AI 短片工作流：从剧本到 52 秒成片

这是《天下不降》场一的制作复盘。52 秒成片背后是 27 个版本、约 200 个素材文件、 500–800 元成本。目前固定下来的流程是这样的：

1. 剧本：先写「不可压缩的秒数」

不是先写台词，是先把每一段的信息量标出来。细化稿里每片都标两个东西： 必留信息（观众必须知道什么）和不可压缩秒数（这一段最少需要几秒）。后面所有镜头的时长，都是从这张表里查出来的，不靠感觉。

每个镜头填九列：镜号、时长、摄影角度、景别、画面内容、场景、声音、备注、叙事目的。另外强制写三细节：环境压力、身体微动作、声音或视觉母题——缺任何一个都算废镜。

时长按叙事目的查表（551 个镜头统计出来的区间）：推进 2.5–3.5 秒，升华 6–10 秒，平均 4.2 秒。分镜写完跑脚本闸门，0 错误才进下一步。

每条提示词五段：构图 / 主体 / 细节 / 光线 / 画质。还要求标注「挑图」「弃图」「形制引用」——形制句子统一从速查表里抄，避免每个镜头的美术风格各说各话。

用 Seedream 5.0 Pro 出 2K 静帧。静帧是视频的上限：首帧糊、首帧构图错，后面怎么调都救不回来。

提示词必须是三段：动作正文（不少于 80 字）+ 连续性约束 + 最后一帧。一句话的「动什么」是禁止的——它会让模型自由发挥，而自由发挥在短片里等于返工。

生成用 Seedance 2.5 样片模式（854×480、24fps），单条可用率大概 10%，所以按「素材量」而不是「镜头数」来准备。

23 条试音、四套音色，最后选了「说书爷爷」——这个音色 API 里没有，是从网页版里试出来再导出的。旁白共 10 句，先配好，画面再跟着词长调整。

旗布、甲片、脚步这类有质感的聲音必须采样（爱给网逐条找），合成音效只用来补空气和底噪。否则听起来就是假的。

13 个 ffmpeg 构建脚本（build_v3.py → build_v27.py）。每一版都是脚本跑出来的，不是手拖的——所以能复现、能回滚、能对比。遮幅统一裁到 2.39:1，字幕用 drawtext 烧入。

帧差、亮度曲线、RMS 响度写成脚本跑。人眼会漏，脚本不会：中间有七版因为 -c:v copy 静默丢了遮幅和字幕，就是靠体检发现的。

一句话总结：把创作拆成「有闸门的步骤」，让每一步都能被脚本检查—— 这是 AI 时代做短片最省返工的做法。