AI 漫剧流水线技能完整落地:文件驱动、可校验、单镜可重做。 七阶段:基线资产 → 策划叙事 → 分镜中枢 → 配音先行 → 出图/出视频 → 缝合 → 审片归档。 - scripts/: manju.py 编排、submit_t2i/submit_i2v 提交、cleanup_comfyui 清理 - assets/comfyui-manju-cleanup/: ComfyUI 清理扩展,归属校验 fail-closed - references/: models.md 模型节点图全表、workflow/director/storyboard/pitfalls - .gitignore: 排除 __pycache__ 与运行产物
2.5 KiB
2.5 KiB
缝合与导出
tools/render.py 把已采用片段 + 配音 + ASS 字幕 + HUD 标注 + 落版缝成竖屏成片。
环境
- ffmpeg 用
pip install --user imageio-ffmpeg的静态版;脚本运行时调imageio_ffmpeg.get_ffmpeg_exe()。 - 不要用 brew 装:macOS 12 + Homebrew 6 有 dav1d Ruby bug。
- 成片规格从
config/pipeline.json → output读,默认 720×1280 / 30fps / H.264+AAC;全片不混用分辨率与帧率。
逐段标准化
- 去水印:仅当源有水印时用
--crop-bottom 60(crop 去带 + 居中填充),不用 drawbox。本链路 I2V 输出通常无水印,默认 0。 - 补足时长:I2V 约 5 秒画面用
tpad=stop_mode=clone克隆尾帧补足到duration;清单标"pad": true。 keepSeconds局部修正:只取前 N 秒稳定段慢放到目标时长(漂移镜用),N 写在30_shots.json。- 统一 30fps +
format=yuv420p。
字幕
- 取
line完整旁白,按标点折 1–3 行,标点不落单;不在生成阶段烧字。 - 字体用系统中文体(如 PingFang.ttc),通过
fontsdir指定。 - 竖排文字用 ASS 的
\N逐字分行。
包装
- HUD:横排 / 竖排两种,全片文字只标一次(一横一竖);时间窗按累计
duration计算。 - 落版:光环 / 光束 / 星点 +
zoompan缓推,用tools/make_overlay.py程序化生成(零积分)。 zoompan的d取总帧数(2s×30fps=60),s=720x1280:fps=30并补format=yuv420p,才能与主线 concat 一次编码。- 片头 3 秒内出现核心冲突,不做长片头;转场克制。
缝合顺序
先逐段标准化,再一次 concat(主片 + 落版)并同一步烧 ASS,避免多次重编码掉画质。
配音先于剪辑
work/EPxx/audio/vo_NN.mp3 由 edge-tts 生成(音色见 config/pipeline.json → tts.voice)。先量出每句实际时长再回填 duration。若一句说完画面还空 2 秒没事发生,该镜剪短或加动作,不用加快语速硬塞。每角色固定音色并记录参数,避免下一集换声。
交付
- 只拼
status: adopted的片段;rejected另建候选目录,保留旧采用文件与提示词历史。 - 导出后登记
renders/INDEX.md(路径、时长、校验和、生成参数、来源片段),成片本体不入库。 - 交付文案区分「已生成 / 已采用 / 已合成 / 已归集」。
商用前核对音色授权与 AI 生成内容标识要求。