9.1 一句话到成片

9.1 一句话到成片

本节摘要：本节以一部原创示例短剧为线索，把全书流程从头到尾走一遍：输入只有一句话设定——"暴雨夜，外卖骑手林小满接到一份没有收件人的订单，备注只写四个字：回家吃饭"。走查按九站推进：一句话到剧本、剧本到分镜、分镜到镜头、镜头到粗剪、粗剪接音频、音频接字幕、字幕合成成片。每站给出三样东西：产物（什么文件）、人工检查点（人在哪里必须停下来看）、失败处置（坏了怎么办）。核心主张只有一条：人工检查点的位置决定成片质量——它们必须设在"改动代价跃升"之前：剧本改一个字最便宜，成片改一个字最贵，检查点要卡在代价跳变的缝上。文末给出一张九站对照总表与一次真实走查的时间账。

学习目标

• 按九站结构走通一句话到成片，说清每站的输入与产物。
• 把人工检查点放在改动代价跃升的位置，而不是平均分布。
• 对每站的典型失败选择正确的处置粒度（改文本、重跑镜头、重混音频）。
• 用一张站点清单文件把流程固化成可勾选的资产。
• 估算一次完整走查的时间分布，找到自己的瓶颈站。

一、案例设定与产物链总览

本章的示例输入是一句话设定：暴雨夜，外卖骑手林小满接到一份没有收件人的订单，备注只写四个字"回家吃饭"。目标成片：竖屏六十秒、八到十个镜头、双角色加旁白。这个体量是刻意选的：小到一天能完整走一遍，大到能暴露流水线的全部典型问题。

产物链（箭头上是产物，括号里是产出章节）

 一句话 ─▶ script.json ─▶ shotplan.json ─▶ clips/*.mp4 ─▶ rough_cut.mp4
          （剧本，第02章） （分镜，第02/06章） （镜头，第03章）   （粗剪，第05章）
 rough_cut ─▶ final_audio.wav ─▶ cues/output.ass ─▶ final.mp4
             （音轨，第06章）   （字幕，第07章）    （成片，第05/07章）
​

二、第一站：一句话到剧本

把一句话设定与体量约束（时长、镜头数、角色数、目标平台）一起交给语言模型，产出第 02 章结构的 script.json：场次、角色表、台词、旁白。这一步的技巧是约束前置：不说明竖屏六十秒，模型会给出三幕剧；不说双角色，它会派生出七个配角。

检查点一：剧本审读。人工看四件事——逻辑闭环（一句话的悬念有没有收尾）、时长预估（台词总字数除以语速口径是否落在六十秒附近）、敏感点（题材与表述是否有平台与法规风险）、台词口语化（念出来顺不顺口）。审读通过才放行。失败处置：改提示词重出剧本，代价是几百 token；此刻发现问题，是全流程最便宜的时机。

三、第二站：剧本到分镜

剧本展开为镜头计划：每个镜头的画面描述、台词归属、建议时长（第 6.3 节反推）、首尾帧需求、参考图槽位。检查点二：分镜通读。打印 shotplan 逐行看：镜头之间有没有叙事跳空（上一镜头在门外、下一镜头凭空在桌边）；时长分布是否单调（连续三个八秒镜头观众会走）；首尾帧需求是否给了应有的镜头（转场依赖首尾帧衔接的镜头要显式标注）。失败处置：改分镜表，仍然只是改文本。

分镜期还有一项面向交付的预留：目标若包含横竖屏双版本，双构图信息（安全区、主体落位）此刻就要写进镜头计划——第 11.1 节"分镜期规划双构图"的源头在这里。事后裁切硬凑横屏，问题会退回镜头层，重新按秒付生成费。

四、第三站：分镜到镜头视频

逐镜头调用生成（第 03 章），角色参考图与风格模板在下一节详述，本站只强调流程事实：这是全流程第一次"改动代价跃升"——之前一切修改都是改文本，从此每个返工都是重新生成。所以检查点三安排在本站末尾：逐镜头抽看。每个镜头看三件事：语义（画面是否表达分镜意图）、一致性（角色与场景是否与前后镜头连续）、技术（肢体、抖动、文字乱入）。失败处置按第 8.3 节粒度：坏哪个镜头重跑哪个镜头，重试预算按第 10.2 节控制。

五、第四到第七站：粗剪、音频、字幕、成片

粗剪把镜头按 shotplan 顺序上时间线（第 05 章），检查点是节奏快放一遍。音频接第 06 章全套：先配音（6.1）、混音闪避（6.2）、对齐校验（6.3）。字幕接第 07 章全套：转写（7.1）、分段烧录（7.2）。最后合成成片，叠加字幕轨与标识（第 11.1 节详述标识）。

四站的输入输出（全部是前两章脚本的直接串联）

 rough_cut.mp4 ─▶ 接 final_audio.wav（6.3 已校验时长级对齐）
                ─▶ 叠 output.ass（7.2 已过静态校验）
                ─▶ final.mp4（交 10.3 质量门禁）
​

检查点四：全片审看。以发布者视角完整看一遍，不看代码不看中间产物，只看成片：音画是否同步、字幕有没有错字、节奏是否拖沓、结尾是否完整。这是发布前最后一道人工关口，下一章的质量门禁是它的自动化前置。

六、站点清单与时间账

把九站固化成一份清单文件，走查时逐站勾选——它同时是第 8.1 节技能体系的组合层雏形：

# pipeline_checklist.json —— 一句话到成片的站点清单（示意）
[
  {"stage": "script",    "out": "build/script.json",
   "checkpoint": "人工审读：逻辑/时长/敏感点/口语化"},
  {"stage": "shotplan",  "out": "build/shotplan.json",
   "checkpoint": "通读分镜：跳空/时长分布/首尾帧标注"},
  {"stage": "clips",     "out": "build/clips",
   "checkpoint": "逐镜头抽看：语义/一致性/技术"},
  {"stage": "rough",     "out": "build/rough_cut.mp4",
   "checkpoint": "节奏快放"},
  {"stage": "audio",     "out": "audio/final_audio.wav",
   "checkpoint": "听检：清晰/闪避/响度"},
  {"stage": "subtitle",  "out": "build/output.ass",
   "checkpoint": "1.25 倍速过字幕"},
  {"stage": "final",     "out": "deliverables/final.mp4",
   "checkpoint": "全片审看 + 标识核对"}
]
​

一次真实走查的时间账（口径示意，随算力与熟练度浮动）：剧本与分镜约二十分钟，其中人工审读占一半；镜头生成排队约四十分钟，是全程最长等待；音频字幕约十五分钟；审看与返工约三十分钟。合计约两小时出第一条片。注意人工时间约六十分钟——批量生产时，人工环节才是真正的瓶颈，这是第 9.3 节的主题。

七、完整走查：林小满的一单

流程灌上血肉才算数。下表是本案例的分镜定稿与逐镜头检查点实录（画面与处置均为示意值；生成秒数沿用第 10.1 节口径，每镜头五秒）：

本次走查的返工时间线（示意）

 s03 换 seed ────── 排队约 6 分钟，重跑通过
 s06 收紧提示词 ── 排队约 6 分钟，重跑通过
 s08 补两秒黑尾 ── 排队约 3 分钟，补齐通过
 三次返工约 15 分钟，都在"审看与返工约三十分钟"的盘子里
​

返工事件正好对上第 10.2 节三分类：s03 技术瑕疵换 seed、s06 语义跑偏改提示词、s08 属时长类技术问题补秒；重跑合计约十二秒，与第 10.1 节核算表的重跑行同口径（废片率约三成，示意值）。还有两处问题在更早的检查点被拦下，一文钱没花：检查点一发现台词总量按语速口径折算落在约七十一秒（示意值），超出目标，删两句应答台词收回六十秒附近；检查点二发现 s03 与 s04 之间叙事跳空——观众不知道她为什么决定去送——补一句旁白给出动机。两次修复都是改文本，这正是检查点前移的全部回报：同样两个问题若漏到全片审看，代价是三个镜头重新生成加一次合成。

走查粒度建议照此固定：逐镜头一行、逐事件一记，镜头号、现象、原因分类、处置、结果五个字段就够。这份记录本身就是第 10.2 节废片台账与第 10.1 节成本台账的雏形——第一次走查就开始记，量产时只是换个目录放。

八、常见问题与排查

问题一：审读时预估六十秒，成片七十几秒。 排查时长口径是否混用：台词按语速折算、镜头停留按分镜表、片头片尾字卡另计，三套口径相加才是成片长度；最常见的漏项是旁白与台词在同一镜头内重叠计入两次。回到第 6.3 节的反推口径统一重算，偏差通常当场收敛。

问题二：逐镜头抽看都通过，全片审看节奏拖沓。 单镜头合格与整体节奏是两回事，病根多半在分镜的时长分布——连续等长镜头、缺短镜头换气——而不是镜头本身。回到检查点二的时长分布检查，改停留与顺序；急着重跑镜头，是用生成秒数解决文本问题。

问题三：个别镜头音画不同步。 先跑第 6.3 节对齐校验，确认该镜头落在锚点覆盖内；再查这句台词的切分边界，语气词被切进下一行是高频原因。对齐是音频层问题，重跑镜头无效。

问题四：全片审看才发现字幕错字。 先定位错误住在哪一层：只在字幕文件里，改 ass 重烧，分钟级；错在镜头画面里的文字，只能回镜头层重新生成——代价跃升的直观一课。结论不是"下次仔细点"，而是把校对前移：烧录前的 1.25 倍速过字幕检查点做实。

问题五：排队等待远超生成本身。 单机串行走查属正常现象，这本身就是数据：它标出值得并行化的站点。量产时按第 9.3 节上任务队列开并行度，或按第 10.1 节错峰提交。

本节要点回顾

• 九站产物链：剧本、分镜、镜头、粗剪、音轨、字幕、成片，每站产物即下站输入。
• 人工检查点设在改动代价跃升前：剧本审读、分镜通读、逐镜头抽看、全片审看。
• 镜头生成是代价跃升点：之前改文本，之后改像素，返工粒度从此按镜头计。
• 站点清单文件是流程资产，也是技能体系组合层的雏形。
• 首次走查约两小时，人工占一半——量产的瓶颈在人，不在算力。

单条流水线通了，但八镜头短剧最容易翻车的地方还没解决：第三个镜头里的林小满和第七个镜头里的林小满，长得不像同一个人。下一章专攻跨镜头一致性。