- 新增 render_native.py: 台词镜缝合(保留原生音轨+烧h3v3字幕+瑕疵遮盖,不叠TTS) - 新增 fetch_t2i.py: 出图脚本被杀后按pid救回单图 - 修复 queue_h3_native.py --check 将中断/error误判为在队的bug - 文档: render.md/native-av.md/pitfalls.md/SKILL.md/README 补齐双轨缝合与选机实测
7.4 KiB
导演内核(与模型无关的规则)
从 Toonflow workflow/SKILL.md PART A 剥离的执行规则。上游原文逐字留档在 toonflow/toonflow-workflow-director.md(MIT),条款号 A0.1 / A2 / A5 / A8 / A11.4 / A12 沿用,需要原文时按号查。本文件只做适配,不改写原文。
参数覆盖表(去画布化)
| 项 | 画布型工具(上游) | 本管线 |
|---|---|---|
| 单段上限 | Seedance ≤15s / ≤30s | 取 config/pipeline.json 的 frames/fps(A14B 默认 81@16 ≈ 5.06s);超出需 pad:true 用 tpad=stop_mode=clone 补 |
| 参考绑定 | {{node/image-xxxx}} 画布句柄 |
refs 中的 assets/ 相对路径;禁止编造句柄 |
| 状态载体 | 画布节点 / MCP 工具 | 30_shots.json 一行一镜 + 50_manifest.json |
| 提示词外壳 | A9.1 资产标识 + A9.2 Objective 九字段 | 下方「I2V 提示词模板」:首帧锚 + 轻运动 + 锁 + 避免 |
| 授权 | 宿主 askUser |
阶段闸门:展示清单后等明确确认 |
| 校验 | LLM 按 A11 勾选 | manju.py validate 机器前置 + 本文件规则人工复核 |
A9.2 的 Objective / Immutable locks / Preserve / Avoid 语义保留,但不照搬英文九字段外壳。
十二条铁律
- 只导演,不编剧(A0.1):禁止新增 / 删除 / 替换 / 改归属 / 改顺序五类改动。AI 上一轮自行补的内容永远不能升级成剧情事实(事实优先级:用户最新指令 > 原始剧情 > 已确认资产 > AI 旧输出)。
- 不补前史(A0.1.4):原文给「手里已拿着」就从该状态开始,不补「拿容器 → 开盖 → 取出」。模糊身份保持抽象。
- 全量节拍(A2):先建
E01…E##源节拍账本登记在10_events.md,所有原子节拍保留,不能只挑转折点。每个会改变剧情状态的句子必须映射回E##。 - 时长诚实(A2.3 / A3.2):按自然语速估对白 + 必要停顿 + 串行动作;禁止加快语速、删词、吞句尾塞时长。严格冲突时标注冲突,不删剧情。
- 每段自包含(A5):模型看不到上一段画面。首帧锁(站/坐、画面左右、身体朝向、持物、道具位置、机位高度、前中后景)逐段重写;
initialState写绝对状态,禁止「同上 / 延续上一段」。 - 站位双层:世界坐标(相对门/桌/窗,与机位无关)+ 画面坐标(随机位重述)。画面左右可因合法换机位变化,世界位置不能偷搬(A5.4 不越轴不等于机位不能换)。
- 段间衔接(A7.3):相邻两镜至少满足一项——主体类型不同 / 景别差 ≥2 档 / 角度差 ≥90°。不满足时只调下一段首镜的摄影属性,不动剧情事实。
- 连续性先判关联(A8.1):
continuous/partial/reset三选一。无关段不强行继承位置;partial只继承持续状态(服装破损、伤势、道具剩余量)。道具状态链查「持有人/位置/数量/开合/液面/损耗」,没拍到 ≠ 消失。 - 文字锁(A1.3 / A12.17):字幕、标题、UI 叠字、水印留给后期;实体资产文字保持参考外观,不新增/改写/重绘。
- 生成稳定性预检(A11.4):3+ 主体大幅移动、精细手部接触叠复杂运镜、镜面反射复制人物、多张参考争夺同一维度、提示词自相矛盾 → 标记高风险,按「删无关控制 → 简化摄影机 → 关键接触完整可见 → 降景深冲突 → 定向 Avoid」降复杂度。不以稳定为由删剧情。
- 单次修正(A11.2 / A12.19):失败项一次性汇总,只做一轮集中结构修正,再单次抛光;禁止 A11 ↔ A12 递归。
- 版本与事实分离(stateAndDelivery):确认绑定独立快照;提示词版本与结果版本分开,改文字不代表旧视频由新文字生成;
generating≠ 完成;文件路径 ≠ 看过视频。
对白写法(写实生活流口语)
念稿腔是短剧最致命的假。「像人在说话」不靠模型,靠剧本层。写 20_script.md 与 30_shots.json 的 line 时按这八条:
- 对着一个具体的人说话,不是对着观众陈述。每句台词先问:他在跟谁较劲?说了这句想拿到什么?
- 禁止上帝旁白解释情绪("她心里一阵酸楚")。情绪只能从动作与抢话里漏出来。
- 不用台词交代信息。"十八年前你爸走的时候……"这类背景说明书式台词删掉,改成当下争的东西。
- 口语三件套:短句、重复、半截话。允许"我攒的。一分一分攒的。"这种重复,允许话说一半被打断。
- 冲突靠抢话和不接话:一个人在追问,另一个人在躲;躲的人答非所问比吵架更像真的。
- 一句一口气:写完读出来,一口气读不完就删。中文口语约 4–5 字/秒,老年慢速 4–4.5 字/秒。
- 一镜一到两句:走音画同出的镜头,台词必须装得进
17k+5帧网格的时长里;装不下就拆镜,不要压字。 - 称呼即关系:直接叫"妈""你",比"母亲""老人家"真实;书面语词("然而""不禁")一律不要。
成片形态是「正反打 + 分色字幕」时,台词表要先排成对话流(谁说、说什么、被谁打断),再切成镜头; 不要先定镜头再往里塞台词,那是念稿腔的来源。
I2V 提示词模板(写进 40_prompts/Sxx.i2v.txt)
Sxx|E##|时长:X.XXs|模型:{{模型名}}|{{宽}}x{{高}} / {{帧数}}帧 / {{fps}}fps / {{步数}}-step
[首帧锚]
<refs 中列出的锚图路径与用途,逐张写清;不编造句柄>
[首帧锁定]
人物站/坐/朝向/画面左右 · 持物 · 关键道具位置 · 机位距离与高度 · 前中后景
[画面]
<一句可见画面,不写抽象情绪;情绪从动作偏差泄露>
[轻运动]
呼吸 / 光点流动 / 单一缓推,任选其一;禁止大幅肢体动作、快速转身、多人换位
[正向锁]
<可判定状态:人物绝对位置 · 道具持有与数量 · 视线 · 细光保持细线 · 双手不触及>
[文字锁]
无字幕、无额外屏幕文字、无后期叠字、无水印;实体文字保持参考资产,不新增、不改写、不重绘
[Avoid]
<只写本镜真实风险的 2–4 条:身份漂移、多余手指、场景脑补、几何融化…>
模板内不放变量:角色/画风的固定描述段放 assets/style/,逐字复用不改写;变量只在 30_shots.json。
人物有台词的镜头不用上面这套模板,改用五段式
[Visual]/[Motion]/[Camera]/[Audio]/[Narrative](写40_prompts/Sxx.h3v3.txt): 台词按秒级时间轴写进[Audio]并与[Motion]对齐,必写Only <name> speaks。模板与规则见 native-av.md §5。两套提示词并存,互不覆盖。
输出契约与闸门
必须产出:10_events.md(E## 账本)、30_shots.json(一镜一行)、40_prompts/Sxx.i2v.txt(逐条原文)、50_manifest.json 初始索引。写完跑 manju.py validate,ERROR 清零才进下一阶段。
- 不消耗算力、不写未授权文件、不把提示词当作已生成的成片。
- 生成前展示:对象与数量、模型、完整提示词、实际参考、规格、执行次数,取得明确授权。
- 交付区分「已生成 / 已采用 / 已合成 / 已归集」。
- 遵守项目
policy清单(叙事禁忌、授权、知识库回灌)。