fifth-domain/eternal-lake-heart/heartbeat-core/LL-VIDEO-SHORTDRAMA-DELIVERY-AND-MODULE-SPLIT-20260715.hdlp

# LL-VIDEO-SHORTDRAMA · 网文短剧第一集交付线与长期视频 AI 模块分线

> **HLDP://fifth-domain/eternal-lake-heart/heartbeat-core/LL-VIDEO-SHORTDRAMA-DELIVERY-AND-MODULE-SPLIT-20260715**
>
> **类型**: 小湖灯共享项目架构 · 视频 AI / 网文短剧分线执行说明
>
> **状态**: ACTIVE_PRIORITY · EP01_DELIVERY_FIRST · MODULE_LONG_LINE_SEPARATE
>
> **主权者**: 冰朔 `ICE-GL∞`
>
> **协作人格体**: 铸渊 `ICE-GL-ZY001` · 铸澜 `ICE-GL-ZL-001`
>
> **关联人类主控**: 苍耳 `TCS-GL-009`（视频 AI 系统人类主控，独立房间）
>
> **关联人格体**: 鉴影 `ICE-GL-CA001` · 耳耳蛋（待正式编号）
>
> **登记日期**: 2026-07-15
>
> **广播塔编号**: `VA-SHORTDRAMA-EP01-DELIVERY-001`

---

## 0 · 锁定结论

当前需求不是“继续研发完整视频 AI 系统”，也不是单纯压缩成本，而是先把网文短剧第 1 集尽快做成可商用成片，并跑通一条可复用的制作流程。

视频 AI 模块产品化是长期线，应后置。两条线必须分开，不能再互相拖住。

```text
短期线: 第 1 集可商用成片
  目标: 尽快交付 60-90 秒竖屏短剧，可发布、可给合作方看、可验证商业方向。
  策略: 交付速度优先、流程跑通优先；图片为主，运镜为主，少量视频补关键镜头。

长期线: 光湖软件的视频 AI 模块
  目标: 把成片过程中稳定复用的能力产品化，嵌入 HoloLake Era / 光湖 App。
  策略: 等第 1 集跑通后，反推模块边界、模型路由、队列、质检、回执与 UI。
```

## 1 · 为什么必须分线

冰朔当前现实约束：

- 合作方与冰朔需要尽快看到第 1 集成片；
- 参与开发的人都有本职工作，软件模块研发只能空闲推进；
- 冰朔不会操作大量复杂视频软件，需要人格体代为操作；
- 前期在视频模型上投入过多试错时间和费用，但没有交付一集完整成片；
- 网文短剧行业实际生产不是全片硬怼视频模型，而是图片资产、运镜、配音、字幕和少量视频动效的组合。

因此，当前优先级：

```text
P0: 成片交付
P1: 成片流程沉淀
P2: 稳定步骤自动化
P3: 视频 AI 模块产品化
```

这里的优先级不是“省钱优先”，而是“先完成、先跑通、先证明”。必要的付费工具可以使用，但不能让任何单一软件或单一模型成为第 1 集交付的阻塞点。

## 2 · 短期线 · 第 1 集成片交付

### 2.1 目标

```text
产物: 第 1 集可商用竖屏短剧
时长: 60-90 秒优先
格式: 9:16 MP4
标准:
  - 剧情看得懂
  - 角色不严重崩
  - 画风统一
  - 配音和字幕完整
  - 节奏能支撑发布测试
  - 可给合作方或观众看
```

### 2.2 制作策略

```text
70% 静态图 + 运镜
20% 图生视频轻动态
10% 关键爆点视频
```

不要再把每个镜头都交给视频模型生成。视频模型只用于：

- 动作强、情绪爆点、转场需要动起来的镜头；
- 图片运镜无法表达的镜头；
- 后续可复用为宣传片段的镜头。

### 2.3 人格体可操作工具优先

```text
工作流编排 / 前期调度:
  扣子 Coze（可选）
  用于剧本理解、分镜拆分、镜头判型、提示词生成、任务清单整理、调用已接 API

图片 / 关键帧:
  Seedream / 即梦 / 已接入图像 API

少量视频:
  Seedance 2.0 主线
  Wan / Kling / Luma / Runway 作为后续备用适配

配音:
  火山语音 / Edge-TTS

字幕:
  人格体按剧本生成 SRT / ASS
  或由语音转写校验

剪辑 / 运镜:
  FFmpeg / Remotion

人工后期兜底:
  剪映（可选）
  只用于人工审片后的字幕微调、节奏微调、临时补救或合作方交接，不作为短期线硬依赖

质检:
  Qwen-VL 抽帧检查角色、服装、画面一致性、字幕遮挡
```

原则：优先选 API、命令行、脚本、可批处理工具；不要求冰朔学习复杂 GUI。扣子会员若已购买，可先用于前期工作流编排，但不能把第 1 集交付卡在扣子或剪映上。

工具定位：

```text
扣子:
  前期编排器 / 工作流调度台，不是最终剪辑主工具。

Remotion / FFmpeg:
  成片合成主线，负责字幕、运镜、合音轨、导出 MP4。

剪映:
  人工兜底工具，不是必须会员项。
```

### 2.4 第 1 集制作包

第 1 集应组织为一个制作包，便于人格体接续：

```text
episode-001/
├── script.md
├── storyboard.json
├── characters.json
├── scenes.json
├── shot-prompts.json
├── assets/
│   ├── characters/
│   ├── scenes/
│   └── shots/
├── audio/
│   ├── narration.mp3
│   └── dialogue/
├── subtitles/
│   └── ep01.srt
├── render/
│   ├── remotion/
│   ├── ffmpeg/
│   └── output.mp4
└── receipts/
    └── qc-report.md
```

冰朔只需要确认：

```text
1. 剧本方向
2. 角色视觉
3. 关键图
4. 最终成片
```

其余拆分、生成、拼接、重跑、质检由人格体处理。

### 2.5 短期线执行顺序

```text
Step 1 · 确认第 1 集剧本和目标风格
Step 2 · 可先用扣子工作流拆 60-90 秒分镜，不超过必要镜头数
Step 3 · 给每个镜头判型: 静态图 / 轻动态 / 关键视频 / 字幕信息流，并导出结构化制作包
Step 4 · 先生成角色与场景关键图
Step 5 · 批量生成静态镜头图
Step 6 · 少量关键镜头走 Seedance 2.0 / 备用视频模型
Step 7 · 配音、字幕、BGM / 音效
Step 8 · Remotion / FFmpeg 拼接粗剪
Step 9 · Qwen-VL + 人工审美双质检
Step 10 · 输出可商用第 1 集 v1
```

## 3 · 长期线 · 光湖视频 AI 模块

长期模块不是当前交付阻塞项。它应从第 1 集实际流程中提取稳定能力。

```text
HoloLake Video AI Module
├── Novel Parser
├── ShortDrama Script Agent
├── Storyboard Agent
├── Character Asset Manager
├── Scene Asset Manager
├── Shot Type Classifier
├── Image / Video Model Router
├── Render Queue
├── QC Agent
├── Audio / Subtitle Agent
├── Remotion / FFmpeg Render Adapter
└── HLDP Receipt Writer
```

建议技术栈：

```text
Mastra      = Agent / Workflow 主框架
BullMQ      = 镜头批量任务队列、失败重试、并发控制
Remotion    = 程序化视频、字幕、运镜、片头片尾
FFmpeg      = 拼接、合音轨、压制、转码
Qwen-VL     = 抽帧质检
Seedance    = 主视频生成引擎
Seedream    = 主图片 / 关键帧引擎
HLDP        = 剧本、分镜、资产、回执、错误与重跑记录
```

等第 1 集跑通后，再把人工步骤逐步模块化：

```text
最耗时的步骤 → 自动化
最容易错的步骤 → 质检化
最容易拖慢交付和造成无效试错的步骤 → 模型路由和镜头判型
最重复的步骤 → Agent 化
```

## 4 · 与光湖软件主线的关系

短期成片线不等于 HoloLake Era 软件模块开发。

```text
短期成片线:
  事实源: episode-001 制作包 + 回执
  目标: 成片交付
  方法: 人格体直接操作 API / 脚本 / 剪辑工具

长期模块线:
  事实源: HoloLake Platform 工单 + GLW / HLDP 架构登记
  目标: 产品化视频 AI 模块
  方法: 模块注册、接口契约、测试、发布、回执
```

任何后续人格体进入视频任务时，先判断用户是在要：

```text
1. 做第 1 集成片
2. 研发视频 AI 模块
3. 查询旧视频 AI 系统历史
```

不得把三者混为一个任务。

## 5 · 当前下一步

```text
current_next:
  - 找到第 1 集剧本 / 分镜 / 现有素材所在仓库或文件。
  - 建立 episode-001 制作包。
  - 先按图片主导方案出一版分镜与资产清单。
  - 再决定哪些镜头必须用视频模型。
  - 不启动长期视频 AI 模块开发，除非第 1 集交付线已经跑通。
```

## 6 · 因果叶

```text
trigger:
  冰朔确认当前现实需求是尽快做出网文短剧第 1 集可商用成片，并跑通制作流程，而不是继续研发完整视频 AI 模块；前期在视频模型上投入较多试错时间和费用但未产出一集。

emergence:
  视频线从“全镜头视频模型生成”改为“图片为主、运镜为主、少量视频补关键镜头”；人格体要操作 API / 脚本 / 队列 / FFmpeg / Remotion，而不是要求冰朔学习复杂软件。

lock:
  第 1 集成片交付线与长期视频 AI 模块产品线正式分开。短期线优先交付成片；长期线在成片流程跑通后再抽象为 HoloLake 视频 AI 模块。

why:
  只有先做出第一集，才能验证题材、风格、节奏、工具链和协作方式；否则继续研发模块会消耗时间，却无法证明商业可行性。成本需要记录，但当前第一目标是速度与跑通。
```