Steve短剧自动拍 · 商业级全自动短剧生产线
用户输入：一句话创意 / 剧本 / 大纲 +（可选）时长与画幅
交付：可直接上传抖音的成片 + 封面 + 标题文案标签 + 发布清单
> 判断标准不是"生成了视频"，而是：用户拿到手不需要再碰任何工具，直接上传就能发。
九步流水线
创意 → ①建结构锁时长 → ②写爆款分镜 → ③闸门(结构+合规+配音预算)
→ ④参考图 → ⑤配音 → ⑥先导幕 → ⑦全量生成 → ⑧合成交付 → ⑨发布物料
铁律（改一条都会翻车）
| # | 规则 | 原因 |
|---|---|---|
| 1 | 时长先锁死（steve_plan.py init），seconds 是预算 |
按灵感写必超时/烂尾 |
| 2 | 对白写进 prompt 用模型原生音轨；旁白用 TTS | 唯一可靠的口型同步 = 原生音轨 |
| 3 | characters[].lock 原文复用进每镜 image_prompt |
崩脸唯一根因是 lock 被改写 |
| 4 | 生成前 steve_check.py FAIL 清零（含合规+配音闸门） |
每条 FAIL 都是已花的钱 |
| 5 | 先导幕（act_01）给用户确认后再放全量 | 86 镜返工代价极高 |
| 6 | 画面永不出现文字（negative 固定），字幕只最后烧 | 画面字=废镜 |
| 7 | 拼接只用 steve_compose.py（两级 concat 滤镜，禁 -c copy） |
priming 累积导致口型漂移 |
| 8 | 交付前 steve_viral.py audit ≥70 分且合规 0 FAIL |
商业交付的下限 |
| 9 | 台词密度 220~420 字/分钟、平均镜长 5~7s、反转按 viral-playbook.md 布点 |
完播率的根 |
使用前准备（首次，约 3 分钟）
零配置即用：视频走 Agnes 公开中转（无需自备 key），配音走 edge-tts（免费无 key）。
1. 装依赖
# 必需：Python 3.10+ 的 edge-tts（配音）；pyyaml 与 Pillow（封面/图片处理）
python3 -m pip install edge-tts pyyaml Pillow
# 可选：本地 ASR 台词核对（steve_check.py --asr）
python3 -m pip install openai-whisper
ffmpeg / ffprobe 必须有，且要能被 ffmpeg 这个命令名调用：
ffmpeg -version # 能打印版本即可
# 没有的话按平台装：
brew install ffmpeg # macOS
sudo apt install ffmpeg # Debian/Ubuntu
winget install Gyan.FFmpeg # Windows
> 装在非标准位置时设 STEVE_FFMPEG 指向完整路径（如 STEVE_FFMPEG=/opt/ffmpeg/bin/ffmpeg）。
> 脚本会自动探测 PATH → 常见安装目录，找不到才报错。
2. 定位脚本目录（后文 $SK / $PY 直接用这两个变量）
# skill 目录按你的客户端选一个：
SK="$HOME/.workbuddy/skills/steve-short-drama-auto/scripts" # WorkBuddy
# SK="$HOME/.codebuddy/skills/steve-short-drama-auto/scripts" # CodeBuddy
# 用哪个 Python 跑：优先隔离 venv，其次系统 Python
PY="python3"
# 自检：应打印出 ffmpeg 路径与 6 种画幅
$PY $SK/steve_plan.py --help >/dev/null && echo "脚本就绪"
> 代理环境（公司内网 / 沙箱）若 pip 或下载失败，加 -i https://pypi.tuna.tsinghua.edu.cn/simple。
3. 进阶（可选）
- 用自己的 Agnes 额度：
export AGNES_PROXY_URL=https://api.agnes-ai.cn+ 各脚本加--api-key - 换成商业 TTS：
export STEVE_TTS_BASE=... STEVE_TTS_KEY=...（OpenAI 兼容网关）
目录约定
<项目>/
├── series.json # 唯一数据源
├── plan.md # 大纲表（给人看）
├── 01_assets/ # 角色/场景参考图
├── 05_cover/ # 封面 + 钩子卡 + 关注卡
├── 06_voice/ # TTS 配音 + dub_manifest.json（逐句时间戳）
├── 07_story/ # 分镜视频 + state.json
├── final/ # 成片（clean/sub/douyin）+ 分幕 + 字幕 + 章节
└── 09_publish/ # 发布物料（标题/描述/标签/清单）
① 建结构（锁时长，零 API）
先问清（没说就用默认）：时长（默认 1~3 分钟竖屏爆款，最长 10）、题材、画幅（默认 9:16）、
平台（默认抖音）。
$PY $SK/steve_plan.py init --title "深夜快递" --minutes 2 --acts 3 \
--ratio 9:16 --style cinematic --kind drama --genre "悬疑反转" \
--hook "深夜快递站，收件人竟然是我自己" \
--characters "林晚,陈昊,老周" --scenes "_scene_gate,_scene_room,_scene_street" \
--scene-per-act --out ./series.json
$PY $SK/steve_plan.py estimate ./series.json
--style电影级预设：cinematic/hongkong/guofeng/cyberpunk/documentary/warm/anime--kind：drama（剧情短剧）/narration（解说短片）hook/genre/viral_title直接决定爆款体检和发布物料质量，必须填- 产出
plan.md大纲表给用户过一遍（全自动模式可跳过确认）
② 写爆款分镜（agent 核心创作）
按 references/viral-playbook.md 写：前 3 秒钩子 → 冲突推进 → 55%~75% 放主反转 →
结尾留钩 + CTA。按 references/prompt-templates.md 填 lock/image_prompt/video_prompt。
硬性约束（steve_check.py 会逐条验）：
image_prompt原样内嵌角色lock（整段粘，不改写）- 台词字数 ≤
seconds × 4.2，单句 ≤25 字；塞不下拆镜 - 旁白（narration）短句 ≤16 字，动词开头，转折词句首（TTS 念着顺）
scenes[].name与镜头scene对应；台词里不踩合规词库
同时把 meta.logline、meta.viral_title（含【】高亮）、meta.genre 填上。
③ 闸门（零 API，必过）
$PY $SK/steve_check.py ./series.json
FAIL 清零才准花钱：结构/锚点/台词预算/总时长/引用一致性 + 平台合规词库
（广告法极限词、医疗/金融承诺、站外引流、涉黄涉暴涉赌）+ 配音时长闸门。
④ 角色/场景参考图
$PY $SK/steve_assets.py --series ./series.json --dry-run
$PY $SK/steve_assets.py --series ./series.json
出图给用户确认长相（全自动模式发给用户过目即可，不等待）。
> 走免费本地出片（⑦-备选 --backend local）时可以跳过这一步：本地引擎没有参考图会
> 自动沿用上一镜末帧起步，画面依然连贯。想进一步省钱/省时间就用这条路径。
⑤ 配音（TTS，自动）
$PY $SK/steve_tts.py --series ./series.json --out-dir ./06_voice --mode narration
$PY $SK/steve_tts.py --series ./series.json --out-dir ./06_voice --mode dub \
--voice-map "林晚=zh-CN-XiaoyiNeural,陈昊=zh-CN-YunxiNeural" # 解说片用全配音
narration（默认）：只配旁白，逐句合成、精确时间戳；对白仍走原生音轨- 音色自动按角色分配并回写
series.json；超长配音当场报 FAIL（回 ② 删字） - 音色表/听感调优见
references/tts-and-voice.md
⑥ 先导幕（强制闸门）
$PY $SK/steve_shots.py --series ./series.json --acts act_01 \
--out-dir ./07_story --concurrency 3 --wall 2400
$PY $SK/steve_compose.py --series ./series.json --act-only act_01 \
--output-dir ./final --dub-dir ./06_voice --subtitle-style douyin
先导成片 + 参考图给用户确认：形象/风格/台词节奏/配音听感。用户点头再放全量。
⑦ 全量生成
$PY $SK/steve_shots.py --series ./series.json \
--out-dir ./07_story --concurrency 3 --wall 5400
断点续跑（重跑同命令自动跳过 done）；--regen 镜号 单镜重做；--retry-failed 重排队。
⑦-备选 · 免费本地出片（本机显卡，零 API 费用）
不想花 API 钱、或云端接口不可用时，把 ⑦ 换成 --backend local：画面改由用户自己电脑的
显卡生成，引擎是 ComfyUI + 阿里开源的 Wan 2.2 TI2V-5B（Apache 2.0，可商用）。
零费用、可完全断网，8 GB 显存起步。
$PY $SK/steve_shots.py --series ./series.json --out-dir ./07_story --backend local
一次性准备（只在第一次做，约 15 分钟）
# 1) 本机要有 ComfyUI（含 .venv 且 torch 带 CUDA）
export STEVE_COMFY_ROOT="E:/Comfy Run/ComfyUI/ComfyUI" # 换成含 main.py 的目录
# 2) 一键取模型：从魔搭 ModelScope 下载三件套（≈17GB，断点续传，实测 ~30MB/s）
$PY $SK/steve_fetch_models.py # 自动找 ComfyUI；也可 --root / --dest 指定
# 3) 自检：会自动拉起 ComfyUI，并明确告诉你还缺什么
$PY $SK/steve_local.py --selftest
> 手动下载也可以：ModelScope 仓库 Comfy-Org/Wan_2.2_ComfyUI_Repackaged，
> 取 split_files/ 下同名文件放进 models/ 对应子目录（合计 ≈17 GB）：
| 文件 | 放到 | 大小 |
|---|---|---|
wan2.2_ti2v_5B_fp16.safetensors |
models/diffusion_models/ |
9.31 GB |
umt5_xxl_fp8_e4m3fn_scaled.safetensors |
models/text_encoders/ |
6.27 GB |
wan2.2_vae.safetensors |
models/vae/ |
1.31 GB |
Wan22_TI2V_5B_Turbo_lora_rank_64_fp16.safetensors |
models/loras/ |
0.30 GB |
本地模式的两项连贯性保障（不用额外配置）
- 单镜超长自动分段：单段默认上限 121 帧（≈5.04s@24fps），更长的镜头会被切成多段，
每段用上一段末帧当首帧接续，最后自动拼成一条，画面不跳 - 无参考图也能连贯：没有 ④ 的参考图时，自动沿用上一镜的末帧起步。
所以本地路线可以整条跳过 ④（对零成本起号很有用）
本地模式的 3 个硬注意
- 画面没有原生音轨 —— 本地生成的视频是纯画面，台词必须靠配音。
⑤ 那步务必用--mode dub（全配音），不要用默认的narration - 显存 —— 8 GB 能跑（ComfyUI 自动分层卸载），但分辨率别超过 704×1280；
长镜头的 VAE 解码默认走分块解码（STEVE_VAE_TILED=0可关），否则 121 帧
整段解码会显存颠簸卡死 - 速度 —— 默认 20 步较慢；
steve_fetch_models.py会顺带下载 5B Turbo 加速
LoRA（rank64 fp16，317 MB），检测到就自动切 4 步 / CFG 1.0，单段 5 秒
704×1280 从 16 分钟级降到 ≈2.5 分钟（RTX 4060 Ti 实测）。也可手动指定：
--local-lora <文件名> 0.8；环境变量STEVE_LOCAL_LORA同效
⑧ 合成交付（商业规格）
$PY $SK/steve_cover.py --series ./series.json --out-dir ./05_cover \
--from-video ./final/steve_final_clean.mp4 --at 3 \
--title "【反转】深夜送快递，收件人竟是我自己" --badge "第1集" \
--cta "关注我 · 下集更狠"
$PY $SK/steve_compose.py --series ./series.json --video-dir ./07_story \
--output-dir ./final --dub-dir ./06_voice --subtitle-style douyin \
--karaoke --platform douyin --autofit --strict \
--hook-card ./05_cover/hook.jpg --cta-card ./05_cover/cta.jpg
产出：
| 文件 | 说明 |
|---|---|
final/steve_final_douyin.mp4 |
主交付：1080×1920、-14 LUFS、大字幕、首尾卡、faststart |
final/steve_final_sub.mp4 |
带字幕版（720P 原生） |
final/steve_final_clean.mp4 |
无字幕纯净版 |
final/acts/act_0N.mp4 |
分幕文件 |
final/steve_final.srt / .ass |
字幕（douyin 样式 + 卡拉OK） |
05_cover/cover.jpg |
3:4 抖音封面（大标题+高亮+角标） |
final/制作说明.txt / meta.json |
署名与参数 |
字幕样式：douyin（大字黑描边+钩子词黄色高亮，位置抬高 22% 避开平台 UI）；
--karaoke 用配音逐字时间戳做逐字变色。
⑨ 爆款体检 + 发布物料（发布前必过）
$PY $SK/steve_viral.py audit ./series.json --json ./09_publish/viral_report.json
$PY $SK/steve_viral.py publish ./series.json --out-dir ./09_publish
audit：黄金3秒钩子/节奏/信息密度/反转分布/结尾钩子/标题 六维打分 + 合规扫描。
≥70 分且合规 0 FAIL 才算可交付；不达标回 ② 修（零成本）publish：标题候选×5、描述文案、话题标签、发布时间建议、上传检查清单- 用
present_files交付：douyin 成片 + 封面 + 发布物料.md，并附 3 条数据复盘阈值
（5s 跳出 <50%、完播 >35%、互动 >3%）
一句话全自动模式
用户明确说"全自动/别问我/直接给我成片"时：①③ 不等确认（但仍打印大纲与体检报告），
④⑤⑥⑦ 连跑，⑧⑨ 完成后一次性交付；先导幕成片随最终交付一起给出供回看。
除此之外任何 FAIL/合规问题仍必须先修再跑 —— 全自动不等于带病上线。
参数速查（Agnes）
| 项 | 值 |
|---|---|
| 视频模型 | agnes-video-2.5-flash，单镜 4~12s，size 固定 "720P" |
| 画幅 | 9:16/16:9/1:1 原生；21:9/4:3/3:4 居中裁剪 |
| 参考图 | ≤5 张，本地路径自动转 base64 |
| 图片模型 | agnes-image-2.5-flash |
| 并发 | ≤4，轮询 ≥10s |
错误处理
| 情况 | 处理 |
|---|---|
401/429 |
换 key / 降并发降轮询（脚本已退避） |
| TTS "No audio was received" | 已内置重试；仍失败检查该句是否纯标点/空文本 |
| TTS 超长配音 | 回 ② 删字拆镜（check 阶段拦截）；救急 --autofit（≤1.3×） |
| 找不到 ffmpeg | 装 ffmpeg 或设 STEVE_FFMPEG |
| 合成卡住不动 | 音轨声道不一致卡死 AAC；脚本已强制 aformat=stereo + -ac 2，自行改命令务必保留 |
| 总时长不达标 | 首尾卡时长已计入基准；仍超 ±5% 按幕增删镜头 |
| 字幕与嘴不同步 | 配音镜头按实测语音时间对齐；未配音镜用 steve_check.py --asr 定位后 --regen |
| 合规 FAIL | 必须改词重新过闸门，不许 --no-compliance 绕过 |
资源引用
scripts/steve_plan.py— ① 结构规划（时长预算/风格预设/爆款字段）scripts/steve_assets.py— ④ 参考图批量生成scripts/steve_tts.py— ⑤ 配音引擎（edge-tts/OpenAI 兼容、逐句时间戳、音色分配）scripts/steve_shots.py— ⑥⑦ 分镜视频批量生成（滚动调度/断点续跑/接力）scripts/steve_compose.py— ⑧ 合成（配混音闪避/大字幕/卡拉OK/首尾卡/loudnorm/平台转码）scripts/steve_check.py— ③ 闸门（结构+合规+配音时长+ASR 台词核对）scripts/steve_viral.py— ⑨ 爆款体检 + 平台合规 + 发布物料scripts/steve_cover.py— ⑧ 封面/钩子卡/关注卡scripts/_agnes.py— 共享底座references/viral-playbook.md— 爆款方法论（写分镜前必读）references/platform-specs.md— 平台规格与合规红线references/tts-and-voice.md— 配音音色与旁白写作references/prompt-templates.md— 提示词模板 + 电影级词汇表references/story-structure.md— 结构范式与镜头节奏references/longform-pitfalls.md— 长剧集专有坑
