24 秒样片背后的剧本、镜头与真实报错

原作者在仓库 README 展示竖屏成片。

ZenStory 在 drama-skills 仓库首页展示一段 24 秒竖屏样片。仓库说明，这次实跑从一部 20 章的原著进入，经过剧本、视觉设定、21 镜分镜和视频提示词，只生成第三场的八段素材，再按剪辑单剪成这一段成片。

这是完整制作链条中的一场样片，公开结果是“做成了可看的片段”。仓库没有给这段样片的播放表现、客户订单或收入。

• 到原仓库看样片 ↗

本节依据： ZenStory drama-skills 原仓库

公开样例能对应剧本、造型锁、分镜和视频提示词。

作者在真实产出节选中选择 SHOT-EP001-002：剧本写两个人隔桌递文件，视觉设定记录人物衣着、办公室和搪瓷杯等跨镜事实；分镜规定起点与终点，并把镜头里的角色、地点、道具接回视觉依据。

视频提示词把静态造型压成锚点，把剩余篇幅留给可执行动作：纸推到指尖、端杯、皱眉、杯子回到原来的茶渍。它是原仓库公开的这一镜，不是《万妖图录传》的原稿，也不是所有模型都有效的通用写法。

原样例提供完整提示词和文件链接。复制之前仍要看使用的模型、起始参考和目标时长；这里先把真正改变结果的输入关系讲清楚。

• 查看作者公开的同镜头原稿 ↗

本节依据： 真实产出节选 · 公开样例 EP001

作者展示故意删漏的样例与一次实跑中的真实错误。

在公开演示中，作者故意从一镜的视觉依据删去人物，又把另一镜的视频提示词时长改短。检查脚本分别指出角色没有视觉依据、分镜与提示词时长不一致。这两个报错是人为改坏样例后的演示，不能写成生产事故。

另一份实际 RUN-LOG 记录了这次样片制作时的错误：字幕窗口估计越过剪辑片段、交付画幅写错、单遍响度偏离目标，以及语音转写把一句台词认错。作者据此调整剪辑单与输出；转写只用于定位时间，正式字幕回到剧本。

• 查看当次实跑的原始 RUN-LOG ↗

本节依据： 真实产出节选 · 样片实跑原始记录

剪辑单保留入点、出点与作者取舍。

作者公开的 CUT-EP001-008 从源素材第 2.00 秒进入，到第 7.00 秒结束。剪辑单说明，开头凝视与上一段铺垫重复，因此从身体前倾处进入；句尾声音到 6.82 秒，出点保留到 7.00 秒，让动作变化结束。

这里的价值不在复制一个固定秒数，而在于先测实际素材，再决定哪些动作与声音必须留在成片里。公开文件让“好看”背后的选择可以复查。

• 查看完整原始剪辑单 ↗

本节依据： 真实产出节选 · 样片原始剪辑单

68秒开头样片与10月20日新方法分开读：空间关系、机位构图与动作容量各有检查对象。

原仓库在9月27日换上《让你管账号》第一集开头的68秒竖屏样片，作者说明为20镜，并称视频生成约40元。它比本文最初展示的24秒第三场片段覆盖更多叙事，但仍不是完整一集，40元也不包含已核实的全部人力、图像、声音或返工费用。本次在原GitHub页面静音顺播到68.5秒结束，读取音轨元数据并抽帧看过办公室人物、手机与任务面板；没有审听声音或判定口型同步。原24秒实跑的剪辑单与错误记录继续按原版本保留，不能套到这段新样片。

10月20日正式发布的v0.9.1补了一层容易漏掉的工作：先用桌子、门、窗等固定物与人物关系记住整场的站位，再为每个机位写前后景、人物朝向、画面左右和看向谁。比如“隔着桌子相对”说明的是空间关系；“机位在桌前，她背对镜头进入前景，桌子在两人之间”才把这个关系落实到当前画面。当前公开EP001分镜新增了场景站位段落，但这份文档不是68秒样片当次逐镜生成的证明，也不能说明9月作品已经采用10月的新方法。

作者同日的Seedance 2.0观察摘要只测试了一种场景和少量5秒竖屏生成：抽象关系写法仍会把两人放在桌子同侧，按机位描述前后景的一组则得到隔桌构图；另一组把六个连续动作塞进5秒，虽然表面做完，后半段却压成难读的一闪。读者可借此先问“谁站在哪里”和“这一镜必须看清哪几件事”，再决定拆镜、延长或减少无叙事作用的动作。原始测试媒体没有公开，不能在这里做可播放的前后对比，也不能把作者的小样本或最后一格相似度当成跨镜连贯与动作完成的保证。

核对画面来源 ↗

• 看原作者68秒开头样片 ↗
• 读v0.9.1的实际变更 ↗
• 核对作者的样本和限制 ↗

本节依据： 9月27日：换上第一集开头样片 · Drama Skills v0.9.1正式发布 · 场景站位与机位下的画面 · 模型行为观察及执行限制 · 镜头时长与动作容量 · 当前EP001场景站位例文

v0.9.2的一个真实修复，与本站小合成音复验：结构检查、导出成功和声音连续是三件事。

10月21日晨核对到，ZenStory已在北京时间03:23正式发布v0.9.2。作者记录了一个看片时才容易发现的问题：即使各段声音的采样率和声道已经统一，逐段编码为AAC后直接拼接，剪点仍可能短暂掉音。作者在修复记录中称约32毫秒，并说明既有verify测量不检查这一项。字幕、文件时长和导出流程都正常，并不能据此认定跨剪点的台词或歌声连续。

这次源码保留画面的流拷贝，把每段声音先解码为PCM，按该段在成片里的实际画面长度补齐或截断，拼好后只编码一次AAC。它处理的是编码分段留下的空隙，不会自动修复台词错字、音色不一致或人物口型。对创作者更直接的启发是：检查一次跨镜头持续的声音，并在真实交付文件里回放剪点两侧，别让声音验收停在“音轨存在”。

本站按作者公开回归的条件做了一次有界复验：两段各1秒的灰色视频，24fps、440Hz合成音、32kHz单声道，每段请求保留0.9秒；分别调用修复前和v0.9.2的原始剪辑脚本，再以5毫秒窗口测量解码后的波形峰值。修复前出现低于整体峰值1%的低谷，修复后通过作者原测试的连续性阈值。这里只复现了这个合成信号与剪辑路径，没有重渲24秒或68秒样片，没有审听人声，也不把一次通过当作整片音质、口型或所有素材组合的保证。

• 查看v0.9.2正式发布 ↗
• 查看原作者合成音回归 ↗

本节依据： Drama Skills v0.9.2正式发布 · 剪点掉音原因与修复决定 · 合成音跨剪点原回归 · v0.9.2剪辑渲染源码

v0.10.0 与 11 月 2 日发布的 v0.10.1 分开读：交手账与回合拆镜写成分镜规则，审片判据把单帧花屏、轻微口型偏移默认交给剪辑，合成案例里 12 段只剩 1 段重生成；本站未调用生成服务复现任何对照。

ZenStory 的 drama-skills 在 10 月 30 日 12:11（北京时间）正式发布 v0.10.0，把打戏拆镜写成分镜规则；11 月 2 日 14:24 发布 v0.10.1，主要解决创作者反映的“卡在质检不出片”。这个案例一路读下来有一条清晰的认识线：检查器章看“写漏了什么、检查器怎样指出来”；站位章看“先固定站位，再把镜头写给模型”；剪点章看“导出成功不等于声音连续”；本章读流程的下一层——审查没有判据时，亚秒级瑕疵全部被送去重新生成；判据落地后，同一份合成案例的 12 段里只剩 1 段。本站读的是固定提交 e184aba5 的官方文档与决定笔记，没有调用生成服务复现任何对照。

v0.10.0 的打戏方法从一个时长矛盾开始：一个回合在银幕上通常只有一两秒，而目标模型的最短原生时长往往更长。先把剧本里的打斗写成交手账：每个回合三格——发起（谁、用哪只手或脚、拿什么、从哪一侧来，按场景站位里的固定锚点写，不写画左画右）、应对（闪、挡、接、反制，还是被打中）、结果（距离、朝向、谁控制武器、伤和体力、下一回合谁先手）。每回合至少改变一项结果；连续两回合结果都没变，观众读到的就是重复，回到剧本找这一回合真正改变了什么。拆镜三选：多镜容器是打戏的默认——一个回合在一次生成里切成“起手的中景 → 打击的特写 → 余波的中景”，剪辑在生成出来的切点处紧剪，打击特写只留拳到前后的一小段；一拍一镜单独生成、每镜停住等剪，做不出这种节奏。整回合一镜：发起、应对、结果作为本镜的“唯一动作”连续完成，但“快”“一气呵成”这类正文词不能把动作压回真实速度——镜头给多长，模型就把这几下拉多长，回合中间会出现停顿。单独成镜只给缴械、决定性一击或改变下一步选择的反应这类远景交代不了的信息。强度档是 taste_option：写实克制、商业强化、超现实由创作者选，血量与伤口细节随强度选择和目标平台的内容政策决定，不在分镜里自行加码。

“把打击卖出去”先分清这一下是什么。落空、格挡、闪避、扣住手腕、武器砸在环境上——观众要看的正是路线和空隙：用稳定的侧面或斜侧中景，让出手、让开和结果都在一个画框里看清；作者写明武器砸环境（火星、水花、凹痕）比砸在人身上更好生成，也更能说明力道。真正打到人身上的那一下最难读、也最容易走样：两个运动中的身体在接触点上读不清。让观众相信打中了，靠的是三件事，而不是把拳头贴在脸上的那一格拍清楚——连续镜头里，摄影机在轴线同侧换到出手者肩后或斜后方，让拳脚的路线朝向或背离镜头经过，接触点被前景的手臂或肩膀挡住；多镜覆盖里给一个拳脚从画外闯入的打击特写，画面里只剩承受者，接触点可以露出来，“拳拳到肉”正来自这种镜，前提是剪辑把它剪短；承受者的反应必须与来力方向一致——头顺来力甩开、脚下退步或失衡、捂住被打位置——再加一声闷响或撞歪的物件。接触镜仍标为高风险并给一个降级实现（切在拳头到位前一帧，或直接接反应镜）。多对手时每个对手记固定方位，一回合只有一个对手出手，其余停在看得见的等待位置；主角换向迎向另一个对手，先用全景重新交代谁在哪，再进入下一回合。9:16 竖屏横向窄，横扫、侧踢容易出画，把交手方向摆成纵深或斜线；高举武器和高位腿法需要纵向留白。

v0.10.1 修的是四条死路。①续接段没有出口：内置生产工具的来源选择器绑定不了续接视频，续接链从第二段起“待续接、不可提交”，而规则又禁止改成文生视频或省略选择器，唯一的出口——创作者要求独立重生成——没有任何一步去问；现在流程会问一次：每段从已确认的起始帧独立生成，或把后续段拿到自己的工具里提交，选过一次就不再问。②一张图写两个槽位：文档教“一张图承担两件事就拆成两个槽位”，检查器照此放行，生产端却要求绑定路径唯一，于是作者按文档写、检查器放行、生产端拒绝、退回后又按同一条规则写回来；现在一张图只占一个槽位，主要用途写“用途”，第二作用写进“控制”。③响度没有容差：-16.4 对 -16 也算不达标，智能体会反复渲染；现在默认容差是目标值上下 1 LU、真峰不高于声明的上限（没写上限时为 -1.5 dBTP），外部处理一次后仍超出就直接报告，不再反复渲染，创作者可在剪辑单“交付响度”一行改写容差。④成片审查没有判据：审查范围列了生成素材与成片，审查技能却没给它们配资料，REV-11 又要求每处瑕疵都写成待修项。

新增的 REV-15 审查判据先逐段问“分镜交给这一镜的职责完成了吗”：完成／未完成／未知——观察没覆盖职责区间的段记为待观察，不写成缺陷；然后瑕疵分四类：剪掉（入出点避开）、后期可修（挪音频对齐口型、插补单帧、调色、修掉背景小物）、保留（正常播放下观众难以察觉，写进备注不改素材）、必须重新生成（没有可用区间，别的镜头承担不了这条信息，后期也补不出）。没有帧数或秒数门槛，判据始终是职责有没有保住、剪辑能不能补救。默认归类（craft_default）把单帧或不到一秒的故障、轻微音画偏移、背景群演短暂重复交给剪辑，不拦交付；但瑕疵落在必须看清的那一帧——比如关键道具首次露出的那一帧花了——即使一帧也必须重生成；创作者可以改默认，比如要求某个关键镜头零瑕疵，改动写进审查记录。合成案例把差距摆出来：12 段生成视频——8 段干净，3 段各有一处小瑕疵（一帧撕裂、台词晚 0.3 秒、背景群演复制 0.5 秒），1 段关键道具整段没出现；按原文执行，4 段全被送去重新生成，另提 3 条提示词修订，结论是笼统的 REVISE；按新判据，只有关键道具缺失的那 1 段重生成，3 段小瑕疵写进交给剪辑的备注。作者写明两条局限：成片审查只在一份合成案例上自检过，指引和审查出自同一个 agent，仍需独立 reviewer 实跑验证。

11 月 1 日用 Seedance 2.5 与 H3 跑了九组生成对照，每组先用现行写法生成作基线；片段抽帧、打乱并隐去所属写法后由同一个模型盲评，另测 NCC、切点等指标；完整数字在 evaluations/model-behavior-probes.md。四组写法胜出并写进技能：Seedance 2.5 的多镜容器可以给每个镜头各挂一张确认过的关键帧，后面几个镜头的构图和人物更稳（作者记录 3 次里 2 次盲评追平单独生成再剪接的上限；代价是一处失败要重出整组）。MiniMax H3 的近景和说话镜在没有起始帧锚住脸、身份槽只有全身设定图时，可以再挂一张同一 Look 的头肩面部参考图，脸更像本人；面部图和全身设定图要从同一张确认过的人物图出；作者写明夜景近景把人拍老的问题没有被面部板解决，面部板不能代替生成后比脸。“延长”只能往后接，正文写“之前”也没用；要在已接受片段前面补一段，改用首尾帧生成，把原片第一帧当作新段的最后一帧（作者记录盲评 4/5；事后加跑的“裁剪延长段”3/3 盲评 5/5，但不在对照设计内）。站位锚点选场景参考图里看得见的固定物；点名图里没有的大件，模型每次补出不同的一件——作者记录三次补出三个不同的书架，其中两次还挡住了图里原有的沙发。其余五组只在观察记录里追加行：三人同框单人说话、画内招牌文字两组的基线已在天花板；打戏头尾没人动的时间、围攻中等待的对手、运动参考只取节奏三组的候选不如现行写法。局限由作者写明：每组只跑 3 次、一个场景，盲评由同一个模型判，结论是“这一组里更好”，不是成功率。

剪辑的 verify 新增“切点音量变化”：切点前后各取 0.4 秒（离切点留 0.03 秒留白）算均方根电平；因为下混会把反相立体声抵消成静音，左右声道分别算、取较响的声道；电平最低夹到 -70 dBFS。六部拼好的演示成片上测量：31 个切点里 13 个前后变化超过 6 dB、9 个超过 10 dB——有意的冲击和接缝混在一起，回听的人不知道先听哪几个切点。阈值取 10 dB（约等于主观响度翻倍），列出约三成切点；只是提示，不影响交付，作者写明 verify 只测量、不下结论，阈值只决定列出哪些切点。已知上限也写明：均方根不计权，低频成分会让电平偏高；渐强渐弱跨过切点时可能低报；短于约 0.13 秒的段不比。与剪点章连起来看是一条完整的认识线：结构检查、导出成功、声音连续（v0.9.2 修掉约 30 毫秒的切点掉音）与“该回听哪里”（v0.10.1 列出超 10 dB 的切点）是四件不同的事。

查看大图 ↗

• 读 v0.10.1 正式发布说明 ↗
• 读 v0.10.0 正式发布说明 ↗
• 读打戏与动作段的分镜规则 ↗
• 读生成素材与成片审查判据 ↗
• 九组生成对照的落地决定 ↗
• 四处质检死路的修复决定 ↗

本节依据： Drama Skills v0.10.0 正式发布 · Drama Skills v0.10.1 正式发布 · 打戏与动作段的分镜规则 · 生成素材与成片审查判据 · 四处质检死路的修复决定 · 九组生成对照的落地决定 · verify 列出切点音量跳变

v0.10.2 新增对标拆解技能：脚本测量集长、切点与镜长，有字幕或转写再算对白数字；9 部短剧 App 连播漫剧的实测让漫剧节奏默认起点从 3.0 秒改到 2.6 秒。差距对照交给负责技能，出片验证用同模型前后两版各至少两次并盲评。本站读 v0.10.2 固定标签的技能文档，未测量任何对标剧、未调用生成服务。

ZenStory 的 drama-skills 于北京时间 11 月 4 日 12:01 正式发布 v0.10.2（更新日志标注 11 月 3 日），新增对标拆解技能 short-drama-breakdown。这个案例的认识线由此再进一层：检查器章看“写漏了什么、检查器怎样指出来”；站位章看“先固定站位，再把镜头写给模型”；剪点章看“导出成功不等于声音连续”；打戏与质检章看“怎么拆、放行什么”；本章读流程的第三步——对标学习：把别人的成片量成能复算的数字，再和自己的剧比。本站读固定标签 v0.10.2（发布说明 c8f90a79）的更新日志、SKILL.md 与四份参考文档，没有测量任何对标剧，也没有调用生成服务复现任何对照。

登记对标时先写本轮要回答的问题——问题决定抽哪些集、看哪些维度。每部对标一个 REF-ID，记来源位置、允许用途、播放面与制作形态；原片、转写和拼图放在 输入/对标/<REF-ID>/，不进交付、示例或任何会公开的文件，报告也不写对标的剧名、人名、台词和独特桥段。测量用 breakdown_tool.py：measure 靠 ffmpeg 与 ffprobe 量每集时长、切点与镜长，每个检测到的镜头取中点一帧出代表帧拼图；挂上字幕或带时间分段的转写后，再算对白相关数字（有声占比、语速、首句时刻、末句后留白）；profile 把开头几集与之后的集分开统计，另报系列层面两件事：之后各集是否近似定长，以及相邻两集里下一集开头重放上一集结尾的次数。自家项目用 plan 把剧本与分镜读成同一口径的测量文件，成片用同一 measure，与对标并排出差距表；每条差距先问创作者是不是有意为之，不是有意的交给负责的技能去改；改完后挑一段代表差距的戏，同模型生成前后两版（画幅相同，除非改的就是画幅），每版至少两次、看稳定性不挑最好的一条，同尺重测，画面判断去掉版本标记盲评；结果写进 项目开发/对标拆解.md，下一轮拆解先读这份记录。

参考表本身是一组实测：9 部在短剧 App 上连播的三维国漫风 AI 漫剧，每部 20–34 集，语音识别转写，切点阈值 0.28；9 部里 2 部是同一个故事的两版制作，所以是 8 个故事，表中按部计数。9/9 横屏 16:9，字幕烧录在下方居中。第 1 集中位约 134 秒（8/9 在 90–225 秒）；之后各集部中位 36–63 秒，2 部从第 4 集起每集同一时长（50 秒、42 秒）；平均镜长部中位 1.9–3.9 秒，6/9 在 2.4–3.1 秒，打斗特效段可短到 1 秒以内；有声占比部中位 0.65–0.84；语速中位每发声秒 3.9–5.8 字，一部古装权谋偏慢约 2.8 字。第 4 集以后各部中位首句都在 1 秒内；末句后留白 7/9 部中位不到 1.2 秒；117 对相邻集里 4 对重放上一集结尾。近景类镜头另行粗估：只看第 1–3、10 集，检出人脸且脸高超过画高 16% 的镜头部中位约占一半；插入镜和侧脸检不出，实际更多。第 1 集开场：当面受压 4 部、第一人称旁白压缩前情或提前放出结果 2 部、旁白加正在发生的刺杀 1 部、主角一开口就喊出设定 1 部、陌生孩子找上门 1 部。系统流的 4 部（3 个故事）里，系统都在第 1 集前 30 秒内出声或被点名。

按这份实测，v0.10.2 同时改了两处默认与一批写作估算，升级说明写明无需迁移。节奏档案：漫剧平均镜长起点从 3.0 秒改到 2.6 秒，下一集开头默认不再重放上一集最后一拍；已接受的节奏档案不受影响，想换用新起点要重新提出并接受一次节奏档案。故事开发：第 1 集可以单独定更长的目标时长，写进分集地图；系统流建议系统在第 1 集前 30 秒内露面——这条建议直接来自实测。写作估算新增 speech_seconds 与 speech_share（有人说话的秒数与占比）：漫剧这个比例明显低于标杆时，技能先把能说出口的冲突交给台词，再删掉生成后看不清的无声动作。分集地图单独定目标时长的集，估算加 --target-seconds 按该集目标对照；只有主角听得见的系统音与心声标 [VO] 计入旁白占比；现场旁人也听得见的广播标 [OS]；主要人物首次出场可以加名条，写成 [画面文字] 名条：…，后期叠加。

同一轮实测还落了一条文生视频写法。用 MiniMax H3 文生视频做二维动画时，提示词进入正文的第一句先写媒介并写明不是真人实拍，每个切镜重复一次；作者记录的一组实测里，二维画风这样写才不会被生成成真人。三维国漫靠文字守不住：技能会在你选文生视频之前提醒，建议每段开场挂一张定好画风的起始帧。

这份参照表有明确边界，作者写在表后：样本只覆盖一种播放面（短剧 App、横屏 16:9）与一种形态（三维国漫），没有竖屏、写实或二维作品，也没有播放数据，不能回答“哪种做法更受欢迎”；数字是参照，不是质量线，也不能直接搬到别的播放面或形态。数字本身有盲区，作者写了怎么补：切点阈值会漏掉慢溶、把闪白、甩镜、粒子特效算成切；转写分不清对白、旁白与系统音，配乐人声也可能被识别进对白数字；开场若是纯音效或纯画面钩子，首句晚不代表钩子晚；近景一行是人脸检测粗估，不是脚本输出。机制候选与节奏数值都需创作者接受才生效——技能不替创作者定数。本站读的是固定标签的文档，没有测量任何对标剧，没有调用生成服务复现任何对照。

查看大图 ↗

• 读 v0.10.2 正式发布说明 ↗
• 读对标拆解技能文档 ↗
• 读 9 部漫剧的实测参照表 ↗

本节依据： Drama Skills v0.10.2 正式发布 · 对标拆解技能文档 · 拆解维度与 9 部漫剧实测参照表 · 测量与观看：抽样、转写与数字盲区 · 差距对照与出片验证

v0.11.0 让对标拆解能还原整集：逐字台词剧本、跨集统一的人物与场景、每镜分镜与提示词；12 集还原实测字错率 0.34%（差异全是有意差异）；拿还原出片的一集 13 镜改 6 版，沉淀出空间母版、生成时绑定参考音频与切点三处写法。本站读 v0.11.0 固定标签文档与决定笔记，未还原剧、未出片。

ZenStory 的 drama-skills 于北京时间 11 月 6 日 16:38 正式发布 v0.11.0，对标拆解从“量数字”走到“还原”：把对标的一集或连续多集，还原成套件项目——逐字台词的剧本、跨集统一的人物与场景、每个实测镜头一条分镜、对应的图片和视频提示词，集与集之间接得上。这个案例的认识线由此再进一层：检查器章看“写漏了什么、检查器怎样指出来”；站位章看“先固定站位，再把镜头写给模型”；剪点章看“导出成功不等于声音连续”；打戏与质检章看“怎么拆、放行什么”；对标章看“把别人成片量成可复算的数字”；本章读流程的第四步——还原：量出来的镜头表怎样变成一套能出片的整集项目文件，以及拿还原去出片时，空间、声音与切点沉淀了哪些写法。本站读固定标签 v0.11.0（源提交 372b62fb）的更新日志、reconstruct.md、出片连续性决定笔记与 H3 写法文档，没有还原任何对标剧，也没有出片或调用生成服务。

还原层是放在 输入/对标/<REF-ID>/还原/ 的独立套件项目，先初始化再写文件，项目编号与本项目不同，各阶段不读它；允许用途是 study 时只作对照提炼机制，不交给下游；owned 或 licensed 且记了依据才能接着出片；原片要上传给外部模型服务，必须在登记里记过允许外传，没有登记就只做本机测量、跳过看片那一遍。脚本不看片：实测通道是 Antigravity CLI 配 gemini-4-argon-high，每次调用用新的空目录——同一目录连续调用，前一次看到的内容会出现在下一次的回答里；看片前先确认它听得到音轨（裁掉字幕区的十几秒片段逐字转写测试），gemini-3.8-flash 收不到音频只能读画面，而模型自称“收到了什么”不可信——同一个模型自称只拿到每秒一帧、没有音频，实测却听得到。流程四步：①测量——subtitle-sheet 从两三集里挑描边字最多的几帧拼出校准图，先定字幕区与字色再扫字幕，audio 给有声区间与响度，subtitles 每句存裁图、时间精度约 0.1 秒但不认字（文字要读裁图；人群声与面板系统音不在结果里），shots 按测量切点切每镜三帧并列镜内候选切点。②整集听看一遍：台词、人物、场景、道具、画面文字、音效配乐、节拍、开头结尾是否断在半句半动作上、渲染与色调光。③逐镜看一遍：景别、角度、运镜、主体、站位视线、动作起止状态、表情、对应台词、进出转场，首尾帧要具体——它们就是关键帧提示词的底稿。④对齐自查：台词时间以字幕为准（模型给的时间普遍早 0.3–0.6 秒，原值另存）；台词文字两边对照（剧本按音轨写，字幕原文另存）；切点以测量为准（模型报的对上候选的抽帧确认，对不上的交人判断，不自动删也不自动收）；台词归属按台词区间与镜头区间求交重算，不用模型自己写的归属；名字只认画面与台词证据——模型会给没出现过的人编名字。

reconstruct.md 用一节“一组实测”交代证据：2026 年 11 月 4 日，一部三维国漫画风的系统流漫剧，16:9、烧录字幕，共 160 集，开头三集 112–148 秒，之后每集 50.03 秒；按本流程还原前 12 集，共 854 秒。台词 371 句：人工读帧抽 46 句 388 字，错 2 字，字错率 0.52%；全量比 350 句 2927 字，字错率 0.34%——差异全是剧本按音轨纠正的字幕错字，属有意差异。两集按 0.5 秒采样数字幕事件，漏句为 0。画面幻觉抽 16 镜：12 镜对，3 镜部分对（动作方向或起止状态写反），1 镜错——错的是一集第一镜的前 0.37 秒，实际是上一集尾镜的延续，模型认成了反打里的人。测量阈值 0.28 在一集里漏了 31 处镜内切、单镜最多 8 处；候选切点（阈值 0.1）列出 33 段，覆盖 27 处，漏的是软切和一组快切。6 集对照：subtitles 事件与人工校过的台词起点相差都在 0.25 秒以内（一句 0.3 秒）；没对上的是面板系统音与群声，另有一句字幕抖动被拆成 4 段。名字与画面文字各有翻车：模型给一位父亲编了一个画面与台词里都没有的名字；一集里两句监控时间被当成台词，按 audio 看是配乐底噪，改成画面文字。11 对接缝里 3 对断在半句上、5 对在下一集开头重放上一集结尾。成本与配额边界由作者写明：12 集并行跑约 110 分钟墙钟、每集两次 Argon 调用加返工回听；有一集的整集调用中途中断，补跑时个人配额已用尽（429，约 6 天后重置），这一集只能靠字幕裁图补台词、没有逐镜描述。

字幕区校准也有一组实测：22 部横屏三维漫剧各取一集，另用其中 4 部的画面（裁掉原字幕）合成 7 种字幕样式，每段 21–26 句、起止已知。默认区域与字色在 22 部里：1 部一句没扫到（字幕在 0.80–0.86 画面高），1 部是细描边字幕（voiced_shown_share 0.29）；重框后前者从 0 升到 0.60，其余各部在 0.49–0.83。合成样本每种样式 95 句，记起点差 0.25 秒以内的句数：白字描边 95、白字半透明底框 92、竖屏字幕在 0.88 高 95；竖屏字幕在 0.75 高时默认区域命中 0，框定后 95；黄字不设字色 0、设 --color 后 95，黄字加底框 92；起点差中位不超过 0.02 秒，误报不超过 1 段。细描边仍是短板：95 句命中 80，35 句被拆成几段。定下的值写进登记，整部剧沿用；第一集片头字卡或样式不同时，第一集单独定。

拿还原去出片的连续性写法来自 11 月 6 日的决定笔记：拿一集 45 秒、13 镜的还原去出片（关键帧 → H3 首帧图生视频 → 剪辑），前后改了 6 版，看片人反复指出三类问题。空间：柜台时而贴瓷砖墙、时而贴落地窗，冷柜和窗来回换位置，凭空多出第二台设备，人离柜台忽远忽近——从来就没有一个“真”房间：各机位的地点图各自生成，每张关键帧又按“地点图＋文字”重画，上一镜关键帧当参考带不过去距离，站位只写在哪一侧、不写多远，还照搬了原片本身不成立的空间。做法：同一地点多方向拍摄，先出一张全视图当母版，正打、反打两个方向的地点图都从母版派生并逐张核对；关键帧的空间只挂本镜那一侧的一张地点图；站位要写身体距离（“贴着柜台外侧，台沿齐腰”）；不走位的人物锁在锚点同侧；还原出片时原片不成立的空间不带入生成。声音：只写音色描述时，H3 这类音画同轨生成的模型每条素材重新挑一个声音，同一人跨镜换嗓子；另配合成配音只能整句对齐口型——审片人觉得比自带声音更差。做法：角色在两个以上镜头开口，就在生成时绑定参考音频（走 full-reference，起始帧改作参考图挂上）；剪辑发现跨镜换了声音，交回重新生成，不在后期补；作者试过人声分离＋零样本变声，同一角色与参考音色的相似度从 0.19–0.59 提到 0.75–0.87，但音质与情绪靠变声会保不住，未采用。切点：台词说完 0.3 秒就切到景别、站位都变了的下一镜，看片人觉得硬；想在转身动作上剪，H3 首帧模式转身方向不听提示词（6/6、3/3 转反；9 条候选全转反）——改为在转身开始之前切；台词后多留一点反应；起始帧生成的镜头从头用起，不整段提速；审查时按镜序把每段首尾帧拼成一张图，专门查空间连贯。出片比原片长约 13 秒：开口晚 1.3–2.4 秒＋句后留反应，验收对节拍、台词和每镜职责是否一致，不为凑原片时长硬切反应或整段提速；用能听音轨的模型审片时，把还原项目的《分镜.md》一并给它，否则它常把原片本来就有的拍法（内心独白时嘴不动、背对镜头喊人）当成缺陷扣分。

本章把三层证据分开读，也把边界写清楚。升级提示：之前登记过的对标，要补两项才能做还原——允许用途（学习、自有、已授权），以及是否允许把原片上传到外部模型服务；未登记外传时只做本机测量。三层证据的边界由作者写明：12 集还原与 22 部字幕校准是两份不同材料，连续性数字来自一集 13 镜、一个执行渠道（H3 首帧图生视频），开口晚、转身方向不听等数字换模型版本后要重测；保真度核对表里“分镜照抄测量切点，镜数、总长、镜长中位必然一致，不算证据”。本站边界：本站没有还原任何对标剧、没有出片，没有调用 Argon 或 H3，全部数字与做法都是作者实测口径。把上一章与本章连起来读是一条完整的线：量数字回答“别人做到哪里”（9 部参照表），还原回答“具体怎样做出来的”（逐字剧本、逐镜分镜、逐镜提示词），出片连续性写法回答“照着做时哪里会翻车”；三份实测（12 集、22 部、一集 13 镜）是同一管线的三层证据，互不冒充。

查看大图 ↗

• 读 v0.11.0 正式发布说明 ↗
• 读整集与多集还原方法（reconstruct.md） ↗
• 读出片实测沉淀：空间、音色与切点（决定笔记） ↗
• 读 H3 提示词方言（转身、开口与声音绑定） ↗

本节依据： Drama Skills v0.11.0 正式发布 · 整集与多集还原（reconstruct.md） · 出片实测沉淀：空间、音色与切点（决定笔记） · H3 提示词方言（v0.11.0 版）

公开文件帮助研究制作；商业结果需要另找证据。

项目以 MIT 许可公开代码和工作流，适合研究如何把故事、造型、镜头、提示词与检查结果接成可复查的文件。真正调用图片、视频、配音模型可能产生费用，也受各服务和原素材权利约束；仓库许可不能自动覆盖第三方模型、原著和生成媒体的所有使用条件。

如果要尝试，先用自己有权处理的一场戏，建立人物、地点和道具表，再做少量镜头并记录每次输入、候选结果与废弃原因。把发布渠道和受众测试作为下一阶段单独设计；样片完成并不能说明作品可以卖出。

• 查看项目与安装说明 ↗

本节依据： ZenStory drama-skills 原仓库 · drama-skills MIT 许可证