本地 AI 短片生产线

本文档只管装配。 内容在五个目录里：

目录	管什么
profiles/	模型能力参数。所有秒数、尺寸、重启策略都从这里取，正文不写常数
directing/	反同质化：变量表、指纹库、骨架库
knowledge/	踩坑经验：工程坑、提示词、分镜表、链式一致性、对白剧情片、逐镜验收（格子法）、无人值守验收、后期、声音
examples/prompts/	实测过的提示词范例
examples/scripts/	参考实现（我这台机器的配置，你必须改）

---

先分路：你的模型是哪一族

一切都从这里分叉。判据是 profile 的 family：

	short-shot	long-shot
代表	LTX 2.3、Wan 2.1/2.2	MiniMax H3
单次产出	一个连续镜头（2–5 秒）	一个可含 1–3 个镜头的段落（5–15 秒）
段内硬切	不存在	✅ 写 SHOT 1 / HARD CUT / SHOT 2
节奏靠什么	剪辑层排每镜秒数	提示词层定每段塞几镜 + 剪辑层再调
原生音频	无	可能有（H3 有）
写分镜读哪份	knowledge/prompt-craft.md	knowledge/shot-list-prompt.md
20 秒片	11–14 镜 / 11–14 次生成	4 段 / 8–12 镜 / 4 次生成

⚠️ 两族的知识互相矛盾，读知识库前先确认自己在哪一族：

知识点	short-shot	long-shot
动作弧线	✗ 会执行过头，只能写凝住的瞬间	✅ 三拍动作完整执行
文字载体	✗ 必出乱码，只能换主体	✅ 可正面拍招牌菜单
关系性动作	不适用（单镜太短）	✗ 抽象关系失败，要写距离 + 朝向镜头的物理动作
段内切镜	不存在	✅ 有效
提示词文字渗漏	低	高 —— 台词、年龄、动作描述都可能被画成字幕

Wan 归 short-shot，与 LTX 同族，直接复用 LTX 那套。 但 motion_style / neg_path / text_sensitivity 必须亲自量， 这三项在同族模型之间也会翻转。

---

再分模式：一次性 还是 链式

正交于上面的分族。决定要不要读 knowledge/chain-consistency.md。

	一次性	链式
用在哪	氛围片、预告片、20–60 秒	剧情片、3 分钟以上、同一角色贯穿
段间关系	各段独立，靠剪辑拼	尾帧接首帧，像素级连续
主要风险	同质化	角色漂移
额外必读	—	knowledge/chain-consistency.md

链式在 short-shot 和 long-shot 上都能做，前提是 profile 的 first_last_frame 为真。

还有第三件事要问：有没有对白

有对白 = 又多一整套约束，和上面两个维度都正交：角色要认得出、 台词要在四个下游之间对齐、有第二集就要跨集连得上。 氛围片和预告片完全没有这些问题，所以这套知识是单独一份：

	无对白（氛围片/预告片）	有对白（剧情片）
角色一致性	能规避就规避（遮脸、零露脸）	✗ 规避不了，要常量层 + 定妆图
台词	无	只能有一个来源，四个下游都从它取
声音	BGM 铺满就行	对白 / 音效 / BGM 三层要排时间轴，会互相抢
模型做不到的动作	换个镜头就绕过去了	要成体系地列判停清单，否则拿重抽去撞边界
额外必读	—	knowledge/dialogue-drama.md

需要 profile 的 native_audio 为真才有口型；否则对白全靠后期配音，流程要重排。

---

开片流程

第 1–3 步是闸门，没走完不准进第 6 步。 这不是流程洁癖 —— 旧版本因为没有闸门，四部预告片长成了同一部（详见 directing/fingerprint.md）。

1.  选 profile        → profiles/            没有匹配的？先跑 calibration.md
2.  掷变量表          → directing/variables.md
3.  查指纹            → directing/fingerprint.md   ← 撞维即重来
4.  选/写骨架         → directing/structures/      优先 use_count 小的
5.  算镜头数 / 段数    → 按 family 分两路
6.  写分镜            → prompt-craft.md 或 shot-list-prompt.md
7.  出探针            → 第一段/第一镜先看，别直接跑全片
8.  跑批              → examples/scripts/          链式的另读 chain-consistency.md
8.5 逐镜盖章（可选）  → knowledge/grid-review.md   ⛔ 默认不开，要先问用户
9.  后期总装          → knowledge/post-production.md
10. 验收              → knowledge/pitfalls.md 坑 ⑩ 逐条查
                        夜里无人值守的另读 knowledge/auto-review.md
11. 写回指纹          → directing/films.jsonl      ← 闭环，漏了下次就失效

有对白的剧情片，第 6 步之前先读 knowledge/dialogue-drama.md （常量层、判停清单、台词单一来源）—— 那几条要在写分镜前就定下来，写完再补是返工。

第 1 步：选 profile

profile	family	kind	单镜/单段时长	verified
ltx-2.3-q4-12g	short-shot	local	2.04 s 固定	本机实测
wan-2.1-i2v-14b-local	short-shot	local	⬜ 待标定	🔴 未自测
minimax-h3-local	long-shot	local	5.17–15.08 s（17k+5 网格）	部分实测（见文件内逐项标注）
minimax-h3-cloud	long-shot	cloud	4–15 s 整秒	🔴 转述，未自测
_TEMPLATE	—	—	—	空白

⚠️ 同一条经验在不同 profile 上可能结论相反。 已知的一组：

	ltx-2.3-q4-12g	minimax-h3-local
text_sensitivity	high —— 主体不能带文字载体	low —— 可以正面拍招牌菜单
text_bleed	低	any —— 提示词里任何标签化短语都可能被画成字幕
motion_style	frozen —— 只能写「凝住的瞬间」	arc —— 完整动作弧线可执行
neg_path	zeroed —— I2V 时负向词根本没接上	待补测
音频	无，需另配 BGM	原生 32 kHz，含中文对白 + 口型同步 + 音色迁移

knowledge/prompt-craft.md 第二节（文字载体清单）只对 text_sensitivity: high 的档成立。

没有匹配的档，先走 profiles/calibration.md（本地五步约 40 分钟；云端跳过标定 3，改测排队与成本）。

不做标定就开跑，所有秒数和镜头数都是错的。

⚠️ 换 profile 不是只换几个数：

• max_shot_sec 差一个量级会让现有骨架全部失效（20 秒片在 2.04 s 档是 14 镜，在 15 s 档是 2 镜）
• 云端档要重算重抽判停规则 —— 本地按时间成本定的「≤3–5 次」，换成按秒计费就是实打实的钱 （H3 官方 768P 0.50 元/秒，一部 5 分钟的片单轮约 150 元）
• 云端档解锁本地做不到的变量表取值，见 directing/variables.md

第 2 步：掷变量表

directing/variables.md 五维必填：时间结构 / 视点 / 节奏型 / 声音 / 结尾。

注意取值的状态标记 —— ⬜ 未自测 的选项没跑过，选了要留返工预算； ⚠️ 的有前置条件，要对照 profile 核实。

第 3 步：查指纹

directing/fingerprint.md 两层判定：

层	规则	范围	动作
vars	撞 ≥3 维	最近 3 部	重选，硬拦
structure	相同	最近 3 部	须给显式理由
signature	撞 ≥2 项	全部历史	重设计

当前历史里三处已知重复，新片主动避开：ending_size: 大远景（7/8 部）、 shot_count: 17（4/4 氛围片）、structure: trailer-8seg（4/4 预告片）。

⚠️ 分集片是这套规则的例外：同一系列的第 02 集就该和第 01 集同 structure， 硬按规则重选反而是错的。structure 层查重按系列算，不按片算； vars 和 signature 两层照常逐集查。

第 5 步：算镜头数 / 段数

short-shot：

镜头数   = round((目标秒数 - 转场秒数) / (max_shot_sec - 转场秒数))
切换密度 = (镜头数 - 1) / 时长 × 60

切换密度要提前报给用户。ltx-2.3-q4-12g 下 30 秒 = 17 镜 = 32 次/分， 比常见氛围片（15 次/分）快一倍，可能被判「碎」。

long-shot：

段数 = ceil(目标秒数 / max_shot_sec)     # H3 还要吸附到 17k+5 帧网格
每段镜数 → 由片型定，见 knowledge/shot-list-prompt.md「按片型调节奏」

⚠️ long-shot 不报切换密度，报「镜数曲线」，如 1-3-3-1（慢→密→密→慢）。

第 6 步：写分镜

先定题材，再写镜头。题材层的判据只有一条：

这个世界里的东西，模型见过真的吗？

山海经异兽没有真实照片作底 → 30 镜砸 6 镜。 SCP 的收容间、防化服、混凝土、监控画质全是模型强项 → 几乎不砸。 戏剧强度越高越假，普通瞬间才真。

两族共同的纪律（knowledge/prompt-craft.md 第一、三节）：

1. 不堆「电影感/史诗/masterpiece」，换成具体摄影参数
2. 人物镜脱离通用 LOOK，换纪录片语言
3. 同一角色每段原样带同一段角色描述，一字不改（剪影镜也要带）
4. 配角和主角一样要有完整定妆描述，尤其是发色（见 chain-consistency.md ④）
5. 描述里不写数字（年龄、身高）—— 会被画成字幕（坑 ⑫）

short-shot 额外：主体里不能出现文字载体（text_sensitivity: high 时）； 运动提示词只能写「凝住的瞬间 + 微呼吸」。

⚠️ 写了的构图指令没执行时，不要在措辞里绕 —— 那是指令句被描述句稀释了。 prompt-craft.md 第六节给了两条有效杠杆（夹句 / 画幅裁切）和一条无效的（写长写狠）。 削长度也有效，但拿画质换服从，背景重要的片子不划算。

long-shot 改读 knowledge/shot-list-prompt.md： 写时间码控切点、关系感写成「距离 + 朝向镜头的物理动作」、【导演备注】写硬规则。 现成范例在 examples/prompts/。

⚠️ 要后期配音的片子，台词不要写进提示词。 只有需要口型时才写，而且音轨仍然后期重配（见 post-production.md 第 0 节）。

第 8 步：跑批

必须「独立进程 + Monitor」两件套（坑 ⑦）。 普通后台任务实测 8 分钟就被会话回收，Monitor 的过滤必须覆盖失败路径。

长跑脚本必须加 mkdir 互斥锁（坑 ⑭）—— 没有锁的话，一次失败的「杀掉重启」就会变成两条流水线抢同一个 GPU 端口。

配置写法见 examples/scripts/_example_films.py。完全可断点续跑 —— 已存在的产物一律跳过。

链式跑批另读 knowledge/chain-consistency.md，那里有锚定密度、空镜清单、尾帧抽法。

第 9 步：后期总装

knowledge/post-production.md，顺序不能颠倒：

剥掉模型音频 → 掐头去尾修接缝 → 变节奏剪辑 → 按段分治超分 → 统一调色 → 旁白 → BGM → 字幕 → 总装

四条最容易漏的：

• concat 前必须 setpts=N/FPS/TB，否则静默丢帧、音画累积漂移（坑 ⑪）
• 超分要按段分治，人脸 < 110px 的段走原生放大，否则脸会被拧变形（坑 ⑮）
• 时间轴按磁盘实测，不能用计划值推算
• 每一处「A 目录生成 B 目录、下游只读 B」都要有 mtime 闸门，否则成片会静默用过期数据； 而且验收要从成片本身取证，不能量中间目录（坑 ⑲ —— 我们在这上面连给两轮假绿灯）

第 11 步：写回指纹

追加一行到 directing/films.jsonl。漏了整套反同质化机制静默失效。

---

什么时候调卫星 skill

卡在哪	调谁
只说得出「氛围感/电影感」，写不出提示词	emotion-to-camera-language
角色基准形象跑不稳、换机位就变脸	lock-character-reference
批量出图后不知道怎么筛、该不该重抽	shot-breakdown
镜间秒数怎么排、疏密怎么对比	rhythm-density
想要的镜头做不出来，手上没对应素材	material-driven-storyboard

卫星也可被单独触发，不必经过中枢。但反同质化闸门只在中枢。

⚠️ 五个卫星都是为 short-shot 蒸馏的，在 long-shot 上部分失效：

卫星	long-shot 上
rhythm-density	🟡 疏密比例仍成立，但秒数按 max_shot_sec 重算；节奏改由「每段镜数」控制
lock-character-reference	🟡 一次性片用角色前缀就够；链式片反而更需要它 —— 见 chain-consistency.md
shot-breakdown	🟡 一次生成 5 秒素材，判停规则要按段而非按镜重算
emotion-to-camera-language	✅ 四件套仍适用，是分镜表里「画面」那行的写法
material-driven-storyboard	✅ 「凑不出来就改故事」与路线无关

---

可选：一致性自动校验

默认不开。 用户明确提出「人物要一致」「环境要连得上」时才配。

"consistency": {
    "s02": ["face"],                 # 必须是同一个人
    "s06": ["env"],                  # 同一个世界/季节/时段
    "s07": ["scene"],                # 同一个具体地点（比 env 严）
},
"anchor": r"...\kf_xxx_s01.png",     # 可选，显式指定人物锚点

生成即验，不合格自动换种子重抽（上限 4 次）。不声明的镜头零开销。

阈值必须本机标定，别抄真人照片的 0.5+ —— AI 生成的同一角色相似度天然偏低（坑 ⑥）。

链式长片不要依赖这套 —— 漂移是渐进的，逐段阈值判定抓不住。用定期重锚定。

可选：逐镜盖章验收（格子法）

⛔ 默认不开，而且要先问用户。 它有效，但代价是用户的 token 和上下文： 每一轮盖章都要把联络表当图片喂进上下文，一部片下来是几十张图。

开跑前问一句：「这批要不要走格子法逐镜盖章？会多花不少 token 和上下文， 换的是每一格都被我自己看过一遍、不会攒到最后一起爆。」

用户点头才开；用户已经明确说过「这类活一律走格子法」的，就别每次再问。

做法读 knowledge/grid-review.md。一句话版本： 建一张由分镜表驱动的格子，每一格只有我自己看过画面并盖章才算数， 盖章绑提示词指纹（改了提示词章自动失效），全格盖满之前不进下游。

⛔ 里面有一条别跳过：拿不准的那一格要单独放大重截再判，不要在联络表的缩图上定罪。 我们在缩图上误判过两次，两次都差点去改一份根本没病的分镜。

可选：无人值守跑批

夜里跑、没人在旁边判的时候，读 knowledge/auto-review.md。 一句话版本：「我判不准」必须变成一个能算出来的数， 攒到早上问等于一夜 GPU 白烧。

⛔ 其中一条别跳过：检查器上岗前拿历史合格素材跑一遍误杀回归。 一个没验证过的检查器会整夜按错误判据杀好图，比不装检查器坏得多 （我们那次揪出三类自己的假阳性）。

---

可选：镜头标注 / 字幕

氛围片默认不加字。 之前加字幕被判「不高级」。

剧情片要加，但用 ASS + libass，不要用 drawtext（本机会段错误，坑 ⑯）。 写法见 post-production.md 第 6 节 —— 注意 Format 行必须写完整 10 个字段， 少写会让每行字幕前面凭空多一个逗号。

---

产出位置

<输出根>/
├── 成品/        所有成片，编号即时间顺序
└── <片名>/      broll/（逐镜后期素材）+ out/（该片成片）

输出根在 examples/scripts/run_films.py 的 ROOT 里，改成你自己的。

废弃产物统一移到一个回收目录，不要散建 —— 中间产物（裁剪版/超分版/剪辑版） 在定稿前不要删，删了要从头重跑生成。