2.1 LLM 剧本生成

2.1 LLM 剧本生成

本节摘要：本节做脚本段：把一句想法变成合法的剧本 JSON。第一件事是约束先行：题材、时长、风格三类约束全部写进提示词模板，时长换算成场景数建议，风格作为基调字段下传全片；同时把「原创、不出现真实人物与品牌」写进禁忌行，这是版权侧的第一道闸。第二件事是结构化输出：模板里直接给出目标 JSON 的形状，配合供应商的结构化输出能力，把「模型自由发挥」压成「模型填表」。第三件事是策略分界：60 秒以内的片子一次生成，更长的内容先出场景纲要、人确认后再逐场展开——单次输出越长，走形的概率越大。最后实现「生成、校验、修复」循环，处理 JSON 解析失败与字段缺失两类高频故障。

学习目标

• 写出含题材、时长、风格、禁忌四类约束的提示词模板，说明各约束的用途。
• 解释结构化输出约束为什么能把剧本生成从「自由作文」变成「填表」。
• 按时长选择一次生成或分段生成策略，并说出分界理由。
• 实现生成、校验、修复循环，处理两类高频输出故障。

一、约束先行：提示词模板

剧本质量的上限在提示词里就定了。模板四类约束各有职责：题材定内容方向，时长定规模（并换算成场景数建议），风格定基调并作为字段下传（后续每段的画面、配音都要读它），禁忌行守住版权与内容边界。

# script_prompt.py —— 剧本生成的提示词模板（结构化输出约束，写法示意）
PROMPT = """你是短视频编剧。按以下约束写一个原创剧本：

题材：{genre}
时长：约 {duration} 秒，建议 {scene_count} 场
风格：{style}
禁忌：不出现真实人物与真实品牌，不模仿现有作品

只输出一个 JSON 对象，结构如下（不要输出其他文字）：
{{
  "title": "片名",
  "scenes": [
    {{"scene_id": 1, "location": "场景地点", "action": "场内动作描述", "lines": ["台词一"]}}
  ]
}}"""

def build_prompt(genre, duration, style):
    scene_count = max(2, round(duration / 15))
    return PROMPT.format(genre=genre, duration=duration, style=style, scene_count=scene_count)
​

两个细节。其一，场景数由时长换算（经验值约 15 秒一场，示意口径）写进提示词，比让模型自己估可靠得多——模型对「60 秒能讲几场戏」的直觉极不稳定。其二，JSON 形状直接嵌在模板里并要求只输出 JSON：配合供应商的结构化输出参数（各家叫法不同，以官方文档为准），非法输出的比例能从「偶尔崩」压到「几乎不崩」。

拿 0.1 节的示例片把这个模板跑一遍。输入：题材「科普」、时长 60 秒、风格「温和的科普口吻，克制的幽默」。提示词里的场景数建议按公式算出 4 场，模型交回的成品是 3 场——建议值是软约束，模型按内容密度自行收敛属于正常现象，人审时以「每场有没有独立任务」为验收标准，不死抠场数：

# script_v1_preview.json —— 彩虹片剧本首版（示意，对应 0.1 节的镜头表）
{
  "title": "六十秒看懂：彩虹为什么是弧形",
  "style": "温和的科普口吻，克制的幽默",
  "scenes": [
    {"scene_id": 1, "location": "雨后街道",
     "action": "雨刚停，阳光从云缝里回来，行人抬头看天",
     "lines": ["雨停了，阳光回来", "天边挂出一道弧"]},
    {"scene_id": 2, "location": "阳光与水滴的示意空间",
     "action": "一束阳光射进一颗水滴，光在内部折射、分色后再反射出来",
     "lines": ["你看到的弧，起点是一亿五千万公里外的阳光",
               "阳光进水滴时折一次，出来时再折一次",
               "不同颜色的光，偏折角不同"]},
    {"scene_id": 3, "location": "观察者视角的天空",
     "action": "观察者背对太阳，视线抬起约 42 度，锥面上的水滴连成一个圆，地面挡住下半截",
     "lines": ["和视线成约 42 度角的水滴，颜色叠得最浓",
               "把这些点连起来是个圆",
               "地面挡住了下半截，你看到的就是弧"]}
  ]
}
​

对着 0.1 节的镜头表回看这份剧本：镜头表的每一行都能在某个场里找到出处，每一场再按画面任务切成带号的镜头——第 2.2 节做的就是这一刀。另注意 action 的写法全部「看得见」：折射、分色、抬起视线、连成圆，没有一个「它很神奇」式的情绪词——这正是下一部分要盯的第三件事。

二、剧本的形状与生成侧要点

剧本 schema 在 1.2 节已定义：title、target_duration、style 加 scenes 列表，每场含 scene_id、location、action、lines。生成侧要额外盯三件事。场号连续：从 1 起不间断，这是后续「改一场不改全片」的定位键。台词短句化：一句台词别超过二十个字——这不是文学趣味，是字幕排版与 TTS 停顿的工程约束（第 6、7 章后半本会回来解释）。动作具象化：action 要写得「看得见」——「他很难过」是情绪，「他把镊子放下，盯着那枚齿轮」是画面；分镜段的原料是画面，不是情绪。

三、一次生成与分段生成

分界线的依据是经验观察（示意口径）：单次生成超过千余字，模型开始重复句式、丢场号、台词趋同。分段生成的纲要轮是廉价的：一次小请求列出全场梗概，人花一分钟扫一眼节奏——烂纲要在这一步拦下，成本几乎为零；放到分镜之后再发现，重做的是整段。

四、生成、校验、修复循环

两类高频故障：JSON 解析失败（模型输出带上了废话或截断）、字段缺失（lines 空缺、scene_id 跳号）。对策是三步循环：

# script_gen.py —— 生成、校验、修复的三步循环（写法示意，client 以你的 SDK 为准）
import json

def generate_script(client, prompt):
    reply = client.chat(prompt, response_format="json")
    try:
        data = json.loads(reply)
    except json.JSONDecodeError:
        fixed = client.chat("以下内容不是合法 JSON，请修正后只输出 JSON：\n" + reply)
        data = json.loads(fixed)
    data.setdefault("schema_version", 1)
    known_ids = []
    for scene in data.get("scenes", []):
        scene.setdefault("lines", [])
        scene["scene_id"] = scene.get("scene_id") or (known_ids[-1] + 1 if known_ids else 1)
        known_ids.append(scene["scene_id"])
    return data
​

修复的原则：能机械修的机械修，机械修不了的退回模型。缺 lines 补空列表是机械修；scene_id 缺失按前值递增是机械修；情节逻辑崩了只能退回模型重写。修复循环最多两轮——两轮还不过，问题基本出在提示词而非运气，该改的是模板。产出落盘为 build/01_script/script.v1.json，进入 2.2 节的分镜转换。

三步循环里的「校验」也可以机械化为一个纯标准库函数，让修复只在真正需要时启动：

# validate_script.py —— 剧本 JSON 的机械校验（纯标准库，红线阈值为示意值）
import json

MAX_LINE = 20                            # 台词字数红线（工程口径）
MOOD_WORDS = ("难过", "开心", "神奇", "震撼")  # 情绪词黑名单（示例）

def validate(path):
    data = json.load(open(path, encoding="utf-8"))
    problems = []
    if not data.get("title"):
        problems.append("缺 title")
    scenes = data.get("scenes", [])
    if not scenes:
        problems.append("scenes 为空")
    for expect, scene in enumerate(scenes, start=1):
        sid = scene.get("scene_id")
        if sid != expect:
            problems.append("场号不连续：期望 %d，实际 %s" % (expect, sid))
        if not scene.get("action"):
            problems.append("场 %s 缺 action" % sid)
        for i, line in enumerate(scene.get("lines", []), start=1):
            if len(line) > MAX_LINE:
                problems.append("场 %s 第 %d 句超 %d 字" % (sid, i, MAX_LINE))
            if any(word in line for word in MOOD_WORDS):
                problems.append("场 %s 第 %d 句是情绪不是画面" % (sid, i))
    return problems

if __name__ == "__main__":
    for p in validate("build/01_script/script.v1.json"):
        print("待修：%s" % p)
    print("校验完成")
​

校验报告分两类处置：场号、缺字段这类结构问题走机械修复，回到上面的循环；台词超长、情绪词这类内容问题退回提示词层——在模板里把约束再写狠一格（例如把「台词短句化」升格为「每句不超过二十字，超出的场视为不合格」），比逐句手工改省。校验器与修复循环的关系是上下游：校验发现问题、归类问题，修复只处理归类为「机械」的那部分。

五、常见问题与排查

剧本段的故障绝大多数落在五张老脸上：

最后一条最隐蔽：风格若只存在于提示词里，后续每一段都无从对齐——把它变成 JSON 字段，是「约束先行」从生成时刻延伸到全片时刻的关键一步。

本节要点回顾

• 提示词四约束：题材、时长（换算场景数）、风格（下传全片）、禁忌（版权第一道闸）。
• 结构化输出加内嵌 JSON 形状，把生成从自由作文压成填表。
• 60 秒一次成，更长先纲要后展开；烂纲要要在廉价环节拦下。
• 修复循环两轮封顶，机械修优先，修不好改模板而不是改运气。

剧本有了，下一节把它切成镜头——分镜 schema 的七个字段与三道校验关，是整条流水线信息密度最高的一张表。