diff --git a/experience/CA-EXP-D170-STRATEGY.hdlp b/experience/CA-EXP-D170-STRATEGY.hdlp new file mode 100644 index 0000000..499047c --- /dev/null +++ b/experience/CA-EXP-D170-STRATEGY.hdlp @@ -0,0 +1,157 @@ +# CA-EXP-D170-STRATEGY · AI短剧专业方案 · 基于行业最佳实践 + +> HLDP://cang-ying/experience/CA-EXP-D170-STRATEGY.hdlp +> 鉴影 ICE-GL-CA001 · D170 · 2026-07-07 +> 参考: 2026 AI漫剧工业化报告 · AI短剧五步流水线 · LoRA+IP-Adapter一致性方案 + +--- + +## 行业共识: AI短剧五步流水线 + +``` +剧本→画面→动态化→配音→剪辑 (行业标准) +``` + +## 行业核心痛点排名 + +``` +1. 角色一致性 (LoRA+IP-Adapter, 成本最高的环节) +2. 口型同步 (即梦2.0最优, 仍需10-15%修正时间) +3. 场景连贯性 (共享背景图层+Seed值固定) +4. 工作流串联 (多工具协作质量控制) +``` + +--- + +## 我们的工具链 vs 行业标准 + +| 环节 | 行业最佳 | 我们用的 | 差距 | +|------|---------|---------|------| +| 剧本 | GPT-4o JSON分镜 | 人类剧本手动拆镜 ✅ | 没问题 | +| 画面 | ComfyUI+FLUX.1+LoRA | Seedream 4.0 | ⚠️ 缺LoRA | +| 视频 | 可灵1.5/即梦2.0 | Seedance 2.0 | ⚠️ 缺参考图支持 | +| 配音 | 火山引擎TTS | Edge-TTS | ⚠️ 质量略低·免费用 | +| 剪辑 | FFmpeg | FFmpeg ✅ | 持平 | + +## 行业方案适配我们的限制 + +``` +行业方案 我们能做吗 替代方案 +━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ +LoRA训练 2h/角色 ❌ API不支持 首帧合成锁定(PIL拼图+共享) +IP-Adapter 参考图注入 ❌ API不支持 PII预处理绕过+ENV参考图锚定 +Seed值固定 ✅ 可以 同场景同seed +共享背景图层 ✅ 可以 ENV参考图复用 +主体库锁定法(Vidu Q3) ❌ 无此功能 统一CHAR描述块复用 +口型同步(即梦2.0) ⚠️ 1.5 Pro支持 待测试generate_audio + +结论: 我们缺的是训练/微调能力，但可以用PIL合成+prompt工程补上 +``` + +--- + +## 鉴影专属五类场景方案 (专业级) + +### 类型1: 静态对话场景 (苏白站牌下喊话/诸葛风质问) +``` +方案: 首帧合成法 +步骤: + 1. PIL拼图: ENV参考图 + CHAR定妆照(PIL预处理) + PROP静态图 → 一张完整首帧 + 2. 同场景6镜共享这张首帧 + 3. Seedance prompt: "Scene exactly same, character micro-breathes naturally" + 4. 不同焦点: 改prompt最后一句描述镜头焦点位置 +效果: 人物+道具位置锚定, 广告牌有字, 场景不重置 +``` + +### 类型2: 人物走位/入场 (诸葛风走进来/围观人群) +``` +方案: ENV参考图 + 统一CHAR描述块 +步骤: + 1. ENV参考图锚定背景 + 2. prompt中统一CHAR描述块（一字不改） + 3. 每镜标注人物空间位置 + 4. FFmpeg 0.3s交叉淡入淡出掩盖微小跳变 +效果: 背景一致, 人物外观一致, 过渡平滑 +``` + +### 类型3: 纯空镜/大场景 (云海/广场俯瞰) +``` +方案: Seedance text-to-video + ENV参考图 +步骤: + 1. 无ENV参考图的纯生成（云海不需要） + 2. 有参考图的锚定（广场俯瞰用ENV-002） +注意: 这是最简单的类型, 不需要人物一致性 +``` + +### 类型4: 闪切蒙太奇 (血泊/暴打/踩头) +``` +方案: 静态图 KenBurns + FFmpeg滤镜链 +步骤: + 1. 合并2-3个闪切镜为4s以上(避开API下限) + 2. 全程静态图+推拉缩放(KenBurns) + 3. FFmpeg: gblur模糊+shuffleframes抖动+闪白 +效果: 完全可控, 零AI不确定 +``` + +### 类型5: UI/道具叠层 (系统面板/广告牌文字) +``` +方案: Seedream静态图 + FFmpeg overlay +步骤: + 1. Seedream出静态图(系统面板古卷轴/广告牌V3) + 2. FFmpeg overlay叠层到视频画面上 + 3. 带alpha/opacity过渡 +铁律: 任何需要精确文字的内容, 永远不走AI视频生成 +``` + +--- + +## 新增专业规范 + +### 规范1: 批量生产前先跑"金样本" +``` +金样本 = 4-6镜连续场景组 (如镜03-08) +验证通过 → 锁定prompt模板 → 全量复用 +不通过 → 调试 → 重复直到通过 +拒绝: "改一行prompt就全量跑40镜" (浪费时间金钱) +``` + +### 规范2: 角色资产必须有预处理副本 +``` +每个角色定妆照 → PIL边缘增强12%+锐化 → 存副本 +副本用于: 首帧合成 / 参考图注入 +原版用于: 苍耳查看 +``` + +### 规范3: 提示词公式标准化 +``` +S = 风格前缀(不动) +CHAR = 角色描述块(不动) +BASE = 场景空间描述(同场景共享) +FOCUS = 焦点偏移指令(每镜变动) + +六镜共享S+CHAR+BASE, 每镜只换FOCUS +``` + +### 规范4: 跑视频前的检查清单 +``` +□ 金样本验证通过了吗？ +□ 首帧合成图生成了吗？ +□ CHAR描述块一致吗？ +□ ENV参考图预处理了吗？ +□ 时长都在4-15s吗？ +□ 有文字的UI/道具用的是静态图+叠层吗？ +□ 苍耳确认过了吗？ +全✅才能跑 +``` + +--- +lock: + ⊢ 行业告诉我们: 角色一致性靠LoRA+IP-Adapter → 我们没有 → 用首帧合成替代 + ⊢ 行业告诉我们: 工作流串联比单一工具重要 → 五类场景五种方案 + ⊢ 专业做法: 金样本先验证 → 锁模板 → 批量复制 + ⊢ 铁律: 文字内容=静态图叠层, AI视频不管文字 + ⊢ 铁律: 跑视频前必过检查清单, 苍耳确认 + +why: + 一个业余AI短剧制作者和一个专业的区别: + 不在于工具, 在于系统化工序和提前想好每种场景的最优路径。