考媒体混用提交失败两种模式分开用,一次只走一种
重复提交扣两次钱先记 task_id,用查询接口(免费)确认状态
拿 code == 0 判断成功明明成功却判成失败平台成功码是 1

九、多项目并行与对账

原则做法
一个项目一张任务表proj/<项目>/tasks.csv,字段含 shot_id / stage / app / task_id / status / points
断点续跑重跑只补 status != completed 的行,不重做已成功的镜头
并发 2~4 路起步429 是排队上限到了;并发越高不一定越快
给 Key 设上限跑批量前给 Key 设 quota,参数写错时能止损
按应用对账按 app 汇总 points,一眼看出钱花在哪个应用上
成片抽检每集抽查:口型对得上、画幅正确、音量不炸、无缺镜
# 按应用汇总本次项目的点数消耗(PowerShell 示例)
Import-Csv proj/ep01/tasks.csv | Group-Object app |
  ForEach-Object { "{0,-20} {1,10}" -f $_.Name, (($_.Group | Measure-Object points -Sum).Sum) }

references/排产与对账.md 里给了任务表结构、续跑规则与对账口径。
需要更贴合你流程的排产方案,加微信聊。


十、计费

项目口径参考价
出图 nano_banana按张24 点/张(nano-banana · 1K)
出片 full_video按分辨率 × 秒参考 20 点/秒(1080P)
出片 happy_horse按秒720P 0.9 点/秒;1080P 1.6 点/秒
配音 voice_tts按 Token输入 50 点/千 Token
克隆音色 clone_voice按次200 点/次(租户价)
口型 image_human按驱动音频秒fast 2 / standard 3 / 2k 6 / 4k 12 点每秒(实测结算价)
口型 lipsync按次见 schema lipsync 的 tenant_*
BGM music_generation/create按次65 点/次
搜曲 music_search/search按次10 点/次
超分 flashvsr按秒见 schema flashvsr 的 tenant_*
查任务 GET /api/v1/tasks/{id}—免费

1 元 = 100 点。价格来自实测,不是平台字段价。 平台给出的 tenant_* / pricing_matrix 字段与实际结算价可能不一致
(本表 image_human 四档实测 2 / 3 / 6 / 12 点每秒,字段价写的是 1.5 / 2 / 4 / 8;voice_tts/stt 字段写 30、实测 40)。
一律以每次调用返回的 data.usage.points_cost 为准;平台调价后请重新真打一次核对。


十一、权限与边界

能力是否申请用途
网络访问申请调用 api.a7w.cn 的应用接口(本 Skill 唯一的联网行为)
读取文件仅读取你指定的输入文件用作素材入参
写入文件仅在传入 --out 时保存返回的 JSON 或下载产物
凭证读取你自己提供的 API Key从环境变量或 ~/.a7w/config.json 读取
子进程 / 后台常驻不申请脚本执行完即退出

不内嵌任何密钥。 请求只发往 api.a7w.cn,不发送到其他任何地址。

  • 不提供 Key、不代付费用:Key 必须你自己在 api.a7w.cn 申请
  • 不生成剧本内容:这里只管工具侧的调用与排产,创作侧另说
  • 不替代素材与内容合规审查:授权与合规责任由使用者承担
  • 不含模型效果的主观排名:各家迭代快,结论极易过期;选型以能力矩阵与你的实测为准

关于这个 Skill

作者亲测实操后发布,下载后可直接使用,自用商用都可以。

所有 AI 能力都走 算力集市 api.a7w.cn —— 一把 API Key 打通
大模型、语音、图像、视频、数字人等全部算力,注册即送点数,按量计费、没有月费。

你可能想问答案
要不要额外部署不用。下载本包即可使用,不必去别处找源码
怎么开始到 api.a7w.cn 注册领 Key → 填进 A7W_API_KEY → 一条命令跑起来
能不能商用可以
遇到问题找谁见文末「联系我们」,作者本人答疑

使用中碰到任何问题 —— 报错、效果不理想、想省钱、想批量 —— 都欢迎加微信聊。
加好友时说一下是从哪个 Skill 找过来的,直接给你配套的示例。


联系我们

  • 技术微信:9872659 —— 加好友时说一下是从哪个 Skill 找过来的,直接给你配套的 API Key 与能跑的示例。
  • 要算力 / 要 API Key:算力集市 · 注册领 API Key —— 一个 Key 调用全部 AI 算力,注册、充值、创建 Key 都在这里。
  • 更多 AI 插件与接口:AI 插件市场。

相关链接

链接地址说明
算力集市 · 注册领 API Keyapi.a7w.cn一个 Key 调用全部 AI 算力;注册、充值、创建 Key 都在这
AI 插件市场aigc.a7w.cn浏览全部 AI 插件与接口说明
三剪客 · 一句话批量出片ks.a7w.cn短剧二创 / 影视解说 / 矩阵号批量混剪桌面客户端
视频超清 · 在线批量超分vr.a7w.cn网页版视频超分,批量处理,最高 4K
0人公司 · AI Agent 平台a7w.cn主站,了解整套 AI Agent 生态

同类文章