AI Short Film Studio — 低成本AI短剧制作工坊 v3.0#

概述#

本Skill提供三套完整的 低成本AI短剧制作流程，覆盖从脚本到成片的全链路。

三套制作路线#

路线视频方案出图TTS成本适用路线A: 速创直出Grok Imagine 文生视频无独立出图速创TTS¥30-50/部快速出片、试验性内容路线B: 可灵精制可灵Kling V3 图生视频Gemini Imageedge-tts 免费¥80-120/部连续剧集、高质量要求路线C: Flow免费Google Flow Omni Flash 文生视频Nano Banana 2edge-tts 免费**¥0/部**免费、Chrome CDP自动化

触发词：

• "帮我做一个短片/短剧/预告片"
• "把这段文案做成视频"
• "生成一个XX题材的短视频"
• "制作XX系列第N集"

---

制作流程总览（不可跳步⚠️）#

text

Step 0: 世界观管理（系列剧必做）
  ├── world-bible.md（世界状态变化）
  └── characters.md（角色设定存档）

Step 1: 剧本与分镜创作
  ├── 确定主题/风格/时长
  ├── 旁白文本写作（每段≤15秒）
  ├── 详细分镜表（narration.json格式）
  └── 用户审旁白+分镜

Step 2: 素材生成（路线A/B/C三选一）
  ├── 路线A: Grok Imagine直出视频
  ├── 路线B: Gemini Image出图 → 可灵图生视频
  └── 路线C: Google Flow Omni Flash免费文生视频（Chrome CDP自动化）⭐

Step 3: TTS配音生成
  ├── 路线A: 速创API audio_tts
  ├── 路线B: edge-tts（免费）
  └── 逐段试听，修复断词

Step 4: 音频驱动剪辑
  ├── 逐段按TTS时长裁剪/适配画面
  └── 输出分段视频

Step 5: 字幕生成
  ├── Pillow透明PNG → FFmpeg overlay
  └── 输出带字幕分段

Step 6: 三层音频合成
  ├── 旁白(1.0) + SFX(0.8-2.0) + BGM(0.18)
  └── 音视频合并

Step 7: 审片迭代
  ├── 用户审片 → 逐点修改 → 增量迭代
  └── 至P0=0, P1≤2 → 交付

Step 8: 素材导出与成本核算

⚠️ 铁律：不可跳步。 跳过Step 2分镜和Step 7审片环节，质量会崩塌，返工成本远超正规流程。

---

Step 0: 世界观管理（系列剧必须）#

连续剧集项目必须维护两个核心文件：

world-bible.md#

记录每集发生后的世界状态变化。用于后续集数出图时保证世界观一致性。

markdown

# 世界观圣经

## 当前集数: E03
## 时间线状态
- 地球已启程XX年
- 太阳状态: [膨胀期/红巨星/氦闪后]
- 地表状态: [冰冻/解冻/...]

## 关键事件记录
- E01: ...
- E02: ...

characters.md#

角色设定存档，每集更新角色状态和prompt锚定词。

markdown

# 角色设定

## 主角
- 锚定词: "Chinese man in his 20s, round face, large dark eyes, short black hair"
- E01状态: ...
- E02状态: ...
- 标杆图: references/char_main_v3.png

锚定词使用： 每张涉及人物的出图prompt必须包含characters.md的锚定词，防止AI画出不同长相。

---

Step 1: 剧本与分镜创作#

1.1 旁白写作规则#

• 每段旁白控制在 15秒以内（约60字）
• 超过15秒必须拆段，每段配独立画面
• 避免TTS容易断错的词组：
  • ❌ "小行星带的战斗" → ✅ "小行星带，的战斗"
  • ❌ "天体物理学家" → ✅ "天体物理，学家"

1.2 分镜表格式（narration.json）#

每段必须包含完整的叙事信息：

json

{
  "id": "S05",
  "type": "narration",
  "text": "旁白文本（≤15秒）",
  "shots": [
    {
      "id": "05a",
      "type": "大远景",
      "desc": "具体画面描述",
      "motion": "slow push in",
      "mode": "single",
      "duration": "5s",
      "ref": "references/earth.png"
    }
  ],
  "note": "叙事意图"
}

段落类型：

类型用途text_card黑底白字，开场/结语/标题pause黑屏静默，情绪过渡narration旁白+画面，正文

1.3 分镜设计原则#

• 每段旁白至少2个镜头（<5s的短段除外）
• 相邻镜头不共用插画
• 景别要有变化：远景→中景→特写交替，避免连续3个同景别
• 每个镜头有明确叙事任务——不是为了好看，是为了推进故事
• 长旁白（>8s）必须拆成多段，每段配独立画面

1.4 景别速查#

景别用途示例大远景环境交代、渺小感地球在太空中远景场景全貌地下城广场中景人物+环境父子在餐桌旁近景人物表情面部特写特写情感聚焦/细节勋章、手

---

Step 2: 素材生成（双路线）#

路线A: 速创API — Grok Imagine直出视频（快速低成本）#

适用： 快速出片、试验性内容、预算敏感项目

API平台： https://api.wuyinkeji.com 注册链接： https://api.wuyinkeji.com/user/register?cps=UXPjoCgN

价格： ¥0.05/秒（按生成视频时长计费）

API调用方式：

• 鉴权：Authorization Header 传API Key（不带Bearer前缀）
• 接口：POST /api/async/video/grok_imagine
• 参数：扁平JSON
• 查询：GET /api/async/detail?id=xxx（轮询直到status=2）

批量生成策略：

1. 所有镜头同时提交（ThreadPoolExecutor）
2. 每个镜头约10秒，生成约30-60秒
3. 失败自动重试（平均3次）
4. ⚠️ Sora2接口已弃用（持续400错误）

Prompt要点： 英文效果更稳定，包含场景、光线、构图、镜头运动。

---

路线B: 可灵Kling V3 — 图生视频（高质量精制）#

适用： 连续剧集、高质量要求项目

工具链： Gemini Image (Nano Banana Pro) 出图 → 可灵Kling V3 图生视频

API： https://api-beijing.klingai.com/v1/videos/image2video 鉴权： JWT (HS256, iss=AK, exp=30min) 并发限制： 3个任务同时

B.1 五层Prompt公式（出图/运镜通用）

每张图/每个运镜prompt必须包含五层，缺一不可：

text

① 通用风格前缀（style-bible.md 的风格描述）
② 一致性约束（视觉一致性清单中对应元素的描述，逐条写入）
③ 叙事意境（镜头在故事中的位置、情节背景、角色情绪）
④ 画面描述（构图、机位、光影、材质、色彩）
⑤ 情绪/氛围关键词

⚠️ 踩坑教训： 只写①④⑤跳过②③ → 发动机比例错、防护服缺失、人种错。五层缺一不可。

B.2 视觉一致性管理

出图前必须检查：

一致性清单（逐条对照）：

元素标杆图Prompt约束常见错误人物characters.md或标杆图必须含"Chinese"（日本角色用"Japanese"）出西方面孔核心场景前集标杆图外观/比例/材质必须一致发动机比例错关键道具前集标杆图形状/颜色/尺寸勋章画成铁十字环境特征world-bible.md时间线对应的环境状态冰冻地球画成绿地

出图执行流程：

1. 读分镜表该镜头描述
2. 查一致性清单：画面涉及哪些元素？
3. 找到对应标杆参考图路径
4. 组装五层prompt
5. 用 -i 传入标杆参考图（最多2-3张）
6. 生成3版，自审时逐条对照清单
7. 不达标的不发用户，直接重做

Prompt示例（完整五层）：

text

[①风格] Cinematic photorealistic, 2K, 16:9, cold blue-gray palette
[②一致性] Five-pointed star medal with flat broad points, hammer and sickle emblem, aged dark gunmetal, ~4cm, short frayed olive ribbon
[③叙事] Father silently pins his medal on his son's chest before the final mission — a wordless passing of duty
[④画面] Extreme close-up, father's weathered hands holding the medal, son's dark blue jumpsuit collar visible, soft side lighting casting half-shadow
[⑤关键词] solemn, intimate, bittersweet

B.3 运镜Prompt规范

必须包含三层信息：

text

[叙事情境] 旁白在说什么，观众应该感受什么
[具体动作] 镜头具体怎么动，什么元素在变化
[情绪关键词] contemplative / epic / intimate / terrifying

方向敏感必须写明：

• 物体移动：LEFT / RIGHT / UP / DOWN / TOWARD / AWAY
• 镜头运动：push in / pull back / pan left / tilt up

禁止通用prompt：

• ❌ "Slow cinematic camera movement"
• ✅ "Camera slowly pushes in from medium shot of father to close-up of face. Side lamp half-shadow. His lips move, speaking about hope."

B.4 首尾帧 vs 单图决策

问：两张图之间有没有明确的状态变化？

• 有（门开/关、人跑/停、物体出现/消失）→ 🔴 单图模式，绝不用首尾帧
• 无（镜头推进、视角旋转、气氛渐变）→ ✅ 可用首尾帧模式

时长档位： 单图 5s/10s | 首尾帧 5s/10s/15s 选档原则： 选≥旁白时长的最近档，多出的裁剪。

时长匹配策略（逐镜头决策）：

情况方案视频 > 旁白裁剪（从开头或结尾）差 < 15%微减速（0.85x-0.96x）差 > 15%微加速(1.1x) + 裁开头段落 > 15s拆成2-3个独立单图拼接❌ 冻结帧禁止❌ 循环播放禁止（可灵路线）

首尾帧禁忌：

• ❌ 不能在中间硬切（画面会跳回）
• ❌ 不能用于状态变化场景
• ✅ 可完整播放+微减速匹配旁白

---

路线C: Google Flow — Omni Flash 免费文生视频（Chrome CDP自动化）⭐#

适用： 免费、全自动化、Chrome CDP 网页自动化批量生产

工具链： Chrome CDP (port 9222) → Google Flow (labs.google/fx/tools/flow) → Nano Banana 2 出图 + Omni Flash 文生视频

成本： ¥0（仅需 Google Flow 免费积分，Omni Flash 15 credits/镜头）

依赖skill： google-flow-automation（提供 generate-image.js / generate-one.js 核心脚本）

C.1 启动 Chrome（CDP 远程调试，一次性）

bash

pkill -9 "Google Chrome"; sleep 2
/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome \
  --remote-debugging-port=9222 \
  --user-data-dir="$HOME/Library/Application Support/Google/Chrome/Default" \
  "https://labs.google/fx/tools/flow" &
sleep 5
# 手动登录 Google 账号

C.2 角色参考图生成（Nano Banana 2 文生图）

bash

cd ~/.workbuddy/skills/google-flow-automation

# 生成角色参考图（每个年龄段生成2张，用户选最佳）
node generate-image.js \
  --prompt "Portrait of a young Chinese man in his 20s, broad face, large dark eyes, short black hair, wearing late Qing dynasty peasant clothing, 1890s era, photorealistic, cinematic lighting" \
  --aspect 16:9 \
  --count x2 \
  --output ./characters

⚠️ 角色审核是全流程唯一手工环节。 用户确认脸型、眼镜、服装、气质后才进入批量视频生成。

C.3 分镜脚本格式 (storyboard.json)

json

[
  {
    "id": 1,
    "title": "片头-厦门大学全景",
    "prompt": "Video of a cinematic aerial view of a historic Chinese university campus at dawn, golden sunlight, photorealistic, cinematic",
    "narration": "在东南沿海的鹭岛，有一座大学，它的故事，要从一个人说起。"
  }
]

关键字段：

• id — 镜头编号（1开始，用于文件命名排序）
• title — 镜头标题（中文，用于文件命名 XX-标题.mp4）
• prompt — 英文 视频提示词， 必须以 Video of 开头（否则生成图片！）
• narration — 中文旁白（TTS用）

角色锚定词（每个涉及人物的镜头必须包含）：

• 青年： young Chinese man with broad face, short black hair
• 中年： middle-aged Chinese man with broad face and round metal-rimmed glasses
• 老年： elderly Chinese man with broad face, white hair and round metal-rimmed glasses

C.4 批量视频生成（核心自动化）

技术架构：

text

batch-generate.js (批量调度)
    │
    ├── 逐镜头调用 generate-one.js (google-flow-automation skill)
    │       ├── Chrome CDP 连接 (port 9222)
    │       ├── 页面状态诊断 (DOM检测，非URL判断)
    │       ├── 空状态检测 → 返回主页 → New project
    │       ├── 进入 Scenes 模式 → New session
    │       ├── Agent Settings: Omni Flash + 16:9 + 10s
    │       ├── 填入提示词并提交
    │       ├── 自动点击积分确认 (Yes)
    │       ├── 轮询等待视频生成 (8分钟超时)
    │       ├── page.evaluate fetch 下载 (带Cookie认证)
    │       └── process.exit(0) 强制退出 ★关键
    │
    ├── 断点续传 (检查已完成的 XX-标题.mp4)
    ├── 自动重命名 (video-xxx.mp4 → XX-标题.mp4)
    ├── 写入 progress.json
    └── 失败重试 (最多2次/镜头)

使用模板脚本：

bash

# 批量生成（断点续传）
cd ~/.workbuddy/skills/ai-short-film-studio/scripts
NODE_OPTIONS="" node batch-generate.js \
  --script /path/to/storyboard.json \
  --output /path/to/videos \
  --name "我的短剧"

# 持续重试直到全部完成（最多10轮）
NODE_OPTIONS="" node retry-until-complete.js \
  --script /path/to/storyboard.json \
  --output /path/to/videos \
  --name "我的短剧"

C.5 关键踩坑与修复（v6 → v8.2，血泪经验）

问题修复方案版本提示词不以 Video of 开头 → 生成图片脚本自动添加前缀v6DOM搜索找不到模型按钮用坐标点击 page.mouse.click(825, 868)v6提示词被当聊天消息每次生成前点 New sessionv6内联模型选择器不存在（Scenes模式由Settings控制）步骤⑤.5自动跳过v7生成超时6分钟不够增加到8分钟v7CDP WebSocket导致进程不退出 ★finally 块末尾 process.exit(0)v7→v8URL不含 /project/ 误判页面状态用DOM状态（导航栏/输入框）判断v8Chrome被重定向到其他网站自动导航回 Flowv8.1空状态页面 "doesn't seem to be anything here"检测→返回主页→创建项目v8.2--use-system-ca is not allowed 错误NODE_OPTIONS="" 清空环境变量—execSync 输出被缓冲改用 spawnSync + stdio: 'inherit'—

C.6 Google Flow 队列机制

• 高需求时视频排队： "scheduled and is waiting in the queue due to high demand"
• 排队时间不可预测（30秒~5分钟）
• 超时后视频可能仍会生成完成 → 超时后必须检查新文件
• 应对策略： batch-generate.js 超时后检查文件 + retry-until-complete.js 持续重试

C.7 路线C的TTS/字幕/合成

路线C使用与路线B相同的 TTS（edge-tts）和字幕（Pillow）方案，但通过 compose-video.py 模板脚本一键完成：

bash

python3 ~/.workbuddy/skills/ai-short-film-studio/scripts/compose-video.py \
  --base /path/to/project \
  --storyboard /path/to/storyboard.json \
  --output /path/to/最终成片.mp4 \
  --voice zh-CN-YunjianNeural \
  --rate -5%

该脚本自动完成5步：TTS生成 → 字幕PNG → 逐段合成 → 背景音乐 → 最终混音。

---

Step 3: TTS配音生成#

路线A: 速创API audio_tts#

接口： POST /api/async/audio_tts 价格： ¥0.0006/字

json

{
  "text": "台词内容",
  "voice_id": "male-qn-jingying",
  "speed": 1.0
}

注意事项：

• ❌ 不传 format 参数（500错误）
• ❌ 不嵌套 {"model":"audio_tts","params":{...}}
• ✅ status=2 完成
• ⚠️ 卡住重试换IP节点
• ✅ 返回tar包需解压

路线B: edge-tts（免费）#

python

import edge_tts
comm = edge_tts.Communicate(text, "zh-CN-YunjianNeural", rate="0%")
await comm.save(output_path)

TTS断词修复技巧#

方法场景示例加逗号复合名词"小行星带，的战斗中"加顿号并列词"绕着太阳、转十五个圈"改措辞逗号也不行时"绕着太阳转"→"围绕太阳飞行"出3版选不确定时3种标点各出，听完选

音色速查表#

角色类型速创APIedge-tts旁白/叙述者male-qn-jingyingzh-CN-YunjianNeural男主角male-qn-jingyingzh-CN-YunxiNeural霸道/硬汉male-qn-badao—反派/俊朗junlang_nanyou—成熟女性female-chengshuzh-CN-XiaoxiaoNeural少女female-shaonvzh-CN-XiaoyiNeural学生male-qn-daxuesheng—醇厚长辈male-chunhou—

---

Step 4: 音频驱动剪辑#

核心理念： 画面长度由语音旁白决定。先确定TTS节奏，再裁剪画面适配。叙事节奏由台词自然驱动。

节奏控制逻辑#

text

每段(镜头, TTS)的处理：

1. ffprobe获取TTS实际时长 tts_dur
2. ffprobe获取源视频时长 src_dur
3. 决策：
   ├── src_dur ≥ tts_dur+0.5s  → 直接裁剪到tts_dur
   ├── src_dur ≈ tts_dur       → 直接裁剪
   └── src_dur < tts_dur       → stream_loop循环（路线A）/ 减速+冻结末帧（路线B）
4. 输出：seg_NNN.mp4（精确匹配配音时长）

路线A专用：stream_loop循环填充#

bash

ffmpeg -y -stream_loop -1 -i shot.mp4 -t {tts_dur} -c:v libx264 -preset fast seg.mp4

循环1-2次视觉重复感不明显，超过3次建议换镜头。

路线B专用：逐镜头适配策略#

• 减速拉伸：适合本身该慢的镜头，setpts调速
• 冻结末帧： tpad=stop_mode=clone:stop_duration=Xs，适合末尾自然静止
• 两段拼接：拆成两个独立视频，各有自己的运动
• ❌ 禁止循环播放（观感差）
• ❌ 尾帧静止超过2s（观众感知"卡住了"）

逐段精确裁剪（避免累积漂移）#

python

cumulative = 0.0
for i, (tts_file, shot_file) in enumerate(segments):
    tts_dur = get_duration(tts_file)
    trim_video(shot_file, tts_dur, f"seg_{i:03d}.mp4")
    cumulative += tts_dur
# 验证：sum(seg) ≈ audio_concat ≈ final

FFmpeg路径： /opt/homebrew/bin/ffmpeg 已知限制： FFmpeg 8.x 无drawtext/libass，用Pillow替代字幕

---

Step 5: 字幕生成#

方案： Pillow生成透明PNG → FFmpeg overlay叠加

python

from PIL import Image, ImageDraw, ImageFont

img = Image.new('RGBA', (1920, 160), (0,0,0,0))
draw = ImageDraw.Draw(img)
font = ImageFont.truetype('/System/Library/Fonts/STHeiti Medium.ttc', 48)

draw.text((960, 80), "台词文本", fill='white', font=font,
          anchor='mm', stroke_width=3, stroke_fill='black')

ffmpeg -i seg.mp4 -i sub.png -filter_complex "overlay=0:H-h" output.mp4

字幕设计规范：

• 底部居中，距底部60px
• 白色 + 3px黑色描边，字号48-56px
• STHeiti Medium字体（macOS: /System/Library/Fonts/STHeiti Medium.ttc）
• 按句号（。！？）拆分，超20字自动换行
• 可加角色标签（"旁白："、"汪淼："）

---

Step 6: 最终合成#

三层音频设计#

层级音量说明旁白1.0最上层，永远最清晰SFX0.8-2.0中层，按场景调整BGM0.18底层，fade in 4s / fade out 5s

视频参数#

• 帧率：统一24fps（ -r 24）
• 编码：libx264, CRF 22, yuv420p
• 分辨率：1920x1080
• 音频：AAC 128kbps 44100Hz stereo

拼接与合并#

bash

# 拼接视频
for f in seg_*.mp4; do echo "file '$f'" >> video_list.txt; done
ffmpeg -f concat -safe 0 -i video_list.txt -c copy video_concat.mp4

# 拼接音频
for f in audio_*.mp3; do echo "file '$f'" >> audio_list.txt; done
ffmpeg -f concat -safe 0 -i audio_list.txt -c copy audio_concat.aac

# 合并
ffmpeg -i video_concat.mp4 -i audio_concat.aac \
  -c:v copy -c:a aac final.mp4

BGM处理#

• 视频比BGM长时：用volumedetect找高潮段
• BGM衰减前用3s交叉淡入淡出（acrossfade）接回高潮起点
• 接缝在同能量自然节拍处
• 片尾让BGM自然衰减

---

Step 7: 审片迭代流程#

7.1 审核维度#

维度检查内容常见问题音画同步画面匹配配音角色A说话但画面是角色B时长匹配视频完整覆盖TTS话没说完画面就切视觉一致性人物/场景/道具一致性同角色不同集长相不同字幕准确字幕与TTS一致错别字、标点节奏感叙事节奏流畅某段拖沓/仓促画面质量无AI瑕疵人物变形、闪烁物理方向运动方向正确发动机喷射方向错视觉重复无明显循环超过3次循环

7.2 物理方向检查清单（科幻/动作类必查🔴）#

• 发动机喷射朝太阳方向（推地球远离太阳）
• 地球飞行远离太阳（太阳在背后变小）
• 传送带向内输送
• 人物移动方向符合场景逻辑
• 镜头运动方向一致

7.3 迭代规则#

text

V1（初版合成）
  ↓
逐段审核（8个维度）
  ↓
问题清单按严重程度排序
  ├── P0（必须修）：音画不匹配、字幕错误、一致性崩塌
  ├── P1（建议修）：节奏拖沓、视觉重复>3次
  └── P2（可优化）：色调、画面质量
  ↓
V2（修复P0）→ 再次审核 → V3...
  ↓ 直到 P0=0, P1≤2
最终交付

7.4 增量迭代（关键效率技巧）#

• 每个版本视频片段独立存储（ v7_S05.mp4, v8_S05.mp4）
• 维护两个集合： MUST_REGEN（需重做）和 REUSE（可复用）
• MUST_REGEN优先级高于REUSE
• 每轮只改几段，其余复用，几分钟出新版
• 铁律： 用户确认OK的段落不再动；不自作主张改其他段落

7.5 提交给用户的材料#

• 压缩版视频预览（<50MB）
• 完整分镜时间线表（时间→段落→画面→改动标注）
• 高清版路径

---

Step 8: 素材导出与成本核算#

桌面文件夹结构#

text

~/Desktop/项目名称/
├── 01_字幕/     → 字幕PNG
├── 02_配音/     → TTS音频
├── 03_主图/     → 镜头缩略图
├── 04_视频/     → 分段视频
├── 05_矩阵表/   → 矩阵表.html + 素材结构.json
└── 最终成片.mp4

项目文件结构（连续剧集）#

text

项目根目录/
├── scripts/E{XX}/
│   ├── narration.json           # 分镜叙事结构
│   ├── motion_prompts.json      # 运镜prompt
│   ├── produce_e{XX}_v{N}.py   # 生产脚本（每版一个）
│   └── generate_tts.py          # TTS批量生成
├── images/E{XX}/                # 插画（所有版本+标杆图）
├── audio/E{XX}/
│   ├── narration_v{N}/          # TTS + durations.json
│   └── bgm-*.mp3
├── output/E{XX}/                # 视频片段（按版本前缀）
├── storyboard/E{XX}/            # 分镜表
├── references/                  # 标杆参考图
├── style-bible.md               # 风格圣经
├── characters.md                # 角色设定
├── world-bible.md               # 世界观圣经
└── PRODUCTION_HANDBOOK.md       # 本手册

成本核算#

路线A（速创直出）：

项目计算方式参考单价Grok Imagine视频总秒数 × 重试 × ¥0.05¥0.05/秒TTS配音总字数 × ¥0.0006¥0.0006/字合计—¥30-50/部

路线B（可灵精制）：

项目计算方式参考单价Gemini Image出图70张 × 2版 = 140张$0.134/张可灵视频35个片段¥3/个BGM (Suno等)—~¥10TTS免费(edge-tts)¥0合计—¥80-120/部

路线C（Google Flow免费）：

项目计算方式参考单价Nano Banana 2 出图3张角色参考图5 credits/张Omni Flash 视频25镜头 × 15 credits15 credits/镜头TTSedge-tts 免费¥0BGMFFmpeg 生成¥0合计—¥0（仅需Google Flow免费积分）

---

关键设计原则#

叙事意境驱动Prompt（核心方法论）#

不只是描述画面，要把故事背景+情节+情绪融入prompt。这是出图质量飞跃的关键。

分镜设计是专业活#

运镜、画面动态、镜头语言这些专业决策要主动做好，不能等用户指出。

极简有时更强#

不要堆砌。简单有力的画面比复杂冗余的画面更有情感冲击力。

用户认可的版本别再改#

过度优化是陷阱。用户确认OK → 不动。

每个镜头有自己的叙事任务#

不套模板，不用一张好图的风格去套另一张。

---

平台速查#

速创API#

• 平台： https://api.wuyinkeji.com
• 注册： https://api.wuyinkeji.com/user/register?cps=UXPjoCgN
• 文档： https://api.wuyinkeji.com/doc
• 鉴权：Authorization Header (无Bearer前缀)

模型价格说明Grok Imagine 视频¥0.05/秒文生/图生视频，6-15秒audio_tts¥0.0006/字多音色TTSvideo_digital_humans按次数字人视频Sora2—已弃用(400错误)

可灵Kling V3#

• API： https://api-beijing.klingai.com/v1/videos/image2video
• 鉴权：JWT (HS256, iss=AK, exp=30min)
• 域名：api-beijing.klingai.com（国内版）
• 并发：3任务同时

模式时长适用单图5s/10s短镜头、静态场景首尾帧5-15s有叙事连续感

Google Flow（路线C，免费）#

• 网址： https://labs.google/fx/tools/flow
• 鉴权：Google 账号登录（Chrome CDP 自动化）
• 依赖skill： google-flow-automation（generate-image.js / generate-one.js）

模型用途积分说明Nano Banana 2文生图~5 credits/张角色参考图Omni Flash文生视频15 credits/条10秒/条，16:9或9:16

关键限制：

• Chrome 必须以 --remote-debugging-port=9222 启动
• 提示词必须以 Video of 开头（否则生成图片）
• 每次生成前必须 New session（否则提示词被当聊天）
• 高需求时排队等待（30秒~5分钟）
• process.exit(0) 必须加（CDP WebSocket不释放）

---

实战案例#

案例1：三体EP1（路线A）#

• 25镜头，127秒成片，8角色
• 成本：¥44.17
• 工具链：Grok Imagine × 25 + 速创TTS × 25 + FFmpeg + Pillow
• 迭代：v5min → v6 → v7 → v7.1 → v8（5版）
• 关键经验：Sora2不可用、stream_loop循环、FFmpeg 8.x无drawtext

案例2：流浪地球E01（路线B）#

• 迭代：v6→v11（6轮），用户满意
• 经验：走完全流程的质量远超跳步流程
• 核心差异：E01每段2.1镜头(87%多镜头) vs E02只有1个(100%单镜头)

案例3：《阿公的故事》陈嘉庚（路线C）⭐#

• 25镜头，2分42秒成片，3个年龄段角色
• 成本：¥0（Google Flow 免费积分，约540 credits含重试）
• 工具链：Chrome CDP → Nano Banana 2 出图 + Omni Flash 文生视频 × 25 + edge-tts × 25 + FFmpeg + Pillow
• 全自动化：仅角色参考图审核为手工，其余全部自动化
• 关键修复历程：v6（模型选择失败）→ v7（内联选择器不存在）→ v8（URL误判）→ v8.1（Chrome被重定向）→ v8.2（空状态页面）
• 最关键修复： process.exit(0) 解决 CDP WebSocket 导致进程不退出
• 文件： scripts/batch-generate.js、 scripts/retry-until-complete.js、 scripts/compose-video.py

---

资源文件#

references/#

• sucuang_api.md — 速创API完整接口文档和踩坑经验
• production_workflow.md — 制作流程详细参考

scripts/（路线C模板脚本）#

• batch-generate.js — Google Flow 批量视频生成（断点续传+自动重试+自动重命名）
• retry-until-complete.js — 持续重试包装脚本（最多10轮，应对Flow队列拥堵）
• compose-video.py — TTS+字幕+背景音乐一键合成（edge-tts + Pillow + FFmpeg）

assets/#

• 按需添加：字幕模板、片头片尾素材