影片生成台

只做一件事：讓已經定死的畫面動起來，並且留下可追溯的記錄。

影片模型在這裡負責三件事：動作、運鏡，以及把旁白唸出來。主體長相、服裝、場景、色板、光線、構圖、螢幕文字在 S1/S2 已經鎖死，這一層不允許重新創作。它一旦開始"發揮"，整條片子的一致性就崩了。

旁白不再走獨立配音。 台詞寫進提示詞，由模型直接唸——這是這套流程和傳統做法最大的不同，也是這一層最需要盯的地方。

一、進來的前提

四樣東西缺一不可，缺一樣就退回上一段：

要件	在哪	缺了會怎樣
`03-生成清單.md`	`short-video-prompt` 產出，且 G2 已過	不知道該出幾段、每段多長
每段台詞原文	清單的逐段提示詞裡	模型不知道唸什麼，會自己編
資產圖 / 首幀	`04-素材/01-資產圖/`、`04-素材/02-首幀/`	主體每段一個樣
`KIE_API_KEY`	環境變數	提交不了任務

沒有首幀不等於不能做：純氛圍、空鏡、轉場可以直接文生。但有主體出現的段落必須有圖，這是硬線。

沒有台詞的段落可以不做旁白，比如空鏡、純音樂段。但一旦這段要說話，台詞就必須進提示詞——這是現在唯一的聲音來源。

二、三種模式，互斥不可混用

平台一個請求只能選一種，字段越界就變成另一個模式，任務會直接失敗。

模式	必填	什麼時候用	明確禁止
`text` 文生	`prompt`	空鏡、氛圍、純背景光效、轉場	帶 `first_frame_url` / `last_frame_url`
`first` 首幀圖生	`prompt` + `first_frame_url`	預設走這個：需要鎖定起始構圖	帶 `last_frame_url`
`first-last` 首尾幀	`prompt` + 首幀 + 末幀	需要同時鎖起始和結束、保證相鄰段能接	—

清單裡的「參考圖」模式怎麼落

short-video-prompt 的清單模式列可能是「首尾幀 / 參考圖 / 文生」。當前模型沒有參考圖模式——reference_image_urls 這類字段在這個模型上不開放。所以要做一次映射：

清單寫的是	實際提交成	說明
首尾幀	`first-last`	直通
參考圖	`first`	把參考圖當首幀用，鎖起始構圖
文生	`text`	直通，但只對無主體鏡頭成立

這一步不是妥協，是能力邊界。 如果某段確實需要"參考圖鎖主體 + 自由構圖"，只能靠首幀把構圖也一起鎖掉，或者回到 S2 改切段。

三、參數口徑

參數	取值	預設	說明
`duration`	4–15 整數秒	5	超 15 拆鏡，低於 4 交後期做動效或裁切
`aspect_ratio`	9:16 / 16:9 / 1:1 / 3:4 / 4:3 / 21:9 / adaptive	9:16	`adaptive` 只給文生，圖生必須寫死比例
`resolution`	`480p` / `720p`	480p	預設控制生成成本；需要正式交付清晰度時顯式傳 720p
`generate_audio`	true / false	true	不能關。旁白就在這條音軌裡，關了等於沒聲音
`web_search`	true / false	false	只對文生可用，一般不用

三條容易踩的：

比例必須與實際輸出一致。模型返回明顯不符比例或帶黑邊的結果，判質量失敗，不許 letterbox 之後當成片交上去。
音頻必須開。旁白、環境音全在這一軌裡。只有純空鏡確實不需要聲音時才用 --no-audio。
duration 寫整數。傳 5.5 會被拒。

四、七步流程

① 讀清單 → ② 定模式 → ③ 寫影片提示詞 → ④ 提交 → ⑤ 輪詢下載 → ⑥ 媒體體檢 → ⑦ 抽幀質檢

① 讀清單，先判能不能跑

逐段核對三件事，對不上就停下來問，不要猜：

每段的 duration 是否在 4–15 之間（超了先拆）
聲明的首幀檔案是否真的存在
引用的素材編號是否都在資產清單裡

② 定模式

按第二節的表逐段定，一整個項目盡量統一。混用不是錯誤，但混用會讓相鄰段銜接更難看。

③ 寫影片提示詞

按 references/video-prompt.md 的七段結構寫。兩條核心：

只描述"變化"，不重新描述"是什麼"。 首幀已經給了模型產品長什麼樣，提示詞再描述一遍，等於讓它按文字重畫，一致性立刻丟。
台詞照抄稿子，一字不改。 旁白現在由模型直接唸，台詞原文必須進提示詞。改一個字，字幕就對不上音。

④ 提交

python scripts/kie_seedance.py create \
  --prompt "…" --mode first \
  --first 04-素材/02-首幀/S01_f01_v1.png \
  --duration 6 --out 04-素材/03-片段/S01_v1.mp4 --wait

提交成功後立刻把 taskId 和指紋寫進台賬，再去做別的事。先做後記，中途斷了就找不回來。

④-2 整條片子批次跑（預設 5 路並發）

一段一段序列跑，6 段就是半小時以上，而且大部分時間在等。批次並發跑，總時長約等於最慢的那一段。

# 先預演，把拼裝好的請求體看一眼
python scripts/kie_seedance.py batch --tasks tasks.json --out-dir 04-素材/03-片段 --dry-run

# 確認後真跑，預設 5 段同時
python scripts/kie_seedance.py batch --tasks tasks.json --out-dir 04-素材/03-片段

# 被限流就降
python scripts/kie_seedance.py batch --tasks tasks.json --out-dir 04-素材/03-片段 --concurrency 2

任務表格式見 assets/batch-tasks-example.json，每段一條，mode / first / last / duration / prompt 含義與單條命令一致。

並發不是越快越好，它有個真實的坑：台賬會被寫亂。

5 段同時跑完，如果每段一結束就去改 00-生成台賬.md，五次寫入會互相覆蓋，最後只剩一段的記錄。正確做法是：

① 批次跑完，收下匯總裡的 items（已按清單順序排好）
② 一次性回寫台賬：五段一起寫，而不是跑一段寫一段
③ 回寫後立刻核對：清單幾段，台賬就該有幾行

如果你更想邊跑邊記，那就把並發降到 1——序列 + 邊跑邊記，是唯一不會寫亂的方式。這個取捨自己定，但不能既並發又零散寫。

被限流的表現是 code != 200 或 HTTP 429，不是"畫面變差"。看到這類報錯先降並發，不要改提示詞。

失敗不中斷：一段掛了，其餘照跑，最後看匯總裡的 failed。想要"一錯就停"加 --stop-on-error，它會停止提交新任務，已經在跑的不受影響。

⑤ 輪詢下載

--wait 會一直等到下載完成。也可以分開做：create 拿到 taskId → wait --task-id。

輪詢間隔從 6 秒起逐步拉長到 30 秒，上限 15 分鐘。超時不代表失敗，先查狀態再決定。

⑥ 媒體體檢（腳本判）

# 有台詞的段：音軌必須存在
python scripts/inspect_clip.py --file 04-素材/03-片段/S01_v1.mp4 \
  --ratio 9:16 --duration 6 --expect-audio

# 無台詞的空鏡：應當沒有音軌
python scripts/inspect_clip.py --file S02_v1.mp4 --no-expect-audio

查五件客觀事實：檔案在不在、大小是否正常、時長對不對、比例對不對、音軌在不在。通過只說明"下到了能播的檔案"，不說明畫面能用，更不說明台詞唸對了。

音軌這一項現在比以前重要：旁白就在這條音軌裡。沒有音軌 = 這段沒聲音，等於廢片；有音軌但唸錯字，腳本查不出來，只能聽。

⑦ 抽幀質檢 + 聽聲（人判）

畫面：抽至少三個點（開頭、中段、結尾），按 references/clip-review.md 的七項看。

聲音：旁白現在由模型唸，所以每一段帶台詞的片段必須聽一遍，對照原稿核三件事：

聽什麼	判據
有沒有漏句	原稿幾句，就應聽到幾句
有沒有唸錯字	關鍵詞、品牌名、數字對不對
有沒有多餘聲音	不該出現的配樂、旁人、雜音

唸的和稿子不一致時，不要將就。 兩種處理：重出這一段，或改字幕去貼合實際唸的內容。唯一不能做的是照原稿打字幕——觀眾聽到的和看到的對不上，比唸錯本身更傷。

這一項必須聽。含糊關鍵字可重複轉寫至少三次輔助比對，逐句人工終審後把結論寫入 04-素材/00-台詞定案.json；見 references/clip-review.md。

五、三層狀態，別混成一個

狀態	誰判	含義
媒體通過	腳本	檔案完整、參數符合、音軌在
畫面通過	人看	主體沒變、沒畸形、能接上下一段
台詞通過	人聽	台詞唸全了，關鍵詞沒唸錯

三個都過，狀態才能寫「質量通過」。

把"下載完成"當"可用"，是這條鏈上最常見的錯誤——片子進了剪輯台才發現第 4 段主體變了，前面白拼。現在多了一層：畫面都對、台詞唸錯一個字，整段還是廢的，因為字幕沒法對。

台詞這層最容易被跳過，因為它需要安靜地戴耳機聽，而不是掃一眼。

六、台賬：寫在 `04-素材/00-生成台賬.md`

一段一行，記六項：請求指紋、模式、taskId、狀態、輸出檔案、失敗原因。

台賬的作用不是留檔，是防重複提交。同一條片子隔一天回來接著做，讀台賬就知道哪段已完成、哪段提交過沒下載、哪段失敗過。

規則見 references/task-ledger.md，四條摘要：

狀態是「質量通過」且檔案在 → 跳過
有 taskId 且狀態是「等待中 / 生成中」→ 只查詢，不新建
狀態是「生成成功，待下載」→ 只下載；URL 過期就查同一 taskId 換新 URL
狀態是「失敗」→ 不自動重提，等用戶明確說重做

七、失敗怎麼處理

先定位是哪一層壞的，再決定改什麼。 別一上來就改提示詞。

現象	病根	改哪裡
主體變形、產品變樣	沒有首幀，或首幀本身就不對	補首幀 / 換首幀
畫面抖、閃爍	動作寫得太多	刪到只剩一個動作
文字錯亂、多出手指	要求模型寫文字/複雜手部動作	文字交後期，手部動作簡化
比例不對、帶黑邊	參數與返回不符	判失敗，重出，不裁黑邊
段與段接不上	末幀與下一段首幀不一致	用首尾幀模式，或補交接幀
漏唸、只唸半句	該段台詞字數超出鏡長	砍台詞，或把這一段拆兩段
唸錯字、唸成別的詞	生僻字、多音字、品牌名夾在長句裡	換成常用說法；品牌名單獨成句
台詞被配樂蓋住	提示詞沒寫"無配樂"或不蓋人聲	補一句聲音約束，重出
完全沒聲音	誤用了 `--no-audio`，或音頻沒開	檢查提交參數，重出
提交就報錯 / 429	並發放太高被限流	`--concurrency 2` 重跑，別改提示詞
同一段反覆失敗	有多個變數同時變	一次只改一個變數

台詞類問題佔了一半以上。 這類問題的共同點是：畫面看著挺好，只有聽才發現。所以每段必須聽完再定通過。

返修時一次只改一個變數。同時改提示詞、時長和首幀，即使成功了也不知道是哪個起了作用，下次同樣的問題還會再犯。

詳細診斷見 references/clip-review.md。

八、邊界

不重新設計視覺：主體、場景、色板、光線在 S2 已鎖定，這裡只讓它們動起來
不改台詞文本：原稿怎麼寫就怎麼唸。要改詞，回 S1/S2 改，不在這裡臨時調整
不做字幕：文字一律後期疊。模型可以"唸"中文，但不能"寫"中文
不修音頻：唸錯的段落只能重出，或改字幕去貼合。這裡不混音、不補錄
不做剪輯：不拼段、不卡點、不調色，那是 S4
不判斷"好不好看"：只判斷"能不能用"。觀感是審片環節的事
不承諾一次就過：生成是機率事件，2–4 個候選是常態，不是失敗

九、參考資料

檔案	什麼時候讀
`references/api-and-modes.md`	查介面、參數、三模式字段、錯誤響應時
`references/video-prompt.md`	寫影片提示詞、改提示詞時
`references/task-ledger.md`	建台賬、續做、判斷該不該重提時
`references/clip-review.md`	抽幀質檢、判失敗、決定返修方向時
references/assembly-ops.md	S4 拼接、字幕與混音的 FFmpeg 實施細節
`assets/gen-ledger-template.md`	建台賬時
assets/dialogue-final-template.json	記錄定版台詞、轉寫輔助和人工終審時
`assets/batch-tasks-example.json`	批次跑清單時

腳本：

腳本	用途
`scripts/kie_seedance.py`	提交 / 批次 / 查詢 / 等待下載 / 上傳參考幀
`scripts/inspect_clip.py`	媒體體檢（需要 ffprobe）

lhaovo/short-video-skills

short-video-skills 是什麼？

在你喜歡的 AI 中提問

說明文件