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

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

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：

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。