Short Drama

AI 短剧制作（横屏/竖屏微短剧，多集）

配置检查路径铁律：整条流水线开始前先 cd 到 AGENTS.md 末尾给出的 Easel 项目根，确认 .env 与 skills/shared/scripts/ 存在。生图、视频、配音配置必须从这里运行注册表/check；不得在 OpenClaw workspace 使用 ./shared/scripts/...，不得用 env / printenv 判定缺少 IMG_BASE_URL、VOICE_BASE_URL 或 Key。发现缺项先核对 pwd，回项目根并显式传 --env-file .env 重查。

⛔ 三条铁律（最容易翻车，动手前先记死）

1. 每镜必须「图生视频」成动态片段——绝不能拿静态图冒充。 关键帧图(frame)只是 I2V 的首帧，必须再用 ai-video-gen image2video 驱动成会动的 clip。跳过这步 = 一堆静态图配音，垃圾。合成前 storyboard 会硬拦只有 frame 没 clip 的镜头。
2. 配音必须闭源云 provider（有情感、像真人）——绝不用 edge(AI 味平读)。 先 .env 配 VOICE_PROVIDER + voice_clone.py check 验 key；配了 key 后 dubbing align/dub 合成前就硬拦 edge，任何角色（含旁白）想落到 edge 直接失败。只有完全没 key 才 --allow-edge 兜底。
3. 原生音频优先、环境音每镜必留、台词务必喂给模型。 视频模型原生音频（环境音/脚步/物理音效）质量好，环境音默认整轨全用。头号要点：生视频必须把台词写进 generation_prompt（prepare 生成）喂给模型，否则模型不知说啥、台词全错。默认 native-first（让模型逐字说、能说就用、不默认丢 TTS）→ audit 逐镜 ASR 核验：对上用原生对白（常态）、说错转 dub 换 TTS、旁白/动作镜走 TTS/环境音。决策与探针细节见步骤 16/18 及 references/native-audio-workflow.md。
4. 画面/声音/字幕按时间线对齐，自然播放。 画面用真实片段全长（台词只占其中一段，按实际说话时间放置），绝不慢放/循环/冻结；片段盖不住台词就重生成/拆镜（align 硬拦）。

⚠️ 不许抄近路（执行纪律，最常翻车）：prepare → drama_ops.py generate(生视频) → audit → align 是不可跳的链，脚本已加链式硬门：① 生视频必须走 drama_ops.py generate（它逐镜读 generation_prompt 自己调视频模型，agent 无从传成只有画面的 prompt）——别再逐镜手调 ai-video-gen；② generate/audit 见有台词的镜缺 generation_prompt → 判定「没跑 prepare」直接失败；③ align 见缺 clip-audit.json → 判定「没跑 audit」直接失败（不再静默把全部对白降级成 TTS）。「手调生视频只传画面 prompt + 直接 TTS」这条错误捷径会被拦回来——才有「台词喂给模型 + 用视频原声」。

编排层 SKILL：创意（圣经/剧本/分镜/lines）你 LLM 写，生成动作全委派已有 SKILL（ai-image-gen/ai-video-gen/ai-music），确定性 IO 走 scripts/drama_ops.py + scripts/dubbing.py；角色一致性靠「先定参考图再 I2V」+ 剧集圣经锁成同一部剧。

输入

产物结构（outputs/剧名/）

series-bible.md         剧集圣经（戏剧承诺+角色表【行动模型+want/need/wound/flaw+可跟随四问+音色档案】+剧情线+情绪曲线/爽点节奏+反派阶梯+分集反转+钩子+风格前缀）
cast.json               选角表（角色→音色：edge 音色 + pitch/rate，或克隆音色）
ref_index.json          参考图索引（C 角色 / S 场景 / P 道具，跨镜跨集复用）
refs/                   参考图（C01_林策.png ...）
episodes/ep01/
  script.md             本集剧本（因果节拍四幕 + 对白 + 集末钩子）
  lines.json            本集逐行对白（{speaker,text,emotion,shot,at?}，shot=所属镜头、at=镜内起始秒/对齐说话时刻，喂时间线配音）
  shots.json            本集分镜（逐镜：时间轴 prompt + @参考 + 尾帧描述 + 可选 sfx[定时音效]；align 回写每镜 duration）
  shots/                逐镜关键帧图 + 生成的片段
  voice.mp3 / voice.srt 多角色配音（每角色独立声线、镜对齐）+ 同轴字幕
  timing.json           逐镜时长 + 逐行起止（align 产出，留档/校验）
  clip-audit.json       原生音轨、ASR、语言、说话时间与 native/dub/regenerate 决策
  final.mp4             本集成片
progress.json           逐集/逐镜生成进度（控费、断点续跑）

脚本（相对项目根）：skills/openclaw/short-drama/scripts/drama_ops.py（资产/分镜/进度）、 skills/openclaw/short-drama/scripts/dubbing.py（多角色配音）； 合成器复用：skills/openclaw/auto-short-video/scripts/assemble.py。

执行步骤

⚠️ 生图/生视频/配音是异步 + 按量计费。先出 Plan（几集、每集几镜、调哪些付费 API、 大致耗时/花费），确认后再跑。起号测试建议先跑 1 集 验证全链路再放量。

0. 剧集策划（新脑子，必做）

1. 选题材 + 定爽点：先读 references/genre-hooks-handbook.md 选一个主题材（逆袭/战神/重生复仇/甜宠/马甲…）+ 其核心爽点，避免「剧情太简单/太散」。
2. 搭骨架：python skills/openclaw/short-drama/scripts/drama_ops.py scaffold --series "<剧名>"。
3. 过故事引擎（治「剧情简单/人物扁平」，写 bible 前必做）：读 references/story-engine.md——
   • 写戏剧承诺一句话并过其自检（主体/追求/昂贵阻力/反复回报，换名不失独特、阻力有筹码、主角有能动性、中段有回报）；
   • 每个主要角色建 8 字段行动模型 + want/need/wound/flaw/弧光 + 可跟随四问（ep1 可见其一）；
   • 反派按 references/satisfaction-and-villain.md 排 4 层阶梯（治工具人/爽点通胀）。
4. 写 series-bible.md（读 references/series-bible-schema.md，已含上述深度字段）：一句话卖点、戏剧承诺、世界观、角色表（行动模型+深度）、剧情主线、情绪曲线 + 爽点节奏表 + 反派阶梯、分集大纲（每集：剧情 + 因果反转点 + 集末悬念）、统一视觉风格前缀。
5. 过 A/B 门：按 references/drama-review-rubric.md 的 A（故事引擎门）+ B（人物可跟随门）逐项引证自评，任一 ⛔ 硬伤必修再往下。

1. 分集剧本（因果节拍 + 台词功底，别写流水账）

6. 每集读 references/four-act-drama.md、references/causal-beats.md、references/vertical-pacing.md 和 references/dialogue-craft.md，按因果节拍写 episodes/epNN/script.md： 目标(3秒钩)→阻碍→转折(爽/虐爆点)→集末钩子，相邻节拍用「因为/所以」串；爽点密度每 15–30s 一个情绪事件。
   • 反转按因果生成：每个反转过 genre-hooks-handbook.md 的「因果反转一句话测试」+ 公平揭示 5 问，填不出=空降反转，重做。
   • 台词按 dialogue-craft.md：禁直给/禁全员一个腔（过 swap-test）/曝光转冲突/每人有想要+想藏/每集 ≥1 金句/单行 ≤15 字。
   • 每句台词必须标清说话人：剧本里对白一律写成 角色名：台词（角色名用 cast/bible 里的准确名字，别用「他/她/众人」）——后续抽 lines.json 时 speaker 直接照抄，避免配音配错角色。
7. 写完过 C/D/E 门：按 references/drama-review-rubric.md 的 C（反转揭示）+ D（节奏）+ E（台词）逐项引具体节拍/台词自评，任一 ⛔ 硬伤（无 ep1 钩/腔调雷同/空降反转）必修，别凑合。

2. 角色 / 场景定妆（一致性地基）

8. 用 ai-image-gen 为每个角色生成定妆参考图（正面/多角度，喂角色外貌关键词 + 统一风格前缀）；关键场景/道具同理。
9. 逐个登记进索引（自动分配 C/S/P 编号）：

   python skills/openclaw/short-drama/scripts/drama_ops.py ref add --series "<剧名>" \
     --kind character --name 林策 --image refs/C01_林策.png --desc "男主，冷峻西装" --style "都市港风"

   读 references/character-consistency.md 了解为什么必须先定参考图。 9.5 ⛔ 定妆图必须肉眼复核（做完图绝不跳过）：用图片工具逐张看每个角色定妆图，确认发型/年龄/服装/气质符合角色设定，逐个记录：

   python skills/openclaw/short-drama/scripts/drama_ops.py ref review --series "<剧名>" \
     --code C01 --observation "看到：冷峻短发西装男，符合男主设定"

   形象跑偏（如男主长成大叔、萝莉长成成年）→ 重生成定妆图再复核，别拿跑偏形象往下生视频（跨镜长相全崩）。角色定妆图没复核，后面 generate 会硬拦。

2.5 选角（角色→音色，多声线关键，闭源优先 + 音色贴角色）

10. 读 skills/shared/references/voice-casting.md。音色由角色的真实定妆参考图形象决定——先看 §2 生成出来的定妆图长什么样，按 voice-casting.md〇.6「形象原型 → 音色速查」对号入座：图里是萝莉就配萝莉音（女童声/高而快）、御姐配成熟音、大叔配低沉老成音、霸总配浑厚音…绝不能形象与音色错位（女主配大妈音、小孩配成年音 = 出戏）。每个角色用 --archetype 写形象原型、--ref 绑定其定妆图 C 编号（cast check 会核对：ref_index 里每个有定妆图的角色都必须被配音，漏配直接拦）。旁白单列且与所有角色不同。

• 闭源强制优先（铁律②，含旁白/普通配音）：先 .env 配 VOICE_PROVIDER + python skills/shared/scripts/voice_clone.py check --provider <..> --env-file .env 验 key 能用；cast init 旁白与 cast add 都默认 clone 并自动取 VOICE_PROVIDER。配了 key 后：cast check 拦静态配置里的 edge，align/dub 合成前再拦一道——任何角色（含旁白）想落到 edge 直接失败（clone 缺 voice_id / clone 调用失败都算），逼你修好闭源再出片。只有完全没 key 才 --allow-edge 兜底。预置音色见 voice-casting.md〇.5。

python skills/openclaw/short-drama/scripts/dubbing.py cast init --series "<剧名>"   # 建模板（旁白默认闭源）
# 按角色定妆图形象挑贴合的闭源预置音色，并标注 archetype/ref
python skills/openclaw/short-drama/scripts/dubbing.py cast add --series "剧名" --name 林策 --role male_lead \
  --engine clone --provider openai-compatible --voice-id FunAudioLLM/CosyVoice2-0.5B:benjamin \
  --archetype "冷峻男主" --ref C01 --note "低沉磁性，贴 C01 定妆图"
python skills/openclaw/short-drama/scripts/dubbing.py cast add --series "剧名" --name 朵朵 --role child \
  --engine clone --provider openai-compatible --voice-id FunAudioLLM/CosyVoice2-0.5B:bella \
  --pitch=+6Hz --rate=+5% --archetype "萝莉/小女孩" --ref C03 --note "童声,贴 C03 幼态定妆图"
python skills/openclaw/short-drama/scripts/dubbing.py cast check --series "剧名"

需要专属克隆嗓音（非预置）→ --provider minimax/dashscope + 先 voice_clone.py enroll 拿 --voice-id。 完全没配任何闭源 key 时才回退 edge（cast check 出 💡 提醒升级）。分层与配置见 voice-casting.md〇 与 multi-voice-dubbing SKILL。

3. 分镜脚本 + 逐行对白 + 时长规划（自然的关键：先定好每镜停留多久，再去生视频）

11. 按本集时长与节奏拆镜（镜数不强制——时长短几个镜、时长长就多几个镜，跟着剧情走），写 episodes/epNN/shots.json（格式见 references/shot-prompt-format.md）： 每镜含 idx / desc / prompt(风格头+逐秒画面节拍+【声音】) / refs(引用 C/S/P) / tail(尾帧描述)。
12. 同时抽本集逐行对白 episodes/epNN/lines.json（有序 [{speaker, text, emotion, shot}]；字段规则见步骤 17）——在生视频之前就写好，因为每镜停留多久由它的台词决定。
13. 规划每镜时长 + 检查能否塞进片段（治「画面停住/太赶」的根本）：

python skills/openclaw/short-drama/scripts/dubbing.py plan --series "<剧名>" --episode N

⚠️ 现实约束：AI 视频只能生成固定档位（多为 5s，部分 5/10s），不能按任意秒数出片。 所以 plan 的作用是：① 估出每镜台词时长（= 最终画面应停留的时间，写回 target_duration）② 检查每镜台词能否塞进一个片段档——塞不下（台词 > ~5s）就拆成多镜或精简台词（plan 会 ⚠️ 标出来），别硬生成再靠后期拉伸 ③ 给出每镜建议生成的片段档位 gen_duration（5 或 10）。把每镜台词控制在一个片段档内，是画面自然的关键。 14. 校验分镜：drama_ops.py shots validate --series "<剧名>" --episode N（风格前缀/引用参考图/编号已登记/idx 连续）。

4. 关键帧生成（只是 I2V 的首帧，不是成片）

15. 用 ai-image-gen 按每镜 prompt 生成首帧图（图生图并引用该镜 refs 的参考图，保角色一致），落 episodes/epNN/shots/，路径写回 shots.json 的 frame。⚠️ 到此还只是静态图，下一步必须驱动成视频。