katha-studio 是做什么的?
你与用户一起制作一部完整的动画故事影片。一部影片对应一个文件夹,内含一个 film.json。
工具为 python3 "${CLAUDE_SKILL_DIR}/scripts/katha.py"(下称 KATHA)。无需任何 pip 包。
付费步骤(角色表、图像、对白、运动)会打印价格并停止。仅当使用 --yes 时才实际扣费。
只有用户在聊天中同意该价格后,才可运行 --yes。语音步骤使用用户的 ElevenLabs 配额。
需要时请阅读以下文件:
references/film-format.md:film.json 的每个字段。references/story-craft.md:如何编写能吸引观众的 katha 剧本,以及镜头规则。references/troubleshooting.md:已知故障与修复方法。
0. 首次运行:引导设置
当用户是新手,或后续任何步骤因缺少工具或密钥而失败时,执行此操作。
- 运行
KATHA doctor。它会针对每项输出 OK 或 MISS,并给出修复方法。 - 对于每个 MISS,向用户提供适用于其系统的精确修复命令,一次一个。等待用户确认完成。
- 密钥:告知用户创建一个 fal 密钥(https://fal.ai/dashboard/keys)和一个 ElevenLabs 密钥(https://elevenlabs.io/app/settings/api-keys),并向 fal 充值(10美元足以制作第一部短片)。
- 告知用户在终端中自行运行
python3 "${CLAUDE_SKILL_DIR}/scripts/katha.py" setup。切勿要求用户在聊天中粘贴密钥,也切勿自行输入密钥。 - 再次运行
KATHA doctor。仅当状态为 READY 时继续。
注意:ElevenLabs 免费计划不允许商业用途。盈利频道需要 Starter 或更高版本。
1. 故事(关卡 1:用户批准剧本)
- 每次询问一个问题:故事内容、语言、时长(第一部影片建议从1到3分钟开始)、频道名称。
- 运行
KATHA new <folder> --title "<标题>" --language <代码>。 - 编写
film.json:风格、角色(每个角色需包含完整的外形描述look)、配音(旁白加每个有对白角色的配音),以及场景。遵循references/story-craft.md。 - 运行
KATHA validate <folder>并修复所有 FAIL。 - 以表格形式向用户展示剧本(包含编号、说话者、类型、台词、画面简述)以及
KATHA cost <folder>。根据用户意见修改,直至获得批准。
2. 配音
- 运行
KATHA voices --language <代码>(可添加--gender male、--accent standard或--search "old"缩小范围)。为每个角色提供3个选项,附带预览链接。 - 用户选择后,将对应的 voice_id 填入
film.json的voices字段。库中的语音无需添加到账户即可使用。 - 仅当语音步骤因“voice not found”错误失败时,运行
KATHA voices --add <voice_id> --owner <所有者> --name "<角色名>"。这会占用账户的一个语音槽位。 - 运行
KATHA voice <folder> <2或3个id>,要求用户收听audio/raw<id>.mp3,然后再为整部影片配音。
3. 角色(关卡 2:用户批准每个角色表)
- 运行
KATHA sheets <folder>,告知用户价格,待用户同意后再以--yes运行。 - 使用读取工具自行查看每个
img/char_<id>.png。检查年龄、面部、服饰、颜色以及人物数量。 - 向用户展示角色表。如果某张角色表有误,修改该角色的
look描述,然后运行KATHA sheets <folder> <id> --yes。
角色表是影片的身份标识。在用户批准角色表之前,切勿生成场景画面。
4. 画面、配音、动作
KATHA images <folder>(显示价格),然后加--yes。仅生成缺失的画面。- 查看
img/contact.jpg,然后打开每张看起来有问题的画面。检查:角色是否正确、无多余人物、无文字、无错误的王冠或服装、每个对白场景都应是清晰正面的面部且嘴巴闭合。 - 重制有问题的画面:改进其
image提示词,然后运行KATHA images <folder> <id> --yes --redo。 KATHA voice <folder>。它会缓存每句台词,因此第二次运行是免费的。修改文本后重做某句台词:KATHA voice <folder> <id>。KATHA talk <folder>(显示价格),然后加--yes。仅在这些场景的画面和配音定稿后执行:新的画面或新的配音需要新的剪辑片段。- 自行查看每个
clips/s<id>_check.jpg。重制那些出现文字、伪字幕或面部变化的片段:KATHA talk <folder> <id> --yes --redo。 - 如果影片包含
move场景:KATHA move <folder>(显示价格),然后加--yes。
5. 合成与检查(关卡 3:用户观看影片)
KATHA build <folder>。输出:out/<slug>.mp4和out/thumbnail.jpg。KATHA check <folder>必须输出 PASS。KATHA frames <folder>,然后自行查看out/frames.jpg和缩略图。- 编写
out/youtube.md:3个标题选项(不超过70个字符,包含故事名加情感钩子)、一段描述(两行摘要、故事寓意、故事原文来源、根据场景长度生成的带时间戳的章节)、10个标签,以及用于 YouTube Studio 中“修改过的内容”问题的声明“使用 AI 工具制作”。 - 要求用户观看完整影片(含声音)。针对用户提出的每个修改要求,在其对应步骤进行修正,然后重新合成。
来自真实故障的规则
- 每个对白场景都需要正面特写,包含头部和肩膀,嘴巴闭合。侧面视角或低头会导致唇形同步效果差。
- 将对白提示词保留为默认的“.”。包含台词语句或“无字幕”等词语的提示词,在测试中会导致 Kling 画出伪造的字幕文字。Kling 没有反向提示词功能。
- 对于成年神祇,需写明“大约30岁的成年男性(不是儿童)”。否则模型常常将 Krishna 等画成儿童。
- 当某个场景有风险时,写明角色“不得”穿戴什么(例如贫穷的婆罗门“不戴王冠、不戴珠宝”),因为模型会复制画面中另一个角色的服饰。
- 每句台词控制在250个字符以内。长的演讲应拆分为2个场景,使用2张不同的画面。
- 不得复制其他频道的剧本、角色或缩略图。古老的故事可以自由讲述,但其他频道的演绎版本不行。
- YouTube 可能以“虚假内容”(无人参与的批量制作影片)为由暂停盈利。告知用户应变换故事和结构,并添加用自己的声音录制的开场白或寓意总结。