三剪客 · AI 短剧工厂出片全流程

![哪吒 · 实测成片首屏](assets/film/01-hero-nezha.png)

做 AI 短剧,劝退人的从来不是「能不能生成」,而是这四件事:

① 改了剧本,下游全部重出          → 没人用得起
② 第 1 集和第 20 集不是同一个人   → 观众一眼出戏
③ 画面里突然冒出一行乱码字幕      → 直接不能发
④ 跑到一半出问题,只能从头再来    → 钱白烧

这份 Skill 就是把我们踩过这四件事之后沉淀下来的做法交给你:十个阶段的流水线怎么切、人物一致性到底靠什么锁住、每个模型吃哪一套参数(这是最容易 400 的地方)、以及每一分算力花在哪。

所有算力统一走 api.a7w.cn——文本、图像、视频、语音四类能力一个 Key、一份账单。没有本地 GPU 也不用自建推理服务:注册领 Key 就能按下面的参数直接调。

下面所有配图都是真实产出,不是示意图。UI 截图取自 https://hq.a7w.cn/agent.html(本方法的参考实现),成片图取自实跑项目。


一、为什么难:三个真正的分水岭

坑一:改了剧本,下游全部重出

一部 3 分钟的片子大约 3000~9000 点。改一句台词就全部重出,没人用得起。

做法:分镜表给每个镜头记「来自哪段剧本」,剧本变了只标脏变化的那几条。改一句台词,只重出受影响的镜头。

坑二:第 1 集和第 20 集不是同一个人

这是 AI 短剧最致命的问题。实测结论:

  • 只把参考图传进去、不写要求 → 模型把它当「松散参考」,脸会变
  • 同一角色连出 5 个镜头 → 到第 3 个就开始换脸

只靠参考图不够。 必须两道锁一起上:

锁一:多参考图 —— 一个角色可挂多张图,每张标用途
      正面照锁脸 / 侧面照锁轮廓 / 服装图锁服装 / 场景图锁空间

锁二:全局硬约束 —— 只要传了参考图,请求里自动追加一段强制要求
      "面孔、五官比例、脸型、年龄、发型、发色、肤色、服装款式与配色
       必须与参考图完全一致,是同一个人的同一套造型;
       不要换脸、不要改年龄、不要改发型、不要改服装、不要美化或年轻化。"

图给的是视觉锚点,硬约束给的是不许偏离。缺一个都会漂。

![角色设定分析图:三视图 + 色彩规范 + 材质说明](assets/proof/17-charsheet-real.png)

这张就是「锁一」的物料本身:面部特写 + 全身正/侧/背三视图,加上色彩规范、材质说明、装备参数。做扎实了,后面出片才不会换脸。

坑三:画面里突然冒出一行字

视频模型特别爱自己在画面上加字幕、标题、logo,而且经常是乱码。

做法:在参数适配层做全局强制排除——所有出图出片的提示词都自动追加禁文字要求,连桌面文件、名牌、墙面、屏幕、衣物上的可读文字都排除掉。

注意:光写一句「不要字幕」压不住。实测长镜头里模型会把环境纹理「读」成文字自己长出来。要用多角度、强否定、带正面替代描述的写法(原文见 references/一致性双锁与禁文字原文.md)。

需要字幕怎么办?成片阶段单独烧录,用本地渲染器(不扣平台点数)。


二、十个阶段流水线

![完整画布:一条龙产物都长在画布上](assets/ui/12-canvas-full.png)

① 需求分析  →  ② 制作前问询  →  ③ 项目规划  →  ④ 资产锚点  →  ⑤ 站位记忆
→  ⑥ 分镜设计  →  ⑦ 逐镜头出片  →  ⑧ 配音  →  ⑨ 合成成片  →  ⑩ 完成
#阶段做什么产出要人参与吗
1需求分析读素材,抽体量 / 核心矛盾 / 爽点 / 人物 / 场景道具 / 物料质检分析报告否
2制作前问询8 项制作参数(模式 / 画幅 / 帧率 / 语言 / 字幕 / 音频 / BGM / 时长)带来源的参数表可选(默认自动)
3项目规划制作计划 + 3 个剧情 brief基础信息表 + 制作清单可选确认
4资产锚点生成角色 / 场景 / 道具参考图,固定 seed + 稳定 ID每个锚点一张图否
5站位记忆算清「谁在哪、朝哪、道具在谁手上」,逐镜写起始快照 / 变化 / 末态主锚 + 站位 + 轴线 + 视线 + 跨镜头状态承接否
6分镜设计按九条铁律拆镜头,写光影时辰 / 音效 / 过渡桥梁分镜表否
7逐镜头出片每个镜头:出首帧图 → 图生视频每镜一段视频否
8配音按角色配声线每镜音频否
9合成成片拼接 + 烧字幕成片否
10完成———

人工只在「项目规划」确认一次,其余全自动。 关掉页面它也在服务端继续跑。

![项目规划阶段的确认卡片](assets/ui/14-project-plan-cards.png)

关键机制:站位记忆的跨镜头状态承接

这是跨镜头一致性的核心。每个镜头一行:

sg_001  起始:陈默在楼梯口端站立,面朝周桂芳;信闭合在陈默右手
        变化:陈默停步、收拢右手、换左手抬信
        末态:陈默举信至胸前;周桂芳视线在信上;信在陈默手中(开启)

sg_002  起始:陈默举信至胸前;周桂芳视线在信上;信在陈默手中(开启)  ← 与上镜末态逐字一致

出图时会把 本镜起始快照 + 上一镜末态 + 光影 一起拼进提示词。

参考图 + 固定 seed 保证「长得像」,快照保证「状态接得上」——两者叠加才稳。
只有前者的话,人物是同一张脸,但手里的信可能一会儿在右手一会儿在左手。

服务端会自检:第 N 镜末态与第 N+1 镜起始不一致时记警告并列出镜头对(只警告不阻断)。

关键机制:分镜九铁律

写死在提示词里的九条:

#铁律
1台词零删改——逐字搬运,禁合并 / 精简 / 省略修饰词
2台词时长按 4 字/秒估算,按情绪分配,不平均切
3每个镜头 ≤15 秒
4长台词超 20 字强制拆镜,按语义停顿点切
5在场人物不能凭空消失(没写「离开」就还在场,必须有视觉痕迹)
6人物外观交给图片资产——长相 / 服装 / 发型不进分镜提示词
7声音只写环境音 + 音效,禁 BGM
8画面只写动作、姿态、表情、正在发生的状态变化
9光影时辰要写(会被带进出图提示词)

外加四类过渡桥梁,要求每个镜头写明用了哪一类:动作桥梁 / 情绪接力 / 空间与视线 / 台词与动作黏合。详见 references/分镜九铁律与过渡桥梁.md。


三、模型参数:这是最容易 400 的地方

同一个平台的模型,参数格式并不统一。我们把探测到的差异整理成表——这是本 Skill 最省你时间的一块:

模型族入参风格参考图字段上限关键约束
qwen-image-*input.messages 单条用户消息message 里的 image 内容块3 张必须显式给 parameters.n = 1,不给被判「n 必须为 1」
gpt-image-* / nano-banana-*顶层 prompt顶层 image_urls 数组12 张与 qwen 完全不同格式;丢了参考图就会凭空编人物
h3-video / minimax顶层 content 数组content[].image_url.url多条resolution 只认 768P / 2K;duration 只认 4/5/6/7/8/10/12/15 且必须是字符串;ratio 只认 16:9 / 9:16 / 1:1 / 4:3
wan3.0-videoinput.media + parametersmedia[].{first_frame,reference_image,last_frame}10 图 / 5 视频 / 5 音频768P 不认,只认 480P / 720P;duration 必须取整且 ≥3 秒;seed 放在 parameters 内
veo3.1-*顶层 prompt / quality顶层 image1 张多给会被判参数不符
grok-video顶层 prompt / duration顶层 image1 张同上

⚠️ 已经出现在平台列表里、但实测不可用的模型(别再让用户选):
seedance、full-video、happy-horse、wan、flashvsr、Wan-AI/Wan2.2-T2V-A14B、Wan-AI/Wan2.2-I2V-A14B。
其中 full-video(全能视频生成)报「未上架」,真正可用的通用多模态是 h3-video(MiniMax H3)。

一个必须知道的硬约束:首尾帧不能与参考图混用

Wan 3.0 官方明确:首帧/尾帧模式不能与参考图片、参考视频、参考音频、文件或网页链接混用。

这直接改掉了出片逻辑——一致性必须拆成两把锁,不能在同一支视频里同时上:

锁一:出首帧图时把资产锚点当参考图(qwen-image 上限 3 张)+ 固定 seed
锁二:视频阶段只吃首帧(图生视频),由首帧把人物/场景锁住

按景别自动挑模型(省钱的关键)

不是所有镜头都值得用贵的模型:

全景 / 中景 / 远景  →  h3-video 768P(画面信息多,值得)
近景 / 特写 / 道具  →  wan3.0-video 480P(省一半以上)

判断顺序有坑:中近景 里含「近景」,必须先判中景类再判近景,否则会误判成 480P。

![模型选择:文本 / 图片 / 视频 / 配音四类都可选,选项实时取自 api.a7w.cn](assets/proof/18-model-picker.png)

文本模型、图片模型、视频模型、配音模型、配音音色都是可选的,选项实时从 api.a7w.cn 拉取——平台上加了新模型,刷新页面就能选到。

单个节点还可以单独覆盖模型(下面右图:把某个锚点指定用 qwen-image-3.0-pro、尺寸 1024\*1792 竖屏):

![节点级模型与画幅覆盖](assets/proof/20-node-model-roi.png)


四、成本:实测算出来的单价

本站不赚你算力的差价——所有生成都调你自己的 Key,费用记在你自己账上。所以成本必须算得清。

单价全部来自实测扣费记录,不是估算:

项目实测单价
出图(gpt-image-2-pro)20 点/张
视频 h3-video 768P50 点/秒(5.167s = 250 点)
视频 wan3.0-video 720P55 点/秒(6s = 330 点)
视频 wan3.0-video 480P28 点/秒(7s = 196 点)
配音(零样本克隆)0 点
字幕 / 水印 / 剪辑 / 合成0 点

注意后两行:配音和后期在这里是 0 点,在别家通常要单独收费。

视频占九成以上成本。 省钱唯一有效的方向是减少要生成的视频秒数(少几镜、短一点、低分辨率),而不是省图片钱。

实测项目台账

项目规模结果
哪吒(1 分钟反转版)13 镜成片 105.7 秒,带完整配音
孙悟空43 镜成片 388 秒
雨夜最后一单4 镜成片 40 秒

哪吒那部 13 镜的预估成本 1950 点,拆开是:

锚点    0 点(复用已有)
首帧   20 点(1 张待出)
视频 1930 点(65 秒,均价 30 点/秒)
配音    0 点
合成    0 点

余额不够时的正确处理

开工前先算总账,不够就停下来说清:

需要 8800 点 / 你的账号有 189.6 点 / 还差 8610.4 点(每镜约 440 点,待生成 20 镜)

关键:这时候一个镜头都没生成,一分钱没花。 充值后点「继续出片」即可断点续跑,已完成的镜头不会重复生成(逐镜台账 + 幂等续跑)。

BYO Key 模式下能做「生成前预估、生成后记账、成本报表」,不能做站内冻结/结算——钱不在工具手里。要准数字以 api.a7w.cn 实际扣费为准。

预算估算法与两套价格字段(公示标准价 vs 租户价字段)见 references/真实单价与成本台账.md——字段价未必等于实际结算价,真实扣费看 usage.points_cost。


五、界面实证

一句话 → 一本小说

![一句话生成小说](assets/ui/11-single-page.png)

一句话输入:「一个外卖员在暴雨夜接到一单送往殡仪馆的订单,收货人写的是他自己的名字。」

它不是一次生成的。 一次让模型写两万字,后半段一定崩,拆成三步:

① 立意   一句话 → 书名 / 题材 / 主角 / 对手 / 核心冲突 / 情绪基调 / 开篇钩子
② 大纲   立意 → N 章,每章标题 + 剧情梗概,要求"章与章有递进、最后两章有反转"
③ 扩写   逐章写正文,每章带上"上一章结尾 400 字"保证接得上

踩过的坑:中间某章失败,最初的处理是整本中断,重跑又从头烧钱。现在改成单章失败跳过、已写的保留、随时续跑。

节点详情:实扣点数摆在节点上

![视频节点详情:模型 / 任务号 / 实扣点数 / 来源首帧](assets/ui/13-canvas-video-node.png)

点开任何一个节点,能看到 模型、任务号、实扣点数、生成时间、来源首帧、完整生成提示词。上例:wan3.0-video,task_vh3,实扣 100 点,5 秒。

提示词可手改、可重生成

![提示词编辑弹窗](assets/ui/15-prompt-edit.png)

选中节点可以改提示词重新生成一个版本,旧版本不会被覆盖——工具栏上出现 ◀ 2/3 ▶ 切换器,合成时用你选中的那个。

配音:650 个预设音色

![音色选择:650 个音色可搜索](assets/proof/19-voice-650.png)

每个角色可以选不同声线,按性别 / 年龄 / 方言 / 风格筛。实测平台侧 voice_tts/list_voices 只返回用户自己克隆的音色,预设音色库需另外接入(见「已知限制」)。


六、做出来的片子长什么样

人物一致性——同一个哪吒,12 个镜头同一张脸、同一套造型:

![12 镜分镜墙:同一角色不换脸](assets/film/03-storyboard-wall-nezha.png)

多参考图锁长相——角色三视图 + 主持人三视图 + 场景四角度 + 乾坤圈 + 莲花台,全部作为可挂载的锚点:

![锚点物料:三视图 / 场景多角度 / 道具](assets/film/02-anchors-nezha.png)

成片抽帧——注意这是从成片里抽的帧,不是拼图:

![成片抽帧 9 帧](assets/film/04-film-frames-nezha.png)

规模更大的那一部(43 镜):

![孙悟空:43 镜分镜墙](assets/film/05-storyboard-wall-wukong.png)

![孙悟空:成片抽帧](assets/film/08-film-frames-wukong.png)

另一个题材(都市悬疑):

![雨夜最后一单](assets/film/09-hero-yuye.png)

![雨夜最后一单:成片抽帧](assets/film/10-film-frames-yuye.png)

⚠️ 但一致性有一个真实的边界

我们在做分镜墙的时候发现:主角是稳的,配角会漂。

看上面那张哪吒分镜墙——哪吒 12 格全部是同一张脸,但主持人的脸在不同镜头间有变化。

原因:哪吒的锚点做了 5 处具体造型约束(深红高马尾 / 左眉旧疤 / 黑灰夹克 / 脖子金属圈 / 手腕红绫),特征越具体越容易被模型抓住;主持人的描述相对笼统("黑色中式立领 / 低发髻 / 翡翠平安扣"),约束力弱一些。

这正好印证了产品逻辑:

锚点描述越具体   → 一致性越好
多挂几张参考图   → 一致性越好

建议:配角也应该强制要求填 3 个以上具体特征,不能只给「黑衣服、盘发」这种量级的描述。


七、触发场景

  • 「我要把一本小说做成短剧,从哪开始、大概要花多少点?」
  • 「AI 出的视频第 1 集和第 20 集不是同一个人,怎么锁住?」
  • 「同一个角色连出几个镜头就换脸,参考图传了也没用。」
  • 「画面里老是自己长出乱码字幕,怎么彻底禁掉?」
  • 「qwen-image / gpt-image / h3-video / wan3.0-video 的参数到底各要什么格式?」
  • 「跑一集短剧要多少点?视频、出图、配音、合成分別占多少?」
  • 「跑到一半失败了,能不能不重头再来?」
  • 「长镜头里人物会漂移,多长算安全?」

八、工作流路由

你要什么看哪份
十个阶段各自做什么、怎么串、断点续跑references/十阶段流水线与断点续跑.md
一致性双锁的原文提示词、禁文字硬约束原文references/一致性双锁与禁文字原文.md
分镜九铁律、四类过渡桥梁、站位记忆写法references/分镜九铁律与过渡桥梁.md
逐模型参数差异、死模型清单、分辨率与时长映射references/模型参数适配表.md
真实单价、成本占位、预算估算references/真实单价与成本台账.md
全流程卡住了怎么查references/排错与已知限制.md
配图清单:每张图的文件、尺寸、内容、建议用途references/配图清单.md
上手前先跑一遍体检scripts/preflight.py

九、权限与用途说明

能力是否申请用途
网络访问申请调用 api.a7w.cn 的网关与应用接口(本 Skill 唯一的联网行为)
读取文件仅读取你指定的素材(小说 / 剧本 / 参考图 / 音频)作为流水线的输入与参考图
写入文件仅在传入 --out 时落盘分镜表 / 成本台账 / 体检报告
凭证读取使用者自己提供的 API Key从环境变量 A7W_API_KEY 或 ~/.a7w/config.json 读取
子进程 / 后台常驻不申请脚本执行完即退出,不注册服务、不常驻
调用 ffmpeg可选,仅本地合成阶段拼接镜头与烧字幕;不做则跳过合成

不内嵌任何密钥。 脚本只把 Key 发往 api.a7w.cn,不发送到其他任何地址。

十、能力边界

覆盖:

  • 从小说到成片的全流程方法论:十阶段切分、站位记忆、分镜铁律、过渡桥梁
  • 人物一致性的具体做法:多参考图挂载策略 + 全局硬约束原文 + 固定 seed
  • 逐模型参数适配:qwen-image / gpt-image / nano-banana / h3 / wan / veo / grok 各自要什么
  • 成本台账:真实实测单价、按景别选模型、余额不足的断点续跑
  • 一个零依赖 scripts/preflight.py:体检 Key、余额、可用模型、参数合法性

不覆盖:

  • 不提供 API Key、不代付费用:Key 与点数必须是你自己的账号
  • 不做口型同步:平台没有口型同步模型,本项目是后叠配音,音色统一但口型不逐字对应
  • 不保证可用性与最终画质:模型上下架、限流、计费以 api.a7w.cn 站内为准
  • 不替代内容合规审查:生成内容的合规责任由使用者承担
  • 不直接操作 hq.a7w.cn 的界面:那只是一个参考实现,本 Skill 给的是可迁移的方法与参数

十一、依赖条件

  • Python 3.8+,只用标准库(urllib),无需 pip install
  • 一个 api.a7w.cn 账号,已完成实名并创建 API Key
  • 能访问 https://api.a7w.cn 的网络出口
  • 可选:本地 ffmpeg(只有合成阶段需要)

十二、已知限制

  1. 口型不逐字对应。 平台没有口型同步模型,本项目是后叠配音。行业里的通行做法是用快切掩盖(参考片平均 5.8 秒一刀)。
  2. 长镜头会漂移。 同一角色超过 8 秒的镜头,脸会开始变。建议 4~8 秒短镜拼接,不要做 15 秒以上的长镜——这也正好符合短视频节奏。
  3. 分辨率还可以更高。 近景用 480P、全景用 768P。平台上有支持 1080P/4K 的模型,但视频侧实测可用档位受模型限制(见参数表)。
  4. /chat/completions 不回传 points_cost。 /tasks 会返回 usage.points_cost,但文本接口没有——文本阶段的实扣点数目前只能靠「调用前后余额差分」推算。
  5. 图像模型参考图上限偏低。 全站图像模型只有 2 个(Qwen Image 3.0 / 3.0 Pro),参考图上限 3 张。锁一个角色要「正面 / 侧面 / 背面 + 服装 + 道具 + 场景」至少 6~12 张,3 张不够。可改用 gpt-image-*(上限 12 张)。
  6. 预设音色库需单独接入。 voice_tts/list_voices 只返回当前用户自己克隆的音色;650 个预设音色在 API 侧没有直接入口。
  7. 推理模型会把输出预算烧在思考上。 实测某模型 reasoning_tokens: 1405 / 2311,极端情况 content 为空串。空内容要自动重试并给足 max_tokens。
  8. 文档与实测常有出入。 平台上的模型数、价格、可选档位都会变。要准数就现场拉,不要照抄本文档里的快照数字。

十三、自检清单

跑完一集,按这几条过一遍:

  • [ ] Key 走的是环境变量或 ~/.a7w/config.json,没有硬编进代码或提交进仓库
  • [ ] 出片前先算过总账,余额不足时确认「一个镜头都没生成」
  • [ ] 每个主要角色的锚点至少 3 个具体造型特征(不要「黑衣服、盘发」这种量级)
  • [ ] 每个角色挂了多张参考图,且每张标了用途(脸 / 轮廓 / 服装 / 场景)
  • [ ] 请求里确实追加了一致性硬约束与禁文字约束(幂等,别重复追加)
  • [ ] 视频请求没有把首尾帧与参考图混用(Wan 3.0 会直接拒)
  • [ ] 分辨率与时长按模型映射过(h3 只认 768P/2K,wan 只认 480P/720P;h3 时长须为字符串且在合法集合内)
  • [ ] 每个镜头 ≤15 秒,同角色单镜 ≤8 秒
  • [ ] 上游 5xx / 超时走退避重试,而不是把整个项目判死
  • [ ] 网络超时时先查 task_id 再决定要不要重提,避免重复扣费

参考文件

文件用途
references/十阶段流水线与断点续跑.md十个阶段详解、逐镜台账、幂等续跑、拆集拆场
references/一致性双锁与禁文字原文.md一致性硬约束与禁文字约束的可直接复制的原文
references/分镜九铁律与过渡桥梁.md九条铁律、四类桥梁、站位记忆与快照格式
references/模型参数适配表.md逐模型入参格式、上限、死模型、分辨率/时长映射
references/真实单价与成本台账.md实测单价、成本结构、预算估算、余额不足处理
references/排错与已知限制.md症状 → 原因 → 处置 对照表
references/配图清单.md20 张配图的文件、尺寸、内容、建议用途、投放位置
scripts/preflight.py零依赖体检脚本(不内嵌任何密钥)

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