AI 产品视频 は何をしますか？
核心分工：
- 3D 或产品照片：决定东西在哪、多大、怎么动、什么时候变。
- 图像模型：负责让画面看起来像真的。
- 视频模型：负责让画面动起来。
- 代码：拿产品事实和 3D 当尺子，量 AI 的每一张图和每一段视频，量不过就不花钱。
剪辑、字幕、引线标注和声音都是数据驱动的叠加层，改一个字不用重新生成画面。
这套方法来自一个真实项目：一支智能硬件产品的投资人演示片，路线改了四次才跑通，匿名复盘见 examples/case-study.md。下面写的是跑通之后的通用版本，适用于讲解片，也适用于广告。
为什么不能照搬 AI 漫剧流水线
AI 漫剧的流程是：设定 → 分镜 → 资产库 → 锁定静帧 → 视频模型让画面动起来 → 配音剪辑。它没有 3D 模型，观众也能容忍细节走样，所以 AI 画出的图就是标准答案。
产品视频卖的是"这个东西长这样、能这样用"。接口方向、字样、灯光位置画错，片子就在说假话。所以：
- 照搬骨架：资产先行、先静后动、按镜头选模式、提示词只写变化、低清试错、逐镜质检。
- 只改一处：标准答案不是 AI 图，而是产品事实 + 3D（或产品实拍/CAD 图）。
还有一条经验：3D 渲染的像素不要直接进成片，无论多精细都会有 CG 味。让图像模型在 3D 底图上重画一遍，再用这张图当视频的首帧和尾帧，真实感才出得来。
第一步：立项，先问清这 8 件事
细节和给用户的问法见 references/01-intake.md。
- 时间预估：第一条回复就说清大约多少分钟或几天、几点完成，按阶段列出，包括用户要亲自做的步骤；延误时立刻更新。
- 片型和投放位置：讲解片、品牌广告、竖版短视频、电商视频还是发布会短片，在哪里播放，时长和画幅各是多少。按
references/02-formats.md选打法；一次制作可以出多个交付版本。 - 观众是内部还是公开：内部和投资人可以看爆炸图、透视图、内部结构；公开发布的版本不放任何内部结构，也不写元件名称。这决定了能拍哪些镜头。
- 产品事实确认单（
templates/product_facts.md）：每个功能靠什么部件、从哪里出来、镜头里长什么样、不能长什么样，是设计目标还是已经实现，能不能公开。你推断的条目一律标"待确认"，等负责人确认。 - 质量标杆：请用户给一部参考片，测量它的运动量和制作方式，只学画质，不学结构。
- 用户手上的工具：
- 图像模型：只有订阅、需要用户手动画，还是有 API 可以由脚本调用？
- 视频模型：API 账号（脚本能调），还是网页或 App 会员（只能手动生成：用手动视频包，先查商用条款，不假设能草稿升级）？
- 有没有产品 3D 模型或 CAD；没有时，有没有实物样品或任何渲染图。没有 3D 就走"无 3D 路线"（
references/03-previs.md第 10 节）。
- 预算和计费：计价公式、套餐和代金券实际能抵多少、账户余额、总上限。大批量生成和高清升级之前，必须先请用户看一眼余额。
- 小测再定路线：同一个镜头出两条低清草稿，一条用 3D 或产品图当首帧，一条用图像模型画的写实关键帧当首帧，几块钱、几分钟就能看出差别。
项目文件夹约定
所有脚本都以 --project 指定的文件夹为根（默认是当前目录），新项目请按这个结构建：
<project>/
.env 密钥（ARK_API_KEY 等），不进版本库，不在聊天里出现
brief/ creative_brief.md、product_facts.md、benchmark.md、budget.md、decisions.md、feedback_brief.md、claims.md、licenses.md
shots/shot_list.json 镜头表，时间轴的唯一来源
shots/prompts/<id>.txt 每个镜头的视频提示词（改动时加版本号，旧版保留）
plates/<id>/ 3D 底图、遮罩、相机坐标（无 3D 时放产品参考图）
packs/ look_bible.txt（统一设定，唯一来源）、手动出图包、手动视频包
keyframes/keyframes.json 关键帧清单（母版、首尾帧、上传顺序）
keyframes/raw/ 图像模型的原图
keyframes/norm/ 统一到输出尺寸后的关键帧
footage/ 实拍、录屏、真实界面截图等不是生成的素材（可选）
gen/ 视频模型的输出，以及 video_log.jsonl（调用和花费账本）
qc/ 逐帧拼图、Gate K / Gate V 报告
edit/ edl.json、captions.json、callouts.json、approved_drafts.json、approved_bridges.json
renders/ 剪辑器输出的无声画面和 .timeline.json（edit.py 的默认输出位置）
sound/ 音乐和音效分轨、cue sheet、混音窗口
deliver/ 成片（公开版和内部版分开放）
work/ 项目自己的脚本和工作流（生成 EDL、出图包、检查），每步结果写盘
templates/ 里的模板复制进对应文件夹：creative_brief.md、product_facts.md、benchmark.md、budget.md、feedback_brief.md、claims.md、licenses.md 进 brief/，decision_list.md 存成 brief/decisions.md；shot_list.json 进 shots/；keyframes.example.json 存成 keyframes/keyframes.json；填好的 prompts/look_bible.md 代码块存成 packs/look_bible.txt；sfx_cue_sheet.md 进 sound/；edl、captions、callouts、approved_drafts、approved_bridges 五个 *.example.json 去掉 .example 进 edit/。
画幅写在数据里，不靠记命令：
- 视频生成：首尾帧任务的画幅跟随首帧（关键帧先用
scripts/qc/normalise_keyframes.py --size 1080x1920统一）；参考模式竖版要加--aspect 9:16。 - 剪辑：
edit/edl.json写"size": [1080, 1920]，之后uv run scripts/edl_editor/edit.py --project <project> --edl edit/edl.json --dry就按竖版排；--res 480出同画幅的小预览，--size WxH另出别的画幅。 - 竖版信息流：
edit/captions.json的style写"preset": "feed_safe"，字幕、片尾小字进保守安全框，--dry逐条检查。
第一天就 git init，并把 .env、gen/、renders/、.cache/ 写进 .gitignore。每类数据只认一个文件作为来源：
- 产品外观：规格文件或 3D 母版；统一设定：
packs/look_bible.txt； - 时间轴：
shots/shot_list.json； - 字幕：
edit/captions.json； - 剪辑：
edit/edl.json； - 批准的镜头：
edit/approved_drafts.json、edit/approved_bridges.json； - 宣称和授权：
brief/claims.md、brief/licenses.md； - 用户意见：
brief/feedback_brief.md。
流水线
两条轨道并行：画面轨和声音轨。声音不要等画面升完高清才开始，剪辑结构一定下来就动手。
| # | 阶段 | 产出 | 用户把关 | 自动检查 / 记录 | 详见 |
|---|---|---|---|---|---|
| 1 | 立项与事实 | 创意简报、产品事实确认单、交付清单 | 确认事实、片型、预算 | — | 01、02 |
| 2 | 创意与镜头表 | 结构、节拍、镜头表（每镜：机位、动作、效果、产品状态、模式、转场、字幕、音效） | 定结构和措辞方向 | 时长和阅读时间是否装得下 | 02、rulebook §1 |
| 3 | 预演与底图 | 3D 母版、每张关键帧的底图契约、需要时的灰模视频；无 3D 时用产品参考图 | 看底图总览 | 从每个真实机位检查朝向、线缆、穿模 | 03 |
| 4 | 设定母版 | 产品母版、场景母版、人物设定（资产先行，先于所有镜头关键帧） | 逐张过检查点 | — | 04 §2、§3 |
| 5 | 关键帧 | 每张一个出图包，或由脚本调 API；统一尺寸 | 手动画或审图 | Gate K（项目脚本）：轮廓、比例、效果状态、缩放一致、重复文件 | 04 |
| 6 | 视频草稿 | 480p 草稿 | 开通、付款由用户自己点；批量前看余额；看草稿 | 演练与拒发条件（含提示词检查）；逐 0.25 秒拼图；Gate V（项目脚本） | 05 |
| 7 | 审片与账本 | edit/approved_drafts.json、edit/approved_bridges.json、粗剪 | 给意见，编号写进 brief | 人工放行绑定文件指纹 | 05 §13 |
| 8 | 剪辑与字幕 | EDL 预览：转场、AI 过渡镜头、字幕、引线标注、片头片尾卡 | 改措辞和顺序 | --dry 检查间隔和阅读时间；字幕静帧审阅 | 06 |
| 9 | 高清升级 | 批准镜头原样升 1080p | 顺序和字幕定稿后放行；先看余额 | 时长和中间帧一致性 | 05 §6 |
| S1 | 声音设计（与 8、9 并行） | 选曲和授权、音效 cue sheet、产品自带声音、需要时配旁白 | 选曲（发可播放的文件）、试听过渡 | 授权记录 | 07 |
| S2 | 混音 | 平衡后的成片音轨 | 听成片 | 按时间窗实测"音效减音乐"的 dB；响度目标 | 07 |
| 10 | 交付 | 母版、30 MB 以内的分享版、各平台画幅、15/6 秒剪短版 | 定片头文字、要成片 | 时长、音视频流、响度、关键帧画面 | 08 |
| 11 | 多语言 | 一份文案文件生成平行的字幕和 EDL | 定文案 | 原版逐像素不变；残留原语言字符为 0 | 08 |
| 12 | 合规终检 | brief/claims.md、brief/licenses.md、AI 标识 | 签字 | 词表检查 + 逐句对照产品事实 | 09 |
最重要的 12 条
完整的 139 条见 references/rulebook.md。
- 先写立项单：片型、观众（内部还是公开）、平台、时长、画幅，再谈创意。
- 产品事实先成文、先确认；一处更正就一次改完所有下游（3D、底图、出图提示词、视频提示词、字幕、标注、brief），再全局搜残留词。
- 3D 只定位置，最终像素交给 AI 画；每个镜头都问一句"最终像素从哪来"。
- AI 关键帧要当首帧、尾帧来驱动镜头，不能只做一堆参考图里的一张。
- 喂给视频模型的每个像素都会被照抄：灰模统一灰色并降噪，参考包里不放机位不同的图，参考图本身必须正确。
- 视频提示词写成逐秒剧本，数字从 3D 或镜头表导出，不手写；只写变化，不重复描述外观。
- 效果按摄影机拍到的样子写，并写清"不是什么"；常亮的灯写"亮度恒定"；用量用肉眼可查的标准卡住。
- 花钱分两级：先过免费检查、出 480p 草稿；批准后才原样升高清，升之前先看余额。
- 逐帧看原片：首尾帧模式会在中间偷偷叠化；独立审查必须看生成的原片。
- 字幕、标注、声音都放在剪辑层，由时间线数据生成；改字、调序、升级高清都不用重新生成画面。
- 合规两道关：先过词表（极限词、功效、医疗、数字），再逐句对照产品事实查"暗示的功能"。AI 标识的默认做法是开头画面标一次（至少约 2 秒）、片尾小字说明一次，再加上平台的 AI 声明；不挂常驻角标，除非平台要求。
- 用户的每条意见按原话编号写进 brief，所有 agent 和终审都对照它。长对话会被压缩，文件不会。
和用户协作
- 时间：先给预估；长任务没有可见输出时，主动报告当前阶段、最后一次活动的时间和新的预计时间。
- 轮到用户动手时一次交齐：完整的说明文件、能直接打开或播放的素材，发到手机上（单个文件 30 MB 以内）。母版告诉用户放在哪个文件夹。
- 听清工作方式："先只分析"就只分析；"中间不要停"就一路做到交付；"最后一轮"就跳过中间的试听。
- 结论先行：用户问"要推翻重来吗"，第一句给结论，再讲理由，最后列出需要用户拍板的点。
- 安全：
- 不读、不显示、不索要密钥（只放
.env）； - 不注册账号、不输入密码或支付信息；
- 同意协议、付款、开通、充值都停在按钮前，说清代价，由用户自己点；
- 下载文件前先问。
- 不读、不显示、不索要密钥（只放
- 长任务：
- 开跑前请用户接上电源、把系统睡眠设为"从不"，再申请保持唤醒；
- workflow 和批处理要能从磁盘续跑；
- 提交和查询结果分两步；
- 3D 渲染一次只开一个进程。
细节见 references/10-working-with-user.md。
对外发布
凡是公开的内容，包括广告投放、社交平台、公开演讲配图：
- 不放爆炸图、透视图、能看到内部结构的镜头，不写内部元件名称和工作原理；
- 社交平台的图文里不点名具体的 AI 产品（写"图像大模型""视频模型""3D 软件"）；
- 不晒花费；
- 踩坑写成通用的流程问题，不写个人经历；
- 加上平台要求的 AI 生成声明。
详见 references/09-compliance.md。
工具
所有脚本都用 uv run 运行，依赖写在各脚本开头的 PEP 723 块里，ffmpeg 来自 imageio-ffmpeg。
| 脚本 | 用途 |
|---|---|
scripts/edl_editor/edit.py | 按 EDL 出片：卡片、叠化、黑场、光晕、甩镜、AI 过渡镜头、字幕、引线标注、角标；支持 16:9、9:16、1:1；--dry 演练，输出 timeline.json。用 make_demo.py 可以一键生成演示项目 |
scripts/edl_editor/typeset.py | 字幕和卡片排版引擎：中英文层级、标点挤压、安全区、跨平台字体回退；--specimen 可以检查本机字体 |
scripts/video_api/seedance.py | 火山方舟 Seedance 客户端：首尾帧、参考图等模式，草稿与高清升级，可续跑的查询，费用估算和账本，--dry 不联网、只做检查（含提示词检查）；也可以照着它给别的视频模型写适配 |
scripts/audio/mix.py | 音乐和音效分轨按时间窗平衡，实测 dB 差，限幅和两遍响度标准化，再合成进画面 |
scripts/qc/strip.py | 每 0.25 秒抽一帧拼成长图，画运动和亮度曲线，标出硬切、跳变和定格 |
scripts/qc/contact_sheet.py | 带标签的图片网格，用来审阅底图、关键帧和草稿 |
scripts/qc/normalise_keyframes.py | 关键帧 raw → norm：镜头帧裁成输出画幅，母版和参考图只缩不裁，放大和硬裁切会警告 |
scripts/qc/lint_prompts.py | 视频提示词的禁用词族扫描（含本产品的机理禁用词），没扫到文件时报错 |
不附带、要项目自己写进 work/ 的脚本：Gate K 和 Gate V 的判定（seedance.py 不读 Gate K 报告，"没有报告不提交"由项目自己的提交步骤保证）、出图包生成（keyframes.json → packs/）、shot_list.json → EDL 和字幕草稿。要求写在 04、05、06 和 templates/prompts/keyframe_pack.md。
使用说明见各目录的 README。模型的能力、价格和限制变化很快，用之前先核对官方文档，各参考文件末尾的"模型备注"都标了核对日期。
什么时候读哪个文件
| 文件 | 什么时候读 |
|---|---|
references/01-intake.md | 新项目第一天 |
references/02-formats.md | 定片型、时长、画幅、结构，或者做广告和竖版短视频时 |
references/03-previs.md | 搭 3D 预演或底图之前；没有 3D 模型时 |
references/04-keyframes.md | 写出图包、定统一设定、检查关键帧时 |
references/05-video-gen.md | 写视频提示词、选生成模式、提交、审草稿、高清升级时 |
references/06-edit-type.md | 剪辑、转场、字幕、标注、片头片尾卡 |
references/07-sound.md | 选曲、音效、旁白、混音 |
references/08-delivery.md | 交付、各平台版本、剪短版、多语言 |
references/09-compliance.md | 写任何上屏文字或旁白之前；公开发布之前 |
references/10-working-with-user.md | 和不写代码的用户协作、长任务、安全边界、环境问题 |
references/rulebook.md | 某个阶段拿不准时，查对应的那一组 |
references/pitfalls.md | 出问题时，先按现象查 |
templates/ | 开工时复制到项目里，填写后使用 |
examples/case-study.md | 想看一个完整项目是怎么走下来的 |