合规培训情景剧
把一条职场制度变成员工能看、能讨论的一场戏：同一个情境先按错误的做法演，再按正确的做法演，人物都是虚构的，制度只引用用户贴进来的原文。然后把它拍出来、配上声音，或让讲师出镜讲解。
你会拿到什么
第一条回复写成文字，此时还没有连接任何服务：
- 培训目标：看完之后学员能说出哪一种是错的、哪一种是对的。
- 角色表：两到三个角色，每个都有职务，以及在这场戏里的作用。每个人名和公司名都是虚构的。
- 大约 2 分钟的分场剧本：先演错误做法，再演正确做法，台词可以直接念。
- 分镜：每种做法大约六个镜头，每个镜头有它的画面、说话人、台词和计划秒数。
- 三道讨论题，每道都附给讲师的答案提示。
连上 Beatra 之后，每一项都根据上面定稿的文字来做：
- 角色静帧：每个角色在这场环境里一张照片级静帧，再加上任何需要另一张画面的镜头的静帧。
- 角色配音：每个角色一个固定音色，每一句台词按剧本顺序各自一个标明的音频文件。
- 情景剧视频：每个镜头随这个角色用自己的声音念出的那句台词动起来，再带字幕接成两条视频，错误做法和正确做法各一条，每条最多 12 个镜头、120 秒。
- 120 秒以内的数字人讲解：讲师本人的照片讲解这条制度，或为本场做开场和结尾，画幅跟照片一致。
生成文件的类型、大小和时长由模型决定，交付时如实说明。
几种做法
- 纸上的一场戏。 默认的第一条回复：目标、角色表、剧本、分镜和讨论题。
- 情景剧视频。 先角色静帧，再台词，再镜头，接成两条视频（错误做法、正确做法），方便讲师在两条之间停下来讨论。整场能放进 12 个镜头和 120 秒时，可以做成一条视频。
- 角色配音。 每一句都配音，每个角色一个固定音色，按编号交付文件，用于纯音频的角色扮演，或用户自己的剪辑。
- 数字人讲解。 讲师的照片和声音讲解这条制度，逐字引用贴进来的条款，或为本场做开场和结尾，120 秒以内。
适用范围和相邻做法
培训师、人力资源同事，或银行、医院、实验室、工厂、办公室里负责合规或安全的人，想把一条制度变成员工能看、能讨论的一场戏时用它。手绘白板讲解属于白板动画流程。娱乐向的短剧属于短剧流程。一整门分成许多课的课程属于讲课或课程流程。
制度和条款只来自用户贴进来的文字，逐字引用；绝不添加他们没有贴过的处罚、条款编号或要求，也绝不写一条做得像正式文件的条款。没有贴进来的原文时，这场戏不写条款编号，也不写处罚数字，并在剧本旁边写明：制度原文还没到，没有编造任何条款。这场戏里的每个人和每家公司都是虚构的。用户贴进来的真实案例保留情节，其中的人名、工号和公司名换成虚构的，并在回复里说明换过。数字（事故次数、损失、罚款）只按贴进来的原文或用户说明的来写，并写明出处；没有依据时，这一句不写这个数字。绝不编造案例、证书、奖项或客户名单。
真实在世的人的脸或声音，只有是用户自己的、或这个人本人已经许可时才能使用；拿到一个文件、一段公开录音或公众人物的视频，都不算同意。用户要同事或上级的脸或声音、又没有这份许可时，拒绝这一部分，角色保持虚构。
输入和默认值
硬性输入是培训主题：一条制度、一种风险，或贴进来的政策、案例或产品说明。给了它，就一次写完整个第一条回复，什么都不问。没给时，用一句话请对方补上主题，同时照样交一份完整成果，第一行标「示例」，主题是新员工防范电话诈骗；这句提问就是这条回复唯一的下一步。做数字人讲解时，贴进来的条款，或对话里已经有的这场戏，就够了。只做角色配音时，对话里已经有的剧本就够了。
用户想把制度讲清楚，而不是演出来时，第一条回复是一分钟的讲解稿，逐字引用贴进来的条款，在句末分成若干段，再加上三道讨论题；下一步是回复「做讲解」，并附上本人的照片。
用户给过的受众、时长、角色、场景、画幅和语言都沿用。默认值：大约 2 分钟，错误做法和正确做法各约一分钟；两到三个角色；每种做法大约六个镜头，绝不超过 12 个；给培训室屏幕用的 16:9 横屏（用户要求时用 9:16、1:1 或 3:4）；字幕打开；用用户的语言。有对白的镜头只框住这一个说话的人，台词是一整句，长到能撑住这个镜头。打电话的人出现在他自己的环境里，因为每一句说出来的台词都是在镜头里说的。没有照片或源文件时，仍把全部内容写出来，并说明缺什么；绝不用网上的脸或图片。
主流程
- 写这场戏。 第一条回复不调用任何工具（不开链接、不查资料、不看日期），不要求登录，也不报价格。它交出上面五样文字，结尾用用户的语言只给一个下一步：回复「做成视频」，就把这场戏拍出来；每个付费步骤都先报价，等对方同意再做。
- 定稿。 要拿去画、配音或做成字幕的文字必须是定稿。如果还是「示例」，先问是用示例，还是换成自己的主题。用户改了主题、某个角色或某一句，先把改好的文字给他看。
- 角色静帧。 调用
beatra.models.list并传{"capability": "text_to_image"}。每个角色一张确认卡、一次beatra.images.generate，count为 1，画布比例用这一场的画面比例：按角色表画出这个虚构人物，处在这一场的环境里，中近景，没有文字或标志。用户本人出演某个角色，或已经许可的人出演时：上传任何文件之前，先确认照片里是用户本人，或照片里的人已经许可，然后检查照片并用python3 scripts/mcp_client.py upload "<file>" --mime-type <type>上传，调用beatra.models.list并传{"capability": "image_to_image"}，用beatra.images.transform做这张静帧，照片作为images[0]。某个镜头还需要另一张画面（两个人同框、一个动作、屏幕特写）时，单独做一张静帧：一次beatra.images.transform（之前先用{"capability": "image_to_image"}查过模型卡片），已接受的角色静帧作为images，顺序与提示词点名的顺序一致，单独出一张确认卡。读取每张已交付静帧的真实宽和高；比例不对的静帧单独出一张确认卡重画。用户接受每张静帧之后，任何镜头才能用它。脸或制服走样的静帧，做一次beatra.images.edit（之前先用{"capability": "image_edit"}查过模型卡片），这张静帧作为images[0]，当这张卡允许第二张图时，角色静帧作为images[1]，单独出一张确认卡。 - 角色配音。 用
beatra.voices.list为每个角色选一个音色，并固定它的voice_id；绝不要把显示名称写进voice。某个角色要用用户本人的声音时：上传任何文件之前，先确认这是本人的声音，或已得到说话人的许可（拿到一个文件、一段公开录音或公众人物的视频都不算同意）；上传干净的样本，调用beatra.models.list并传{"capability": "voice_clone"}，出克隆确认卡，只提交一次beatra.voices.clone，并带上consent_attested: true，用beatra.tasks.get查进度，然后固定返回的voice_id。要用来驱动镜头的台词，等读过镜头要用的视频模型卡片之后再做：调用beatra.models.list并传{"capability": "image_to_video"}，选一张接受[image, driving_audio]的卡片，台词的format取自它的driving_audio所支持的 MIME 类型。然后调用beatra.models.list并传{"capability": "text_to_speech"}，用beatra.speech.validate（不扣费）给每一句台词报价。每一种演法出一张确认卡，每一句台词单独一行，并有自己的标识，然后对每一句只提交一次beatra.speech.synthesize，并查进度。每一句交付一个文件，标明演法、镜头和角色；实时配音模型卡片要求把文字分段时，按顺序交付各段。只做角色配音时，到此为止：这些文件保持分开，按剧本顺序。把每一句真实的 MIME 类型、时长和大小，对照这张卡的driving_audio限制，并对照实时视频模型卡片允许的最长片段（更长的音频会被截断）。超出driving_audio限制的台词不能驱动它的镜头，因此要问：是把它和同一说话人的下一句接在一起，还是这个镜头保持无声、把这句台词做成字幕。超过最长片段的一句，在一句结束处拆成两个镜头，按出问题时怎么办（references/faq.md）所说，并再次对照 12 这个上限核对这一种演法的数量；每一半作为新的一行台词重新配音，并换一个新的client_request_id。 - 镜头。 上限：一段
beatra.videos.animate最长是这张卡支持的最长时长（不超过 30 秒），一次beatra.videos.compose最多把 12 段合成起来，总长不超过 120 秒。每一种演法是一条视频，最多 12 个镜头、120 秒。出第一张视频确认卡之前，说清每条视频有多少个镜头、确认卡的张数（每个镜头一张视频确认卡，静帧确认卡和台词确认卡另计）、画幅，以及每条视频的计划时长。实时卡片允许时，每一段沿用它静帧的画幅；卡片上会写明。每张视频确认卡之前，把每条视频已申请的时长累计保持在 120 秒以内；每一段向上取整到整秒。每张视频确认卡写明演法、镜头号、总数、累计时长、画幅，以及合成上限。有对白的镜头是一次beatra.videos.animate，静帧作为image，这句台词作为driving_audio，duration取这张卡支持的、能装下这句台词的最小整秒数。无对白的镜头使用一张接受[image]的卡，不传driving_audio，时长用计划长度，并落在这张卡的范围内。提交卡片上写明的那个确切模型，查进度，并读取每一段的真实时长和画幅。片段可能带着模型自己生成的声音；合成时把无对白的镜头静音。 - 合成（每条 120 秒以内）。 某一种演法的每个镜头都做完之后，按镜头顺序用一次
beatra.videos.compose合成：有对白的镜头keep_audio设为 true，无对白的镜头keep_audio设为 false，每一段的end设为它这句台词的真实时长（或无对白镜头的计划时长）和这一段报告的时长中较小的那个，subtitles把每一句台词放在它所属镜头的时间范围内（每条字幕不超过 80 个字符），canvas设为静帧的画幅。合成不扣费，但仍要用它自己的client_request_id。某一种演法超过 12 个镜头或 120 秒时，按顺序分成若干部分来合成，每一部分不超过 12 段、120 秒，部分数和确认卡张数在第一张视频确认卡之前说清。 - 数字人讲解（120 秒以内）。 上传照片之前，先确认形象是讲师本人，或已得到本人许可；然后检查并上传。调用
beatra.models.list并传{"capability": "image_to_video"}，选一张接受[image, driving_audio]的卡片。讲稿控制在 120 秒以内，在句末切成这张卡装得下的若干段；条款逐字保留。用beatra.voices.list选一个音色库里的音色，或按第 4 步克隆讲师本人的声音，须先有说话人的同意（一个文件或一段公开录音都不算同意），并单独出一张克隆确认卡。然后调用beatra.models.list并传{"capability": "text_to_speech"}，用beatra.speech.validate给每一段报价。读取照片的真实宽和高：片段沿用照片的画幅，手机照片常常是 3:4，而不是 9:16。按这个画幅合成（16:9、9:16、1:1 或 3:4），或者请对方换一张想要画幅的照片，或者单独出确认卡，用beatra.images.transform按想要的比例重新取景一次；不属于这几种画幅的照片要重新取景或换一张，绝不加边补白。出第一张视频确认卡之前，说清分几段、一共几张确认卡（讲师的声音要克隆时一张克隆确认卡，整段讲稿一张旁白确认卡，每一段一张视频确认卡），以及交付的画幅。出旁白确认卡之前，旁白的format取自这张卡driving_audio所支持的 MIME 类型。每一段用所出示卡片上的确切模型生成语音，绝不用auto，查进度，再拿真实的 MIME 类型、时长和大小对照driving_audio限制。每张视频确认卡之前，把已申请的时长累计保持在 120 秒以内。每张视频确认卡写明画幅、段号和累计时长；然后一次beatra.videos.animate，照片作为image，这一段音频作为driving_audio，用所出示卡片上的确切模型（绝不用auto），时长取能装下它的、所支持的最小整秒数。各段按顺序用一次beatra.videos.compose合成（keep_audio设为 true，每一段的end设为它真实的旁白时长，画布等于各段的画幅，条款作为字幕，每条不超过 80 个字符，更长的条款拆到多条字幕里）。情景剧视频的开场或结尾按同样的做法单独做成它自己的一条视频。 - 交付。 报告真实的文件、时长、尺寸、画幅和
billing.net_charged_credits。看不出来、听不出来的地方直接说明（各镜头之间脸是否一致、口型是否对得上、这几个声音是否分得开、看不清的图上文字）。提醒用户把公开发布的静帧、声音和视频标注为 AI 生成，并且人和公司保持虚构。结尾只给一个下一步，比如「回复『正确演法』，我先报它第一个镜头的价格」。
请求体、镜头时长和一个完整的一场戏示例，见培训情景剧流程（references/workflow.md）。
连接就绪之前
如果一轮结束时「允许」还没完成，就先把所有不需要连接的内容按用户要的格式交付：培训目标、角色表、分场剧本、分镜、讨论题，以及任何讲解稿。这一轮交付的就是这些文字。用一句话说明：付费步骤在用户点完「允许」后的下一条消息里继续；「允许」只是完成连接，每个付费步骤在下一条消息里仍要等它当时的确认卡。不要用别的工具或服务填补空档，也不要说出任何没有经过实时调用返回的音色、模型、价格或结果。
需要确认的决定
这场戏、分镜、讨论题和每一份稿子都免费。它们不等于同意付费。
每次付费调用之前，先出一张当时的制作确认卡，然后等待：
- 内容：要做什么，用用户自己的话说，并写明由哪一类调用来做（静帧、修图、重新取景、克隆、台词、旁白或镜头）。
- 积分：刚从模型卡片或
beatra.speech.validate读到的实时价格。绝不用记忆里的数字。 - 次数：每个槽位一次付费调用。只有同一种演法的台词，或一条讲解的旁白，可以共用一张确认卡，每一句单独一行；每一次静帧、修图、重新取景、克隆和镜头都各自单独一张确认卡，每张视频确认卡还要写明演法或讲解、镜头号或段号、总数、累计时长，以及 12 段 / 120 秒的合成上限。
- 标识：每次调用一个新的不透明
client_request_id。台词、提示词、文件、音色、模型、时长或控制项一变，就换一个新的标识。 - 如果到此为止：写好的这场戏和每一个已经做好的文件都仍然能用。
- 如果余额不足：原样转述官方提示和其中的充值链接。在用户说已经充值之前，不要重试。
接受了静帧，并不授权它的镜头；同意了台词，并不授权这些台词所驱动的镜头；一个镜头的同意不覆盖下一个。提交卡片上写明的那个确切模型，绝不悄悄更换音色或模型。所有远程 Beatra 工具都只通过随包的 scripts/mcp_client.py 调用：工具名作为命令参数，JSON 参数从标准输入传入。
不要配置、调用或使用宿主 Beatra Connector。
不要用 REST/OpenAPI 作为降级方案。
如果创建调用的响应或任务编号丢了，先调用 beatra.tasks.list，再调用 beatra.tasks.get，与定稿的请求逐项比对。只有确认不存在这个任务时，才用同一个 client_request_id 重试完全相同的内容。失败的任务在新的确认卡上重做，并换一个新的 client_request_id。
只有用户要求取消时，才调用 beatra.tasks.cancel，再用 beatra.tasks.get 确认这个任务。
用户问还剩多少积分时，调用 beatra.wallet.get。问扣了哪些费用时，调用 beatra.wallet.ledger。模型卡片返回 top_up 内容时，按卡片列出的顺序原样转述各档充值，不排序，也不替用户选。
按任务查阅
- 需要静帧、修图、重新取景、克隆、台词、镜头、合成和数字人讲解的请求示例，以及一个完整的一场戏示例时，读培训情景剧流程（references/workflow.md）。
- 任务卡住、没收到回应、价格看起来不对、脸走样、台词太短、镜头失败，或某一种演法超过 120 秒时，读出问题时怎么办（references/faq.md）。
- 连接还没就绪时，读安装与授权（references/installation-and-auth.md）。
- 首次使用登记，读安装登记（references/installation-registration.md）。
- 任务创建之前调用就失败时，读随包 MCP Client 连接诊断（references/mcp-connection.md）。
- 任务在排队、进行中或找不到时，读任务与结果（references/tasks-and-results.md）。
- 扣费、退款或没收到回应需要通用规则时，读计费、错误与恢复（references/billing-errors-and-recovery.md）。
- 用户想停止使用并断开连接时，读卸载与断开连接（references/uninstall-and-disconnect.md）。
更新与安全
本 Skill 会自动更新。内置客户端每天最多一次从 Beatra 官网读取本渠道的版本信息
（中国大陆网络走 www.beatra.cn 与 cdn.beatra.cn）。有新版本时，它下载官方发布包，
逐个文件校验 SHA-256，再替换本 Skill 自己的文件；你放进这个目录的其他文件不会被
改动。替换过程中断时，下次运行会自动恢复到替换前的状态。除此之外，它不下载或执行
任何其他代码，只通过 HTTPS 与 Beatra 官方服务通信；你选择上传的文件只会传到
Beatra 为这次上传签发的一次性地址。
关闭自动更新：python3 scripts/mcp_client.py update --auto off。关闭后，客户端每天
最多提示一次在你安装它的商店里更新的命令。详见更新与安全（references/updates-and-security.md）。
