Skip to content
Back to search

daihuo-fanpai

SkillWorks with Claude CodeGitHub

复刻/仿拍爆款带货短视频 —— 反推目标视频分镜,用即梦(Seedance)重新生成镜头,配音拼接成片。A模式(忠实复刻:原台词原产品) / B模式(跨类目迁移:换产品+千川本地化脚本) / C模式(没有目标视频:从例文卡库选模板直生) / D模式(换头测试:AI开头接老主体上千川实投,开头台账回灌) / E模式(人设号复刻:固定AI人设逐条复刻别人爆款,首帧照原片构图去脸、先做道具资产、末帧接续、画布手动可复现)。触发:人设号复刻、IG健康号、奶奶号、换成我的人设拍、首帧照原片构图、画布手动复现、换开头测试、AI开头接主体、千川素材换头、开头台账、复刻带货视频、仿拍爆款、把这条视频用我的产品重做、抖音带货素材复刻、即梦复刻、穿搭/换装复刻、舞蹈/动作复刻、照着这条视频的动作换人重拍。

Safety scan

A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.

Checked today
Badge for your README
findsafeskills safety rating

Markdown

[![findsafeskills safety rating](/api/listings/wangcanyu--daihuo-fanpai/badge.svg)](/listings/wangcanyu--daihuo-fanpai)

HTML

<a href="/listings/wangcanyu--daihuo-fanpai"><img src="/api/listings/wangcanyu--daihuo-fanpai/badge.svg" alt="findsafeskills safety rating" /></a>

Install

i

What was scanned

The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.

SKILL.md · Manifest · 670 lines · 2 findings marked

View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)

  1. ---
  2. name: daihuo-fanpai
  3. description: 复刻/仿拍爆款带货短视频 —— 反推目标视频分镜,用即梦(Seedance)重新生成镜头,配音拼接成片。A模式(忠实复刻:原台词原产品) / B模式(跨类目迁移:换产品+千川本地化脚本) / C模式(没有目标视频:从例文卡库选模板直生) / D模式(换头测试:AI开头接老主体上千川实投,开头台账回灌) / E模式(人设号复刻:固定AI人设逐条复刻别人爆款,首帧照原片构图去脸、先做道具资产、末帧接续、画布手动可复现)。触发:人设号复刻、IG健康号、奶奶号、换成我的人设拍、首帧照原片构图、画布手动复现、换开头测试、AI开头接主体、千川素材换头、开头台账、复刻带货视频、仿拍爆款、把这条视频用我的产品重做、抖音带货素材复刻、即梦复刻、穿搭/换装复刻、舞蹈/动作复刻、照着这条视频的动作换人重拍。
  4. tags: [复刻, 仿拍, 带货视频, 短视频, 即梦, seedance, 视频生成, 千川, 剪映草稿, 群戏, 动作复刻, 深度图]
  5. version: 2.0
  6. status: verified
  7. created: 2026-07-01
  8. updated: 2026-11-09
  9. ---
  10. # 带货短视频复刻 (daihuo-fanpai)
  11. 反推爆款 → 迁移到目标产品 → 即梦生成 → 配音拼接。核心洞察:**病在"反推→写提示词"的转换环节会丢细节/丢动作,不在模型**。本 skill 把验证过的管线固化,每步产物可审。
  12. 引擎在本目录(可插拔,换实现只改单个文件):
  13. `seed_reverse.py` 反推 · `merge_reverse.py` 双反推合并 · **`route.py` 判片型(决定后续生成方式)** · `plan_segments.py` 规划 · `h3_prompt.py` 海螺提示词生成 · **`director.py` 约束维度检查(生成前最后一道闸)** · `seam_pick.py` 一镜到底续接挑缝 · `cut_audio.py` 原音切段(≥2s闸+timing.json) · `patch_cast.py` 群戏/多人补丁(人数硬约束) · `gen_segments.py` 生成 · `qc_assets.py` **资产入库闸(机械层+VLM层+图⇄文对账,提交前把参考图本身查一遍)** · `qc_lipsync.py` 帧级口型质检 · `qc_defects.py` 四类缺陷定量抽帧 · `grid_off.py` 多卷同网格对照 · `is_speech.py`/`voice_cmp.py` 音轨判据 · `tts_segments.py` 配音 · `assemble.py` 装配 · `deliver.py` 交付(剪映草稿/成品) · `doctor.py` 体检。
  14. 生成后端(可插拔,契约 `submit_*()->tid` / `wait_download(tid,dst)->(size,usage)`):即梦CLI(内置) · **`libtv_gen.py` LibTV 画布(Seedance 2.0/2.5,积分计费,即梦不可用时改道)** · **`mmh3_gen.py` MiniMax H3 官方规范(秘塔渠道,h3 首选)** · `ark_gen.py` 火山 · `xyq_gen.py` 小云雀 · `rh_gen.py` RunningHub海螺h3(同模型贵4.4倍,已退役) · `rhdh_gen.py` RunningHub 数字人 **v4**(10-19 起「YZ金鱼-超自然商业数字人v4」,H3 内核,1~6 张参考图+锁音频;**整条口播片直通**,单主播对镜口播片型用,跳过反推/规划/TTS;单段 ≤30 秒自动分段;参数 megapixels/步数/调度器见脚本头;v3 的 ¥95/30 分钟是旧价,v4 待实测;钱包计费先征得用户同意)。
  15. > **要改造/换引擎/接手本 skill?先读 `DESIGN.md`**(设计理由 + 数据契约 + 扩展点)。参考样例在 `references/`。
  16. ## 五种模式
  17. - **A·忠实复刻**:目标=原原本本复刻(台词原样、产品同一个)。不改脚本、不接千川。本文件覆盖。
  18. - **B·跨类目迁移**:换成用户产品 + 千川方法论本地化台词。B 在 A 基础上,于「规划」后、「配音」前插入**脚本本地化**一步,只改 `segments.json` 的 `dialogue` 字段(接口不变,A 的引擎一行不动)。
  19. - 方法论弹药包在 `qianchuan/`(蒸馏自4套千川课):`00-INDEX`导航 · `01-选题与卖点`(三级卖点S/A/B) · `02-跨类目复制与机制`(★纪律:结构不动只换产品/卖点/数字 + 买赠堆叠 + 信任前置) · `03-句式库`(锚定/伪机制/指令式) · `04-诊断rubric与红线`(三看漏斗90分 + 合规)。
  20. - 操作:按 `qianchuan/LOCALIZE.md` 流程 → 向用户收事实包(品牌/主卖点/活动/价格/赠品/产地/异议点)→ 逐段改 dialogue(**默认走纪律不自由发挥**)→ 存 edits.json → `python3 localize_apply.py segments.json edits.json`(自动同步口播段 prompt 的 台词{},并对字数偏差告警)→ 给用户过目 → 继续 tts。
  21. - **评委(可选)**:生成后拿成片抽帧 + `04` 三看漏斗打分,不足项给整改建议。
  22. - **C·模板直生(没有目标视频)**:只有产品图 + 一句要求时,从例文卡库挑一张结构模板,让大模型直写全新 shotlist,
  23. 之后走 A 的下游(plan_segments → tts → h3_prompt → gen → assemble → deliver)。
  24. ```
  25. python3 c_gen.py --assets run/assets.json --require "做一条15-20s的早餐场景带货片" --cat 食品饮料 --out run/shotlist.json
  26. ```
  27. - 选卡:同品类(归一类目 `cat`)硬加分 > 时长贴近 > 已验 > 结构丰富;判废卡和非带货卡不参选。`--card <id>` 可指定。
  28. - 时长只对用户目标校验(给了"15-20s"就只认它);台词里读法有歧义的地方模型会直接写 `<屏上|念法>`。
  29. - 旧品名/品牌/产地/机制数字黑名单,残留即打回重写。
  30. - **D·换头测试(千川实投,11-01 从海参测试收拢)**:不复刻整条,只用 AI 做 5~15 秒开头,接号上已跑过的老主体,上千川实投、按数据挑开头。
  31. 一个开头接多个主体;判定看 3 秒播放率不看点击率;每天日报进开头台账回灌选题。**完整流程、口径、规矩见 `huantou/README.md`**。
  32. ```
  33. python3 huantou/open_post.py 生成.mp4 台词.txt 开头.mp4 --key 关键词 # 1.1倍速+字幕+AI小字+切点,打印ASR必须逐句回听
  34. python3 huantou/join_open.py 开头.mp4 主体.mp4 成片.mp4 # 接主体+两遍去停顿+ASR回听
  35. python3 huantou/ledger/build_ledger.py <投放数据目录> # 开头台账
  36. ```
  37. - **E·人设号复刻(画布流,11-09 定型)**:固定 AI 人设(如 IG 健康号 Grandma Mei)整条出镜,逐条复刻别人的爆款。
  38. 每一步都和原片并排对比、用户确认后再往下走。实证:Grandma Mei 第3条,12 镜分 4 段、每段只跑 1 次、共 49 秒视频积分就定稿。**完整流程、模板、翻车清单见 `renshe/README.md`;给人手动在 LibTV/RunningHub 画布上复现看 `renshe/画布手动流程.md`**。
  39. 四个关键改动:①**首帧照原片构图**:原片帧涂掉脸和字幕,喂 Lib Image 2.5 Pro"照参考构图换人换景"②**先做道具资产图**,同一道具的不同状态从同一张图改出来 ③**同场景下一段首帧=上一段真实末帧** ④**一条生成写多镜头**,按原片节奏分段,有因果的放同一条。
  40. 台词保留原片语气,只换阴谋论和具体治疗功效,别改温和。
  41. ```
  42. python3 renshe/mask_frame.py 原片.mp4 秒 去脸.jpg x1,y1,x2,y2 ... # 原片帧涂脸和字幕
  43. bash renshe/libtv_img.sh jobs.json 0 # 首帧/资产(在已 libtv project use 的项目目录跑)
  44. python3 renshe/side_by_side.py 对比.jpg 原片帧 我们首帧 ... # 先给用户看再花视频积分
  45. bash renshe/libtv_vid.sh jobs_vid.json 0 # Seedance 2.5 720p 有声,每段先跑1次
  46. python3 renshe/qc_seg.py vid/*.mp4 # 接触表+ASR+切镜点
  47. KEYS="关键词" SPEED=1.1 POSY=240 python3 renshe/assemble_sub.py 成片.mp4 S1.mp4 S2.mp4 ...
  48. ```
  49. ## 例文卡库 + 资产库(10-09 从 Kimi 线适配)
  50. **例文卡库**(`punch_cards/`,卡片 JSON 不入 git;唯一入口 `cards.py`):一张卡 = 一条爆款的逐拍结构
  51. (beat_function / felt_intent / 台词 / 屏字 / 运镜 / 声音设计)。B 模式找参照、C 模式选模板都从这里取。
  52. - 状态三态:`unverified` / `verified` / `rejected`。判废的卡永不被检索/选中。
  53. - 类目看 `cat`(14 类归一词表),原 `category` 大半是整段商品标题,别拿它比。
  54. `cards.py rules --write` 关键词粗分(免费);`cards.py classify --recheck` 大模型精分(套餐可用时跑)。
  55. - 检索:`card_find.py --beat 钩子 --cat 食品饮料 --hook-type 痛点供给`
  56. - 抽检:`card_verify.py sample --batch <日期>` 随机抽 → 人对原片判 过/废 → `card_verify.py settle <单子>`
  57. (废的标 rejected;废数 ≤ 允许数才整批放行)。
  58. - 收卡:自产 `card_harvest.py <run> --cat …`;外部批量 `batch_reverse.py <素材目录>`(要先 `beat_tag.py --apply`)。
  59. **资产库**只有一个:`config.ASSETS_LIB`(默认 E:/jimeng/assets_lib),唯一入口 `assets_lib.py`。
  60. `cast/`(人物,主播也是 cast 一员)· `scene/` · `products/`(形态 + 别名 + _916 竖版)· `clips/`(只收验收片)。
  61. assets.json 里写引用不写路径,换机器不用改:
  62. `"host_anchor": "@host:西梅主播"`、`"products": {"包装袋": "@product:西梅麦片/包装袋正面"}`。
  63. 登记:`assets_lib.py enroll-host …` / `assets_lib.py enroll-product …`;查看:`assets_lib.py list`。
  64. **大模型出口只有一个**(`config.ark_endpoint`):套餐(agent-plan)/按量由 key 决定,每个进程第一次调用时
  65. 打印实际通道。`DAIHUO_ARK_PLAN=0` 显式退回按量(按 token 计费,先征得用户同意)。doctor 会真调一次探针。
  66. ## 第0步:体检(每次开跑前必做)
  67. ```bash
  68. python3 <engine>/doctor.py
  69. ```
  70. 按性质分级处置依赖,**不要闷头自动装重型依赖**:
  71. - **ffmpeg(轻)**:缺 → 可自动装 `apt/brew install ffmpeg`。
  72. - **即梦CLI + Seed key(凭证)**:缺/失效 → **提示用户处理**(登录、提供key),agent 硬试无用。
  73. - **CosyVoice(重型GPU,配音用)**:缺 → **不默认自动装**。给用户降级选项并让其选:
  74. 1. A模式且台词没改 → **直接复用原片音频**(`ffmpeg` 从原视频抽,免TTS,最省)
  75. 2. 接**云端TTS** API(无需本地GPU)
  76. 3. 用户**自备配音**
  77. 4. 用户决定装本地 CosyVoice(几GB+GPU,大投入,该用户拍板)
  78. 核心链路(反推+生成+装配)可跑即可开工;配音缺则走上面降级。
  79. ## 第0.5步:建项目文件夹(10-10,硬规则)
  80. **每条复刻一个项目文件夹,所有中间产物都进去;skill 目录里一个字节都不许写。**
  81. ```bash
  82. python3 <engine>/project.py init "G:\复刻测试\男装.mp4" # 默认建在视频旁边:G:\复刻测试\男装_复刻\
  83. python3 <engine>/project.py init 目标.mp4 --dir "用户指定的位置" # 用户说了放哪就放哪
  84. python3 <engine>/project.py init --dir "用户指定的位置" --name 西梅早餐 # C 模式没有视频:先问用户放哪
  85. ```
  86. - 最后一行打印 `RUN=<项目路径>`。**下文所有 `run/` 都指这个路径**,cd 进去再跑。
  87. - 项目里机器用的子目录沿用英文名(clips/ audio/seg/ prompts/ refs/ assets/ tmp/);**人只看 `成片/`**,
  88. FULL.mp4 / 成品 / 字幕 / 评委报告都输出到这里。跟用户报告时给 Windows 路径(`project.py` 已打印)。
  89. - 目标视频会复制到 `src/target.mp4`,原片挪走或改名不影响项目。
  90. - 14 个入口脚本带守卫:输出路径落进 skill 目录直接拒绝。**被拒了就去建项目,别绕守卫。**
  91. - 临时文件(抽帧、测试切片)放 `run/tmp/`,不放 skill 目录,也不放系统 /tmp(用户找不到)。
  92. - 老项目(`E:\jimeng\runs\*`)照旧能用,结构兼容;只是成片在 `output/` 而不是 `成片/`。
  93. ## 输入(问用户要)
  94. 1. **目标视频**(要复刻的爆款,路径)
  95. 2. **产品素材**:干净产品图,**目标视频里出现的每一种形态各一张**(裸品/剖面/礼盒/内包装/单根…),官方电商图最佳、别用视频截图。**具体要哪几张,第1.5步 `needed_assets.py` 反推后会给你精确清单**——按清单准备,别漏形态(漏了即梦会自由发挥编产品,实测坑)。填进 `assets.json`
  96. 3. **音色**:A模式默认复用原音;走"换声不换演"(vc_segments)时**建议用户提供干净的目标音色参考**(安静环境、无BGM无杂音、几秒即可,信噪比≥30dB——脏参考的底噪会被学进产物);用户不提供则用内置干净音色(voices/:女声古丽93dB·女声萍萍76dB·男声广智49dB,vc_segments 省略 --target 即用);TTS重配走 CosyVoice 音色库
  97. 4. 确认横竖屏/时长无异常(doctor 不管这个,ffprobe 一下)
  98. `assets.json` 格式(前3个必填,后3个按需):
  99. ```json
  100. {"host_anchor":"assets/host.jpg",
  101. "product_desc":"高小参鲜蒸海参,深蓝金色包装",
  102. "products":{"hero":"assets/单只正面.jpg","hero_alt":"assets/剖面.jpg",
  103. "礼盒":"assets/礼盒.png","内包装":"assets/内包装.png","单根":"assets/单根.png"},
  104. "host_desc":"齐肩黑发,白色圆领上衣,居家亲切感",
  105. "forms":{"hero":["精华","滴管","膏体"],"瓶身":["玻璃瓶","泵头"]},
  106. "product_verbs":["涂抹","上脸","拍打"]}
  107. ```
  108. - **host_desc**(推荐):主播外形一句话,会钉进每个口播段提示词——治"跨段穿着漂移"(实测坑)
  109. - **forms**:产品形态别名表——默认表偏海参/生鲜,**换品类必配**,否则锚图路由匹配不上
  110. - **product_verbs**:该品类的产品操作动词——完备性关卡靠它查"漏动作",默认表偏食品
  111. - **★★人物锚定图铁律:一律 text2image 生成【新身份】,绝不从原片抽帧**(06-30 定,08-11 违规一次)。
  112. 抽原片帧照搬的是**出镜人的真实肖像**,复刻他人视频时这是拿别人的脸去生成内容,合规上不该做。
  113. 即梦 `text2image --model_version 5.0 --resolution_type 2k` 生一张是**免费**的,没有任何理由省这一步。
  114. ⚠**别把"产品锚图可用原片抽帧"这条串到人物上**:那条的前提是【自己的素材、自己的产品做自复刻】
  115. (07-24 七子白),两个前提在"复刻他人视频"时都不成立。我 08-11 就是这么串错的——
  116. 顺手把产品的做法套到主播头上,还套到了别人的片子上。纯产品无人视频可省 host_anchor。
  117. ## 管线(A模式)
  118. ```
  119. 1 反推 python3 seed_reverse.py <video> --out run/shotlist.json
  120. → Seed2.1Pro原生视频,一次出:硬切分镜+台词对齐+product_role+key_colors+动作阶段/姿态/微表情/说话方式
  121. → 场景检测默认0.15(0.3会漏同机位跳剪);台词硬规:无人声的字幕/花字只进onscreen_text
  122. → ★台词真值走豆包 ASR,Seed 只对齐(没 key 或失败才退回 Seed 转写+whisper 核对);采样 ≤30s 4帧/秒、≤90s 2帧/秒
  123. → ★打印了「[闸②][存疑]」就看 run/_cut_audit/ 的对照图,判假的切点要手动从 cuts 里去掉再 --cuts 重跑
  124. 1b 双反推(可选,重要投放片推荐——反推多花的token省的是Seedance重抽的钱)
  125. python3 k3_reverse.py <video> --out run/shotlist_k3.json
  126. → Kimi K3 API腿(同SCHEMA同切点源,可与第1步并行后台跑;K3全程开思考,慢,必后台)
  127. python3 merge_reverse.py run/shotlist.json run/shotlist_k3.json --video <video> --outdir run/merge
  128. → 出 dossier.md(逐镜并排+性别/运镜分歧信号灯+静音闸警告)+frames/(分歧点自动抽帧)
  129. +merged_draft.json(Seed实体基底+__alt_*运镜候选)
  130. → agent按铁律裁决:实体/屏字信Seed·运镜时序信K3·互斥分歧看帧·静音区文字不进台词;
  131. 裁决时吸收__alt_subcuts细切点与绕拍/侧机位时间线进camera/action,
  132. 删净__alt_*字段后覆盖 run/shotlist.json(下游只认标准schema)
  133. 1.5 清单 python3 needed_assets.py run/shotlist.json
  134. → ★列出这条视频需要哪些产品形态图(礼盒/内包装/单根/裸品/剖面…)+ assets 骨架
  135. → 拿这份清单向用户要图(每个形态都要,漏了即梦会自由发挥编产品),填好 assets.json
  136. 2 规划 python3 plan_segments.py run/shotlist.json assets.json --out run/segments.json --min-dur 4 --hard-max-cuts 4 --by-leg
  137. → ★**--by-leg 按生成腿分段**(08-10 定的主力架构):同段必须同腿,并给每段打 `leg` 标记
  138. package_text 平面印刷图案 → **mmh3**(¥0.11/秒,logo毛笔字三列小字实测零错)
  139. hero_real 三维形体/质感 → **jimeng**(四方对照唯一锚得住的;一票否决,同段有它整段走即梦)
  140. dynamic/none 人物氛围空镜 → **mmh3**(无形体保真要求,取最便宜)
  141. 物理动作难的镜 → 人审在 segments.md 里把 leg 改成 `jimeng25`(2.5的真正强项)
  142. → ★**顺带落一份段级分镜 `run/segments.shotlist.json`,下游全部自动改吃它**(09-10 修):
  143. >15s 长镜会被拆成子段,镜号变成 `2a/2b/2c`,**原始 shotlist 里没有这些号** ——
  144. h3_prompt/qc_defects 会 KeyError 崩,director/qc_cast 会静默跳过(审了个寂寞还报"全部通过")。
  145. 拆子段时 action 也按【段内时间窗】裁剪:整段 25 秒的动作挂到 8.3 秒的子段上,
  146. 模型会把 25 秒动作压进 8 秒(09-08 热敷披肩实撞)。动作切不出足够分句时会响亮报,
  147. 让你回 shotlist 把 action 按时间顺序断成分句 —— **别只改 segments.json,
  148. h3_prompt 从 shotlist 读 action,重跑一次就把你的手改整个覆盖掉**。
  149. → ★内置**临界点合并**:拆细与最短时长是对冲的(单独拆按 min_dur 付费,并进邻段只按真实跨度付)。
  150. 临界 = min_dur × 本腿单价 ÷ 邻段单价,mmh3 并进即梦段 = 4×0.11÷0.742 ≈ 0.6秒 →
  151. 短于此的 mmh3 碎段自动并回(实测撞见 0.04 秒碎段却要付 4 秒的钱)。
  152. ⚠反向不并:hero_real 碎段再短也隔离——形体错整段废,且并进去会把整段拖成即梦价(贵7倍)。
  153. → 规划完会打印**成本估算**(按腿分列),烧钱前先看见钱花在哪
  154. → ★若打印了「深度动作参考建议」:原样转述给用户(理由+翻倍积分),同意后加 `--motion-ref` 重跑,见「深度动作参考」节
  155. → 自动拆超长镜/分段(≤12s≤3切)/路由(口播mm·hero/包装i2v)/写提示词(带全产品动作)
  156. → ★快切片必开【填满模式】:后端有最短生成时长(即梦4s/海螺h3 5s),每段跨度才1~3秒时
  157. 等于白付下限的钱。`--min-dur <后端下限>` 让不够长的段继续并镜;**必须同时给
  158. `--hard-max-cuts`**(不设闸会把9个镜头塞一段,超即梦"硬切5崩"红线和h3已验的3刀)。
  159. 本片实测:10段50s → 8段42s,浪费39%→28%。默认 --min-dur 0 = 旧行为不变。
  160. → ★人审 run/segments.md:看分镜卡片 + 完备性关卡的"漏动作"警告,微调提示词/锚图/台词
  161. 2.15 ★★判片型(08-23 新增,立项档案之后、规划之前)
  162. python3 route.py run/
  163. → 从 profile.json + shotlist.json 抽结构特征,查 references/film_types.json 判型,给出后续生成方式。
  164. ★为什么必须先判型再生成:同一个改动在不同片型上一个是解药一个是毒药。
  165. 实测(榴莲千层 08-23,双臂 n=3,统一网格):
  166. 【画外主说话人】的片子必须**剧本先行**(台词写进 prompt 让模型自己发声)——
  167. 画外音窗口里出镜者张嘴的帧从 37%(极差1~11,三卷崩一卷)降到 5~13%(六卷无一崩);
  168. 而【主播出镜口播】恰恰相反:只有一个说话人、没有归属歧义,剧本先行只有丢原声的代价。
  169. ★片型库的键是【结构特征】不是题材名。"街头挑战/开箱/探店"不决定生成方式,
  170. "主说话人出不出镜/段内换不换人说/产品有没有可读文字"才决定,而这些反推已经产出。
  171. ★没命中任何片型时**不要照着最近一条片硬套** —— 回 film_types.json 加一条,
  172. 把这条片的结构特征和路由写清楚(与 director.py 的 RULES 同一个规矩:翻一次车加一行)。
  173. 2.2 ★★立项档案(所有片必做,反推之后第一件事)
  174. python3 film_profile.py run/目标.mp4 --shotlist run/shotlist.json --out run/profile.json
  175. → 回答"这是什么片型":机位形态(胸挂POV/手持自拍/旁观/固定)、**拍摄者是谁、出不出镜、
  176. 说不说话**、结构化演员表、声音层次、叙事阶段。
  177. → ★**必须人过目**:它驱动路由、机位措辞、说话人归属和演员表,判错了下游全错。
  178. → 不做这步的后果(08-21 榴莲千层):那条片主播只露手却是主要说话人,
  179. 管线里没有"拍摄者"这个概念 → 8段全路由错、他的话被派给路人对口型、
  180. 第一视角拍成了旁观视角。**每个环节各自猜,猜错也没人知道。**
  181. 2.3 ★演职表与资产(群戏/街采片必做;单主播片跳过)
  182. python3 needed_assets.py run/shotlist.json # 报"要哪些产品图 + 哪些人设图"
  183. python3 cast_plan.py run/shotlist.json --out run/cast.json # 聚出角色候选
  184. → ★**人过目 cast.json**:聚类是关键词匹配,可能把两个人合成一个(别名宁窄勿宽,
  185. 合错=两个不同的人共用一张脸,比没有人设图更糟)。拿不准就回原片抽帧看,一条 ffmpeg 定案。
  186. → 单主播口播/vlog 会被 cast_plan 的"单主播片闸"拦下并提示不要建演职表(多日换装会被聚成假角色)
  187. python3 make_cast_sheet.py --batch cast_todo.json # 生成 3:4 人设图入资产库(即梦订阅内免费)
  188. → 规格是 08-13 A/B/C/C2 实测定的:3:4 上排三肖像+下排三全身,灰底影棚。
  189. 单张正面锚图会出重影,横排六视角会把人画老画暗 —— 别自己改规格。
  190. 2.35 ★资产审片台(本地网页,把"看不见"的那一关变成看得见)
  191. python3 asset_board.py --run run/ --out board.html # 自包含 HTML,双击即开,不联网
  192. → 三栏与 needed_assets 同口径:【要你准备】产品 /【AI生成·你审】人物、场景
  193. → 人物卡 = 原片截图×3 + 已生成的人设图【并排】,一眼判断"是不是同一个人"
  194. (08-15 差点把「黑短袖大哥」和「黑背心运动大哥」绑成同一张脸,就是这种判断)
  195. → 页面上改名/改描述/勾确认 → 点「导出决策 JSON」→ 放回 run 目录
  196. python3 apply_board.py --run run/ # 写回 cast.json + 资产库
  197. → ★标了"其实是别人,拆开"的**不自动处理**:拆成谁和谁是语义判断,猜错比不拆更糟
  198. ★为什么是本地文件不是云端页面:用户网络不稳时 claude.ai 打不开(08-20 实撞:
  199. 连 GitHub 直连都连不上,要靠代理)。本地 HTML 离线可用,是这个工具的主场。
  200. 2.4 ★说话人标注(有画外旁白的片必做)
  201. python3 speaker_tag.py run/目标.mp4 --shotlist run/shotlist.json --profile run/profile.json --cast run/cast.json
  202. → 出**带时间戳的说话轮次**(不是一镜一个说话人:长段里问答来回好几轮,一个标签没法执行)。\n → speaker 三选一:`operator`(画外拍摄者→全员闭嘴)/ 在册角色 / none。\n 实测榴莲千层 48 轮里 29 轮是 operator —— 六成的话不该有人对口型。
  203. → ★人审那张对照表(带★的是信心非"高"的);归不上册的说话人会单独列出来交你定夺。
  204. → 确认后 --apply 写回 shotlist 的 speaker/voice_mode。
  205. → 不做这步的后果:旁白镜里所有人都在对着画外音张嘴(小禾家 44 个台词镜里 15 个是旁白)。
  206. 2.5 h3提示词(走 h3 腿时需要:mmh3 或 rh)
  207. python3 h3_prompt.py run/segments.json --shotlist run/shotlist.json --assets assets.json --out-dir run/prompts
  208. → plan 出的是【即梦风格中文提示词】,h3 吃不了 → 本步转成官方 Ref2VA 六段式:
  209. 机械部分全自动(切点MM:SS.mmm换算/Picture编号与逐图声明/retention表/人数硬约束/
  210. ★台词自动剥离/说话或闭嘴指令/贴字指令过滤/每镜钉死环境防参考图带跑背景);
  211. 中文动作用 Ark 一次批量译英(--no-translate 可关,留中文由 agent 润色)。
  212. → 敏感词**只报警不自动改**:h3 拒稿不计费,先按原样试,被拒再消毒
  213. (08-09 教训:预防性把"针管"改成"美妆工具柄",道具直接走形,钩子废了)
  214. → 产物 prompts/<seg>_h3.txt + images.json,**并自动灌回 segments.json**
  215. (★gen_segments 只读 plan 里的 prompt/images,从不读 prompts/ ——
  216. 08-16 就因为没灌回,拿旧提示词白跑了一整轮 17 段而全程不报错)
  217. → 单段参考图自动限流到 3 张(RHTV 实证:参考越多一致性越弱),
  218. 优先保住【有台词的说话人】的人设图 + 1 张产品图
  219. 2.8 ★约束闸 python3 director.py run/segments.json --shotlist run/shotlist.json [--prompts-dir run/prompts] [--strict]
  220. → **生成前的最后一道闸,别带着缺失去烧钱**。它检查的不是"提示词写得漂不漂亮",
  221. 而是"某个必须的约束在不在"——统计全部翻车案例,**没有一条是表达问题,全是约束缺席**。
  222. → 9 条规则各自记着"是被哪次事故教出来的":人数硬约束/施术受术方(左右)/节拍时间分配/
  223. 产品外观优先级归锚图/逐镜着装已剥离/贴字特效已剥离/第三方IP已剥离/状态参考图环境钉死/
  224. 台词不进h3提示词。命中"该加而没加"就报警并给出可直接抄的修法。
  225. → ★**每翻一次车就往 director.py 的 RULES 加一行**——把"想到要加什么约束"固化下来,越用越可靠。
  226. 08-11 回归验证:翻车那版提示词被精确抓出 2 处缺失(左右手/节拍),修正版全绿。
  227. 3 配音 python3 tts_segments.py run/segments.json --out-dir run/audio/seg
  228. (降级:复用原音时跳过此步,改用 cut_audio.py 按段切原片音频:
  229. python3 cut_audio.py run/segments.json --video 原片.mp4 --shotlist run/shotlist.json --out run/audio/seg
  230. ★内置即梦2秒上传下限闸(静音垫尾),并顺产镜级 timing.json 精确字幕轴;
  231. ★只垫到2s下限别垫满规划时长,垫满会触发gen误加时每段白烧1秒)
  232. (第三档·换声不换演:python3 vc_segments.py run/audio/seg --target 音色.wav —— Seed-VC把
  233. 原片切段音频转成目标音色,表演节奏/语气逐帧保留,治"复用原音怕查重/重配丢表演"两难;
  234. ⚠️整段单音色,群戏需先说话人分离,未实现)
  235. 4 生成 python3 gen_segments.py run/segments.json --clips run/clips --audio-dir run/audio/seg --auto-leg --concurrency 3
  236. → ★**--auto-leg 按每段 leg 自动派发**(配合 --by-leg 使用):mmh3 段进并发池(实测真并行)、
  237. 即梦段走串行(通道并发=1)。一条片子里两条腿各跑各的,成本和质量同时兼顾。
  238. → 串行(VIP并发=1),口播段双图对口型,hero/包装段动你真图。断点续跑,--dry-run先看
  239. → ★**即梦默认档=`seedance2.0` 非VIP慢速排队**(8积分/秒,比VIP便宜43%)。代价是真排队
  240. (实测18分钟起),轮询预算已自动放到60分钟;超时不代表失败,submit_id 在 meta.json 可补抓。
  241. 急件/要1080p·4k → `--jimeng-model seedance2.0_vip`;长段不想切碎 → `seedance2.5`(26积分/秒,时长上限30s)。
  242. → ★**即梦 CLI 用不了时**:`--auto-leg --jimeng-via libtv`,jimeng/jimeng25 段改走 LibTV 的 Seedance 2.0/2.5,其余段不变。也可在 segments.md 把单段 leg 写成 `libtv`/`libtv25`,或用 `--i2v-backend libtv --mm-backend libtv` 全片走
  243. → **六条生成腿**:即梦CLI(季卡12320积分/月,产品形体锚定最准) | LibTV(Seedance 2.0/2.5,积分计费,2.5 约46积分/秒,跑前先报总价,720p 封顶;⚠参考音频会被重新出声,可能晚约0.4秒、吞字补字,人物口播段未实测,先单段验再批量) | 火山Ark(--i2v-backend ark,按token,★含人脸参考图政策级拦截,只走纯产品i2v) | 小云雀(--i2v-backend xyq,独立credits池) | RunningHub海螺h3(--i2v-backend rh / --mm-backend rh,钱包≈¥0.48/秒)。CLI积分紧张时把i2v卸给Ark/小云雀省池子。
  244. → ★**口播mm段有两条腿**:即梦(默认,口型最稳)和海螺h3(--mm-backend rh,audioUrls驱动口型,08-07参阿婆46s片实证)。积分耗尽时口播不再卡死,但要花钱且首用须跑 qc_lipsync 验收。
  245. → ★走 h3 腿(mmh3/rh)前先跑 `h3_prompt.py`(下方 2.5 步)出六段式提示词,别拿即梦的中文提示词硬喂
  246. → ★用 h3 腿前先读 `references/h3/README.md`:**审查只审prompt文本不审图/音→台词一律不进prompt**、产物多送0.5s尾帧、结果URL只活24h、Ref2VA六段式提示词与 [Shot N] At MM:SS.mmm 段内调度。
  247. → ⚠小云雀腿 07-17 实测(mini_lite档):i2v 是**参考重绘语义**非首帧锚定——构图/质感优,但**品牌文字会绘错**且左上角烧死「AI生成」水印→**只接无文字要求的氛围/质感镜**,带包装文字的镜必须即梦。xyq_gen.submit_mm(带--audio口播)仍是实验性。
  248. → ★用小云雀腿前先读 `references/xyq_notes.md`:与即梦声音范式根本不同(台词/音效写进prompt模型自生语音 vs 即梦wav驱动口型)、prompt黄金公式、实测记录与分工定位。
  249. 5 装配 python3 assemble.py run/segments.json --clips run/clips --audio-dir run/audio/seg --out run/成片/FULL.mp4 [--trim-to-plan] [--master-audio 原片.mp4] [--size 1440x2560]
  250. → ★A模式复用原音的正解 = `--trim-to-plan --master-audio 原片.mp4`:先把每段画面裁回
  251. segments.json 的 end-start 跨度(但不短于本段配音),再整条原音直铺。
  252. 不裁则全片被撑长(plan 的 duration=ceil(end-start) 本就多到1s,海螺还多送0.5s尾帧),
  253. 段尾出现"音已停画还在演"的空窗;逐段拼音轨还会把误差累加成漂移。
  254. 装配后会硬校验画面总长 vs 原音,差>0.3s 报警(有缺片时别用 --master-audio)。
  255. 6 评委 python3 judge.py run/成片/FULL.mp4 [--target 原片.mp4]
  256. → Seed2.1Pro 按三看漏斗90分制打分+整改建议;--target 时成片+原片一起上传做真保真度对比
  257. → 成片>35MB 自动压 360p 小版上传(base64 上限)
  258. 7 字幕 python3 export_subs.py run/segments.json --shotlist run/shotlist.json --out run/成片/FULL
  259. → FULL.srt(句级粗对齐字幕)+ FULL_贴字清单.md(原片屏上贴字的时间点+原文)——剪映照抄
  260. 8 交付 python3 deliver.py run/segments.json --mode draft|final|both --clips run/clips --audio-dir run/audio/seg --shotlist run/shotlist.json [--trim-to-plan --size 1440x2560]
  261. → ★装配开了 --trim-to-plan 的话交付也必须开,口径要一致:否则视频轨用未裁的原始clips
  262. 而字幕轨是原片时间轴,两轨对不上(08-09实测草稿51.7s vs 成片30.4s)
  263. → draft:★剪映草稿(推荐)——视频轨逐段(段边界即切割点)+配音轨+字幕轨逐句+贴字参考轨+空BGM轨,
  264. 素材copy进草稿目录自包含;打开剪映草稿箱直接精剪,不用再切拼好的片子
  265. → final:在 FULL.mp4 上烧字幕+可选 --bgm 混音,出"能直接投的及格版"(FULL.mp4 本身不动,它是judge输入)
  266. → 字幕轴优先吃 audio/seg/timing.json(tts产出,逐句真实时长);缺则按字数占比粗对齐
  267. ```
  268. > 评委分低多半是"原片结构本就烂"(口播/多卖点/开箱)——忠实复刻分低正常;要高分走 B 模式方法论优化(单卖点+三倍画,见 qianchuan/04)。
  269. **人审闸口(第2步后)是硬要求**——生成前必让用户过 `segments.md`,尤其看完备性警告和 hero 段锚图选得对不对。这是把"垃圾进垃圾出"挡在烧积分之前。
  270. ## 深度动作参考(10-09 男装片实证;`depth_ref.py`)
  271. **一句话**:原片 → 本机深度图视频(只剩远近,没有脸/衣服纹理/颜色/花字)→ 当 `@视频1` 喂即梦 →
  272. 动作逐帧跟原片,长相/衣服只听人设图和产品图。
  273. | 10-09 同段四组对照(12s 一镜到底穿搭展示) | 动作 | 脸 |
  274. |---|---|---|
  275. | 只有文字(现行) | 大致那几个动作 | ✓ 人设 |
  276. | 彩色原片当参考 | ✓ 逐帧 | ✗ **原片演员**(连裤子都抄) |
  277. | 去色原片当参考 | ✓ 逐帧 | ✗ **原片演员**(只是头发变黑) |
  278. | **深度图当参考** | ✓ 逐帧 | ✓ 人设,衣服细节全对 |
  279. **★是否使用,agent 不得自行决定。** 以 `plan_segments` 打印的「深度动作参考建议」为准,原样转述给用户
  280. (理由 + 翻倍后的积分),**用户同意后**才开:
  281. ```
  282. python3 plan_segments.py run/shotlist.json assets.json --out run/segments.json --motion-ref suggested # 或 S1,S3 点名
  283. python3 depth_ref.py run/segments.json --video 原片.mp4 # 出 run/refs/<seg>_depth.mp4,写回 video_ref
  284. python3 gen_segments.py run/segments.json … # 即梦自动带 --video
  285. ```
  286. - **建议**:单个连续镜头 ≥4s 且镜内 ≥3 个肢体动作(穿搭展示/舞蹈/表演)。按"镜内"算 —— 1 秒一切的快切片
  287. (张九九)每镜一个动作,文字就写得清,不该用。
  288. - **可选**(要点名):长镜(≥8s)里手部操作 ≥4 处(削皮刀那种一镜到底演示)。
  289. - **否决**:B 模式 + 手持产品 + 形状与原片不同 —— 深度图会带入原片产品的形状。
  290. 在 assets.json 写 `"product_shape_same": true/false` 显式声明;穿在身上的(衣服/饰品)不受影响。
  291. - **成本翻倍**:参考视频按秒计费、与输出同价(即梦 12s:168→336 积分;秘塔 H3 输入 122.4 + 输出 122.4,
  292. 两边账单实证)。方舟 API 按官方公式含输入时长但单价降档,约 1.2×(未实测)。
  293. - **腿**:即梦。H3 也读得懂深度图,但只按"有哪些动作"重演,节奏/景别不跟(10-09 实测),只适合便宜试稿。
  294. - **提示词写分工句,不写否定句**:"@视频1 是动作/走位/运镜的唯一来源…外观只以图片为准"(plan 自动加)。
  295. "不要沿用@视频1里人物的长相"这类嘱咐**完全压不住**视觉信号 —— 要把信息从参考里拿掉,不是叫模型别看。
  296. - 花字/字幕不用遮:平面文字在深度图里自动消失。参考要 `-an`(脚本已做)。
  297. - 出完先抽帧看一眼:脸、衣服纹理应完全看不出。头发外轮廓会残留一点,发型可能轻微被带。
  298. ## H3 音画同出(talking)+ 内嵌音轨装配(Kimi 线 09-21 实证,10-10 合入)
  299. **口型漂移的真相:病在装配簿记,不在模型。** SyncNet(±40ms 标定)批量测过:两条后端生成时音画都对齐(≤0.04s)。
  300. 模型开口有约 0.1-0.3s 的 lead-in,后端会把输入音频**按口型对齐后的位置**嵌回 clip;旧装配却拿原始 wav 铺在段首,
  301. 把 lead-in 又放了出来(C 海参 S1 实测 +0.275s)。**现在 `assemble` / `deliver` 草稿的段配音一律取 clip 内嵌音轨**
  302. (该段喂过音频、或是 talking 段,且 clip 带音轨时),修复后 +0.04s。没喂音频的段照旧铺 wav 或静音。
  303. **talking 模式 = 台词写进 H3 提示词,不给参考音频,让 H3 自己开口。** 同步和情绪是生成自带的,逐字 3/3、价格机制词一次过审。
  304. 和现行的 TTS 加音频驱动链**按片二选一**:要品牌声(TTS 克隆)走旧链,要同步和情绪走 talking。
  305. ```
  306. # 段级 "talking": true(逐段),或 h3_prompt --talking(全片,段级标记优先)
  307. python3 h3_prompt.py run/segments.json --shotlist … --assets … --talking
  308. python3 gen_segments.py run/segments.json --clips run/clips --mm-backend mmh3 # talking 段自动不带音频、按字数估时长(3.4 字/秒)
  309. python3 qc_talking.py run/segments.json --clips run/clips # 逐字率 ≥85% + SyncNet ≤2 帧且 conf≥3;产出 qc_talking.json(含词级窗)
  310. python3 assemble.py run/segments.json --clips run/clips --out FULL.mp4 --trim-to-plan # talking 段按实测语音尾 +0.35s 裁
  311. python3 deliver.py run/segments.json --clips run/clips --full FULL.mp4 --mode final --trim-to-plan # 有词窗自动走逐词卡拉OK字幕
  312. ```
  313. - **只走 H3(mmh3)**。即梦的口播段要音频驱动,不支持这个模式。
  314. - **说话人**:有演职表时,台词按 speaker 标注挂到具体 `<Subject N>`,标注缺失时退回"画面中央"的启发式。
  315. 旁白镜写成画外旁白说、画面里的人闭嘴;都判不出就用中性措辞,不猜性别。(Kimi 原版恒写 "She",10-10 合入时修)
  316. - **语气**:`assets.json` 的 `tone_map`(镜号或段名)> 段级 `"tone"` > 缺省"直播带货高能量"。剧情片要自己写 tone,缺省语气不合适。
  317. - talking 段带 `speech_turns` 时,口型时间轴会被丢弃并报警(时间轴的措辞全以 `<Audio 1>` 为前提)。
  318. - **QC FAIL 定向重抽**:`DAIHUO_NO_REUSE` 在本地没有意义。本地片库从不自动复用,只在账本里提示。
  319. - **SyncNet 是可选的**(`config.lip_python()` / `syncnet_home()`,见 `qc_sync_offset.py` 文件头)。没装时口型一项记"未测",只凭逐字率判,并报警请人眼抽看。
  320. Kimi 原版在没装时判 FAIL,会让逐字 100% 的段也 FAIL。
  321. - 繁简表要逐次补:新声源可能转出新的繁体字(`帶/凍` 就是 talking 首跑补的),否则会出假 replacement。
  322. - 实验脚本在 `experiments/`(路径是 Kimi 机器上的,只当证据和措辞参考)。
  323. ## 台本层 + 段状态账本(10-09 合 Kimi 线时立的两块地基)
  324. **台词只写一份,下游只拿投影(`dualtext.py`)。** shotlist / segments 的 `dialogue` 是唯一源头:
  325. 字幕/贴字/草稿拿 `display()`,TTS 拿 `tts_text()`(发音 + 读音规则表),生成提示词的 `台词{}`、
  326. 剧本先行、对账拿 `speech()`。**不许在别处再解析标记**(Kimi 线就是只给了 TTS 和字幕,
  327. plan 把原始标记灌进了即梦提示词)。语法(hypit Script 子集):
  328. | 写法 | 屏上 | 念 | 用途 |
  329. |---|---|---|---|
  330. | `拍<2\|两>斤` | 拍2斤 | 拍两斤 | 数字/单位/多音字定读法 |
  331. | `<¥59.9\|五十九块九>` | ¥59.9 | 五十九块九 | 价格口语读法 |
  332. | `<组件化\|>` | 组件化 | 组件化 | 钉成不可拆词组 |
  333. | `<\|嗯>` | (不显示) | 嗯 | 只念不上字幕 |
  334. | `\|\|` | 断句 | — | 字幕在这里换下一条 |
  335. | `@{价}…@{/价}` / `@{福利!}` | — | — | 语义区间/时刻点,`word_align` 解成帧窗,贴字绑锚跟着配音走 |
  336. 读音规则(参→身、QQ弹弹→谈谈…)只有 `dualtext.PRON_RULES` 一个家;项目特有的放 `pron_fix.json`。
  337. 分镜表一律经 `shotlist.read()`:视觉字段全角 `,;():` 归一成半角(剥词正则只认一套),
  338. 台词标记写错在读入时就炸。
  339. **词级对齐(可选,零积分):** `word_align.py segments.json --audio-dir audio/seg --out anchors.json --report 对照表.md`
  340. —— 对照表里的 replacement 是 TTS 读错/漏读的**证据**(同音异形 = 多音字读错,不是 ASR 噪声)。
  341. `grid_words.py 目标.mp4 --around "一句台词"` 出带词标签的帧网格,反推/人审共用。
  342. **段状态账本(`run_state.py`,clips/manifest.json):** 生成/下载/验收/复用全记账,**复用必须显式选择**。
  343. ```
  344. python3 run_state.py run/clips status
  345. python3 run_state.py run/clips reject S3 --note "手指粘连" # 坏片挪进 rejected/,下次 gen 原样重摇
  346. python3 run_state.py run/clips accept S1,S2,S4 # 验收 → 登记进片库(<资产库>/clips)
  347. python3 run_state.py run/clips reuse S3 --key <key> # 显式复用片库里已验收的同参数片
  348. ```
  349. - **坏帧要重摇就 `reject`**:坏片留档进 rejected/、账本记下原因,以后能对比哪一卷是哪个问题。手删 mp4 也会重摇(已下载的段不会被打捞),只是丢了记录。
  350. - gen 只打捞【提交了没下到】的段;片库命中只**提示**不自动用;片库只收 accepted。
  351. **画外音占比高的片(街采/挑战类):抽 3 卷挑最好的,别死磕措辞。** 10-09 实测同一条提示词三卷
  352. 画外音时段张嘴率 9% / 17% / 55%;换 hypit 模板结构也没改善(均值 40% vs 27%,n=3)。
  353. 验收用 `qc_offmouth.py <dir>`(按实际说话窗抽帧 + 盲评网格),挑完 `run_state accept` 中选那卷、`reject` 其余。
  354. ## 研究模式:跑量素材批量拆解(10-16,`batch_research.py`)
  355. 不是复刻,是**研究**——一文件夹几百条跑量素材(如有米有数下的 AIGC 素材)批量拆出结构/背书/价格/暗示功效/AI 段,汇成一张表。
  356. ```
  357. python3 batch_research.py <素材夹> <输出夹> [--workers 4] [--gap 15] # 断点续跑,挂了重跑同一条
  358. ```
  359. 每条四层,各管各的真值:
  360. - **台词** = `asr_volc.py` 豆包 ASR(Seed 只做对齐与说话人归属)。10-16 校准:让 Seed 自己转写时,提示词一提"功效暗示"它就脑补("说话嘴里都没味了"→"上厕所很顺")。
  361. - **AI 段确证** = `ai_footer_ocr.py` 读底部免责小字(本地 rapidocr,不花 token)。免责文案**换了一种**就是分界,即使没写"AI"(v3)。
  362. - **AI 段推断** = Seed 研究字段 `product_match_real`:每条先跑最后一段拿真品外观,再带参照跑前面。校准 v1–v3 秒级零误报零漏报(含无免责字幕的 v2);"不一致-其他真实款"多是复用别的 SKU 的素材,不等于 AI。
  363. - **结构/背书/价格/暗示/声音/人物** = `seed_reverse.py --research`(只追加字段,复刻下游契约不变)。
  364. 汇总 `summary.csv` 关键列:explicit_ai_ratio / switch_points / ai_suspect_ratio / fake_package_ratio / voice_only_ratio(口播有字幕无的比例)+ voice_only_lines / endorser / price_points / implied_benefits / structure。
  365. 坑:火山套餐 429 `RequestBurstTooFast` 看的是请求增长速度 → 全局节流 `--gap`,撞 429 自动冷却 90s 并拉大间隔;rapidocr 默认吃满全部核,已限每进程 2 线程(`OCR_THREADS`)。
  366. ## 反推精度(11-06,评估外部反推提示词后定的)
  367. 外部那份长提示词(每秒 4 帧、候选逐组闭环、有跳变就保留)拿四条已知真值的片实测过。吸收了下面这些,其余没收:
  368. - **细节精度靠采样帧率,不靠规则。** Seed 默认约 1 帧/秒,耶耶大王漏 4.4 秒擦鼻、5.2 秒惊讶反应,还编出水流。`fps` 参数拉到 4 全部修好,耗时不增(`seed_fps`)。研究模式不走这条,批量要提高设 `DAIHUO_SEED_FPS`。
  369. - **切点投票只收不删。** 候选先合并(0.12 秒内算一刀),闸①判非一镜到底后:强候选(0.15 命中)全留,两票都判假只标存疑;弱候选(只有 0.08 命中)两票都判真才收。依据:模型判假不可信,会批量答"相同/不变",把换衣服换场景的真切判假。结论和对照图在 `shotlist.cut_audit` 与 `run/_cut_audit/`。
  370. - **没收"有跳变且接不上就算切"。** 在写着"全程只加速不剪辑"的片上,它判出 6 个假切:加速片的动作本来就没有连续帧。裁决看取景和持续状态(服装/发饰/泡沫/桌面物品),不看动作。
  371. - **新字段:** `action_stages`(长镜拆段按它裁动作、分界贴阶段边界,不切断一个动作)· `posture` · `micro_expression` · `delivery` · `voice_type`(talking 段用它定性别措辞)· `background_motion`。
  372. - ⚠**`posture/micro_expression/delivery/background_motion` 还没进生成模板**,只摆在 segments.md 给人审和手改提示词。动模板要先单段 A/B。
  373. - **没收的还有:** 字幕兜底恢复台词(我们有 ASR)、"参考图文字不继承"(和包装文字必须动真图冲突)、默认固定机位(09-04 实测模型本来就爱偷懒写"固定")、整套 Shell/运行清单规则(那是给聊天沙箱写的)。
  374. ## 关键规则(写提示词/生成时)
  375. - **即梦腿提示词按 `seedance-prompt` skill 写**:2.0 用镜头序号不写秒数,台词写进所在镜头,外语台词写语种。详见下方同名章节。
  376. - **转换必带全「主体+动作」**:反推里"手把海参掰开"这类动作,写提示词时必须原样带上,别概括成"海参剖面"(否则怼静态内脏→诡异)。plan_segments 已结构性保证 + 完备性关卡兜底。
  377. - **hero 食品镜**:优先最完整/有食欲的产品形态 + 轻运镜(切/掰有动作),**别推近怼进质感/剖面**。
  378. - **真实质感/包装文字 → 动你的真图(image2video)**,别纯生成:海参质感、包装"高小参"字,image2video轻运镜能保住;text2video/重生成必糊。
  379. - **口播台词与配音逐字一致**,否则口型提前结束(即梦坑)。
  380. - **产品材质写死**(颜色+材质+形状),避审核敏感词(国货/治疗/液体接触皮肤)。
  381. - **TNS消毒词表(洗护/身体类必查,07-24量产16条实测)**:吊带/浴裙/抹胸/裸露肩颈/腋下清洁/瞪大双眼张嘴/泡沫遮口鼻仅露眼 → 圆领家居服/展示颈部以上/惊讶表情/泡沫覆两颊。TNS失败**不扣积分**,先原样重试(人脸误拦是概率性,常一试就过),再消毒重试,三死出手动工单(网页版拖拽,官方QA:平台内引用的图不过真人脸检测,下载重传才概率拦)。
  382. - **实体拍必抽帧终审(铁律,张九九3血案)**:凡"产品长相/道具/谁在场"类拍点,写提示词前必抽原片帧验证。K3实体幻觉惯犯(把三角皂看成馒头/把卸妆棉看成洗脸扑/把被窝看成冰箱);双反推裁决**按字段不按整包**——时间轴/运镜可信K3,实体一律帧证据说话,Seed实体基底地位不因K3连胜动摇。
  383. - **旁白型视频的路由陷阱(08-09 已在 plan_segments 结构性修复,不必再手构)**:全片无台词时旧版 plan 会把人物表演镜误路由成 i2v 产品质感模板(钩子直接丢失)。现在 `seg_role` 认【显式 `host_on_camera=true`】即判口播,无台词也走 mm(拿得到主播锚图,提示词自动写"本段无台词,口型闭合");仅露手的 hero_real 镜(host_on_camera=false)不受影响仍走 i2v。旧 shotlist 无该字段则行为不变。两腿反推的"台词"互相打架且和贴字雷同=贴字幻听,dialogue 全清空按旁白处理,原音复用自带真VO不受影响。
  384. - **品牌词剥离**:原片里的第三方品牌(包袋/粉扑/假货标)一律不进提示词;打假型的假货道具写"无标识粗糙皂"。**第三方 IP 同理**(电视里在放的动画/影视),`h3_prompt.py` 对《》书名号会报警,需人工从 shotlist 抹成泛称。
  385. - **★★锚图的描述只准描述【这张图里有的东西】(08-09 美吉吉2 血案,治根)**:`assets.json` 的 `product_desc` 常常一句话同时描述多个形态("奶黄三角皂体…米粉色三棱锥纸盒印有李时珍logo…"),`h3_prompt` 早期把整句贴到每一个产品锚图的定义上 → 那张图里只有皂,文字却说"这张图还有个印着logo的纸盒",**等于主动指使模型去画一个它没有任何参考的东西**,结果凭空多出方盒子、「李时珍」写成「李迁新」、整面文字镜像反写。
  386. 修法:`assets.json` 加 **`form_desc`**(逐形态描述,键同 products),`h3_prompt` 优先用它;缺省时退回保守句"只画 <Picture N> 里可见的,**不得添加图中不存在的包装/盒子/容器/配件**",并列出缺 form_desc 的形态提示补写。
  387. ⚠**注意这不是"漏传锚图"**,现有的「锚图缺失」报警(提示词提到某形态但 assets 无图)覆盖不到——assets 里明明有盒装图,病在描述泄漏。两者要分清:漏图→补图;描述串形态→拆描述,**别用"每段都挂上所有形态图"去掩盖**,那既贵又会让不该出现的东西进画面。
  388. - **★逐镜着装描述必须剔除,服装归 host_desc + 锚图统一治理(08-09 定,治多日打卡 vlog)**:这类片的分镜表会逐镜写"换穿白色蕾丝吊带""穿蓝白边吊带背心",而主播锚图只有一套衣服 → 提示词一边说"必须与@图片1完全一致"一边说"她穿吊带",**自相矛盾,模型必漂**(07-22 七子白量产时只能整片手工统一穿着)。`h3_prompt.py` 已自动剥离(括号内着装注、纯着装从句),顺带躲开即梦 TNS 的吊带/抹胸类敏感词。
  389. - **★后期特效指令要和贴字一起剔**:"画面叠加白色虚线圆圈圈住…""箭头指向""高亮"这些不是拍出来的,让模型画会画进实拍层。`h3_prompt.py` 的 POST_WORDS 已覆盖。
  390. - **★敏感词报警要扫【产物】不扫原始分镜表**:着装/贴字/IP 都已在生成时剥离,再扫原文会满屏假警报——**假警报会让人对真警报脱敏,比不报更糟**(08-09 首版实犯)。中英文都要扫(译英后 camisole/syringe 这类中文扫不到)。
  391. ## Seedance 提示词:`seedance-prompt` skill(11-05 官方+第三方已整合)
  392. **写或改即梦腿(2.0/2.5)提示词前先读 `~/.claude/skills/seedance-prompt/SKILL.md`。** 它合并了火山官方 sd2-pe、sd25-pe、2.5 指南和第三方导演手法,并裁定了互相打架的规则。H3 六段式不归它管。
  393. - **手写或手改的提示词**,提交前跑 `python3 ~/.claude/skills/seedance-prompt/scripts/lint_prompt.py 提示词.txt --line 2.0`。
  394. - **管线里的提示词**,由 `director.py` 把关,11-05 新增三条:`sd20_no_seconds`(2.0 不写秒数)、`sd20_beat_order`(2.0 长段用镜头顺序)、`dialogue_language`(外语台词写语种)。`beat_timing` 不再管 2.0 段。
  395. - **模型线由段的 `leg` 判定**:`jimeng`=2.0,`jimeng25`=2.5,`mmh3`=H3。用 `--jimeng-model seedance2.5` 全局切 2.5 时 director 看不到,只有超过 15 秒的段会自动按 2.5 算。
  396. - **`plan_segments.py` 的生成模板没改**(`{shot_size}{camera},{action}` 开头、`台词{}@音频1`)。按纪律,动生成侧要先单段 A/B。
  397. - **待验证**:官方 2.0 禁用人物多视图,推荐大头照+全身照;我们 2.3 步的 cast 3:4 六视图是 08-13 实测规格。两者没对照过,先别改,需要时单段 A/B。
  398. ### 第三方全量副本
  399. **副本在 `/mnt/e/jimeng/skills/seedance-20/`**(主体 v6.1.0;最常用的 4 份已取到上游 main 09-26 版并进了 seedance-prompt)。09-05 核对发现:它的 15 个核心概念在本仓**零命中** —— 当初融合了,
  400. 但没在任何地方留下入口,等于没有。下面是核过一遍后**确实对得上我们病症**的四块,已摘进来;
  401. 要用全量(directing-engine / retake-protocol / multishot-grammar 等)再去读副本。
  402. ⚠它全部材料的证据等级是 **field-observed(实践观察)**,不是平台官方保证 —— 和我们自己的实验同级,
  403. **不能拿它推翻我们的实测**,只当同方向的独立旁证。
  404. ### ① Authority Order —— 我们缺的正是"该删哪句"的判据表(v6.7.0)
  405. 本项目头号病是提示词自相矛盾,铁律是"**把打架的那句删掉**"。但删哪句?我们一直是一事一议。
  406. 它给了可复用的九层排序(高者胜,低层永远不许静默压过高层;牺牲了哪条要说出来):
  407. | 层 | 内容 |
  408. |---|---|
  409. | 1 | 安全 / 版权 / 肖像 / 平台政策 —— 永不交易 |
  410. | 2 | **接口已验证的硬限制** —— 接口会拒的东西不叫提示词 |
  411. | 3 | 用户明确的必须项 |
  412. | **4** | **Reference contracts —— 每个资产必须提供什么、必须保留什么、【绝不许迁移】什么** |
  413. | 5 | 连续性(身份 / 空间 / 时间 / 道具归属 / 音频状态) |
  414. | 6 | 物理因果与**动作可读性**(观众读不出来的拍点等于没发生) |
  415. | 7 | 镜头与剪辑逻辑 |
  416. | 8 | 风格 / 色调 / 氛围 / 装饰细节 |
  417. | 9 | skill 自己的默认值 —— **第一个该让步的,不是最后一个** |
  418. ★**一条约束属于哪层,由它管什么决定,不由谁提出决定**(否则用户说的每句话都挤进第 3 层,排序就失效了)。
  419. ★同层内:已验证 > 推断,用户说的 > 我们假设的;再平就问,别猜。
  420. ★**拿它复核我们自己的结论,是对的**:09-04 `qc_assets` 报出"提示词禁止 hand,而 hand 就在挂给它的参考图里"
  421. —— 第 4 层 vs 第 7/8 层,**reference contract 赢 → 改图**。这和我们 08-25 自己摸出来的判据
  422. (「不要X」如果对应一个可以修的资产,它就不该存在)是同一个结论,但那是单点,这是排序。
  423. ### ② 口型:我们 8 月烧掉两周的那个问题,它 6 月底就写下来了(v6.3.0 `audio-guide`)
  424. ⚠**这批材料是 v6.3.0(2026-06-29)加的,而我们的副本时间戳是 Jun 29 18:11、版本 6.1.0 —— 差几小时错过。**
  425. - **语音与口型是紧耦合的**:"asking for a moving mouth with no voice is unreliable,
  426. **and the model tends to voice the line anyway**" —— 别指望静音口型,要绕开它设计,不是用措辞压。
  427. ★这与我们 08-22 五臂实验的结论**一致**(动音频最狠的两臂最差),而且能**提前预测**它。
  428. - **声学预算 ≠ 可靠同步预算**,后者低得多才是真限制。英语 ~16-20 词/15秒;
  429. **普通话同步最强**(按字/音节数不按词)。安全单位是"一句话≈一口气"(~1.5-2.5s,一个意思)。
  430. ★我们 08-25 的"密度假设"(7.3字/秒→判没生成语音)烧了 886 积分才证伪 —— 那两个是不同的东西
  431. (说不说得出来 vs 同不同得住),但手里有这张表会摆正得更快。
  432. - **voice-reference 是个"lip-sync compiler"**:在支持语音参考的通道上,挂一段真实语音,
  433. 模型会**同步到它而不是自己合成**,"the most reliable field-reported path for non-English dialogue"。
  434. ★这正是我们 08-23 路线B(TTS 分轨)独立重新发明的东西。仅限自己录的/已授权的声音。
  435. - **音频参考与视频参考打架时,上传前把视频参考静音**(要音频控时序的话);
  436. 必须保留视频声时就显式写优先级:`@Video1 只控运镜/运动;@Audio1 控节奏与能量`。
  437. - ⚠**有一条与我们实测不符,别照抄**:它说即梦的 lip-sync 是"默认关闭的 toggle"。
  438. 我们走 CLI / multimodal2video 的路径上口型是驱动得动的(08-23 路线C 实测),
  439. 那条大概率只对 Dreamina 网页 UI 成立。**这正好是下面第③条要区分的东西。**
  440. ### ③ 能力要分四层验证,"支持"是个被压扁的词(v6.7.0 `capability-map`)
  441. 一句"支持"其实压着四个独立问题,它们**因不同原因失败**:
  442. | 层 | 回答什么 | 什么样的证据才算数 |
  443. |---|---|---|
  444. | 模型能力 | 模型到底能不能做 | 模型级文档可以描述一种模态,却不说哪个产品暴露了它 |
  445. | **平台可用** | **这个平台、这个操作**暴露了吗 | 可用性是**按操作**算的,同平台的兄弟操作证明不了什么 |
  446. | 请求语法 | 在请求里怎么写 | 一个示例只证明一种写法存在,不证明它通用 |
  447. | 返回遵从 | 输出到底照做了没有 | 只有实际跑出来的一条才回答得了,**而一条只是一次观察,不是保证** |
  448. ★这正是我们栽过的两次的通用形式:08-10「把渠道价当模型价」(RunningHub ¥0.48 → 误判 h3 比即梦贵,
  449. 真实是 ¥0.09~0.11)是**平台层冒充模型层**;「h3 平面印刷强、三维形体弱」是**返回遵从层**的结论,
  450. 不能推广成模型层。★接一条新腿时,四层各问一遍再下结论。
  451. ### ④ 位置比数量贵:提示词开头那一句最值钱(v6.7.0 `anti-slop-lexicon`)
  452. 注意力是预算,**同一个词放在开头比放在末尾贵**。"开头一个空洞的形容词,比约束尾巴里三个还糟。"
  453. → **开头必须给主体和它的动作**,不能给景别/机位这类元数据。
  454. ⚠**我们自己就在犯**:`plan_segments.build_kou_prompt` 的每个镜头从句是
  455. `{shot_size}{camera},{action}` —— 开头正是它点名的那个 inversion(上游 v6.7.0 还专门修了自己 README 里同款错)。
  456. ★**没改**:动生成侧行为,按纪律要先单段 A/B 再全量(范式变更先单段单摇,08-23 那 1568 积分的教训)。
  457. ## 已知坑索引(踩过的)
  458. - **★★即梦 CLI 并发已放开(10-16 实测,推翻 08-09「1 并发」结论)**:seedance2.0_vip 同时提交 6 条全部接受、状态均为 Generating(非排队)。下面所有"VIP并发=1/串行"的条目**以此为准作废**;批量时每段 `--only Sx` 各起一个进程并行。⚠打捞轮询预算已改成和正常生成一致(旧版只等150秒,撞上在跑的任务就重提,白扣积分)。
  459. - **横屏/无产品段(10-16 祛疣英文CG广告)**:段上写 `"ratio":"16:9"` 出横屏;`"type":"t2v"` 走即梦文生视频(纯原理动画/生活空镜不必硬挂图)。H3 参考图宽高比须在 0.4~2.5,瘦高瓶身图要补白边。英文长词即梦/H3 都会粘性拼错(SALICYLIC→SALCYLIC 连错3卷),H3 用首字母大写写法一次对;H3 产物是 1344×768,装配要 scale+crop 到 1280×720。
  460. - **下载**:`dreamina query_result --download_dir` 会截断成坏文件(NAL错)→ 必须从 `video_url` 直接 urllib 下载(gen_segments 已内置)。
  461. - **拼接**:异源 mp4 直接 concat 会 NAL 错 → 先逐段归一化(scale+pad720x1280+setsar)再 concat(assemble 已内置)。
  462. - **口型/音轨**:段配音 pad 到该段视频时长、对齐段起点;别用 `-map` 覆盖乱时轴。
  463. - **★成片被撑长/段尾空窗(08-07参阿婆片挖出,四条腿通病)**:`plan` 的 `duration=ceil(end-start)` 本身就比真跨度多到1秒,海螺 h3 还额外多送约0.5s尾帧 —— 46s 原片装出 49.4s,段尾"音已停画还在演"。**修法=`assemble.py --trim-to-plan`**(裁回 end-start,但不短于本段配音,B模式改词变长的段不会被切掉半句);A模式再叠 `--master-audio 原片.mp4` 整条原音直铺(句间停顿全是原片自带的,天然对齐,不靠逐段拼)。此前一直被 apad 静音垫住没人察觉,不是 RH 独有。
  464. - **★画外音段被误判成口播(08-07实翻车,已在 plan_segments 结构性修复)**:`seg_role` 旧兜底"有台词即 kou"会把吃播/菜品/画外音空镜(`host_on_camera=false` 但有台词)路由进 mm 去对口型,产品钩子直接丢。现在该兜底**只对旧 shotlist(无 host_on_camera 布尔字段)开放**,显式 false 一律判 dynamic。老片行为不变。
  465. - **★★对比演示片必加「施术/受术硬约束」+「节拍时间分配」(08-11 实翻车)**:功效对比片(搓手指变白、两条腿对比)的说服力全在"**被处理的对象前后对比**",一旦模型把对象搞混,整条片作废。实测:提示词只写"依次用皂搓一根手指、两根手指、整只手…最后展示"而**没写哪只手** → 模型左手搓右手,结尾却举起**左手**展示增白效果,前后矛盾,卖点归零。
  466. 修法(和群戏的「人数硬约束」同一类——**模型不会自己维持这种约束,必须显式写死且反复重申**):
  467. ① **施术/受术方写死到左右**:"用【左手】持皂施力,被搓洗、被展示的【始终是右手】;每个阶段都是 左手拿皂→搓右手→右手变白;结尾举起展示的【必须是右手】,绝不能举左手;未被搓的左手保持原样作对比"。
  468. ② **一镜到底要给节拍时间分配**:一次生成 27 秒时模型不知道每个动作该占多久,只给顺序会平均用力(实测"搅拌咖啡杯"占了过长)。按 `0-6秒做A / 6-12秒做B / …` 逐段写死,并对该快的段标注"这一段要快,N秒内完成"。
  469. - **★★★一镜到底 = 证据,不是拍摄手法(08-10 用户点透,决定能不能做)**:「功效对比」类带货片(搓手指变白、两条腿对比、只洗鼻子)**故意不剪辑**,因为"没剪辑"本身就是"效果没造假"的证据,有的还直接打字幕自证「全程只加速不剪辑」。
  470. → **复刻这类片子绝对不能拆段生成再拼**:一有接缝,说服力就废了。这和我们其它片子"切段生成再装配"的做法完全相反。
  471. → 于是卡在**单次生成时长上限**:即梦2.0/h3 都是 15 秒,**只有 seedance2.5 能到 30 秒**。所以 **2.5 的第二个定位诞生了:一镜到底且超过 15 秒的片子,它是唯一选项**(不是因为画质,是因为时长)。超过 30 秒的(如 52.9 秒那条)**现有模型做不了**,别硬上。
  472. → 这类片常还带**变速**("只加速不剪辑"),真实动作时长比片长更长,生成时要么演出快放感、要么正常速度生成再后期加速(后者更可控但要生成更长素材,成本再翻)。
  473. - **★★切点两道闸(08-10 落地,治 ffmpeg 单阈值的两类错;闸②已在 11-06 改成三帧投票,判据以「反推精度」节为准,下面的两帧裁决是历史)**:旧架构是 ffmpeg 检切点 → 喂给 Seed 描述,**Seed 的镜数 100% 由 ffmpeg 决定**,它根本没参与判断。两类错都真实发生过:①**漏切**(叠化/软切,大明白测评 118s 只出 4 刀,实为 17) ②**假切**(固定机位+大动作+变速,耶耶大王 15.7s 报 5 刀,实为一镜到底)。
  474. **闸①粗判**:整段视频问 Seed"是不是一镜到底",判是则 cuts=[]。实测耶耶大王/锦鲤快快游都判对,还能读到画面上「全程只加速不剪辑」的自证贴字。
  475. **闸②裁决**:仅当 0.15 与 0.08 的切点数差 ≥2 倍时触发——低阈值出高召回候选,抽每个候选**前后各0.15秒的两帧**拼编号对照图,问 Seed"真剪辑还是快速动作/遮挡/变速"。
  476. ★**设计要点:把"时序定位"换成"两帧比对"**。实测让 Seed 自己在时间轴上找切点**不可行**——它按 ~1.07 秒的抽帧节奏报点,73% 的间隔卡在 1.0~1.1s 而真实剪辑只有 5%,±0.2s 命中率仅 21%(±1.0s 的 100% 是假象:真切点平均 1.15 秒一个,乱报也能蹭中)。**时间交给 ffmpeg(帧级精确),判断交给 VLM(语义),各干各的强项。**
  477. ★**原则:漏切比过切安全**。漏切只是让一段描述笼统些(plan 会按时长再拆);过切会**生成出原片没有的跳剪**——对"未剪辑即卖点"的片子是灾难,且每个假切点还要多付一份最短时长的钱。所以闸②宁保守勿激进。**别把"低阈值检出的都是真切点"当默认**——08-10 我就这么假设,把大明白测评切成 17 镜(真值约 2-3 刀),和锦鲤快快游切出 9 个假镜,是同一个错误犯了两次。
  478. 防呆:候选 >40 不裁决(快剪片假阳影响小且拼图看不清)/两阈值差 <2 倍不跑闸②省调用/**闸①以 `cut_count` 为准不信 `is_single_take` 布尔位**(实测出现过"结论说有剪辑、依据说没剪辑"的自相矛盾)/任一闸失败降级回 ffmpeg 但响亮告警。`--no-cut-probe` 可关。
  479. ⚠Ark responses API 的图片格式:`{"type":"input_image","image_url":"<data URI 字符串>"}`——**image_url 是字符串不是对象**,写成对象直接 400。
  480. - **★反推后必查三项,别直接往下走(08-10 定两项,09-04 补第③项)**:①**镜数/时长比**——正常带货片约 0.5~1 镜/秒;明显偏低(如 26.5 秒只出 1 镜)几乎一定是**同机位跳剪没检出**,不是真的一镜到底。复检法:`ffmpeg select='gt(scene,0.08)'` 看有没有切点,有就用 `--cuts` 显式传进去重反推(0.15 默认阈值对跳剪不够灵敏——坑索引原来只记了"0.3会漏",实测 0.15 同样会漏)。②**覆盖率**——`shots[-1].end` 对不上 `video_info.duration` 的 90% 就是输出被截断,长片要分段反推。
  481. ⚠即使降到 0.08,极淡的跳剪仍可能漏(实测某条前 15 秒仍被当成一镜,而它的 action 描述是复合的"先…随后…依次…"——**action 里出现多段式描述 = 这一镜其实是好几镜**,这是比阈值更可靠的人工判据)。
  482. ③**钩子镜(#1)必抽 2~3 帧核 `camera` / `host_on_camera` / `subject`**(09-04 另一台机器实撞):反推对第一镜报"固定机位+主播不出镜",抽帧却是"中景主播对镜头说话+连续推镜下移",**两个字段全错**,而 profile 还据此盖了个"全片三脚架固定"的全局判断,钩子整段被路由成无人口播段。**钩子镜信息密度最高、模型最容易概括错,这不是巧合是规律**;而且它是零成本零方差的抽帧证据,比任何生成侧实验都便宜。
  483. ⚠配套:`camera` 字段已改成**先出 `camera_evidence`(首尾构图差异)再定标签**。实测模型看得见运镜,被逼一步压缩成枚举词时才偷懒写"固定"——加判据、开 thinking 都救不了,**能救的是信息结构**(同 `probe_single_take` 那条"让它先数再判、只认那个数")。精度天花板是聚焦裸问("描述这段运镜"),钩子镜的 camera 值得再裸问复核一次。
  484. ⚠`host_on_camera` 判对错**是抽卡式的**(同一条片全片跑报 False、单独抽 6s 片段跑报 True),所以它属于"必须抽帧核"的字段,不能只信一次反推。
  485. - **叠化转场让 ffmpeg 场景检测失效(08-07)**:转场几乎全是叠化的片子,0.15 阈值 16 刀只检出 3 刀,降到 0.08 全是噪点。→ 这类片**别信 ffmpeg 阈值切点,以反推模型的语义切点为准**(Seed/K3 看得出叠化边界);实在要人工兜底就抽帧核对,别调阈值硬碰。
  486. - **★★★生图一律走即梦 `text2image --model_version 5.0 --resolution_type 2k`(08-10 实测:0积分,订阅内限时免费)**:即梦订阅权益页"图片5.0Lite 2K限时免费",CLI 里的 `5.0` 就是它;实测余额 88→88 纹丝不动。产出 1440×2560,比 RH 的全能图片G-2.0(¥0.1/张、1152×2048)**又免费又高一档**。
  487. `5.0Pro` = **8积分/张 ≈ ¥0.42**(不在免费清单),同题对比里它提示词还原最全、光线最自然——**要跨多段复用的主播锚图值得上 Pro,其余用免费的 5.0**。⚠"限时"免费,权益随时可能变,RH 的 key 留着当后路。
  488. ★铁律不变:**带品牌文字的产品图一律不生成,只用真图**(生图是重绘必改字;08-09 nano-banana-pro 把「李时珍」logo 糊掉、三列小字写成「植萃温初」)。生图只生"没有品牌文字的东西":主播锚图/场景空镜/道具。
  489. ★**09-04 补:如果还是有人拿生图洗产品图,要知道小字幻觉分两档,而且更像真的那档更危险**(另一台机器双模型实测):
  490. | 模型 | 大字(logo/品名/净含量) | 小字(配料表/日期/厂址) |
  491. |---|---|---|
  492. | 即梦 5.0 image2image | 全对 | **乱码档**——变乱码、日期 2026→2024、徽章上编出"深圳市",**肉眼一眼能看出不对** |
  493. | GPT-image2 | 全对 | **编造档**——排版完美但内容整段编错(「保质期」写成「净含量」、公司名"限责公司"、地址电话全编),**错得像真的** |
  494. → 判据:**密集小字(配料表/营养表/生产日期)永远不走生图,走真图裁剪**。真要用生图洗白底,产物必须挂 sidecar 记住真图来源,并拿产物对真图**逐字段**复检——只看"像不像"必然放过编造档。
  495. ⚠我们这边**不建 `prep_assets.py`(生图白底化)那条腿**:我们的痛点从来不是"图脏",是"图跟原片对不上 + 图里有不该有的东西(手/人/盘子)"(08-25 逐项对原片帧,几乎全错)。那个用**抠图/裁剪**解决更稳,不需要开这个必须再补一道闸才能收住的口子。
  496. - **★★RunningHub 已退役(08-10)**:它的两个用途都被更便宜的替代——H3视频→秘塔(便宜4.4倍)、生图→即梦5.0Lite(免费)。`rh_gen.py` 保留可用(key 仍在配置里),但不再是默认。**教训:把渠道价当成模型价,会得出完全错误的选型结论**——我曾据 RH 的 ¥0.48/秒 判断"h3 比即梦贵",而 H3 的真实价格是 ¥0.09~0.11/秒,比即梦便宜 7 倍。
  497. - **★★单价表(08-09 实测,即梦季卡口径:¥1959/3月、每月12320积分 → ¥0.053/积分)**:
  498. | 通道 | 积分/秒 | 折合¥/秒 | 定位 |
  499. |---|---|---|---|
  500. | 即梦 `seedance2.0`(非VIP慢速排队) | 8(5s=40分) | ¥0.424 | ❌**已判死,别用**:一枪5秒的任务排队**15小时40分钟**仍是 `Queueing`,且全程占死非VIP槽阻塞后续所有非VIP提交。省43%换"不知何时出片",有交付时间的活一律不能走 |
  501. | **MiniMax H3 秘塔渠道 768P** | — | **¥0.09~0.11** | ★**h3 首选**(`mmh3_gen.py`,base_url可换渠道)。原生 duration **4~15秒**(RH文档写的5~15是渠道自加的限制),按**实际产出时长**计费(含多送的尾帧),图片前5张免费、音频免费、视频参考按秒收 |
  502. | RH 海螺h3 768P | — | ¥0.48 | ❌同模型贵4.4倍,已退役 |
  503. | 即梦 `seedance2.0_vip`(快速) | 14 | ¥0.742 | ★**量产默认**。~5分钟出片;四方对照里**产品形体还原最准**的一条腿 |
  504. | RH 海螺h3 2K | — | ¥0.77 | 比即梦VIP还贵,只在确实要2K时用 |
  505. | 即梦 `seedance2.5` | **26**(5s=130分) | **¥1.378** | 最贵。换来 duration 4-**30秒**(2.0是4-15)、输入放宽到30图/10视频/10音频、支持纯音频输入;但只有480p/720p且VIP专属 |
  506. **算总账要算三层**:①单价 ②**后端最短时长的浪费**(见下条) ③重抽率。本片(30.5s/27刀)四条腿实付:即梦慢速¥17.8 < h3 768P¥20.2 < 即梦VIP¥31.2 < h3 2K¥38.5(实付) < 2.5整片一枪¥41.3。
  507. 未测档:`seedance2.0fast` / `seedance2.0fast_vip` / `seedance2.0mini`。**CLI 要保持最新才看得到新模型**(`curl -fsSL https://jimeng.jianying.com/cli | bash`;07-22的b5ccc5d看不到2.5,升到a857341才有)。
    • Note: Pipes a downloaded script directly into a shell (curl | sh / wget | bash)
    • Line 580 on GitHub
  508. - **★★慢速档的真实代价是【并发1 + 排队小时级】,不是"多等一会"(08-09 实测)**:非VIP `seedance2.0` 并发上限**同样是1**——队列里已有1条时再并发提交6段,**6段全弹 `ret=1310 ExceedConcurrencyLimit`**(好消息:失败**不扣积分**,积分纹丝不动)。而单段实测**排队57分钟仍 `queue_status: Queueing`**(日志ret=0干净,非僵尸单)。→ **并发换不来吞吐,N段片子就是N次串行排队**;8段片按此队长≈8小时。**省43%的钱=把30分钟拉成一整夜**。
  509. 该条最终落定:**轮询满60分钟仍未出片**。⚠队长是晚间单次采样,可能有时段性,别当定律——开跑前先打一枪探当时队长再决定走哪档。
  510. - **★即梦的并发槽:VIP 与非VIP 各一个,互不占用(08-10 实证)**:提交时序为证——18:27 一条非VIP 排入队列后,19:24 连提 6 条非VIP **全部** `ret=1310`、19:36 换 session 提非VIP 也拒,但 23:5x 提 **seedance2.5(VIP专属)通过**、00:14 再提非VIP 又拒。→ **一个 VIP + 一个非VIP 可以同时在跑**,批量时可以两条流水线并行(但每条内部仍是串行)。
  511. ⚠️同时暴露慢速档的真实上限:那条非VIP 任务**排到 15 小时 40 分钟仍是 `Queueing`**(过了一整夜),且全程占死非VIP 槽。**"慢速=多等一会"是严重低估,"过夜批量"也是——它是"不知何时"。已判死。**
  512. - **★即梦的1并发绕不过去,别浪费时间试(08-09 已穷举)**:①换 `--session <另一个会话>` 提交 → 照样 `ret=1310`,**限流是账号/通道级不是会话级**(同档位内)(官方文档说所有生成命令都接受 --session,但它不分配并发槽);②网页版能同时排5条而 CLI 只给1条,原因是**两条不同的 API 通道**——CLI 生成走 `/dreamina/cli/v1/video_generate`,网页走 `/mweb/v1/...`,agent 通道被单独限流。唯一的绕法是用 BrowserSkill 驱动网页版拿槽位,**不建议**(拿稳定 API 换脆弱 UI 自动化)。
  513. - **★★h3 是真并行(08-09 在 RH 实测,mmh3 同模型同理)**:3 段同时提交**全部接受、无并发限制**,完成于提交后 171/188/212 秒、**完成间隔仅 17-23 秒 = 真并行**(串行会相隔一个生成时长)。768P 实扣 **¥2.40/5秒 = ¥0.48/秒**,与推算吻合。
  514. → **8段片墙钟:h3 3路并发≈12分钟 vs 即梦慢速≈8小时**(慢速档已判死,见上)。
  515. **但排产要看池子状态,不是看单价**:即梦积分是**预付沉没成本**(季卡付完用不完也过期),
  516. ① **月池有余额** → 烧即梦,现金支出为零;此时"省"的是池子不是钱——慢速8积分/秒能让12320分产出1540秒素材,VIP 14积分/秒只有880秒,**同样一笔已付的钱多产75%**,愿意等就慢速、赶时间就VIP。
  517. ② **月池干了** → 走 **mmh3 秘塔 768P(¥0.11/秒 + 真并发)**,这才是花现金的时候;RH 同模型贵 4.4 倍不再用。
  518. - **★★渠道价 ≠ 模型价(08-10 血证,选型时最容易犯的错)**:我曾据 RunningHub 的 ¥0.48/秒判断"h3 比即梦贵"并据此排产,而 H3 的真实价格是 **¥0.09~0.11/秒,比即梦便宜 7 倍**——差的全是渠道加价(RH 回执字段就叫 `thirdPartyConsumeMoney`,转手第三方 API)。**接任何新后端先问:这是渠道价还是模型价?有没有更靠近源头的通道?** 顺带:原以为要自部署才能到 ¥0.1/秒,结果现成的转售(秘塔)就是这个价,自部署这条路暂时不必折腾。
  519. - **★★h3 的锚定是"平面印刷图案强、三维形体弱"(08-10 三方对照实证)**:同一天里 h3 把「李时珍」纸盒的 logo/毛笔字/三列小字**零错**锚住(生图模型在同一张盒子上却写出错字);但同样的锚图纪律下,**它把奶黄三角皂画成方形白皂**,而 seedance2.5 用同一张锚图画对了。且这是在提示词矛盾**已清干净**之后——不是提示词问题。
  520. **四方对照定论(同锚图/同音频/同内容,各抽一次卡)**:h3 768P ¥2.88 → ❌方形白皂;**即梦 seedance2.0_vip ¥4.45 → ✅三角形+橙色大理石纹完美还原,四者中最准**;seedance2.5 ¥8.27 → ✅正确。
  521. → **不是"2.5 独有优势",是即梦系整体锚得住三维形体,而且 2.0 就够、比 2.5 便宜一半。** 分工:**带包装文字/平面印刷图案的镜给 h3(便宜且零错);"产品本体形状要准"的镜给即梦 2.0;2.5 只留给物理规律/连续复杂动作难的镜**。⚠限制:各腿 n=1、无抽卡方差数据、测试段是 6 秒 4 镜的长段(段内镜头多可能加剧锚定衰减,短段未必)。
  522. - **★h3 的画质在带货场景已可追平 seedance2.0**(08-09 用户看片结论)。所以选腿不再是"质量换价格",而是纯粹的成本与产能调度问题。
  523. - **★后端最短生成时长是隐性成本大头(08-09 挖出)**:海螺h3 最短5秒、即梦最短4秒。快切片(李时珍片30.5s里27刀)每段真实跨度才1.6~4.8秒,**10段×5秒=50秒的账对着30.5秒的片,39%的钱花在被裁掉的画面上**。修法=`plan_segments.py --min-dur 5`(填满模式:段跨度不够就继续并镜)+ **必须同时给 `--hard-max-cuts`**(不设闸会把9个镜头塞进一段,远超即梦"内部硬切5崩"红线和h3已验的3刀)。本片 `--min-dur 5 --max-cuts 3 --hard-max-cuts 4` → 10段50秒压到8段42秒,浪费39%→28%;放宽到不限镜数是5段34秒(11%)但不安全。默认 `--min-dur 0` 行为与旧版逐字节一致。
  524. - **★生图模型会改字,视频模型不会(08-09 同素材双向实证)**:同一个「李时珍七子白」纸盒,全能图片PRO(nano-banana-pro)图生图**把logo糊掉、三列小字写成错字**;海螺h3 拿同一张真图当参考图,**logo连®和直角框、毛笔字、三列小字全部零错**。原因=生图是"重绘"、i2v/mm的参考图是"锚定"。**所以"包装文字必须动真图"这条规律不是即梦专属,是 i2v/mm 这一类的共性;而生图模型永远不能用来合成带品牌文字的锚图**(可做构图/氛围/无字锚图)。
  525. - **★状态参考图会连带迁移它的背景和光照(08-09 李时珍S8实翻车)**:挂了一张深棕影棚背景的"产品泡沫态"图当泡沫锚,产出的特写镜连背景一起变成深棕影棚,与浴室场景断裂(评委也点名"单独泡沫特写是杂镜")。修法=在该镜显式写死环境+把 retention 标成 partially_preserved 并写明"只借质感,不要它的背景和打光",重抽即修好。
  526. - **judge 压缩小版会看漏(08-09,两条指控全假)**:成片>35MB自动压360p上传后,评委声称"复刻版全程在卫生间、未还原熬夜叙事"(实际卧室夜戏在片子里)、"硬切数远少于原片"(实测原片27刀 vs 成片26刀)。**judge 的差距清单必须逐条帧级/机器核实再采信**,别直接转述给用户。
  527. - **h3 的脾性(mmh3/rh 两个渠道通用,08-07 参阿婆片 + 08-10 秘塔实证)**:①**内容安全审查只审 prompt 文本**——台词原文、价格词("大几十")、"内脏"类词写进 prompt 就拒(不计费但白等),**图片和音频不审**;故 mm 段台词一律不进 prompt,口型靠 audioUrls 自带。⚠这和即梦 TNS(审人脸审图)正相反,消毒策略不能互相套用。②结果 URL 只活24小时,拿到即落盘。③轮询 40×12s 对8s段不够(任务其实会 SUCCESS)→ rh_gen 已按段时长放大预算,超时凭 taskId `--fetch` 补抓不重复扣费。④段内多镜的身份保持弱于即梦(护目镜漂成细框眼镜、领夹麦消失),长段优先拆。⑤seedream4.5 文生图总像素须≥3,686,400(9:16 用 1440×2560)——A模式想换掉原片主播长相时,生新锚图比抽原片帧干净且避开肖像问题。⑥口型的实证证据是"产物音轨 vs 输入wav 的 RMS 包络相关0.976",**这只证明原音1:1零偏移复用,口型本身是肉眼判的**→新片首用先跑 qc_lipsync 帧级验收。
  528. - **即梦**:必带 `--video_resolution`(1080p/4k 仅 `_vip` 档支持,非VIP只有720p);含真人脸 image2video 易拦(纯产品图安全);内部硬切 ≤3(5崩);VIP并发=1串行。**档位与价格见上面的单价表**;CLI 要常升级,否则看不到新模型(2.5 就是升级后才出现的)。
  529. - **反推**:Seed2.1Pro 加 `thinking:disabled`+`stream`(快17倍不掉精度);Bash默认2分超时会掐长请求→后台跑。
  530. - **反推模型脾性(07-19 K3对决,帧级实证)**:错误呈镜像——Seed病=静音字幕当口播(下游TTS会真配出这句)+运镜时序粗(漏侧机位/绕拍弱化);K3病=实体幻觉(员工性别人数看错/落地镜认成货架/1件彩虹T恤编成6~8件渐变陈列/花字"日常"抄成"日程")。故 merge_reverse 裁决分工=实体信Seed、运镜信K3;单模型跑时"开头台词"必过静音闸,外部反推的实体描述一律存疑。
  531. ★**没配 KIMI_API_KEY 时别把对账腿整条省掉 —— agent 自己就是活体对账腿**(09-04 另一台机器提出,08-07 有先例):你能直接读视频(ReadMediaFile 支持 mp4),亲自复核 Seed 的三个重灾区(camera 运镜 / host_on_camera / 实体长相),**重点复核钩子镜**。脚本缺 key 只是少了一条自动腿,不是"这一步做不了"。
  532. - **代理**:★全管线(火山API/即梦CLI/即梦CDN下载)国内直连,**无需任何代理**——代理是 Gemini 反推时代的遗留,已随引擎更换退役。系统全局 http_proxy 已被脚本显式绕开;极个别网络下载 CDN 失败时才设 DAIHUO_DOWNLOAD_PROXY。
  533. - **无 key 时的降级反推(08-07,备案不推荐)**:那台机器没 ARK/KIMI key,是 agent 逐帧看视频亲自当反推引擎+亲自当评委跑完的。能出活,但两个硬缺口要认:①agent 没有音轨输入,**台词只能从屏上字幕转写**——这正撞静音闸铁律(贴字≠口播),原音复用能兜住、TTS重配会配出幻听句;②自己生成自己打分(63/90)和 Seed 评委的 54/90 **不同口径不可比**。有 key 就别走这条。
  534. - **key/模型**:ark key 用环境变量 ARK_API_KEY;**mmh3(秘塔)key 用 MMH3_API_KEY 或 ~/.config/daihuo-fanpai/mmh3_key(mk-开头),base_url 用 DAIHUO_MMH3_BASE_URL 换渠道**;RunningHub key 用 RUNNINGHUB_API_KEY 或 ~/.config/daihuo-fanpai/rh_key(已退役,留作后路);钱包类后端提交前把总价算给用户并拿到同意;反推/评委模型默认公共模型名(可用 ARK_SEED_MODEL 覆盖),不再依赖私人 endpoint ID。小云雀 key 用 XYQ_ACCESS_KEY 或 ~/.config/daihuo-fanpai/xyq_key;模型默认交CLI(普通户 Seedance_2.0_mini_lite),用 XYQ_VIDEO_MODEL 覆盖。Kimi K3(双反推腿)key 用 KIMI_API_KEY 或 ~/.config/daihuo-fanpai/kimi_key,端点 api.moonshot.cn(国内直连),模型 kimi-k3(KIMI_K3_MODEL 覆盖);K3 始终开思考不可关、别传 temperature/thinking 参数;视频走 files(purpose=video)→ms://<id>,用完即删;WSL 对 moonshot 偶发连接抖动,k3_reverse 已内置3次重试。
  535. - **配音时长**:B模式改词后配音可能比原镜长——gen 已按段 wav 实际时长自动上调生成时长(上限15s,逼近上限会告警要求拆段)。
  536. - **后台命令**:别同时用 `nohup &` + run_in_background(外层立即返回致误报completed)。
  537. - **换声(Seed-VC)质量两要素**:①参考音频信噪比≥30dB(脏参考的底噪会被当音色学进产物,vc_segments已内置参考体检);②嫌有金属感/电流感伪影→`--steps 50~100`(默认30,换时间买干净)。
  538. - **Ark人脸政策(★两条腿分工修正)**:火山对**含人脸参考图**的视频生成政策级拦截(`InputImageSensitiveContentDetected.PrivacyInformation`,AI写实人像也拦,官方唯一解=换虚拟人像)→ **口播/人物段=即梦CLI专属,纯产品i2v段才双腿可走**。ark_gen 已有 submit_mm(多图role=reference_image+音频role=reference_audio,格式已验对),对纯产品+配音场景或许可用(未验)。
  539. - **群戏(三角色情景剧,榴莲片验证)**:单主播模板不适配群戏 → 逐段按 shotlist subject 判断出镜角色挂多张人物锚定图+逐角色人设声明(参考 runs/榴莲复刻/patch_cast.py);**必加人数硬约束**"画面中自始至终只有X、Y这N个角色,不要出现任何其他人物"(不加会幻觉多生成人物,实测);产品未登场的段必须剥离产品图防剧透;多人轮流说话的口型分配即梦能做对(Seed质检实证)。原音复用时字幕轴用 shotlist 镜级时间构造 timing.json(镜头时间=音频时间,精确)。
  540. - **judge双视频**:对比模式合并 >~50MB 会 SSLEOF 断连 → 已改按视频数均分上传预算自动压小。
  541. - **剪映草稿**:剪映 6+ 保存草稿会加密,但**读明文草稿正常**(10.7 实测:识别/打开/编辑/回存全通)。此结论随剪映升级可能失效,失效降级 `--mode final`。草稿引用的是 Windows 绝对路径 → deliver 已把素材 copy 进草稿目录自包含+改写 /mnt/x/→X:/;草稿根目录用 DAIHUO_JY_DRAFTS 或 ~/.config/daihuo-fanpai/jy_drafts 配置。
  542. - **幽灵querying(07-22骗了一下午)**:失败任务被旧版即梦CLI错报成"querying"(v1.4.14已修),配合查询接口对不存在任务也回querying,会诱导你猜僵尸单/队列/风控。**先查 ~/.dreamina_cli/logs/ 日志再推理**——真因往往一行就写着(当日真因=音频切片<2秒被上传拒收)。CLI保持最新:`curl -fsSL https://jimeng.jianying.com/cli | bash`。
    • Note: Pipes a downloaded script directly into a shell (curl | sh / wget | bash)
    • Line 615 on GitHub
  543. - **音频上传2秒下限**:即梦mm的音频输入必须2-15秒,快切短视频的段音频常<2s→提交即死。cut_audio已内置apad垫到2s;自切音频务必过此闸。
  544. - **下载解码体检**:CDN偶发交付坏字节流(大小正常但NAL单元全错→成片卡死花屏),大小校验拦不住;robust_download已内置下载后ffmpeg解码探针,坏流自动重下。批量产后可全量扫一遍:`ffmpeg -v error -i clip.mp4 -f null -`。
  545. - **K3引擎429**:moonshot晚间高峰会engine_overloaded,退避≥90s;赶产能时单腿Seed+1fps拼图校验时间轴可顶(Seed弱在指派,拼图正好补)。
  546. - **群戏口型错乱治理(07-23战役,28%→6%)**:①人数硬约束句是生命线,patch_cast永不删;②说话人点名指令压不住随机错——治法=抽卡循环(每段1-2抽+帧级QC择优);③同句两轮同错=粘性错误,再抽无用,给时间码剪映手修;④**禁止用Seed/K3看AI片转写台词做QC**——会整段幻听(两轮转写互不相同且全不符台账),口型QC只能走qc_lipsync.py的帧级方案(原片帧=真值,AI帧只答谁张嘴)。
  547. - **提交/上传瞬时EOF**:WSL对即梦偶发连接抖动(user_info/imagex上传),gen提交已内置3次退避;批量脚本外层再包轮次循环兜底(missing段重跑)即近零人工。
  548. - **长片反推(>3分钟)必分段(08-02,9分钟剧情片实证)**:全片单跑撞Seed输出上限(~70KB截断JSON报废)。解法=ffmpeg场景检测选边界,拆成~110s/段(验证过的甜区)并行反推,按时间偏移合并shotlist;253镜五段一次全过,剧本级还原成立。K3同天全程429时单腿Seed足够。
  549. - **seed_reverse并发竞态(08-02血案)**:临时件`_seed_upload.mp4`固定名,且workdir跟着`--out`路径走——多段并行反推必须**每段独立子目录且--out也落在该子目录**,否则互相覆盖报"Invalid video_url"。
  550. - **舞蹈/表演类复刻=小云雀--video动作迁移(08-02解锁)**:连续舞蹈动作文字prompt编码不了,把原片`-an`剥音轨后当`--video`参考,编舞/机位/光影逐拍跟随(15s全长验证)。硬规:①不剥音轨会触发配乐版权闸整单拒;②参考重绘无身份锚,脸随原片漂(--image锚被--video压制,钉不住);③水印照旧。详见 references/xyq_notes.md 第7条。
  551. - **★反推台词幻听(10-09,两例)**:Seed 会凭画面编台词 —— 男装片原片只有背景歌,它编了 78 字口播;削皮刀片
  552. 有真对话,它写的大半和实际说的不一样。旧静音闸只拦完全静音,有 BGM 就漏。`seed_reverse` 现在末尾自动用
  553. faster-whisper 独立转写比对,相似度 <0.25 响亮报 `★★台词可疑` 并记进 `_meta.dialogue_check`(不自动删,人听确认)。
  554. **报了就别往下走**:下游会据假台词判"口播片/加速片"、写台词、配音,全错。
  555. - **★即梦图生图"组图"卡死(10-09)**:提示词里描述"上排三张、下排三张"→ 5.0 当成要 6 张独立图,出完第一张
  556. **停下等人在网页点「继续生成」**,CLI 永远 querying(像卡死,其实在等人)。`--generate_num 1` 拦不住,
  557. 提示词开头必须写"只生成【一张】图片,不要组图"(`make_host.gen_i2i` 已内置)。
  558. - **设定图要还原衣服/道具实物 → `make_cast_sheet --ref 实物图`**(图生图)。纯文生图只能"描述"衣服,
  559. 会编细节(10-09:多出抽绳、丢了胸口刺绣);挂实物后款式/水钻/刺绣全对。
  560. - **★参考视频按秒计费、与输出同价(10-09 即梦+秘塔账单实证)**:带 `--video` 的段成本翻倍。
  561. 参考只截生成需要的那几秒(`depth_ref` 按段时长截)。
  562. - **无台词的人物段不再写"台词{}@音频1…口型同步"**(10-09 修):`seg_role` 为拿主播锚图会把无台词人物段
  563. 路由进口播,旧版照写对口型指令,模型会自己编嘴型。
  564. - **★口型漂移 = 装配簿记病(Kimi 线 09-21,SyncNet 实证)**:后端已把输入音频按口型位置嵌回 clip,拿原始 wav 铺段首会把 lead-in 再放一遍(+0.275s)。
  565. 装配和草稿已改取内嵌音轨。**别再手动在剪映里挪音轨**,先查是不是用了外部 wav。
  566. - **★talking 段裁剪按语音尾,不按 span(Kimi 线 09-21)**:模型语速比估算慢,按 span 裁 6/6 段都被截尾。
  567. 所以按 `qc_talking.json` 的实测语音尾 +0.35s 裁;时长按 3.4 字/秒估(原来 4.2 偏快)。
  568. - **★卡拉OK字幕起点按裁剪后的口径算**:旧 drawtext 版按未裁剪 clip 时长累加段起点,字幕滞后约 2.5s。`subs_karaoke` 按裁剪后的口径算,
  569. 所以 assemble 和 deliver 必须都带 `--trim-to-plan`(不带会报"推算总长 vs 成片差 Xs")。
  570. - **C 模式台词要说"卡片主播的话"(Kimi 线 09-21)**:"伴你购物无忧"这类通用营销腔被判"像机器人",`c_gen` 已列黑名单。
  571. - **可灵(Kling)第四条腿已接**:独立skill `kling-cli`(非本engine脚本),定位=高质量首帧i2v备选——脸稳定性最强、无水印,但无视频参考、时长仅5/10s(15s=尾帧续段拼)、审核严(露肤服饰措辞写"典雅庄重")、人数硬约束同样必加、全链路依赖代理。计费/脾性见记忆 kling-cli-setup。
  572. ### ★事实锚点两闸(09-10 加,`director.py` 15→17 条)
  573. `director.py` 现在读**事实账本** —— plan 同目录的 `facts.json`(localize_seed 的输入)优先,
  574. `assets.json` 兜底,只看两个字段:
  575. - **`activity`(活动)** ← `promo_anchor` 闸:台词/屏字出现"清仓/秒杀/限时/赠品/到手价…"
  576. 而账本无 activity → 报警。**A 模式照抄原片的"便宜清了"也会报**,那是【别人的】活动,
  577. 我们并没有;放个 facts.json 写一句"这个活动我们真有"即过闸。
  578. - **`evidence`(权威证据)** ← `authority_evidence` 闸:提示词/分镜出现"白大褂/实验室/
  579. 专家/检测报告/专利/认证…"(含英文)而账本无 evidence → 报警。
  580. ★**布景级暗示(白大褂/工牌/实验室背景)也算伪造背书** —— 观众读到的是"专业机构背书",
  581. 而我们拿不出来。
  582. ⚠**"便宜"这个词单独入表 = 5/31 条真项目全是误报**(09-10 实测:"别贪便宜""比鲜榴莲便宜"
  583. "这么便宜,智商税吧""机票不是便宜才1000多吗")。现在收紧成【同句要有价格/下单线索,
  584. 且不是否定/比较/反预期用法】。★顺带一条通用教训:**中文单字否定词不能拿子串匹配** ——
  585. `"别" in "特别便宜"` 会把真促销句吃掉,要用带上下文的正则。
  586. 31 条真项目复扫零误报,合成用例 8/8 正确。
  587. ## 可移植性
  588. 换设备:先跑 `doctor.py`。ffmpeg 自动装;即梦/ark key 提示用户配;CosyVoice 缺则配音走降级(A模式复用原音最省)。引擎脚本随本目录一起搬即可。
  589. **Windows 原生(无 WSL)搬运两个坑**(08-07 实测):①跑任何读中文 JSON 的脚本必须 `PYTHONUTF8=1`,否则 GBK 解码炸;②Git Bash 的 `/d/...` 路径不能传给 Windows Python(open/urlretrieve 报 FileNotFoundError),统一用 `D:/...`。ffmpeg 用 gyan essentials 静态包丢进 PATH 即可。
README.md · README · 474 lines · 1 finding marked

View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)

  1. <p align="center"><img src="cover.png" width="760" alt="daihuo-fanpai"></p>
  2. <p align="center"><b>中文</b> · <a href="README.en.md">English</a></p>
  3. # daihuo-fanpai · 爆款带货短视频复刻 skill
  4. 反推爆款带货短视频 → 迁移到你的产品 → 即梦/Seedance 重新生成镜头 → 配音、拼接、评分 → **交付剪映草稿或烧字幕成品**。
  5. 一个 **agent 驱动**的流水线(为 [Claude Code](https://claude.com/claude-code) 等 agent 设计),每步产物都是可人工审改的文件。
  6. > **核心洞察**:复刻带货视频"agent 不如手工"的根因**不是生成模型,而是"反推→写提示词"的转换环节会丢细节、丢动作**——反推明明抓到了"橙色草本水、一只手把海参掰开",写提示词时被概括没了。本项目所有设计都在守一条:**把反推到的主体+动作+关键细节原样带进生成**,再用完备性关卡、人审闸口、评委三道判断兜底。
  7. ## 能做什么
  8. | 模式 | 说明 | 实测评委分(三看漏斗90分制) |
  9. |---|---|---|
  10. | **A 忠实复刻** | 原台词、原产品,原原本本复刻 | 54/90 |
  11. | **产品迁移** | 目标视频结构 + 换成你的产品/包装 | 包装文字保真 |
  12. | **B 跨类目复刻** | 借别品类爆款结构 + 方法论本地化台词 | 69/90 |
  13. | **A 群戏情景剧** | 三角色办公室短剧复刻(多人锚定+原音对口型) | 保真度 63/100,产品还原 16/20 |
  14. | **A 量产模式** | 同产品全目录批量复刻(SOP 全自动) | 实测单日 16 条交付,后期稳定 40-60 分钟/条 |
  15. | **C 模板直生** | 不给原片:只给产品图+简单要求,例文卡当结构模板直生全新片 | 首跑 18s 一次过,包装字锚定清晰 |
  16. | **H3 音画同出(talking)** | 台词写进提示词,H3 自己开口,不再 TTS + 对口型 | 逐字 3/3,SyncNet -0.04s,全 talking 片 6/6 段过验收闸 |
  17. | **动作复刻(深度参考)** | 原片动作逐帧跟、换人换衣服:原片转深度图当动作参考,长相只听人设图 | 12s 一镜到底穿搭片,动作 8/8 时间点对齐,脸/衣服零泄漏 |
  18. 分数越高越"能跑量"。跨类目(理解后重构)分最高——**方法论指导的重构 > 机械复刻**。剧情流原片按千川 rubric 打分天然偏低,看保真度即可。历史最高三看分 75/90(口播型忠实复刻)。
  19. ## 复刻样例(近期实跑)
  20. <table>
  21. <tr>
  22. <td align="center"><b>动作复刻·深度参考</b><br>男装穿搭展示(12s 一镜到底)<br>→ 新模特 + 烫钻卫衣(动作逐帧跟,脸/衣服全换)<br><a href="showcase/%E5%8A%A8%E4%BD%9C%E5%A4%8D%E5%88%BB_%E6%B7%B1%E5%BA%A6%E5%8F%82%E8%80%83.mp4"><img src="showcase/preview_%E5%8A%A8%E4%BD%9C%E5%A4%8D%E5%88%BB.gif" width="360" alt="动作复刻样例(点击播放)"></a><br><sub>▲ 深度图(动作)→ 素材(长相/衣服)→ 成片 · 点击播放</sub></td>
  23. <td align="center"><b>B 模式·跨类目迁移</b><br>竞品 551 万曝光的参类爆款结构<br>→ 高小参鲜食海参(台词/包装/主播全换)<br><a href="showcase/B%E6%A8%A1%E5%BC%8F_%E6%B5%B7%E5%8F%82%E8%BF%81%E7%A7%BB.mp4"><img src="showcase/preview_%E6%B5%B7%E5%8F%82.gif" width="200" alt="海参迁移样例(点击播放)"></a><br><sub>▲ 点击播放完整视频</sub></td>
  24. <td align="center"><b>B 模式·换品名轻复刻</b><br>椰奶西梅益生菌麦片爆款<br>→ 西梅芭乐奇亚籽燕麦片(台词复用,配音克隆)<br><a href="showcase/B%E6%A8%A1%E5%BC%8F_%E8%A5%BF%E6%A2%85%E6%8D%A2%E5%93%81%E5%90%8D.mp4"><img src="showcase/preview_%E8%A5%BF%E6%A2%85.gif" width="200" alt="西梅换品名样例(点击播放)"></a><br><sub>▲ 点击播放完整视频</sub></td>
  25. </tr>
  26. </table>
  27. **动作复刻怎么做到的**(样例左栏就是喂给模型的动作参考,原片演员的长相在这一步已经被抹掉):原片在本机转成**深度图视频**(灰度只表示远近 —— 五官、衣服纹理、颜色、花字全没了,
  28. 站位/手势/转身/推近全在),当动作参考喂即梦;长相和衣服只听人设图与产品图。同段对照:直接拿彩色原片当参考,
  29. 动作也逐帧但**脸变成原片演员**;去色原片同样泄漏;只有深度图做到动作和换人兼得。代价:参考视频按秒计费,该段积分翻倍。
  30. 详见 SKILL.md「深度动作参考」。海参/西梅两条:H3 为主,少量形体特写镜走即梦(按镜头类型路由)。
  31. ## 流水线
  32. ```
  33. 0 体检(doctor) → 1 反推(seed_reverse) → [1b 双反推:k3_reverse + merge_reverse 证据合并裁决]
  34. → 1.5 ★资产清单(needed_assets:要哪些产品图/人物/场景,并分清【谁来准备】)
  35. → 1.6 ★演职表(cast_plan 聚角色 → **asset_board 本地审片台看图定夺** → apply_board 写回
  36. → make_cast_sheet 出 3:4 人设图入库)
  37. → 1.7 ★场景(scene_plan 收敛逐镜场景 → make_scene 出场景板)
  38. → 1.8 ★说话人标注(speaker_tag:逐句判 旁白/同期声 + 说话人 → 人审 → 写回 shotlist)
  39. → 2 规划(plan_segments,完备性关卡+人审 segments.md) → [群戏:patch_cast 多人锚定+人数硬约束]
  40. → [B模式:脚本本地化 localize_seed / localize_apply + 人审]
  41. → 3 配音(tts_segments,多说话人+读音修正 | 原音复用:cut_audio 切段+2秒闸+精确字幕轴)
  42. → 4 生成(gen_segments,即梦/火山/小云雀/海螺四后端;口播段可走即梦或海螺;
  43. --concurrency 并发提交(仅对验证过的后端);口播时长自动对齐配音;TNS/网络抖动自动重试)
  44. → 5 装配(assemble) → [质检:qc_lipsync 帧级口型 / ★qc_cast 人物跨镜一致性+旁白镜口型]
  45. → 6 评委(judge,成片+原片真对比) → 7 字幕(export_subs → SRT+贴字清单)
  46. → 8 交付(deliver:★剪映草稿——五轨就位打开即剪 | 烧字幕+BGM 一步到位成品)
  47. ```
  48. ### 两条路线,由 `route.py` 判片型决定走哪条
  49. ```
  50. 反推 → 立项档案 → ★route.py 判片型
  51. ├─ 主说话人【出镜】(主播口播) → 原声/配音驱动(上面那条主流水线)
  52. └─ 主说话人【不出镜】(画外拍摄者/旁白)
  53. → verify_dialogue 三源对账定台本 → 人工校对
  54. → script_first.py 剧本先行(台词进提示词)
  55. → gen_jimeng_par.py 并行生成
  56. ```
  57. **为什么要分**:画外音没有对应的脸,原声驱动时模型只能把它派给出镜的人对口型 ——
  58. 这就是"说话人错乱"的机制。台词写进提示词让模型自己发声,归属不会错,因为是它自己决定谁说的。
  59. 实测(同一条片,双臂 n=3,统一网格):画外音窗口里出镜者张嘴的帧,
  60. **原声驱动 27%(极差 1~11,三卷崩一卷)→ 剧本先行 5~13%,六卷无一崩**;全片台词 8/8 段逐字到位。
  61. **但主播出镜的片子不要用它**:声音必须跟着这张脸,而且只有一个说话人、本就没有归属歧义 ——
  62. 收益不存在,代价(丢原声)照付。**同一个改动在两种片上一个是解药一个是毒药,所以路由必须先于生成。**
  63. ⚠ 两条腿的规矩**正好相反**,最容易搞混:**即梦必须中文提示词**(英文会在静默窗自编台词,
  64. 整批报废);**h3 必须英文正文**并按官方规范写 `<d>台词</d>` + `(Sx)` 说话人 ID + `[audio reference]`。
  65. ★走 h3 腿(mmh3/rh)时,规划后还有两步:`h3_prompt.py` 转六段式提示词并**灌回 segments.json**
  66. (gen_segments 只读 plan,不读 prompts/ —— 不灌回就会拿旧提示词生成且全程不报错),
  67. 再过 `director.py` 的 12 条约束闸(含 prompts/ ⇄ plan 漂移检查)。
  68. 每一步只通过 JSON 文件/文件夹交接,**可插拔**——换反推 VLM、换视频模型、换 TTS,只改对应一个脚本(契约见 `DESIGN.md`)。
  69. ## 引擎脚本(50)
  70. | 脚本 | 作用 |
  71. |---|---|
  72. | `project.py` | **建项目文件夹**:默认建在目标视频旁边(`<视频名>_复刻/`),也可指定位置;成片统一进 `成片/`。入口脚本有守卫,输出落进 skill 目录直接拒绝 |
  73. | `doctor.py` | 环境体检(依赖分级:轻依赖可自动装/凭证与重型依赖提示用户) |
  74. | `seed_reverse.py` | 反推:原生视频 → 结构化分镜表(硬切/台词/product_role/host_on_camera/关键颜色) |
  75. | `k3_reverse.py` | 双反推第二腿(Kimi K3,同 SCHEMA 同切点源):运镜时间轴强,实体描述必须帧验 |
  76. | `merge_reverse.py` | 双反推证据合并:逐镜并排 dossier + 分歧信号灯 + 分歧点自动抽帧 + 静音闸 |
  77. | `cut_audio.py` | 原音复用切段:按段边界切原片音频,内置**即梦2秒上传下限闸**,顺产镜级 timing.json 字幕轴 |
  78. | `patch_cast.py` | 群戏/多人补丁:按出镜角色挂锚图+逐角色声明+**人数硬约束句**(群戏生命线) |
  79. | `qc_lipsync.py` | 帧级口型质检:原片帧=谁张嘴的真值,AI 帧只答"谁在张嘴"——**杜绝模型看片幻听转写** |
  80. | `needed_assets.py` | 反推后列出这条片要哪些资产,**并分清谁来准备**(产品=你;人物/场景=AI 生成你审;道具看情况)+ assets 骨架 |
  81. | `cast_plan.py` | 从 `person` 字段聚出角色候选(**必须人过目**);带【单主播片闸】(多日 vlog 的换装会被聚成假角色)和【人称名词闸】 |
  82. | `depth_ref.py` | **深度动作参考**:原片 → 本机深度图视频(Depth-Anything-V2)当 `@视频1`,动作逐帧跟、外观零泄漏;附判据(连续镜内肢体动作)与否决条件 |
  83. | `make_cast_sheet.py` | AI 生成 **3:4 人设图**(上排三肖像+下排三全身,灰底影棚)并入资产库;规格由 A/B/C/C2 四版实测定 |
  84. | `scene_plan.py` | 把逐镜各写各的 `scene` 收敛成几个共用场景(实测 58 镜 43 种说法 → 2 个场景) |
  85. | `make_scene.py` | 每个场景生成一张**场景板**(不含人物),全片共用,治"每段各编一个地方" |
  86. | `speaker_tag.py` | VLM **一次看全片(带音轨)** 判每句是 旁白/同期声 + 说话人 → 治"旁白镜里所有人对着画外音张嘴" |
  87. | `asset_board.py` | **资产审片台**:生成自包含本地网页(图 base64 内嵌,双击即开不联网),人物卡把「原片截图×3 + 已生成人设图」并排,一眼判断是不是同一个人;改名/勾确认后导出决策 JSON |
  88. | `apply_board.py` | 把审片台的决策写回 `cast.json` + 资产库;标了"其实是别人"的**不自动拆**(猜错比不拆更糟) |
  89. | `qc_cast.py` | 人物跨镜一致性验收(段内逐镜横排比对) + **旁白镜口型验收**(镜内多点采样看嘴有没有开合) |
  90. | `route.py` | **判片型**(人物配置 × 主说话人出不出镜)→ 决定走哪条路线、选哪条腿;内置**反推质量闸**(cuts 是定长切片/镜数比异常直接拦) |
  91. | `script_first.py` | **剧本先行**提示词生成:台词写进提示词让模型自己发声(`--leg jimeng` 中文 / `--leg h3` 英文+官方规范) |
  92. | `gen_jimeng_par.py` | 即梦**并行**生成:全提交(`--poll 0`)→ 统一轮询,8 段从 40+ 分钟压到约 9 分钟;submit_id 逐段落盘可续取 |
  93. | `verify_dialogue.py` | 台词**三源对账**(字幕定时间 / ASR 定逐字 / 反推定归属),一致度<0.8 报出来人工裁决 |
  94. | `qc_defects.py` | 四类缺陷**定量**抽帧(说话人归属/产品形态/手数人数/切镜走路),事先写死问题+固定抽帧位 |
  95. | `grid_off.py` | 多卷**同网格**对照(不同版本比同一批时间点,否则数字不可比) |
  96. | `voice_cmp.py` | 音色比对(F0 + 长时平均谱余弦),判"跨段还是不是同一个人";**只能可靠地说"明显不是",不能下"就是"** |
  97. | `is_speech.py` | 音轨粗筛(音节调制/语音带占比/词间停顿)。**只报数不下判定** —— 判错过两次,判定权归 ASR |
  98. | `plan_segments.py` | 分段/路由/写提示词(动作原样带全)+ 完备性关卡 + 人审稿;`--min-dur/--hard-max-cuts` 填满模式治后端最短时长的浪费 |
  99. | `localize_seed.py` | B模式脚本本地化初稿(喂方法论弹药包起草) |
  100. | `localize_apply.py` | 把改好的台词写回分镜表(自动同步口播提示词保口型) |
  101. | `tts_segments.py` | 配音:CosyVoice 多说话人 A/B + 多音字读音修正(可配置词表) |
  102. | `gen_segments.py` | 生成:即梦/火山/小云雀/海螺四后端(`--i2v-backend` 切 i2v 段、`--mm-backend` 切口播段);**即梦默认走非 VIP 慢速排队档**(比 VIP 便宜 43%,`--jimeng-model` 可切快速档/2.5);口播时长自动对齐配音;**提交退避重试+下载解码体检**(坏字节流自动重下) |
  103. | `ark_gen.py` | 火山 Ark Seedance 2.0 后端(按 token 计费,省 CLI 积分池;含人脸参考图会被政策拦截,只走纯产品 i2v) |
  104. | `xyq_gen.py` | 小云雀后端(独立 credits 池;参考重绘语义,只接无文字要求的氛围镜) |
  105. | `mmh3_gen.py` | **MiniMax H3 官方规范后端(h3 首选)**:`base_url` 可换渠道(秘塔 768P ≈¥0.11/秒,官方直连/自部署同样可接);多锚图+音频驱动口型。用前读 `references/h3/README.md` |
  106. | `rh_gen.py` | RunningHub 海螺 h3(同模型但渠道价贵 4.4 倍,**已退役**,留作后路) |
  107. | `assemble.py` | 逐段归一化拼接 + 铺连续配音轨;`--trim-to-plan` 裁回规划跨度治段尾空窗,`--master-audio` A模式整条原音直铺,`--size` 输出画幅(2K素材别用默认720p) |
  108. | `judge.py` | 评委:三看漏斗 90 分打分;`--target` 时**成片+原片一起上传做真保真度对比** |
  109. | `export_subs.py` | 导出句级 SRT 字幕 + 原片屏上贴字清单(剪映照抄) |
  110. | `vc_segments.py` | **换声不换演**(Seed-VC):原片切段音频转目标音色,表演节奏逐帧保留;治"复用原音怕查重/TTS重配丢表演"两难(单主播片;群戏需说话人分离未实现) |
  111. | `deliver.py` | **交付**(`--trim-to-plan/--size` 需与装配同口径):剪映草稿(视频/配音/字幕/贴字参考/空BGM 五轨,素材自包含,打开草稿箱即剪)或烧字幕+BGM 成品;字幕轴优先吃 TTS 句级真实时长 |
  112. | `qc_talking.py` | **talking 段验收闸**:clip 音轨转写后 DP 对账台词(逐字率,同音字平反)+ SyncNet 口型闸 + 产出词级字幕轴;FAIL 建议定向重抽 |
  113. | `qc_sync_offset.py` | SyncNet 音画偏移测量(±1 帧标定);口型漂移就是用它查出来的 |
  114. | `subs_karaoke.py` | **逐词卡拉OK字幕**:词窗驱动逐词变色,同一时刻只显示当前句;`deliver --subs auto` 在 talking 片上自动启用 |
  115. | `wav_placement.py` | 查一段 wav 在 clip 内嵌音轨里的实际位置(互相关),排查音画偏移用 |
  116. | `config.py` | 密钥/模型/路径集中配置(全部环境变量可覆盖,无硬编码) |
  117. ## 快速开始
  118. ### 用 agent 安装(推荐)
  119. 整个仓库就是一个 skill,装法就是克隆到 agent 的 skills 目录。打开 Claude Code,发这句话:
  120. ```
  121. 把 https://github.com/wangcanyu/daihuo-fanpai 克隆到 ~/.claude/skills/daihuo-fanpai,
  122. 然后进目录跑 python3 doctor.py 体检,轻依赖直接帮我装好,凭证类告诉我怎么配
  123. ```
  124. 装完**重开一个会话**(skill 列表在会话启动时加载),之后说人话就能开工,agent 会自动触发 skill、按流水线跑、该人审的地方停下来等你过稿:
  125. ```
  126. 复刻这条带货视频:目标.mp4,原台词原产品 ← A 模式
  127. 把 目标.mp4 换成我的海参重做一条,台词按我的产品本地化 ← B 模式
  128. ```
  129. 等价的手动安装:
  130. ```bash
  131. git clone https://github.com/wangcanyu/daihuo-fanpai.git ~/.claude/skills/daihuo-fanpai
  132. cd ~/.claude/skills/daihuo-fanpai && python3 doctor.py
  133. ```
  134. > 其他 agent 只要认 SKILL.md 约定,同样装法;不当 skill 用也行,直接按下面的命令手动跑。
  135. ### 手动跑流水线
  136. ```bash
  137. python3 doctor.py # 0 体检:告诉你缺什么、怎么补
  138. python3 project.py init 目标.mp4 # 建项目文件夹(默认在视频旁边 目标_复刻/),下面的 run/ 就是它
  139. python3 seed_reverse.py 目标.mp4 --out run/shotlist.json
  140. python3 needed_assets.py run/shotlist.json # 按清单准备产品图 → 填 assets.json
  141. python3 plan_segments.py run/shotlist.json assets.json --out run/segments.json # ★人审 run/segments.md
  142. python3 tts_segments.py run/segments.json --out-dir run/audio/seg
  143. python3 gen_segments.py run/segments.json --clips run/clips --audio-dir run/audio/seg [--i2v-backend ark]
  144. python3 assemble.py run/segments.json --clips run/clips --audio-dir run/audio/seg --out run/成片/FULL.mp4
  145. python3 judge.py run/成片/FULL.mp4 --target 目标.mp4
  146. python3 export_subs.py run/segments.json --shotlist run/shotlist.json --out run/成片/FULL
  147. python3 deliver.py run/segments.json --mode both --clips run/clips --audio-dir run/audio/seg \
  148. --shotlist run/shotlist.json --name 我的项目 # 剪映草稿箱直接出现,进去就能剪
  149. ```
  150. ### 依赖与配置(集中在 `config.py`,全环境变量)
  151. | 项 | 用途 | 配置 |
  152. |---|---|---|
  153. | 即梦 Dreamina CLI | 视频生成(口播口型只能它;需 maestro VIP) | `curl -fsSL https://jimeng.jianying.com/cli \| bash` 后 `dreamina login` |
    • Note: Pipes a downloaded script directly into a shell (curl | sh / wget | bash)
    • Line 186 on GitHub
  154. | 火山方舟 Ark | 反推/评委(Seed 2.1 Pro)+ 可选生成(Seedance 2.0) | `export ARK_API_KEY=...`;模型默认公共名,`ARK_SEED_MODEL` 可换 |
  155. | CosyVoice(可选) | 本机配音,缺则走降级(复用原音/云TTS/自备) | `export COSYVOICE_HOME=...`,默认 `~/CosyVoice` |
  156. | Seed-VC(可选) | 换声不换演(第三档配音) | 独立仓库+venv装 `~/seed-vc`,`DAIHUO_SEEDVC_HOME` 可改;模型首跑自动下载(hf-mirror直连) |
  157. | pyJianYingDraft(可选) | 剪映草稿交付,缺则降级 `--mode final` | 独立venv装;草稿目录设 `DAIHUO_JY_DRAFTS` 或 `~/.config/daihuo-fanpai/jy_drafts` |
  158. | ffmpeg + Python `requests` | 切分/拼接/HTTP | — |
  159. > **全链路国内直连,不需要任何代理**。极个别网络下载 CDN 失败时才设 `DAIHUO_DOWNLOAD_PROXY`。
  160. ## 资产与标注层(2026-08 新增)
  161. 复刻里几乎所有"看着就假"的毛病 —— 产品被编、人物切镜变脸、场景每段一个样、说话人对不上 ——
  162. **是同一个病**:画面里出现了某个东西,而它在提示词里**没有任何图作为身份来源**,
  163. 于是模型每次自己编一个,每次编得都不一样。
  164. 所以在"反推"和"生成"之间插了一层:先问清楚这条片需要哪些身份来源,谁来准备,再开始烧钱。
  165. ### 谁来准备什么(分工是有硬理由的,不是随便分的)
  166. | 资产 | 谁准备 | 为什么 |
  167. |---|---|---|
  168. | **产品** | **你** | 三条理由,缺一不可:① AI 编不出你的真品 ② h3 **画不对汉字**,带印刷文字的包装只能用真图(改两轮措辞都压不住,参考图上有字它就要抄) ③ **真实照片自带尺寸和比例,文字描述给不了** —— 08-21 实撞:白底生成图上「直径约10厘米」是无效信息,10cm 和 25cm 的蛋糕在白底上一模一样;而用户随手给的真图里有手和纸托,尺寸一目了然 |
  169. | **道具** | **看情况** | 带品牌/特定外观的(你的包装盒、印字物料)→ 你准备;通用道具(毛巾/水盆/镜子)→ 不做资产,模型本来就画得对 |
  170. | **人物** | **AI 生成,你审** | 铁律:**一律生成新身份,绝不照搬原片出镜人的肖像**——复刻别人视频时不该这么做。你只需过目角色表 |
  171. | **场景** | **AI 生成,你审** | 场景板只定空间关系和色调,不含人物 |
  172. | **声音** | 复用原音 | 复刻场景直接按段切原片音频 |
  173. ### 你实际要做的只有两件事
  174. 1. **按购物清单准备产品图**(`needed_assets.py` 会列出来,并标好【要你准备】)
  175. 2. **过目两张表**:角色表(`cast_plan`)和说话人表(`speaker_tag`)
  176. 其余全是机器的活。**人审只在这两个点,之后不需要你再看一眼** —— 因为剩下的是"闸"不是"审":
  177. - **审 = 人看**:聚类是关键词匹配,可能把两个人合成一个。合错的代价是**两个不同的人共用一张脸**,
  178. 比没有人设图更糟,机器判不了这个,只能你看。拿不准就回原片抽帧看,`目标.mp4` 就在 run 目录里。
  179. - **闸 = 机器查**:`director.py` 12 条规则机械比对"提示词提到了 X" ⇄ "参考图里有没有 X",
  180. 以及单段参考图有没有超上限、prompts/ 和 plan 有没有漂移。**不需要你看一眼**。
  181. ### 资产库(跨片复用)
  182. `assets_lib/`(`DAIHUO_ASSETS_LIB` 可覆盖):
  183. ```
  184. assets_lib/
  185. index.json 人物索引:name/desc/aliases/pronoun/sheet
  186. cast/<id>/sheet.png 3:4 人设图(上排三肖像+下排三全身,灰底影棚,赤脚)
  187. scene_index.json 场景索引
  188. scene/<key>/plate.png 场景板(不含人物)
  189. ```
  190. 同一个"大哥"出现在两条片里,第二条直接命中库存,不用重出图。
  191. ⚠**别名宁窄勿宽**:实测把"黑背心运动大哥"写进"黑短袖大哥"的别名,回原片抽帧发现是两个人
  192. ——别名过宽 = 把错误的人设图绑到别人身上,比没有人设图更糟。
  193. ### 几条实测结论(改之前先读)
  194. - **人设图规格**:3:4 上排三肖像+下排三全身。单张正面锚图会出**严重重影**(模型把它当图层合成),
  195. 横排六视角会把人画老画暗 —— 四版对照测出来的,别自己改规格。
  196. - **单段参考图上限 4**(2人设+1产品+1场景板)。要少的是**同一个主体上的冗余参考**,
  197. 不是**不同主体各自的那一张**:实测把两个角色绑到同一张合成图上,小男孩会被复制成两个。
  198. **"一图一人"的绑定不能省。**
  199. - **单主播口播/vlog 不要建演职表**:多日换装会被聚成一堆假角色(发箍/手镯/戒指都不是人),
  200. `cast_plan` 有闸会拦住并提示。
  201. - **h3 的 first_frame 与「音频+参考图」不能混用**(接口返回 2013),
  202. 所以 RHTV 那套"首帧图定死构图"的强控法在带音频驱口型的口播段上走不通。
  203. ### assets.json:产品档案(换品类不改代码)
  204. ```jsonc
  205. {"host_anchor": "assets/host.jpg", // 主播锚定图(纯产品视频可空)
  206. "host_desc": "齐肩黑发,米白色针织上衣", // ★钉进每个口播段,治跨段穿着漂移
  207. "product_desc": "XX鲜蒸海参,深蓝金色包装", // 材质/颜色写死
  208. "products": {"hero": "...", "礼盒": "...", "内包装": "...", "单根": "..."},
  209. "forms": {"hero": ["精华","滴管"], "瓶身": ["玻璃瓶","泵头"]}, // ★形态别名,换品类必配
  210. "product_verbs": ["涂抹","上脸","拍打"], // ★该品类操作动词,完备性关卡用
  211. "host_is_sheet": false, // 主播锚图是 3:4 人设图时置 true(**换图必须同时换措辞**)
  212. "exclude_forms": {"S13": ["盒装"]}, // ★逐段禁用某产品形态(治"h3 画不对包装汉字")
  213. "extra_constraints": {"S9": "..."}} // 逐段追加约束(写这里,改提示词活不过下次重生成)
  214. ```
  215. 配套的两个 run 级文件(由 cast_plan / scene_plan 生成,人审后使用):
  216. ```jsonc
  217. // cast.json —— 演职表
  218. {"roles":[{"key":"yeshi_dage_hei","lib_id":"yeshi_dage_hei","name":"黑短袖大哥",
  219. "desc":"35岁左右中国中年男性,短寸头,身穿纯黑色短袖T恤",
  220. "pronoun":"m","aliases":["黑短袖大哥","黑色短袖大哥"]}]}
  221. // scene.json —— 场景表(desc 填了才能生成场景板)
  222. {"scenes":[{"key":"傍晚露天夜市","name":"傍晚露天夜市","desc":"...","shot_count":32}]}
  223. ```
  224. 品类特定知识(形态词/动词/多音字)全走配置,默认档案偏食品/生鲜(项目出身)。
  225. ## 取证纪律(2026-08 用真金白银换的)
  226. 生成模型是随机的,所以"我改了个东西,看起来好了"几乎总是错觉。这几条是翻车翻出来的:
  227. 1. **n=1 不是证据。** 同一个测点、同一份提示词,不同卷的结果可以是 0/7、6/7、2/7 ——
  228. **卷间方差比条件间差异还大**。任何"这个改动有没有用"的结论,双臂各至少 n=3,
  229. 并且报出**每卷的数**而不是合并后的一个比例。先量方差,再量效应。
  230. 2. **文本层能证的,绝不拿生成去试。** `director.py` 报"8/8 段自相矛盾"是读提示词读出来的,
  231. 零方差、零成本、可复现。能在文本层解决的问题,一次生成都不该花。
  232. 3. **抽帧核过 ≠ 验收通过。** 差别不在抽得多不多,在于:①事先写死要回答哪几个问题
  233. ②每个问题有固定抽帧位置和分母 ③新旧版本跑**同一套网格**(`grid_off.py`)。
  234. 各用各的时间点比出来的数字不可比,那是自己给自己制造噪声。
  235. 4. **ASR 必须带阳性对照,且双跑一致才采信。** 曾经因为信了一个坏掉的 ASR
  236. (对确定有台词的片子说"没有人声"),追了一个根本不存在的问题、烧掉近千积分。
  237. ⚠**别让 VLM 看 AI 生成的视频转台词** —— 会整段幻听,两遍互不相同且全是照着画面编的。
  238. 5. **"不要 X"如果对应着一个可以修的资产,它就不该存在。**
  239. 参考图里站着一排路人、文字写着"不要复制里面的人" —— 那句话本身就是给错资产打的补丁。
  240. 只有"没有任何资产能修它"(模型天生爱加字幕)时,那句否定才合法。
  241. 开工前 grep 一遍所有 `no / not / never / without / do not`,逐条问"有没有资产能修掉它"。
  242. 6. **参考图本身也要查矛盾**,不只查文字。头号病("一句禁止 X、另一句要求 X")有个图片版:
  243. **图里有的东西,文字在禁止它** —— 模型跟图不跟字。
  244. 7. **改数据不改代码 = 没改。** 只改产物 JSON 不改生成它的脚本,重跑一次就打回原形。
  245. 8. **要改就改老路,别另起分支。** 新分支会静默丢掉老路里所有你没意识到自己在依赖的护栏
  246. (动作轨、外观审计、参考图上限、完备性关卡)。
  247. 9. **文档写了规矩但没有代码执行 = 等于没有规矩。** "反推后必查镜数/时长比"写在文档里两年,
  248. 没人跑过;直到把它焊进 `route.py`,才发现这条片一个真实切点都没检出。
  249. ## 为什么可信
  250. - **每个"验证过的配置"都写了为什么**(`DESIGN.md` §3):按硬切分段而非台词、真图 image2video 保质感与包装文字、thinking 关+流式快 17 倍、直连不代理……改之前先读。
  251. - **三道判断闭环**:完备性关卡(提示词漏没漏产品动作)→ 人审闸口(烧积分前过稿)→ 评委(三看漏斗打分+真保真度对比)。
  252. - **踩过的坑全部固化进代码**:下载截断、NAL 拼接错、口型对不上、多音字、大文件超上传上限、配音超长截尾……见 `SKILL.md` 坑索引。
  253. ## 方法论弹药包(未包含)
  254. B 模式的台词本地化依赖 `qianchuan/` 千川方法论弹药包(选题/句式/跨类目复制/诊断rubric/合规红线),蒸馏自付费课程,**本仓库不含**。可自备一套按 `localize_seed.py` 的 `QC_FILES` 约定放入;A 模式忠实复刻不需要它。
  255. ## 缘起
  256. 这套东西不是先有架构再实现的,是从"为什么 agent 复刻反而不如手工"这个疑问一步步逼出来的:翻旧管线找到病根(转换丢细节,不是模型不行)→ 单案例闭环验证 → 换产品迁移验证 → 跨类目重构验证 → 把每步固化成可插拔引擎,踩一个坑修一个固化一个。它不是"一句 prompt 一键出片",而是**一个懂行的操作台 + 一本打法手册**:把手工时脑子里的高频判断显式化、可复用、可审。
  257. ## 交付两种形态(deliver.py)
  258. - **剪映草稿(推荐)**:管线的分段结构直接透传进剪映——视频轨逐段摆(段边界即切割点)、配音轨对位、字幕轨逐句可改、原片贴字按时间点放成参考轨、空 BGM 轨等你拖音乐。素材 copy 进草稿目录自包含。实测剪映 10.7:保存草稿加密,但**读明文草稿正常**;剪映升级若失效,降级 final 模式。
  259. - **烧字幕成品**:在中性母版 FULL.mp4 上烧字幕(+可选 `--bgm`),能直接投的及格版。FULL.mp4 永远保持无字幕无 BGM——它是评委输入和回归基准,观感加工全在下游。
  260. ## 群戏(多角色情景剧)
  261. 单主播之外,三角色办公室短剧已实战验证:逐段按出镜角色挂多张人物锚定图 + 逐角色人设声明 + **人数硬约束**(不加会幻觉多生成人物,`patch_cast.py` 已固化);产品未登场的段剥离产品图防剧透。**口型错乱治理已有完整打法**(实测错误率 28%→6%):帧级口型质检(`qc_lipsync.py`,原片帧当真值)定位脏段 → 抽卡循环(每段 1-2 抽、新旧择优)收敛随机错 → 同句两轮同错的粘性错误给时间码进剪映手修。教训:**不要**用视频模型看 AI 成片转写台词做质检——会整段幻听。复用原音时,字幕轴用分镜表镜级时间构造,精确对齐。
  262. ## 反推的可信度分工(双反推)
  263. 两个反推模型错误呈镜像:Seed 病在时序粗+贴字幻听进台词,K3 病在**实体幻觉**(把三角皂看成馒头、卸妆棉看成洗脸扑都真实发生过)。所以:时间轴/运镜细节可信 K3,**实体一律 Seed 基底+原片帧终审**,`merge_reverse.py` 出逐镜对照档案和分歧抽帧,裁决按字段不按整包。产品长相/道具/谁在场这类拍点,写提示词前必须抽帧验证——这是烧积分前最便宜的保险。
  264. ## 说明
  265. - 计费:即梦 CLI 走月度积分池(预付,用不完过期);MiniMax H3 按钱包实扣(秘塔 ≈¥0.11/秒);火山 Ark 按 token。**排产按镜头类型选腿**:产品三维形体→即梦(唯一锚得住)、包装文字/平面图案与人物氛围→h3(便宜 7 倍)、生图→即梦 5.0@2K(订阅内免费)。各档单价与实测依据见「更新日志」。
  266. - **双后端边界(政策)**:火山对**含人脸参考图**的视频生成一律拦截(AI 写实人像也拦)——口播/人物段=即梦 CLI 专属,纯产品段才双后端可选。
  267. - **合规自负**:食品别写疗效、不编明星背书、活动/价格须真实。
  268. ## 更新日志
  269. ### 2026-10-10(之二) · 项目文件夹:中间产物不再进 skill 目录
  270. - `project.py init 目标.mp4`:每条复刻一个文件夹,默认建在目标视频旁边,也可指定位置;成片统一放 `成片/`。
  271. - 14 个入口脚本加守卫:输出路径落进 skill 目录就拒绝。起因是 skill 装在 C 盘的机器被中间产物撑满,想看的片也找不到。
  272. ### 2026-10-10 · 合入 Kimi 线 09-21:H3 音画同出 + 口型漂移根治 + 卡拉OK字幕
  273. - **口型漂移的根因在装配**:SyncNet 测出两条后端生成时音画都对齐(≤0.04s)。漂移来自装配拿原始 wav 铺段首,把模型的 lead-in 又放了出来。
  274. 装配和剪映草稿改取 clip 内嵌音轨,C 海参 S1 从 +0.275s 降到 +0.04s。
  275. - **talking 模式**:台词写进 H3 提示词、不给参考音频,H3 自己开口,和 TTS 链按片二选一。配套 `qc_talking`(逐字 + 口型闸)、
  276. 按实测语音尾裁剪、`subs_karaoke` 逐词字幕。合入时补了一处:多人物片的台词挂到具体说话人,原版恒写 "She"。
  277. 另外,没装 SyncNet 时口型一项改记"未测",原版会判 FAIL。
  278. - 不开 talking 时,h3 提示词与合入前逐字节一致(4 条片对拍)。GitHub 从此只有主干。
  279. ### 2026-10-09 · 深度动作参考 + 反推台词核对 + 合并 Kimi 线
  280. - **深度动作参考**(`depth_ref.py`):同段四组对照 —— 文字/彩色原片/去色原片/深度图 —— 只有深度图做到"动作逐帧 + 脸是自己的人设"。
  281. 提示词里叫模型"别沿用视频里的长相"完全压不住,治法是把外观信息从参考里拿掉。`plan_segments` 逐段给建议(理由+翻倍积分),
  282. 默认不开,用户同意后 `--motion-ref` 开启。实测参考视频按秒计费、与输出同价(即梦/秘塔账单双证)。
  283. - **反推台词核对**:Seed 会凭画面编台词(一条纯 BGM 片编了 78 字口播;一条真对话片写的大半不是原话)。反推末尾自动 ASR 比对报警。
  284. - **设定图挂实物**:`make_cast_sheet --ref 衣服.png` 走图生图,衣服款式/刺绣不再靠文字编;顺带治好即梦"组图"让 CLI 永远等待的坑。
  285. - **合并 Kimi 分叉线**(以本地为主,四批,第四批见 10-10):台本层 `dualtext`、分镜唯一入口 `shotlist.py`、段状态账本 `run_state.py`、
  286. 唯一资产库 `assets_lib.py`、例文卡库 + C 模式、大模型唯一出口(套餐/按量自动)。
  287. ### 2026-08-26 · 剧本先行路线 + 七道闸 + 并行生成
  288. 一条街头挑战片(画外拍摄者说了全片 75% 的话)把"说话人错乱"逼到了墙角。
  289. 两天里病因被逐层剥开,**每一层都推翻了上一层的结论**:
  290. | 以为的病因 | 实际 |
  291. |---|---|
  292. | 提示词写得不够强 | 是**自相矛盾**:一句"整段对口型"+ 一句"这 11.3 秒是画外的人在说",8/8 段全中 |
  293. | 修掉矛盾就好了 | 全片重渲后定量测,**片级没有改善**(那次"治好了"是拿一卷倒霉的比一卷走运的,n=1) |
  294. | 模型能力不行 | **台词写进提示词让模型自己发声**,画外音窗口张嘴帧 27% → 5~13%,六卷无一崩 |
  295. | 是提示词层的事 | **资产层才是底层**:场景板是白天(原片傍晚)且自带一排路人、人设图全赤脚、产品图与描述互相打架 |
  296. - **两条路线 + 路由**:`route.py` 按【人物配置 × 主说话人出不出镜】判片型。
  297. 画外主说话人 → 剧本先行(`script_first.py`);主播出镜 → 原声驱动。
  298. **同一个改动在两种片上一个是解药一个是毒药,所以路由必须先于生成。**
  299. - **剧本先行**:台词进提示词、模型自己发声。全片台词 8/8 段逐字到位(均值 0.930)。
  300. ⚠ 两条腿语言规矩**正好相反**:即梦必须中文(英文会在静默窗自编台词),h3 必须英文+官方规范。
  301. - **并行生成**(`gen_jimeng_par.py`):此前"CLI 不能并行"是错的 —— `--poll 900` 是提交后阻塞,
  302. `--poll 0` 才是提交即返回 submit_id。全提交→统一轮询,8 段从 40+ 分钟压到约 9 分钟。
  303. - **七道闸**:逐镜口型⇄时间轴矛盾闸(director 第16条)、提示词长度闸(7000)、
  304. 参考音频总时长闸(15秒)、**反推质量闸**(cuts 是定长切片直接拦)、动作轨翻译失败中止、
  305. 台词三源对账(`verify_dialogue.py`)、四类缺陷定量抽帧(`qc_defects.py`)。
  306. - **定量判据**:`grid_off.py` 多卷同网格、`voice_cmp.py` 音色比对、`is_speech.py` 音轨粗筛。
  307. ★这一轮最贵的四条(细节见 README 的【取证纪律】):
  308. 1. **反推从头到尾没检出过一个真实切点** —— `cuts=[14,28,42…]` 是完美均匀的定长切片,
  309. 镜数/时长比 0.072(正常 0.5~1)。而"反推后必查这个比值"**早就写在文档里,只是没有代码执行它**。
  310. 在不存在切点处告诉模型"这里硬切" → 每次切镜三个人一起走路。
  311. 2. **头号病有个【图片版】** —— 场景板里站着一排清晰路人,而文字写着"不要复制里面的人"。
  312. 查了两天文字里的矛盾,从没想过去查参考图本身。**模型跟图不跟字。**
  313. 更进一步:**那句话本身就是给错资产打的补丁 —— 资产对了它根本不该存在。**
  314. 3. **另起一条分支 = 静默丢掉老路的所有护栏** —— 新写的提示词生成器绕过了动作轨、
  315. 换品牌外观审计、参考图上限、以及 `completeness_check`(**这个 skill 本来就有一道闸专防"漏动作"**)。
  316. 后果:一段 14 秒的"大口吃蛋糕",提示词里一个"吃"字都没有,反而写着"嘴唇闭合"。
  317. 4. **信了一个坏掉的 ASR,追了一个不存在的问题** —— 它对确定有台词的片子说"没有人声"。
  318. 而"ASR 必须带阳性对照"这条,**是同一天上午自己写下的**,却在烧掉近千积分之后才跑对照。
  319. ### 2026-08-19 · 资产与标注层(治切镜变脸 + 说话人错乱)
  320. 一条夜市街采片暴露出:整个 schema 只有 `host_anchor`(**单数**),多个人物**没有地方可以住**
  321. —— 17 段里 16 段送进模型的参考图**一张人脸都没有**,却按音频驱口型提交,等于让模型对着人声凭空编人。
  322. 切镜变脸是必然,**不是模型能力问题**(同批另外三条单主播片挂图率 8~13/15,观感就正常)。
  323. - **演职表**:人物绑成 `<Subject N>` + `Cast constraint` 钉确切人数;3:4 人设图规格由 A/B/C/C2 四版实测定
  324. - **说话人标注**:44 个有台词的镜里 **15 个是画外旁白**,改前那 15 镜的人全在对着画外音张嘴
  325. - **场景板**:58 镜写出 43 种场景说法(每镜描述一个略微不同的地方,本身就是漂移源)→ 收敛成 2 个场景
  326. - **参考图限流**:单段 ≤4,优先保住【有台词的说话人】的人设图 + 1 张产品图
  327. - **稳定性**:1027 文本审查随机拒 → 原样退避重试;上传/即梦 CLI 网络抖动重试
  328. ★三条最贵的教训(全写在 `HANDOFF.md`):
  329. 1. **1027 审查是随机的** —— 同一段文本先过后拒、原样重试又过。我按措辞猜了四轮全是追假目标,
  330. 代价不只是钱,是**会让你误以为找到了原因**。
  331. 2. **`prompts/` 曾是死产物** —— `gen_segments` 只读 `segments.json`,全仓没有代码读 `prompts/`。
  332. h3_prompt 报成功、director 报全过、生成报出片,**三个环节全绿**,而用的是上一版旧提示词,
  333. 白烧一整轮 17 段才靠肉眼看出来。现已改为默认灌回 plan + 加漂移闸。
  334. 3. **提示词自相矛盾是头号病,已第三次出现**(换装 / 包装文字 / 旁白镜说话)。
  335. **两句话打架时模型只会挑一句听,而且经常挑错那句 —— 不能靠加更强的约束去压,必须把打架的那句删掉。**
  336. 按时间倒序。每条只写"这一版解决了什么问题",细节见对应 commit 与 `SKILL.md` 坑索引。
  337. ### 2026-08-10 · 渠道价 ≠ 模型价(推翻前一版的成本结论)
  338. - **前一版(08-09)基于 RunningHub 报价得出的"h3 比即梦贵"是错的。** H3 的真实价格是 **¥0.09~0.11/秒**(MiniMax 官方规范 + 秘塔转售),比即梦 VIP 便宜 7 倍;RunningHub 的 ¥0.48/秒里差的全是渠道加价。新增 `mmh3_gen.py`(base_url 可换渠道,不把自己焊死在一家),**RunningHub 退役**。
  339. → **接任何新后端先问:这是渠道价还是模型价?有没有更靠近源头的通道?**
  340. - **生图改走即梦 `text2image --model_version 5.0 --resolution_type 2k`,实测 0 积分**(订阅权益"图片5.0Lite 2K限时免费"),1440×2560 比原先 ¥0.1/张的方案又免费又高一档。铁律不变:**带品牌文字的产品图一律不生成,只用真图**。
  341. - **按腿路由落地**:`plan_segments --by-leg` 同段必须同腿并打 `leg` 标记(package_text→h3 / hero_real→即梦 / 其余→h3),内置**临界点合并**(拆细与最短时长对冲,mmh3 碎段短于 0.6 秒自动并回);`gen_segments --auto-leg` 按段派发,h3 段并发、即梦段串行。实测同一条片 ¥14.07→¥12.09 且每段同腿。
  342. - **四方对照实证**:同锚图同音频同内容下,**即梦 2.0 是唯一锚得住产品三维形体的**(h3 两个独立渠道都画错,且错法不同 → 系统性失败,抽卡救不回来);而 **h3 的平面印刷图案锚定零错**(logo/毛笔字/三列小字)。分工由此确定,不是"谁更强"而是"各强在哪"。
  343. - **即梦非VIP慢速档判死**:一枪 5 秒的任务排队 **15 小时 40 分钟**仍在 Queueing 且占死并发槽。省 43% 换"不知何时出片",默认改回 `seedance2.0_vip`。另发现 **VIP 与非VIP 各有一个独立并发槽**。
  344. ### 2026-08-09 · 第四条生成腿 + 成本三层治理(★成本结论已被 08-10 推翻,见上)
  345. - **新增 `rh_gen.py`(RunningHub 海螺 h3)**:即梦之外**唯一能音频驱动口型**的口播后端,`--mm-backend rh` 切换。实测 30.5s 带货片 10 段一次过审、零重试。
  346. - **并发**:`gen_segments --concurrency N`。RH 实测 3 段同时提交真并行(完成间隔 17-23 秒);**即梦 CLI 通道账号级限流=1**,多提必 `ret=1310`,换 `--session` 无效——已在代码里区分,只对验证过的后端开并发。
  347. - **成本要算三层,不能只看单价**(即梦季卡口径 ¥0.053/积分):
  348. | 通道 | ¥/秒 | 并发 | 时延 |
  349. |---|---|---|---|
  350. | 即梦 `seedance2.0` 非VIP慢速 | 0.424 | 1 | 60分钟+ |
  351. | RH 海螺 h3 768P | 0.48 | ≥3 真并行 | ~3分钟 |
  352. | 即梦 `seedance2.0_vip` | 0.742 | 1 | 几分钟 |
  353. | RH 海螺 h3 2K | 0.77 | ≥3 | ~3分钟 |
  354. | 即梦 `seedance2.5` | 1.378 | 1 | ~2分钟 |
  355. 第二层是**后端最短生成时长的浪费**:h3 最短 5 秒,快切片每段真实跨度才 1~3 秒 → 曾有 39% 的钱花在被裁掉的画面上。新增 `plan_segments --min-dur/--hard-max-cuts` 填满模式,降到 28%。第三层是重抽率。
  356. - **装配/交付修正**:`assemble --trim-to-plan`(各后端产物都比规划跨度长,不裁则段尾空窗+全片撑长)、`--master-audio`(A 模式整条原音直铺)、`--size`(2K 素材别被压回 720p);`deliver` 同步这两个开关,否则视频轨与字幕轨对不上。
  357. - **路由修复**:`seg_role` 的"有台词即口播"兜底改为只对旧 shotlist 开放——画外音/吃播段被误判进口播会拿产品镜去对口型,钩子直接丢。
  358. - **新规律**:生图模型会改字、视频模型的参考图是锚定不改字(同一纸盒双向实证);状态参考图会连带迁移它的背景与光照;`judge` 压缩小版上传后会看漏,差距清单必须逐条核实再采信。
  359. ### 2026-07-25 · 量产 16 条的实战改版
  360. 双反推腿入库(`k3_reverse` + `merge_reverse`)、帧级口型质检 `qc_lipsync`、群戏补丁 `patch_cast` 收编、原音切段 `cut_audio`(2 秒上传下限闸);提交退避重试 + 下载解码体检(坏字节流会骗过大小校验)。坑索引 +8 条。
  361. ### 2026-07-13 · 交付层 + 换声 + 群戏
  362. `deliver.py` 出剪映草稿(五轨,打开即剪)与烧字幕成品;`vc_segments.py` 换声不换演(Seed-VC),配内置干净音色兜底;三角色情景剧群戏打法定型(人数硬约束是生命线)。
  363. ### 2026-07-07 · 全面修缮
  364. `judge --target` 改成成片+原片**真**双视频对比(旧版保真度是模型编的);代理全线退役;产品档案化(`forms`/`product_verbs`/`host_desc` 进 assets.json,换品类不改代码);配音超长自动加时;新增 `export_subs.py`。
  365. ### 2026-07-02 · 初版开源
  366. A 模式忠实复刻 + B 模式跨类目迁移双管线跑通,发布到 GitHub。
  367. ## 关于作者
  368. 汪自立,2012 年入行电商,从淘宝时代一路干到抖音时代;2019 年扎进抖音直播,至今 7 年。操盘过**生鲜、珠宝玉石、烘焙甜品**——品类够杂,但也因为杂,看懂了直播电商的底层逻辑:不管卖什么,系统永远把流量给最能转化的人。
  369. - **单场最高 GMV** 306 万 · **单场最大消耗** 66 万 · 全托管式操盘(盯数据、调计划、做决策)
  370. - 自己投千川、自己剪片、自己复盘 ROI;海参、水果、香皂都是真金白银投出来的实战
  371. - 日常用 Claude Code 这类 agent 干活,习惯把踩过的坑和验证过的打法固化成可复用的 skill——这个仓库就是这么长出来的:不是先设计后实现,而是一单一单实战逼出来的
  372. - 更多实战复盘(全域推广/直播投流/电商运营,不卖课不割韭菜):[5t9t.com](https://5t9t.com)
  373. **微信** `hornonthebus`(交流带货视频复刻 / AI 短视频生产,加时备注来意);问题和改进欢迎提 [Issue](https://github.com/wangcanyu/daihuo-fanpai/issues) / PR
  374. ## License
  375. MIT · Copyright (c) 2026 wangcanyu
doctor.py · Bundled script · 299 lines · 1 finding marked
  1. #!/usr/bin/env python3
  2. """
  3. doctor.py — 复刻 skill 环境体检(preflight)
  4. 逐项检查依赖,按性质分级给出处置建议:
  5. 轻依赖(ffmpeg)→ 可自动装 | 凭证(即梦/ark)→ 必须用户处理 | 重型(CosyVoice)→ 降级/提示
  6. 输出状态表,末尾给「能不能往下走 + 缺的怎么办」。
  7. 用法: python3 doctor.py
  8. """
  9. import os, shutil, subprocess, json
  10. OK, WARN, BAD = "✓", "!", "✗"
  11. def sh(cmd):
  12. try:
  13. return subprocess.run(cmd, capture_output=True, text=True, timeout=30)
  14. except Exception:
  15. return None
  16. def check_ffmpeg():
  17. have = shutil.which("ffmpeg") and shutil.which("ffprobe")
  18. return (OK, "已装") if have else (BAD, "缺失 → 轻依赖,可自动装: apt/brew install ffmpeg")
  19. def check_dreamina():
  20. b = os.path.expanduser("~/.local/bin/dreamina")
  21. if not (shutil.which("dreamina") or os.path.exists(b)):
  22. return BAD, "CLI 未装 → 凭证类,需用户装+登录: curl -fsSL https://jimeng.jianying.com/cli | bash"
    • Note: Pipes a downloaded script directly into a shell (curl | sh / wget | bash)
    • Line 30 on GitHub
  23. r = sh([b if os.path.exists(b) else "dreamina", "user_credit"])
  24. if not r or r.returncode != 0 or "total_credit" not in (r.stdout or ""):
  25. return BAD, "未登录/失效 → 需用户登录(WSL走headless两步): dreamina login --headless"
  26. try:
  27. j = json.loads(r.stdout[r.stdout.index("{"):r.stdout.rindex("}") + 1])
  28. cred = j.get("total_credit", 0); vip = j.get("vip_level", "")
  29. if vip != "maestro":
  30. return WARN, f"已登录但非maestro VIP(当前{vip}) → CLI需maestro,去即梦开会员"
  31. if cred < 200:
  32. return WARN, f"积分偏低({cred}) → 够跑几段,大片需充值"
  33. return OK, f"已登录 maestro,积分 {cred}"
  34. except Exception:
  35. return WARN, "已登录,积分解析失败"
  36. def check_ark():
  37. import config
  38. ok, msg = config.ark_key_status()
  39. if ok:
  40. # ★如实报【实际走哪条计费口子 + 哪个模型】。08-22 之前这里只写"Seed2.1Pro key",
  41. # 而配好套餐 key 后实际走的是 agent-plan + turbo —— 标签会骗人。
  42. try:
  43. from config import ark_endpoint, ARK_SEED_MODEL
  44. _, _, how = ark_endpoint()
  45. msg += f" | 走 {how} · 模型 {ARK_SEED_MODEL}"
  46. if how.startswith("agent-plan"):
  47. msg += " (套餐无 pro,turbo 平替)"
  48. except Exception:
  49. pass
  50. # ★真调一次实际通道(10-09 实撞:套餐 key 被另一台机器轮换作废、另一把所属账号套餐过期,
  51. # doctor 只看 key 文件在不在,一直报绿;直到 C 模式/类目归一才 401)。探针 16 token,费用可忽略。
  52. try:
  53. import requests
  54. base, key, how = ark_endpoint()
  55. r = requests.post(base.rstrip("/") + "/responses",
  56. headers={"Authorization": f"Bearer {key}", "Content-Type": "application/json"},
  57. json={"model": ARK_SEED_MODEL, "max_output_tokens": 16,
  58. "input": [{"role": "user", "content": [{"type": "input_text", "text": "OK"}]}]},
  59. proxies={"http": None, "https": None}, timeout=60)
  60. if r.status_code != 200:
  61. code = (r.json().get("error") or {}).get("code", "") if r.headers.get(
  62. "content-type", "").startswith("application/json") else ""
  63. hint = {"AuthenticationError": "key 不存在(多半被另一台机器 rotate-apikey 作废了)",
  64. "InvalidSubscription": "该账号套餐过期/未订阅"}.get(code, r.text[:80])
  65. fb = (" → 临时退回按量:export DAIHUO_ARK_PLAN=0(按 token 计费,先征得用户同意)"
  66. if how.startswith("agent-plan") else "")
  67. return (BAD, f"{how} 探针 HTTP {r.status_code}:{hint}{fb}")
  68. msg += " | 探针通过"
  69. except Exception as e:
  70. return (WARN, f"反推key {msg} | 探针没跑成({type(e).__name__}),通道是否可用未知")
  71. return (OK, "反推key " + msg)
  72. return (BAD, "反推key缺失 → 设环境变量 ARK_API_KEY 或 ARK_PLAN_KEY(见 config.py)")
  73. def check_kimi():
  74. # Kimi K3:双反推第二腿,可选 → 缺失只 WARN 不挡开工
  75. import config
  76. ok, msg = config.kimi_key_status()
  77. if not ok:
  78. return WARN, f"key 未配(双反推可选腿) → {msg}"
  79. # 认证探针:GET /models,不烧token
  80. try:
  81. import requests
  82. r = requests.get(f"{config.KIMI_BASE_URL}/models",
  83. headers={"Authorization": f"Bearer {config.kimi_key()}"},
  84. proxies={"http": None, "https": None}, timeout=15)
  85. if r.status_code == 401:
  86. return WARN, "key 无效(401) → 到 platform.kimi.com 重新生成"
  87. if r.status_code != 200:
  88. return WARN, f"探针 HTTP {r.status_code}(可稍后重试)"
  89. except Exception:
  90. return WARN, f"key {msg},但探针网络失败(可稍后重试)"
  91. return OK, f"key {msg},认证探针通过"
  92. def check_libtv():
  93. # LibTV:Seedance 2.0/2.5 的备选腿,即梦不可用时 --jimeng-via libtv 改道,可选 → 缺失只 WARN
  94. cli = os.path.expanduser("~/.libtv/libtv")
  95. if not os.path.exists(cli):
  96. return WARN, "CLI 不在 ~/.libtv/libtv(见 libtv-cli skill 的安装说明)"
  97. env = dict(os.environ)
  98. env["NO_PROXY"] = env["no_proxy"] = "liblib.art,liblib.tv,liblib.cloud," + env.get("NO_PROXY", "")
  99. try:
  100. r = subprocess.run([cli, "account", "list"], capture_output=True, text=True, env=env, timeout=30)
  101. a = next(x for x in json.loads(r.stdout.strip().splitlines()[-1])["accounts"] if x.get("isActive"))
  102. except Exception as e:
  103. return WARN, f"登录态查不到({type(e).__name__}) → libtv login web"
  104. m = a.get("memberAccount") or {}
  105. return OK, f"{a.get('accountName')} · {m.get('memberName', '非会员')} ⚠积分计费,跑前先报总价"
  106. def check_xyq():
  107. # 小云雀(pippit-tool-cli):即梦之外的备选生成腿,可选 → 缺失只 WARN 不挡开工
  108. import config
  109. if not shutil.which("pippit-tool-cli"):
  110. return WARN, "CLI 未装(可选备腿) → npx @pippit-dev/cli@latest install"
  111. ok, msg = config.xyq_key_status()
  112. if not ok:
  113. return WARN, f"key 未配(可选备腿) → {msg}"
  114. # 认证探针:get-thread 查不存在的会话,ret=2=key无效,其它=认证通过(不烧credits)
  115. env = dict(os.environ); env["XYQ_ACCESS_KEY"] = config.xyq_key()
  116. try:
  117. r = subprocess.run(["pippit-tool-cli", "get-thread", "--thread-id", "doctor-probe"],
  118. capture_output=True, text=True, timeout=20, env=env)
  119. out = (r.stdout or "") + (r.stderr or "")
  120. if "未查询到有效" in out or "ret=2" in out:
  121. return WARN, "key 无效(ret=2) → 到小云雀重新生成 access key"
  122. except Exception:
  123. return WARN, f"CLI + key {msg},但探针网络失败(可稍后重试)"
  124. return OK, f"CLI + key {msg},认证探针通过"
  125. def check_rh():
  126. # RunningHub(海螺h3):第四条生成腿,★唯一的口播mm备腿。可选 → 缺失只 WARN 不挡开工
  127. import config
  128. ok, msg = config.rh_key_status()
  129. if not ok:
  130. return WARN, f"key 未配(可选付费腿) → {msg}"
  131. # 认证探针:query 一个不存在的 taskId,不提交任务不扣费
  132. try:
  133. import requests
  134. r = requests.post("https://www.runninghub.cn/openapi/v2/query",
  135. headers={"Authorization": f"Bearer {config.rh_key()}",
  136. "Content-Type": "application/json"},
  137. json={"taskId": "0"}, proxies={"http": None, "https": None}, timeout=20)
  138. if r.status_code in (401, 403):
  139. return WARN, "key 无效(HTTP %d) → 到 runninghub.cn 重新获取企业级共享key" % r.status_code
  140. except Exception:
  141. return WARN, f"key {msg},但探针网络失败(可稍后重试)"
  142. return OK, f"key {msg},认证探针通过 ⚠钱包计费≈¥0.48/秒,花钱前须用户点头"
  143. def check_mmh3():
  144. # MiniMax H3 官方规范后端(秘塔渠道):第五条腿,h3 里最便宜的通道。可选 → 缺失只 WARN
  145. import config
  146. ok, msg = config.mmh3_key_status()
  147. if not ok:
  148. return WARN, f"key 未配(可选付费腿) → {msg}"
  149. try:
  150. import requests
  151. r = requests.get(f"{config.MMH3_BASE_URL.rstrip('/')}/v2/query/video_generation/0",
  152. headers={"Authorization": f"Bearer {config.mmh3_key()}"},
  153. proxies={"http": None, "https": None}, timeout=20)
  154. if r.status_code in (401, 403):
  155. return WARN, f"key 无效(HTTP {r.status_code}) → 到 metaso.cn/minimax-h3 重新获取"
  156. except Exception:
  157. return WARN, f"key {msg},但探针网络失败(可稍后重试)"
  158. return OK, f"key {msg},{config.MMH3_BASE_URL} ⚠钱包计费 768P≈¥0.09/秒"
  159. def check_cosyvoice():
  160. from config import COSYVOICE_HOME
  161. py = f"{COSYVOICE_HOME}/.venv/bin/python"
  162. model = f"{COSYVOICE_HOME}/pretrained_models"
  163. drama = os.path.expanduser("~/.claude/skills/tts-drama/scripts/cosy_drama.py")
  164. if os.path.exists(py) and os.path.isdir(model):
  165. if not os.path.exists(drama):
  166. return WARN, "CosyVoice 在,但缺 tts-drama skill 的 cosy_drama.py(tts_segments 依赖它)"
  167. return OK, "CosyVoice + cosy_drama 就位(本地配音可用)"
  168. return WARN, ("缺失 → 重型GPU依赖,不自动装。配音降级选项:"
  169. "①A模式复用原片音频(无需TTS) ②接云端TTS ③用户自备音频 ④手动装CosyVoice")
  170. def check_seedvc():
  171. # 换声不换演(vc_segments,可选):缺则此档不可用,不影响其它配音方案
  172. from vc_segments import seedvc_status
  173. ok, msg = seedvc_status()
  174. return (OK, msg) if ok else (WARN, msg)
  175. def check_jianying():
  176. # 剪映草稿交付(deliver --mode draft):轻依赖+本机目录,缺则降级 --mode final
  177. import config
  178. ok_lib = os.path.exists(config.JY_PYTHON) and sh(
  179. [config.JY_PYTHON, "-c", "import pyJianYingDraft"]) and \
  180. sh([config.JY_PYTHON, "-c", "import pyJianYingDraft"]).returncode == 0
  181. if not ok_lib:
  182. return WARN, ("pyJianYingDraft 未装 → 轻依赖,可自动装: python3 -m venv ~/.venv-jianying && "
  183. "~/.venv-jianying/bin/pip install -i https://pypi.tuna.tsinghua.edu.cn/simple "
  184. "pyjianyingdraft;不装则交付降级 --mode final")
  185. from deliver import to_wsl
  186. d = config.JY_DRAFTS_DIR
  187. if not d:
  188. return WARN, "库已装;草稿目录未配 → 设 DAIHUO_JY_DRAFTS=剪映草稿根目录(剪映设置里可查)"
  189. if not os.path.isdir(to_wsl(d)):
  190. return WARN, f"库已装;草稿目录不存在: {d}(检查 DAIHUO_JY_DRAFTS)"
  191. return OK, f"pyJianYingDraft + 草稿目录就位({d})"
  192. def check_proxy():
  193. # 全管线(火山API/即梦CLI/即梦CDN下载)均国内直连,无需任何代理。
  194. # 系统若设了全局 http_proxy,脚本已显式绕开;极少数网络下载 CDN 需代理时设 DAIHUO_DOWNLOAD_PROXY。
  195. return OK, "全链路国内直连,无需代理(代理是 Gemini 时代遗留,已退役)"
  196. def check_wordalign():
  197. """词级对齐/词标签网格(word_align / grid_words):faster-whisper 解释器 + 中文字体。"""
  198. import config
  199. py = config.fw_python()
  200. r = sh([py, "-c", "import faster_whisper"])
  201. if not r or r.returncode != 0:
  202. return WARN, (f"{py} 里没有 faster-whisper → 词级对齐/读错证据不可用(可选)。"
  203. "装: pip install faster-whisper,或设 DAIHUO_FW_PYTHON 指向装了它的解释器")
  204. try:
  205. font = config.cjk_font()
  206. except FileNotFoundError:
  207. return WARN, "faster-whisper 就位,但缺中文字体 → grid_words 拼图会失败(设 DAIHUO_CJK_FONT)"
  208. return OK, f"faster-whisper 就位({py});字体 {os.path.basename(font)}"
  209. def check_depth():
  210. """深度动作参考(depth_ref.py):torch + transformers 解释器。可选 —— 只有动作为王的片子才用。"""
  211. import config
  212. py = config.depth_python()
  213. r = sh([py, "-c", "import torch, transformers; print(torch.cuda.is_available())"])
  214. if not r or r.returncode != 0:
  215. return WARN, (f"{py} 里缺 torch/transformers → 深度动作参考不可用(可选)。"
  216. "装: python3 -m venv --system-site-packages ~/.venvs/depth && ~/.venvs/depth/bin/pip install transformers")
  217. gpu = (r.stdout or "").strip().endswith("True")
  218. return OK, f"就位({py}){'' if gpu else ' ⚠无 GPU,12s 片要跑好几分钟'};模型首次走 hf-mirror 自动下载"
  219. def check_lip():
  220. """SyncNet 口型偏移(qc_talking / qc_sync_offset):专用解释器 + 权重。可选 —— 没装时 qc_talking 口型一项记"未测"。"""
  221. import config
  222. w = os.path.join(config.syncnet_home(), "syncnet_v2.model")
  223. if not os.path.exists(w):
  224. return WARN, f"SyncNet 权重不在 {w} → talking 验收只测逐字、口型未测(可选;装法见 qc_sync_offset.py 文件头)"
  225. py = config.lip_python()
  226. r = sh([py, "-c", "import torch, mediapipe, python_speech_features"])
  227. if not r or r.returncode != 0:
  228. return WARN, f"{py} 缺 torch/mediapipe/python_speech_features → 口型闸不可用(可选,设 DAIHUO_LIP_PYTHON)"
  229. return OK, f"就位({py})"
  230. def main():
  231. checks = [("ffmpeg", check_ffmpeg), ("即梦CLI(生成)", check_dreamina),
  232. ("反推模型/计费口子", check_ark),
  233. ("Kimi K3(双反推腿,可选)", check_kimi),
  234. ("小云雀(生成备腿,可选)", check_xyq),
  235. ("LibTV(生成备腿,可选)", check_libtv),
  236. ("MiniMax H3规范(付费腿,可选)", check_mmh3),
  237. ("RunningHub海螺(付费腿,可选)", check_rh),
  238. ("CosyVoice(配音)", check_cosyvoice),
  239. ("Seed-VC(换声,可选)", check_seedvc),
  240. ("词级对齐/词网格(可选)", check_wordalign),
  241. ("深度动作参考(可选)", check_depth),
  242. ("SyncNet口型闸(可选)", check_lip),
  243. ("剪映草稿交付", check_jianying), ("代理", check_proxy)]
  244. print("===== 复刻 skill 环境体检 =====")
  245. blockers = []
  246. for name, fn in checks:
  247. st, msg = fn()
  248. print(f" [{st}] {name:<20} {msg}")
  249. if st == BAD and name not in ("代理",):
  250. blockers.append((name, msg))
  251. print("=" * 34)
  252. # 判定:反推+生成+ffmpeg 是硬门槛; 配音可降级
  253. core_bad = [b for b in blockers if any(k in b[0] for k in ("ffmpeg", "即梦", "Seed", "反推"))] # 检查项改名后"Seed"匹配不上,反推一直不算核心(10-09 修)
  254. if core_bad:
  255. print("⛔ 核心依赖缺失,无法开跑。请先解决(凭证类需你处理,ffmpeg可自动装):")
  256. for n, m in core_bad:
  257. print(f" - {n}: {m}")
  258. else:
  259. print("✅ 核心链路(反推+生成+装配)可跑。配音若缺 CosyVoice,按上面降级选项走。")
  260. if __name__ == "__main__":
  261. main()

Ratings and comments

Sign in to rate this skill.

Sign in

Free to use. If it’s helped, pass it on.