feat: expand novel IP and production workflows

docs/work-sync/04_短剧引擎/AI_VIDEO_TEST_LESSONS_V1.md

@@ -0,0 +1,323 @@
+# AI 真人/漫剧视频流水线测试踩坑记录 V1
+
+更新时间：2026-06-12
+
+用途：
+
+- 记录测试阶段已经遇到的问题、原因判断、系统优化点。
+- 后续接入 Kling、Seedance、Wan、Vidu、Runway、Veo 等平台时，按同一套准入标准测试，避免重复烧钱。
+- 本文件是运营/开发测试手册，不替代 `docs/` 里的系统需求文档。
+
+## 当前阶段定位
+
+当前仍是测试磨合阶段，不追求一次性自动发布。
+
+目标顺序：
+
+1. 跑通自动化流水线。
+2. 找到各 Provider 的能力边界。
+3. 把失败原因转成系统规则。
+4. 形成可恢复、可路由、可统计成本的生产流程。
+5. 最后再逐步提高自动化比例。
+
+## 已验证结论
+
+### Hailuo 适合做什么
+
+Hailuo / MiniMax Hailuo 2.3 Fast 当前更适合：
+
+- 都市真人短剧普通镜头。
+- 中景、远景、走路、转身、递物、沉默、反应镜头。
+- 咖啡厅、街道、办公室、豪车、酒店、家庭等现实场景。
+- 旁白 + 字幕 + BGM 推动剧情的短剧。
+- 成本敏感的批量生产。
+
+当前实测成本：
+
+- `minimax_hailuo_23_fast`：约 `$0.317 / 10秒`
+- `minimax_hailuo_23`：约 `$0.467 / 10秒`
+
+### Hailuo 不适合硬扛什么
+
+Hailuo 对以下镜头可控性不足：
+
+- 凌空翻滚、复杂武打、连续打斗。
+- 精准手诀、结印、舞蹈式手部动作。
+- 法相天地、千臂法身、巨型神像复杂动作。
+- 一镜中塞太多高复杂动作。
+- 正脸强台词口型同步。
+
+处理原则：
+
+- 不要在同一失败动作上无脑重跑 Hailuo。
+- 如果同类复杂动作 1-2 次失败，优先切换 Provider 或补动作参考/姿势关键帧。
+- 修仙、法相、打斗、次元壁穿越等镜头默认标记为高价值/高复杂度，不按普通都市镜头处理。
+
+## 分镜时长经验
+
+### Hailuo 时长设计规则
+
+Hailuo 当前按真实可用规格优先设计：
+
+- 常规可用镜头时长：6 秒 / 10 秒。
+- 真人短剧主流程优先按 10 秒长镜头设计。
+- 只有非常简单的过渡镜头、环境镜头、无台词动作镜头，才考虑 6 秒。
+- 不再设计 7 秒、8 秒这种无法直接匹配 Hailuo 输出规格的镜头。
+
+系统规则：
+
+- 导演分镜上限必须允许 10 秒。
+- 如果原分镜明确是 10 秒，prepare 阶段不得自动压缩成 5 秒或 8 秒。
+- 负面约束里的“避免嘴部特写”不能导致镜头被误判成 insert 特写。
+- “手里的道具”不能被误判成“手部特写”，只有手部/手指/手掌/手腕/手势等明确关键词才算 insert。
+
+### 3 秒碎片问题
+
+法相天地三段式测试暴露问题：
+
+- 镜头切太碎，像图片拼接。
+- Hailuo 实际输出常按 6 秒返回，系统再裁成 3/3/4 秒时，动作容易被截断。
+- 复杂动作被拆太短，会失去电影感和动作连贯性。
+
+结论：
+
+- 普通反应镜头：3-5 秒可以。
+- 都市剧情镜头：5-6 秒更稳。
+- 复杂动作/爆点镜头：优先 8-10 秒一镜到底。
+- 不能把 6 秒 Provider 输出硬裁成 3 秒作为长期策略。
+
+### 10 秒一镜到底结论
+
+法相天地 10 秒 Hailuo 测试已验证：
+
+- Hailuo API 可以返回 10 秒。
+- 10 秒一镜到底比 3 段裁切更连贯。
+- 人物、服装、场景稳定性明显提升。
+- 但复杂动作本身仍受 Provider 能力限制。
+
+系统规则：
+
+- `action_score >= 8` 且 `importance >= 8` 的镜头，优先生成 8-10 秒单镜头。
+- 如果 Provider 不支持目标时长，再由系统拆分，不要随意裁切关键动作。
+
+## Prompt Engine 经验
+
+直接把剧情发给视频模型，质量不稳定。
+
+必须通过 Prompt Engine 组装：
+
+- 角色。
+- 场景。
+- 主动作。
+- 镜头大小。
+- 运镜。
+- 动作时间轴。
+- 情绪表演。
+- 灯光。
+- 特效时机。
+- 声音卡点。
+- 负面约束。
+
+已落地：
+
+- Motion Director Prompt。
+- 10 秒仙侠一镜到底时间轴。
+- Hailuo 长镜头 prompt 上限提升。
+
+仍需注意：
+
+- Prompt 只能提高概率，不能保证复杂动作精确执行。
+- 复杂动作需要动作参考图、姿势关键帧或更强 Provider。
+- 如果同一个 Prompt 多次失败，继续加形容词意义不大。
+
+## 角色一致性经验
+
+当前测试发现：
+
+- 没有固定角色定妆图/锚点图时，人物容易漂移。
+- 修仙/奇幻镜头更容易因为特效导致人物脸和服装变化。
+- 都市短剧也需要固定林凡、陈雪、王伯这类角色锚点。
+
+系统规则：
+
+- 真人短剧正式验收前必须先做角色锚点图。
+- 新剧首轮至少固定主角、女主、关键配角。
+- Provider 小样要使用同一角色锚点和同一关键帧，避免测试结果不可比。
+
+## 声音与字幕经验
+
+没有声音、没有字幕、没有 BGM 的视频判定为失败。
+
+已经遇到的问题：
+
+- 屏幕女孩测试：无声音、无字幕，发布感不足。
+- 口型镜头：语音先到，嘴型后动。
+- 部分合成音量偏低，视觉还可以但情绪不够。
+
+系统规则：
+
+- 每条可发布视频必须包含字幕。
+- 每条可发布视频必须包含 BGM 或环境底噪。
+- 情绪镜头必须有 SFX：雨声、脚步、门声、心跳、低频冲击、sting 等。
+- 合成后必须跑音量检测。
+- 音量偏低时重新后期合成，不一定重跑视频。
+
+## 台词与 lip-sync 经验
+
+没有稳定 lip-sync Provider 前，不要把关键台词做成正脸大嘴型特写。
+
+当前策略：
+
+- `lip_sync_required=true` 但没有真实 lip-sync Provider 时：
+  - 改成旁白。
+  - 改成字幕。
+  - 改成中景/侧脸/轻口型。
+  - 避免正脸嘴部特写。
+
+未来接入 lip-sync Provider 后：
+
+- 只给关键正脸台词使用。
+- 不全片 lip-sync，避免成本翻倍。
+- lip-sync 放在视频片段生成后、FFmpeg 合成前。
+
+## 成本控制经验
+
+默认策略：
+
+- 每个镜头默认只生成 1 条。
+- 不默认生成 2-3 条候选。
+- 只有封面级、爆点、最后反转、人工验收阶段才允许候选 2 条。
+- 任何候选数增加都必须进入成本预估和审计日志。
+
+当前后台已支持：
+
+- AI 接入列表展示每 10 秒成本。
+- Provider `cost_summary`。
+- 单次成本上限。
+- 当日成本上限。
+- `price_per_second=0` 不当成免费，而是提示需账单回填。
+
+## Provider 路由经验
+
+推荐基础路由：
+
+```text
+普通都市镜头
+=> Hailuo
+
+都市高价值镜头
+=> Hailuo 优先，必要时 Kling / Vidu / Wan 对比
+
+修仙 / 法相 / 打斗 / 次元壁 / 复杂动作
+=> Premium Provider 候选
+
+正脸台词
+=> 有 lip-sync Provider 才允许正脸特写，否则中景/旁白/字幕
+
+成本超预算
+=> Premium -> Hailuo -> Seedance/Mock
+```
+
+不要把“平台选择”写死在业务代码里，必须走 Router。
+
+## Provider 准入测试标准
+
+每接入一个新视频 Provider，都按固定小样测试：
+
+1. 同一项目。
+2. 同一角色锚点图。
+3. 同一关键帧。
+4. 同一镜头文本。
+5. 同一目标时长。
+6. 同一分辨率/比例。
+7. 记录真实成本。
+8. 记录失败原因。
+9. 记录生成耗时。
+10. 记录人工观感评分。
+
+必须记录：
+
+- `provider_code`
+- `model_name`
+- `clip_id`
+- `asset_id`
+- `duration`
+- `cost_actual`
+- `quality_score`
+- `human_acceptance`
+- `failure_reason`
+- `prompt_version`
+- `keyframe_asset_id`
+
+## 人工验收标准
+
+当前 mock-qc 分数只能说明流程没坏，不能代表可发布。
+
+真人视频上线前必须人工看：
+
+- 人物是否稳定。
+- 动作是否连贯。
+- 镜头是否像真实拍摄。
+- 字幕是否准确。
+- 声音是否完整。
+- BGM/SFX 是否有情绪。
+- 口型是否明显穿帮。
+- 是否有明显 AI 手、脸、身体变形。
+- 成本是否在预算内。
+
+## 不要重复踩的坑
+
+- 不要把 mock-qc 通过当成真实质量通过。
+- 不要无音频/无字幕就判断视频流程合格。
+- 不要用 3 秒碎切测试复杂动作。
+- 不要在 Hailuo 上反复烧复杂修仙动作。
+- 不要把 `price_per_second=0` 当成免费。
+- 不要默认生成 2-3 条候选。
+- 不要让正脸台词在没有 lip-sync 时直出。
+- 不要只看最终成片，要保留脚本、分镜、prompt、关键帧、音频、视频片段、合成记录。
+- 不要默认认为 `mock-video` 就是全链路零成本；如果 TTS Provider 已启用真实平台，Mock 视频合成仍可能调用真实 TTS。零成本压测要显式指定 `mock-voice` 或关闭音频。
+- 真实 Hailuo / Kling / Wan 等图生视频前必须先跑 preflight，确认关键帧是 PNG/JPG/WebP；Mock SVG 只能测流程，不能直接发给真实视频 Provider。
+- Hailuo Fast 跑都市真人 10 秒镜头可用，5 条 10 秒顺序生成约 9 分钟，总成本记录 `$1.585`；后续应进入队列并在后台显示耗时。
+- 只用单张临时关键帧会改善画面质感，但不能彻底解决同脸一致性；要上架必须补“角色锚点图 / 定妆图 / 同脸参考图”流程。
+- 都市短剧 Hailuo 长镜头比 3-6 秒碎切更像真人短剧，但部分镜头仍会像关键帧慢推；Prompt 里要继续强化明确动作、人物走位、视线、反应和镜头结束动作。
+- 角色锚点图 V1 对关键帧生成有效：同一角色的脸、服装、气质会比临时起图更稳；但 Hailuo Fast 当前按单首帧图生视频跑，不能直接吃多角色参考图，所以运动中仍可能轻微改脸。
+- 锚点重跑应优先挑第 1 镜、第 3 镜、第 5 镜这类“角色出场 / 冲突 / 反转”镜头；默认候选仍为 1 条，避免成本翻倍。
+- 真人短剧对白不能一镜一段 TTS 直接读完；只要 `dialogue_text` 里出现 `角色名：台词`，必须拆成多段 TTS，每段记录 `speaker_name` / `character_id` / `voice_id` / `voice_style`。
+- 角色声线是发布级基础配置：顾辰、林雨薇、周浩、管家这类核心角色必须先在 Character 表绑定声音；否则即使画面像真人，声音也会变成解说感。
+- 主持人、旁白也要当作独立声线处理；如果没有角色记录，至少要走固定 narration / host voice，不能复用男主或女主声音。
+- 多声线 TTS 只解决“谁在说话”的问题，不解决“嘴型同步”；正脸台词仍要继续走 lip-sync 或中景轻口型策略。
+- TTS 声音 ID 不能只看名字想当然：`Chinese (Mandarin)_Gentle_Senior` 在老管家场景听感偏女，不适合作为中老年男管家默认声线；当前老管家默认改为 `Chinese (Mandarin)_Gentleman`，但仍需人工听感确认。
+- 核心角色上线前要做“角色声线小样验收”：每个角色先生成 1-2 句固定台词试听，确认性别、年龄、气质，再进入整集成片，避免整集重合成。
+- Hailuo 2.3 标准版 1080P 比 Fast 768P 清晰度和雨夜质感略好，但第 5 镜 A/B 证明它不能单独解决“像图片动”的问题；高价值反转镜头更需要三关键帧/动作参考/更强 Provider，而不是只把 Fast 换成标准版。
+- Provider A/B 测试必须保护当前成片：生成候选后要恢复 `storyboard_shots.video_clip_asset_id`，避免实验 clip 自动替换正式整集。
+- 动作节拍链式生成 V1 对高价值反转镜头有效：第 5 镜用 2 段 Fast 生成，第二段用第一段结尾帧作为首帧，比单首帧慢推更能呈现“递卡 -> 看卡震惊”的动作链。
+- action beat 不能默认全片开启：成本、耗时都会增加，适合反转/封面/爆点/高价值动作镜头；普通对话镜头仍用单条生成。
+- preflight 必须按 action beat 的真实分段估算成本，否则后台会低估费用；第 5 镜 action beat 从单条 `$0.317` 变为 2 段 `$0.3804`。
+- action beat 只解决“动作链更连续”，不解决“同一角色像同一个演员”；整集样片必须单独检查人物脸、年龄感、发型、服装是否跨镜稳定。
+- 真实视频生成不能只传角色名字；必须把本镜出现角色的 ActorProfile 注入 provider prompt，并在 task input 记录 `actor_lock`，否则后台无法审计“这条视频到底有没有走锁脸策略”。
+- prepare 阶段不要把全项目角色描述混进单镜 prompt；单镜只允许注入本镜出现的人物，否则多人项目会增加串脸概率。
+- Hailuo 当前配置不是强角色参考模型，`supports_character_reference=false`；它可以做低成本图生视频，但发布级真人短剧要靠“角色锚点图生成首帧 + 强一致性 prompt + 人工抽检”，必要时横测支持角色参考的 Provider。
+- 如果整集都换脸，不要继续盲目重跑全片；应先重跑第 1 / 3 / 5 镜这种出场、冲突、反转镜头，对比抽帧确认角色锁定是否有效，再决定是否整集重跑。
+- 多角色音频不能把跨平台 voice_id 混用：`coral` 属于 OpenAI TTS，不能直接发给 MiniMax；Provider 层必须做 voice_id 适配或降级到当前 Provider 默认声线。
+- MiniMax TTS 返回 JSON 时必须先检查 `base_resp.status_code`；否则账号权限、voice_id、group_id 等真实错误会被误报成 `EMPTY_AUDIO`。
+- 小说上传走 encrypted JSON/base64 时，实际 HTTP body 会比原文件大约 33%；后端 body limit 必须高于文件限制，否则会先被 `request entity too large` 拦截。
+
+## 下一步建议
+
+短期优先：
+
+1. 继续围绕都市真人短剧做 Hailuo 量产质量优化。
+2. 做角色锚点图/定妆图 V1。
+3. 做动作参考/姿势关键帧 V1。
+4. 用同一固定镜头横测 Kling / Seedance / Wan / Vidu。
+5. 建 Provider 准入表：质量、成本、失败率、耗时。
+6. 做 BGM/SFX 发布级音量标准。
+7. lip-sync 只做关键台词小样，不先全片接入。
+
+长期原则：
+
+- Hailuo 做低成本量产。
+- 高价值镜头交给高质 Provider。
+- Router 负责自动选模型。
+- QA + 人工抽检负责质量闭环。
+- 成本、失败、重试、降级全部进入审计。

docs/work-sync/04_短剧引擎/DRAMA_ENGINE_V1.md

@@ -0,0 +1,239 @@
+# 短剧引擎现状与设计 V1
+
+> 文档状态：当前有效  
+> 基线日期：2026-07-15  
+> 适用范围：分集、剧本、动态分镜、视觉资产、视频候选、质量控制与成片合成。
+
+## 1. 当前定位
+
+短剧引擎负责把已确认的故事内容转为可生产镜头，并持续管理人物、场景、表演、声音和后期之间的关系。当前系统同时支持真人/仿真人短剧、原生音频视频和传统“图片 + TTS + 字幕”合成，不应把任何单一模型当成完整导演系统。
+
+## 2. 核心原则
+
+1. 剧情完整度优先于固定镜头数量。
+2. 分镜时长由对白、动作、停顿和转场预算共同决定。
+3. 角色、服装、场景和关键道具必须引用明确资产版本。
+4. 首帧、首尾帧、多图参考和纯文本生成按镜头需要选择。
+5. 视频模型负责画面和可用原生声音，稳定文字 UI、字幕和进度条优先由后期完成。
+6. 表演、运镜、声音和镜头衔接都属于质量评分，不只检查画面清晰度。
+7. 每个付费请求必须保留完整提交参数和实际 Provider。
+
+## 3. 生产对象
+
+| 对象 | 作用 |
+| --- | --- |
+| `Episode` | 分集目标、顺序、状态和质量信息 |
+| `EpisodeScript` | 已确认的单集剧本与版本 |
+| `StoryboardShot` | 镜头时长、动作、对白、运镜、声音、Prompt 和衔接 |
+| `Character` / `GlobalCharacter` | 项目角色与可复用演员资产 |
+| `CharacterState` | 角色在特定时间点的服装、伤势、情绪等状态 |
+| `ProjectVisualAsset` | 场景、道具及其主版本 |
+| `ShotImage` | 首帧、尾帧、关键帧和候选图 |
+| `VideoClip` | 单镜视频候选、实际模型、QC 和选择状态 |
+| `Asset` | 图片、视频、音频、字幕和成品的统一素材记录 |
+| `RenderTask` | 异步任务、重试、成本和人工介入 |
+
+## 4. 标准流程
+
+```mermaid
+flowchart LR
+  Source[连续原文快照] --> Analysis[原著分析合同]
+  Analysis --> Bible[改编圣经合同]
+  Bible --> Episode[分集计划合同]
+  Episode --> Continuity[三集连续性检查]
+  Continuity --> Release[人工放行一集]
+  Release --> Script[单集剧本]
+  Script --> Shot[动态分镜]
+  Shot --> AssetPlan[角色/场景/道具资产计划]
+  AssetPlan --> Prompt[镜头 Prompt]
+  Prompt --> Frame[关键帧/参考图]
+  Frame --> Video[视频候选]
+  Video --> QC[自动 QC]
+  QC --> Select[重试/回退/人工选择]
+  Select --> Compose[字幕/声音/BGM/SFX/转场]
+  Compose --> Render[FFmpeg 成片]
+  Render --> Review[审核与作品库]
+```
+
+`splus_v1` 新项目使用上述结构化写路径。旧项目的 StoryBible、Episode 和历史 Prompt 保持原样，不自动迁移；旧写接口不能向新项目写入。原著分析、改编圣经和分集计划均追加新版本，并保存来源、质量问题和人工确认记录。
+
+## 5. 剧本到分镜
+
+### 5.1 剧本审核
+
+每集应对照来源文本和上下集，检查：
+
+- 核心事实、动机和因果是否保留。
+- 是否为压时长而删掉必要台词或反应。
+- 对白是否像角色在表演，而不是信息段落拼接。
+- 心理旁白、悬疑信息和听觉线索是否服务情绪。
+- 本集钩子、高潮和尾点是否成立。
+
+### 5.2 动态时长
+
+时长估算至少包含：
+
+```text
+对白朗读时间
++ 动作完成时间
++ 反应/停顿时间
++ 运镜落点时间
++ 前后镜衔接余量
+```
+
+模型支持的单次最大时长不是目标时长。台词无法完整说完时，优先延长或按完整戏剧节拍拆镜，禁止靠加速到听不清来硬塞。
+
+### 5.3 分镜字段
+
+单镜至少应明确：
+
+- 当前镜头的戏剧目标。
+- 角色站位、视线、入画和离画方向。
+- 按时间段划分的动作与表演。
+- 逐句台词、说话者、语气和开始时机。
+- 景别、机位、镜头运动和最终落点。
+- 环境声、对白、系统声、SFX 和 BGM 节奏。
+- 与上一镜的接入动作、声音桥或视觉桥。
+- 与下一镜的尾帧、视线、运动方向或声音预埋。
+- 禁止项和资产版本。
+
+## 6. 资产一致性
+
+### 6.1 角色
+
+- 先确定全局角色和当前项目外观版本。
+- 服装、发型、年龄、伤势和持有物由 `CharacterState` 固定。
+- 三视图用于角色母版，不代表每个镜头都应直接上传整张三视图。
+- 同场多人应明确各自参考图和身份，避免参考关系错配。
+
+### 6.2 场景
+
+- 场景主资产应至少覆盖关键方向、空间结构和标志物。
+- 同一连续场景不得仅靠文字重复描述来维持一致性。
+- 对联、牌匾、二维码、屏幕等精确文字内容应由后期层处理，模型画面保留合理空间和时长。
+
+### 6.3 道具
+
+- 剧情证据、武器、手机、银铃、文件等关键道具应有主资产或明确外观约束。
+- 道具在人物手中时要描述持握手、方向、前后位置和动作路径。
+
+## 7. 图像输入模式
+
+| 模式 | 适用情况 | 主要风险 |
+| --- | --- | --- |
+| 纯文本 | 无既有资产、探索性镜头 | 角色和空间漂移最大 |
+| 单首帧 | 同一空间内连续表演、动作可自由发展 | 尾点不可控 |
+| 首尾帧 | 明确起止构图、动作落点或转场接力 | 首尾差异过大时中间形变 |
+| 多图参考 | 同时约束人物、场景、道具，或测试模型参考能力 | 参考权重错配、剧情控制有限 |
+
+选择原则：使用能满足镜头目标的最少参考图。首尾帧需要处于同一时空、同一服装、可连续运动，不能拿两个独立海报硬桥接。
+
+## 8. 视频生成
+
+当前支持：
+
+- 单镜和批量生成。
+- 单首帧、首尾帧和多图参考。
+- 多候选与人工选择。
+- Kling 原生音频、Seedance 等真实视频 Provider。
+- Provider preflight、成本估算和异步轮询。
+
+请求记录应包含：
+
+- 原始业务 Prompt 和最终提交 Prompt。
+- 参考图顺序、资产 ID、用途和临时 URL。
+- 请求时长、比例、分辨率、模型和 Provider 参数。
+- 是否要求原生音频、实际返回音轨。
+- Provider 任务 ID、状态、耗时、成本和失败原因。
+
+特殊对照测试可以按用户要求“原样 Prompt + 指定图片”提交，此时不得自动注入公共润色词；系统应明确标记为 bypass/实验请求，避免污染正式模板结论。
+
+### 8.1 当前统一画幅
+
+- 新生产任务统一使用16:9横屏。
+- 1080P视频固定1920×1080，关键帧固定2560×1440，原生4K固定3840×2160。
+- 新的 Production Contract、Generation Plan、关键帧 Prompt、视频请求和 FFmpeg 合成都读取同一横屏常量。
+- 历史素材与已冻结计划不原地改写；旧镜头重新生成时创建新的16:9计划修订。
+
+### 8.2 Kling 视频角色元素
+
+视频角色元素负责回答“角色是谁、长什么样、使用什么声线”；分镜 Prompt 只负责场景、动作、表演、台词与运镜。
+
+生产步骤：
+
+1. 从已确认角色锚点生成3-8秒身份源视频，默认8秒、1080P、16:9。
+2. 人物正面起始，依次左转约30度、回正、右转约30度并回正；背景与灯光保持中性。
+3. 在 Kling 元素库人工创建视频角色元素；当前不宣称存在已验证的公开创建 API。
+4. 将真实 `element_id`、元素名称、源视频、声线和质检结果导入 `CharacterProviderBinding`。
+5. 质检分达到90后才能审批为正式主元素。
+6. Generation Plan 冻结角色到元素的映射；正式 Omni 请求提交真实 `element_list`。
+7. 新 S+ 镜头缺少任何出场角色的已审批元素时，在付费调用前阻断。
+
+Prompt 内的 `<<<element_n>>>` 与 API `element_list[n]` 必须一一对应。网页端 `@名称` 只用于手工操作，不能冒充已绑定 API 元素。
+
+## 9. 声音设计
+
+声音层包括：
+
+- 角色对白和心理旁白。
+- 机械系统音或非人物提示音。
+- 环境声、拟音和冲击音效。
+- BGM、高潮音乐和转场声音桥。
+- 模型原生音轨、后期 TTS 与补充音频。
+
+系统音必须在 Prompt 中与角色声线分离，说明音色、节奏、响度和播放窗口；仍不稳定时由后期独立音轨替换。字幕仅展示实际说出的台词，不包含角色名、动作说明或生成残留符号。
+
+## 10. 质量控制
+
+自动 QC 至少覆盖：
+
+- 角色身份、脸型、年龄和服装一致性。
+- 场景空间、道具和文字占位是否正确。
+- 动作是否按方向完成，是否出现穿模或多余人物。
+- 台词是否完整、中文是否清楚、声线是否串角色。
+- 嘴型、说话时机和字幕窗口是否协调。
+- 运镜是否服务表演，有无硬切、漂移或无意义运动。
+- 首尾是否能接前后镜。
+- 画质、闪烁、畸变、音量和可播放性。
+
+自动评分用于筛选和重试，不直接等于发布通过。关键镜头和最终成片必须允许人工确认。
+
+## 11. 合成与后期
+
+当前 FFmpeg 链路支持：
+
+- 分辨率、帧率、像素格式和音轨归一。
+- 硬切、淡入淡出、模糊、声音桥等转场。
+- 原生音轨、附加音频、BGM、SFX 和环境音混合。
+- ASS/字幕烧录。
+- UI 提示框、进度条和稳定中文信息层。
+- 无源音轨时的兜底声音。
+
+正式合并流程应输出完整成片，而非只做裸拼接。每次合成需保存镜头顺序、裁剪范围、转场、字幕、UI 和混音参数，以便可重复生成。
+
+## 12. 当前风险
+
+1. 动态分镜、声音和后期策略变化后，部分测试仍使用旧期望。
+2. 真人关键帧和真人合并任务并未全部通过 Worker 执行。
+3. Scene Composer 和原创音乐默认关闭，项目间配置容易产生理解差异。
+4. LipSync 只有抽象，当前真实 Provider 未启用。
+5. Provider 临时参考图公网可达性尚未形成统一 preflight。
+6. 自动字幕、UI 时间点与台词结束边界仍需更多成片回归样本。
+
+## 13. 不可破坏的规则
+
+1. 不删改用户已确认的总剧本事实，分镜只能做可追踪改编。
+2. 不在用户要求原样测试时偷偷注入模板。
+3. 不用未确认的角色或服装锚点替换主资产。
+4. 不把模型生成的乱码文字当作正式 UI。
+5. 不在对白未结束时切镜。
+6. 不把多个候选误当成同一镜重复提交。
+7. 不在没有参数快照的情况下宣称某模型效果优劣。
+
+## 14. 下一阶段
+
+- 建立剧本/分镜逐镜 98+ 审核量表的机器可读版本。
+- 补齐视频合成、字幕和真人任务的 Worker 执行器。
+- 为每次视频调用展示实际路由、参考图和回退链。
+- 增加完整成片 E2E：镜头生成 -> 选择 -> 字幕/UI -> BGM/SFX -> 合并。
+- 将高质量人工评审结果沉淀为可版本化 Prompt 经验，而不是无边界自动追加。