メニュー
AI 短剧分镜脚本生产管线。从剧情头脑风暴 → 画风与人设建议 → 人物生图提示词（GPT Image / Nano Banana）→ 分镜拆解 → 中英双语台词 → 转场与运镜指导 → 产物归档。专为 AI 视频工具（Seedance、Runway、Kling 等）优化，规避真人版权、保证多镜头一致性、降低 AI 生成不确定性。触发词：「生成 AI 短剧脚本」「写个短剧」「做短剧分镜」「短剧角色画像」「打磨剧本」。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
内容生产和分发管线。素材收集→出稿→排版→封面→多平台转换→一键分发。涵盖公众号写作排版、小红书轮播图、Chrome CDP 自动发布。
内容生产和分发管线。素材收集→出稿→排版→封面→多平台转换→一键分发。涵盖公众号写作排版、小红书轮播图、Chrome CDP 自动发布。
Writing skill: guides both drafting and quality-checking. Phase 1: Writing methodology — structure, composition, title craft, and scope control. Phase 2: AI pattern removal — write clean of AI fingerprints, or scan existing text against 51 pattern categories. Phase 3: Final verification — lightweight residue check and mechanical proofreading.
生成墨筝风格的小黑正文配图。用于用户要求为中文文章、帖子、博客、工作流文档、方法论、流程、结构、状态、隐喻或观点生成”怪诞””小黑””手绘””正文配图””文章插图””配图建议””shot list””去标题/改图”等任务；默认使用小黑 IP、纯白手绘、筝弦金为主强调色、简洁清爽但天马行空的视觉风格。
Generates annotated screenshot documentation for web apps and websites — local dev servers or live sites. Use when asked to "screenshot the app", "document the app", "visual docs", "screenshot documentation", "show me the app", "screenshot <url>", or "document this website".
| name | ai-short-drama |
| description | AI 短剧分镜脚本生产管线。从剧情头脑风暴 → 画风与人设建议 → 人物生图提示词（GPT Image / Nano Banana）→ 分镜拆解 → 中英双语台词 → 转场与运镜指导 → 产物归档。专为 AI 视频工具（Seedance、Runway、Kling 等）优化，规避真人版权、保证多镜头一致性、降低 AI 生成不确定性。触发词：「生成 AI 短剧脚本」「写个短剧」「做短剧分镜」「短剧角色画像」「打磨剧本」。 |
把一个剧情创意，沉淀为可直接交付给 AI 视频工具与剪辑后期使用的工业级分镜台本。
核心目标：降低 AI 视频生成的不确定性（角色崩坏、布景漂移、嘴型不同步、字幕乱码、版权拦截），让分镜稿"开箱即用"。
| 触发词 | 行为 |
|---|---|
生成 AI 短剧脚本 / 写个短剧 | 启动完整流程：头脑风暴 → 画风人设 → 生图提示词 → 分镜 |
打磨剧本 | 与用户多轮迭代剧本（节奏、反转、人设、梗） |
做短剧分镜 | 已有剧本，直接进入分镜拆解 |
短剧角色画像 | 生成可投喂 GPT Image / Nano Banana 的人物生图提示词 |
确定配音语言 | 根据剧情文化背景确定主配音语言与字幕语言 |
翻译台词 | 在主语言与字幕语言之间互译 + 标注情绪 Tone |
短剧产物独立于 content/，存放在 dramas/[slug]/：
dramas/[slug]/
├── brief.md # 创意 brief（题材、基调、目标平台、关键事实）
├── script.md # 文字剧本（多轮打磨的最终版）
├── art-direction.md # 整体画风建议 + 配色 + 参考锚点
├── characters.md # 角色人设卡 + 生图提示词（GPT Image / Nano Banana）
├── storyboard.md # 分镜台本（最终交付物）
├── background.md # 背景一致性方案（坐标锁定 / Seed / 绿幕底图）
├── prompts/ # 各分镜的 AI 视频提示词（按镜号）
│ ├── shot-01.txt
│ └── ...
├── assets/ # 用户生成回传的角色基准图 / 背景底图
├── footage/ # AI 生成回传的单镜视频素材（shot-NN.mp4）
└── final/ # 剪映整合后的最终成片
slug = 短剧主题英文短横线命名。
📌 各步骤推荐模型 / 工具速查
步骤 推荐模型 / 工具 用途 Step 1 头脑风暴 + 剧本打磨 Gemini 3.1 Pro 长上下文 + 强创意推理，多轮共创 Step 2 画风 + 人设建议 Gemini 3.1 Pro / Claude 美学判断 + 角色设计推理 Step 3 人物生图 GPT Image / Nano Banana（Gemini 2.5 Flash Image） 角色基准图生成 Step 4 分镜脚本 Claude / GPT-5 结构化输出、严谨字段 Step 5 视频生成 Seedance / Runway / Kling Image-to-Video 垫图 Step 6 后期整合 剪映 / CapCut 拼接、字幕、音效、调色、成片
🤖 推荐模型：这一步的剧情发散、人物冲突设计、节奏打磨推荐使用 Gemini 3.1 Pro（长上下文 + 强创意推理 + 丰富的世界知识 + 强语言能力，多轮共创）。若当前对话不在 Gemini 3.1 Pro 上，建议提示用户切换模型后再进入此步。
这一步必须是对话式的，不要一次性出完整剧本。
第一轮：发散收集 向用户主动提问，收集以下要素（每次问 2-4 个，避免一次轰炸）：
第二轮：方向收敛 给出 2-3 个剧情走向方案让用户选，或在用户已有想法上提出几个"分叉口"。
第三轮：节奏打磨 确定方向后，按下面的结构推进剧本：
钩子 (0-5s)：抓住注意力的冲突 / 反差 / 悬念
铺垫 (5-30%)：人物登场 + 设定建立
冲突升级 (30-70%)：矛盾激化 / 误会加深
反转 / 高潮 (70-90%)：核心情绪释放点
余味 (90-100%)：留白 / 彩蛋 / 破功
打磨原则：
→ 输出 brief.md 与 script.md。
剧本定稿后，基于剧情基调给出风格方案（不要先入为主，先读剧本再推荐）。
画风建议要包含：
| 维度 | 说明 |
|---|---|
| 风格大类 | 3D 卡通 / 2D 厚涂 / 赛博朋克 / 吉卜力水彩 / 黏土定格 / 像素艺术 / 写实电影感 …… |
| 参考锚点 | 2-3 个公开作品风格类比（Pixar / Spider-Verse / Arcane / Studio Ghibli / Love Death + Robots ……） |
| 配色基调 | 主色 + 辅色 + 强调色（暖色温情 / 冷色悬疑 / 高饱和喜剧 / 低饱和忧郁） |
| 光影氛围 | 黄金时刻 / 霓虹夜景 / 顶光戏剧化 / 柔光日常 |
| 画幅与构图 | 9:16 竖屏 / 16:9 横屏 / 2.39:1 宽银幕；构图密度建议 |
| 细节密度 | 极简留白 / 中等细节 / 超精细纹理 |
→ 输出 art-direction.md。
🎨 强制产出：全局画风底词（Style Anchor Prompt）
art-direction.md 末尾必须固化一段 30-60 词的英文画风底词，作为后续所有生图 / 生视频 prompt 的强制前缀。这是防止跨镜风格漂移的"锚"。
底词结构：
[Style Tag], [Medium / Rendering], [Color Palette], [Lighting Mood], [Detail Density], [Aspect Ratio]
示例：
Pixar-style 3D animation, soft cinematic rendering,
warm amber and teal palette, golden-hour lighting,
medium detail with painterly textures,
9:16 vertical composition, consistent stylized look.
使用约定：
shot-NN.txt 也必须以此为首行（详见 Step 4）人物塑造建议要包含（每个角色一段）：
⚠️ 规避版权三原则：
- 不写真实姓名 / 品牌 / 作品名（用"特征 + 配色"暗示）
- 放大单一辨识度特征（让形象"动画化但可辨认"）
- 所有画面内文字（书名、UI、字幕）一律后期合成，不让 AI 画字
基于 Step 2 的人设建议，为每个角色生成一份可直接复制粘贴的生图提示词，并明确告诉用户去哪里使用：
💡 使用方式：把下面每个角色的提示词复制到 GPT Image（ChatGPT 内置图像生成） 或 Nano Banana（Google Gemini 2.5 Flash Image） 上生成 4-6 张候选基准图，挑一张满意的保存到
dramas/[slug]/assets/character-[代号].png，后续所有视频镜头都用 Image-to-Video 模式垫这张图。
生图提示词结构（每个角色一份）：
[全局画风底词，与 art-direction.md 一致],
a [体型] [年龄] [性别] character with [核心辨识特征],
[五官夸张化描述],
wearing [服装 + 配色],
holding / accompanied by [标志道具],
[默认表情], [姿势], [构图：full body portrait / half body / close-up],
neutral background, studio lighting, character sheet style,
high detail, 8k, consistent character design.
生图提示词检查清单：
character sheet style / neutral background 便于后续抠图pose 与 angle→ 输出 characters.md（含每个角色的生图提示词块 + 使用说明）。
告知用户的下一步操作：
assets/character-[代号].png⚠️ 单镜头物理限制与拆镜红线 目前主流 AI 视频生成工具（Kling, Runway Gen-3, Sora 等）的最大物理生成时长上限为 15 秒，但超过 8~10 秒后人物一致性与画面的稳定性会有较大崩溃风险。 强制规则：
- 单个 Shot 时长物理绝对不可超过 15 秒（强烈推荐保持在 4~8 秒的最佳稳定区间）。
- 当遇到人物长篇台词或复杂动作时，必须通过以下手法进行“拆镜（Split Shots）”：
- 正反打 (Shot Reverse Shot)：镜头切向对话另一方的反应。
- 特写切入 (Cut-in)：如“震惊时近景推成脸部大特写”、“拍桌子时手部震动特写”。
- 动作匹配 (Match on Action)：换角度接续同一连续动作。
- J-Cut / L-Cut（声音引导）：声音先于画面切入下一镜。
- 在计算每个镜头的总时长 (
🕘 总时长) 时，必须根据台词语速或动作物理耗时逆推，超出 15s 必须强制打碎成 a/b 两个 shot（超过 10s 也强烈建议打碎）。
基于 Step 1 的剧本 + Step 2 的画风 + Step 3 的人设，输出工业级分镜。
分镜节奏：
⚠️ 时长必须由台词时长反推（关键原则）：
分镜时长不是"先定 5 秒再塞台词"，而是**"先算台词需要几秒，再加缓冲定分镜时长"**。否则 AI 配音会把台词压成机关枪语速，毁掉表演节奏。
台词时长估算公式（基于自然口语语速）：
⚠️ 语速不是常量，必须由"剧情场景 + 人物特点 + 当下语气"三要素决定。同一个角色在追问时可能 6 字/秒，在告白时可能 2 字/秒。下表是基准档位，每句台词都要先判档再估算。
语速三要素决策：
| 维度 | 偏快（连珠炮档） | 常态 | 偏慢（情绪化档） |
|---|---|---|---|
| 剧情场景 | 吵架 / 吐槽 / 解释 / 追问 / 喜剧爆梗 / 紧急情况 | 日常对白 / 信息陈述 | 告白 / 悼念 / 威胁 / 思考 / 顿悟 / 临终 |
| 人物特点 | 急性子 / 话痨 / 推销员 / 程序员吐槽 / 北方话密 | 正常人设 | 老人 / 高冷 / 大佬 / 文艺青年 / 喝醉 |
| 当下语气 | 兴奋 / 慌张 / 不耐烦 / 阴阳怪气 | 平静叙述 | 沉重 / 哽咽 / 故作神秘 / 居高临下 |
判档规则：三要素若有 ≥2 个偏快 → 喜剧档；≥2 个偏慢 → 情绪化档；其余 → 常态。
| 语言 | 自然语速 | 估算方法 |
|---|---|---|
| 中文（常态） | 4-5 字/秒 | 字数 ÷ 4.5，再 +0.3s 起停缓冲 |
| 中文（情绪化 / 慢） | 2-3 字/秒 | 字数 ÷ 2.5（适用煽情、思考、威胁） |
| 中文（喜剧 / 快） | 5-6 字/秒 | 字数 ÷ 5.5（适用吐槽、连珠炮） |
| 英文（常态） | 2.5-3 词/秒 | 词数 ÷ 2.8，再 +0.3s 起停缓冲 |
| 英文（情绪化 / 慢） | 1.5-2 词/秒 | 词数 ÷ 1.8 |
| 英文（喜剧 / 快） | 3.5-4 词/秒 | 词数 ÷ 3.8 |
🎙️ Tone 字段必须显式标注语速档（如
语速：慢 / 哽咽、语速：快 / 不耐烦），TTS 配音或真人录音才能据此执行；不要假设配音演员能"猜到"节奏。
分镜总时长 = Σ(每句台词时长) + 句间停顿 + 表演留白 + 进/出场缓冲
示例：
台词："你以为我没看见？"（8 字，常态语速）→ 8 ÷ 4.5 ≈ 1.8s 接一个反应停顿（瞪对方）1.0s + 句间停顿 0.4s + 首尾缓冲 0.6s ≈ 3.8s 若想让"看见"二字加重处理（慢语速）→ 估算应 +0.5s，分镜定 4.5-5s
避坑要点：
00:00.3-00:02.1 角色 A: "..."无台词分镜（空镜 / 默剧 / 反应镜）的时长设计：
不是所有分镜都有台词。无台词镜的时长由"画面要传达的信息密度 + 情绪节拍"决定，不要默认 4-8s。
| 镜头类型 | 推荐时长 | 设计要点 |
|---|---|---|
| 建立镜（Establishing Shot） | 3-5s | 让观众看清环境、时间、空间关系；广角缓推 |
| 空镜 / 转场镜 | 1.5-3s | 一物一意，过长会拖；用于章节切换或情绪过渡 |
| 反应镜（Reaction Shot） | 1.5-3s | 单一表情变化（瞪眼 / 嘴角抽搐 / 苦笑）；过长会僵 |
| 情绪特写 / 默剧高潮 | 4-8s | 微表情递进（震惊→泪盈→破涕为笑）；配 BGM 撑住 |
| 动作镜（无对白打斗 / 追逐） | 4-6s | 一个完整动作单元（一次出招 / 一次回头） |
| 氛围长镜 / 蒙太奇单格 | 2-4s | 节奏感优先，与 BGM 鼓点同步 |
| 结尾留白镜 | 3-6s | 给观众回味；过短显得仓促，过长显得拖沓 |
无台词镜的时长估算公式：
时长 = 主体动作时长 + 镜头运动时长 + 情绪留白 + 首尾缓冲
示例：
一个无台词反应镜——角色看到信息后表情从平静到崩溃： 微表情递进 2.5s + 缓推近景 1s + 崩溃后定格 1s + 首尾缓冲 0.6s ≈ 5s
无台词镜避坑：
00:00-00:03 (无台词) 动作描述 + 镜头运动 形式每个分镜必须包含的 8 个字段（格式参考下方示例）：
💡 分镜输出格式示例（单镜）：
### Shot 01 (00:00 - 00:05) **🕘 总时长**: 5s **📍 布景**: 赛博朋克面馆，霓虹灯牌闪烁 (坐标方案 A) **👔 服装**: 主角A (黑色夹克)，配角B (红色围裙) **🎬 动作与表情**: A 猛地拍桌子，面汤溅出；B 吓得战术后仰。 **⏱️ 时序**: `00:00.0-00:01.5` B 放下面碗 (无台词)；`00:01.5-00:04.5` A 说话；`00:04.5-00:05.0` A 怒视定格。 **🎙️ 台词**: - 主角A: "老板，这面里怎么有螺丝？" (语速: 偏快 / 愤怒质问) - [字幕]: Boss, why is there a screw in my noodles? **🎥 运镜**: 中景 (Medium Shot)，机位随 A 拍桌子动作轻微震颤。 **🔄 转场**: 硬切 (Smash Cut)⚠️ 强烈警告：不可删减原案！ 以上示例仅为版式演示。实际生成分镜时，
🎬 动作与表情与🎙️ 台词字段中，绝对不允许为了保持版面清爽或“结构化”而私自压缩、概括原 script.md 中大段的长对白、脏话梗和极致的情绪描写！ 原剧本怎么写，这部分必须一字不落地吃进分镜里。
生成视频提示词 (Video Prompts)：
输出完 storyboard 之后，必须为每个镜头对应生成一条可直接喂给 Kling / Runway / Seedance 的英文视频提示词并存入 prompts/shot-NN.txt。
强制构成公式（顺序不可调整）：
[STYLE ANCHOR 全局画风底词，逐字复述自 art-direction.md],
[Setting 布景，复述自 background.md 坐标方案],
[Character Base Prompt，复述自 Step 3 角色卡的关键辨识特征 + 服装],
[Action & Expression 单一动作描述],
[Camera Movement 运镜],
[Lighting & Color Reinforcement 再次强调主色调 + 光影]
为什么每镜都要复述画风底词与角色特征：
注意事项：
--seed [固定seed] --style raw 进一步锁定转场设计原则（双向考量）：
🔄 字段不是当前镜头的"收尾装饰"，而是当前镜结尾 ↔ 下一镜开头的衔接器。设计转场时必须同时读两个镜头，问三个问题：
强制规则：每个 🔄 转场字段写法必须包含衔接逻辑说明，而非只写转场名词。
Smash CutSmash Cut → 下一镜开场是反派冷笑特写，本镜尾在主角说完"不可能"的瞬间硬切，制造情绪反差背景一致性方案（三选一，写入 background.md）：
| 方案 | 适用场景 | 操作 |
|---|---|---|
| A. 坐标锁定提示词 | 镜头数少（< 6） | 每条 prompt 固定光照方向、关键道具位置、构图坐标 |
| B. Seed 固定 | Midjourney / SD 工作流 | 第一张选定后获取 seed，后续全部复用 --seed xxx |
| C. 绿幕合成（工业级） | 镜头数多 / 严格一致 | 角色加 green screen background，统一底图后期合成 |
→ 输出 storyboard.md，详见 references/storyboard-template.md。
主配音语言 = 故事中角色实际使用的语言。不要默认英文配音，配音语言要跟着剧情走。
| 剧情文化背景 | 主配音语言 | 字幕语言 | 说明 |
|---|---|---|---|
| 欧美 / 国际化场景（硅谷、好莱坞、欧洲都市……） | 英文 | 中文 | 角色说英文，中文字幕辅助 |
| 中国本土 / 中华文化场景（武侠、都市、家庭、国风奇幻……） | 中文 | 英文（可选） | 角色说中文，英文字幕用于海外分发 |
| 日韩文化场景 | 日文 / 韩文 | 中文 + 英文 | 强文化背景下优先原语言 |
| 跨文化对话场景 | 按角色身份分配 | 双语字幕 | 不同角色说不同语言，字幕同时呈现 |
| 架空 / 奇幻世界 | 中文（默认母语优先） | 英文（可选） | 无现实文化锚点时默认中文 |
特殊提醒：AI 视频口型同步现状
常用转场术语对照：
| 术语 | 中文 | 适用场景 |
|---|---|---|
| J-Cut | 声音前置引导 | 用下一镜的音效提前 0.5s 切入做引导 |
| Smash Cut | 情绪反差硬切 | 喜剧反差（感动 → 破功） |
| Crash Zoom | 极速推镜头 | 进入设备屏幕 / 引爆情绪 |
| Cross Dissolve | 叠化过渡 | 走心段落 / 时空共鸣 |
| Eyeline Match | 视线匹配 | 两个空间的角色"对视" |
| Motion Match | 动势匹配 | 物体飞过 / 动作延续 |
| Whip Pan | 甩镜过渡 | 高能段落 / 快节奏切换 |
| Fade to Black | 黑场淡出 | 结尾收束 |
反派音效清单（打破煽情用）：
归档检查清单：
brief.md / script.md / art-direction.md / characters.md / storyboard.md / background.md 齐全prompts/shot-NN.txtassets/用户用 AI 视频工具生成完素材后，会有一部分镜头不可用（这是常态，不是异常）。Agent 必须主动进入"诊断 → 改 prompt / 改基准图 / 改分镜"的循环，而不是默认"一次过"。
生成实践建议：
shot-NN-take1.mp4 … 挑最佳的命名为 shot-NN.mp4，其余移入 footage/discarded/问题归因决策树（用户反馈某镜不可用时按此排查）：
| 问题表现 | 根因层 | 修复动作 |
|---|---|---|
| 角色五官 / 体型崩坏 | 基准图层 | 回 Step 3 重生基准图，换 seed 或加强辨识特征 |
| 角色服装 / 配色与设定不符 | Prompt 层 | 改 shot-NN.txt，把服装颜色写得更具体 |
| 动作不到位（如"拍桌子"变"摸桌子"） | Prompt 层 | 改用更具体的动作动词 + 强度副词（slams violently 而非 hits） |
| 嘴型与中文配音不同步 | 分镜层 | 回 Step 4 改运镜（侧脸 / 远景 / 改画外音）+ 后期字幕补救 |
| 画风与其他镜头明显漂移 | 画风层 | 检查 Style Anchor 是否被遗漏，逐字补回 shot-NN.txt 首行 |
| 时长不够 / 配音过快 | 分镜层 | 回 Step 4 重新按语速档估算时长，必要时拆镜 |
| 多次重生仍崩 | 分镜设计层 | 此动作 AI 当前能力不支持，改写分镜（拆动作 / 换景别 / 改运镜） |
迭代原则：
storyboard.md 对应镜号下补一行 ❌ 已知问题：xxx 不要再尝试 xxx 方案，避免下次重蹈覆辙AI 生成的单镜素材必须经过后期整合才能成片。剪映（国内版）/ CapCut（国际版）是目前最适配 AI 短剧后期的工具：移动端 / 桌面端双平台、AI 字幕识别准、模板与音效库丰富、导出无水印。
下载/收集每个镜头的视频后，按镜号命名归档：
dramas/[slug]/footage/
├── shot-01.mp4 # 与 storyboard.md 镜号一一对应
├── shot-02.mp4
├── shot-02-alt.mp4 # 候选 / 备选版本
└── ...
建立标准化的多轨道结构，便于团队协作与后续返修：
| 轨道 | 内容 | 说明 |
|---|---|---|
| V1 主画面 | shot-01 → shot-NN 顺序拼接 | 主视频轨 |
| V2 转场 / 叠加 | 闪白、黑场、贴图、画中画 | 叠加层 |
| V3 文字 / UI 合成 | 画面内书名、聊天 UI、弹幕等（避免 AI 画字乱码） | 后期叠加 |
| V4 字幕 | 主语言 + 翻译字幕（双轨可拆分） | 见下文字幕策略 |
| A1 主配音 / 对白 | 角色台词 | TTS 或真人录音 |
| A2 环境音 | 风声、人群、室内底噪 | 营造空间感 |
| A3 音效 SFX | 反派音效、转场音效 | 见 Step 5 音效清单 |
| A4 BGM | 背景音乐 | 控制在 -18 到 -24 dB |
1. 拼接与节奏修剪
storyboard.md 镜号顺序导入到 V1J / K / L 快捷键预览节奏，必要时变速 1.05-1.15x 提升喜剧节奏感（剪映：右键 → 变速 → 常规变速）2. 转场处理
storyboard.md 明确标注的位置使用：J-Cut / Cross Dissolve / Whip Pan / Crash Zoom叠化、闪黑、运镜、MG 转场 基本够用；甩镜过渡用 "运镜 → 水平甩动"3. 字幕处理（核心环节）
4. 配音整合
5. 音效与 BGM
通知、碎裂、电子音、静默6. 调色统一（解决跨镜画风漂移）
7. 封面与片头片尾
| 平台 | 分辨率 | 帧率 | 码率 | 格式 |
|---|---|---|---|---|
| 抖音 / 视频号 / 小红书（竖屏） | 1080×1920 | 30fps | 8-12 Mbps | MP4 / H.264 |
| B 站 / YouTube（横屏） | 1920×1080 或 3840×2160 | 30 / 60fps | 16-24 Mbps | MP4 / H.264 |
| 朋友圈 | 1080×1920，< 30s 且 < 100MB | 30fps | 6-8 Mbps | MP4 |
剪映导出：右上角"导出" → 自定义参数 → 关闭水印（需登录）。
dramas/[slug]/final/[slug]-v1.mp4| 坑 | 规避方法 |
|---|---|
| AI 生成画面内文字乱码 | 所有画面内文字（书名、UI、字幕）全部后期合成，提示词里只写 thick book、a screen |
| 角色服装跨镜头变化 | 每个镜头的 prompt 完整复述服装描述，不依赖"上文记忆" |
| 跨镜画风漂移（色调/光影/笔触偏移） | Step 2 固化 Style Anchor 全局画风底词，每条 shot-NN.txt 首行逐字复述，不依赖 AI 跨 session 记忆 |
| 多人镜头说话顺序混乱 | 用 ⏱️ 字段精确标注秒数、谁先说、谁此刻必须静音 |
| 分镜时长不够导致 AI 配音语速过快 | 时长由台词反推（中文 4.5 字/秒、英文 2.8 词/秒）+ 停顿 + 表演留白；超长拆镜而非压速 |
| 真人姓名 / IP 触发版权拦截 | 用"特征 + 配色"暗示身份，不写真名 |
| 嘴型对不上中文配音 | 优先英文配音；若剧情必须中文，用侧脸 / 远景 / 画外音规避正面口型特写 |
| 默认配音语言不匹配剧情文化 | Step 5 决策矩阵：欧美剧情用英文、中华剧情用中文，字幕反向搭配 |
| 分镜脚本对原剧本过度总结与抽象 | 严守 100% 还原原则：拆解分镜时，必须将原剧本的核心台词、夸张动作、微表情一字不落地搬入分镜的字段中，禁止 AI 为追求表格短小而自行“概括缩写”。 |
| 镜头之间割裂 | Step 4 的转场设计必须配合剧情节奏 |
| 转场只考虑当前镜结尾、忽略下一镜开头 | 🔄 字段必须写明"衔接逻辑"，先读下一镜开头再选转场类型（动作高潮→Crash Zoom 蓄势 / 关键音效→J-Cut 预入 / 情绪特写→静默 + 视线匹配） |
| 走心段落过于说教 | 紧跟一个喜剧反差（致敬 → 突兀音效 → 角色破功） |
| 角色跨镜头崩坏 | 全部用 Image-to-Video 垫图模式，垫 Step 3 生成的基准图 |
| 一次性给完整剧本被用户推翻 | Step 1 必须分轮对话，每轮只问 2-4 个问题，让用户参与决策 |
"AI 只负责动起来，确定性由提示词、垫图和后期承担。"
把所有不确定的东西（字幕、画面内文字、复杂手势、跨镜头一致性）从 AI 生成环节剥离， 让 AI 只做它最擅长的事——让一个动画化的形象做一个简单动作。