企业官网建设流程全解析

这次我们来看一个很典型的 AI 短片制作需求：以刑侦题材为主线，做出《我是刑警》这类硬核叙事的风格化短片。很多做短视频的人拿到这种需求，第一反应是没有演员、没有场地、没有服化道，根本拍不了。但如果是做选题样片、分镜可视化或者新媒体的演示 demo，AI 生成链路完全可以把前期成本压到很低的水平，而且一天之内就能出一版可以评审的片子。

本文不评价具体剧情，也不讨论真实案件，而是把“我是刑警”当作一个题材标签，讲清楚一条可复用的 AI 短片流水线怎么搭。核心链路是：剧本 -> 分镜 -> 文生图 -> 图生视频 -> TTS 配音 -> 剪辑合成。整套流程既可以用可灵、即梦这类云端工具直接跑，也可以用 ComfyUI 加开源模型本地部署，两条路线我都会给出操作步骤和验证方法。

文章覆盖的内容包括：核心能力速览、适用场景与合规边界、环境准备、分步制作流程、逐项效果验证、接口 API 与批量任务、资源占用观察、常见问题排查和最佳实践。这套工作流不依赖某个固定工具，哪怕后续平台换版本，思路依然可以复用。后面每一章都会给出可直接照做的命令、提示词模板和检查标准，方便你一边读一边搭环境。

1. 核心能力速览

先把这条流水线的能力边界列出来，方便判断它适不适合你。

说明：云端工具版本更新很快，生成参数、价格和接口字段会随版本变化，实际操作时要以目标平台官方最新文档为准。本地模型的显存占用与模型参数量、量化方式和生成分辨率强相关，表格里给的是通用判断，不构成绝对标准，正式批量前建议先跑一条最低参数任务实测本机上限。如果你手里的显卡显存偏低，优先从云端路线入手，把本地路线留到有明确需求时再启用。

2. 适用场景与使用边界

这条 AI 短片流水线适合的人群和场景非常明确。先说适合谁：短视频创作者可以用它做刑侦题材的选题样片，在投入实拍之前先验证叙事节奏和画面风格；新媒体团队可以用它做系列短剧的立项 demo，让决策者在最短时间里看到成品效果；影视前期的概念设计师可以用它把分镜脚本可视化，帮助导演和摄影沟通机位与光线；个人技术爱好者可以用它练习 AI 视频生成、TTS 和自动化批处理，这是很便宜的练手方式。

再说它能解决什么问题。最大的价值是成本，AI 生成不需要演员档期、不需要外景审批、不需要昂贵的摄影器材，只需要一条稳定的生成链路和足够的耐心。其次是效率，一个分镜脚本通过批量任务可以在一晚上生成几十个镜头素材，传统实拍几乎不可能做到。最后是可迭代，画面风格、角色形象、台词都可以随时重新生成，版本管理比实拍重拍容易得多。

不合适的场景也要说明白。如果项目需要出镜人物是真实存在的演员或公众人物，AI 生成会带来肖像权风险，不适合；如果内容要求还原某个真实案件的细节，涉及大量敏感信息，也不建议用公开的生成工具来做；如果目标是院线级别的商业片，AI 生成的画面稳定性还没法直接替代实拍，需要大量后期修正。

合规边界是这条流水线里最不能省的部分。任何通过 AI 生成的人物、图像和视频，发布前都要做三层检查：第一，不能侵犯版权，不照搬已播出影视剧的具体剧情、台词、人物设定和画面元素，只借用题材类型和风格氛围；第二，涉及人物形象、声音、肖像的内容，必须取得本人或其权利人的明确授权，声音克隆更是如此；第三，涉及警用标志、制服制式、证件等元素时，要采用剧情化和去标识化处理，避免被误认为是真实执法影像，同时也要遵守相关传播规范，不能用来冒充执法人员、传播虚假警情。

此外，AI 生成内容在多数平台已经纳入标识要求，发布带深度合成内容的视频时，要按平台规则进行 AI 标识。不要在内容里渲染暴力血腥、犯罪细节或教唆性信息。从这条流水线能安全覆盖的场景来看，最合适的是一看就是虚构剧情的刑侦题材小短片、创意广告样片和影视前期预演。

3. 环境准备与前置条件

3.1 先选路线：云端还是本地

制作 AI 短片之前，先要确认走哪条路线，因为两条路线的环境准备差别很大。云端路线指使用可灵、即梦、海螺这类在线平台，你只需要注册账号、了解它们的生成规则，不需要准备显卡，也不需要安装任何深度学习环境。本地路线指使用 ComfyUI、Stable Diffusion、AnimateDiff、CogVideoX 等开源工具，在自有电脑上运行生成任务，对硬件和软件环境有明确要求。

判断依据很简单：如果你主要想快速出片，而且愿意支付一次几毛到几元不等的算力费用，云端路线更省心；如果你要高频测试、批量生成、不想把素材传到第三方服务，或者想研究模型本身，本地路线更合适。两条路线也可以混用，比如文生图用本地 ComfyUI 保证角色一致性，图生视频用云端平台追求动态效果。

3.2 云端路线准备

云端路线要准备的东西不多，但每一项都会影响效率。首先是账号，可灵、即梦、海螺等平台都有自己的会员和积分体系，建议先充小额测试额度，不要一上来就充大额；其次是确认素材规范，多数平台支持 5 秒、10 秒等固定时长，对首帧图的分辨率、比例也有要求，上传前要先看官方说明；最后是素材目录，把剧本、分镜表、参考图、生成结果按镜头编号统一存放，后面做批量任务时才不会乱。

素材命名建议使用“镜号_场景_动作_版本”的结构，例如shot_03_雨夜_巷口回头_v2.png。这样生成结果和分镜表能一一对应，排查失败镜头时定位更快。不要用“最终版”“新最终版”这类命名，AI 生成项目改版次数很多，命名不统一等于给自己挖坑。

3.3 本地路线准备

本地路线需要满足三个层面的前置条件：硬件、软件、模型。硬件层面，图像生成和视频生成的负载主要在显卡上，建议优先选择 8G 显存以上的 NVIDIA 显卡，显存越小，越需要依赖降低分辨率和批次数来适配；本地视频生成模型参数量差异很大，从 2B 到 13B 都有，显存占用会明显上浮，更稳妥的做法是先看模型官方页面给出的最低配置，再结合自己的显卡决定是否量化。CPU 可以跑，但速度会很慢，通常只用于验证流程，不用于正式批量生产。

软件层面，你需要准备 Python 环境、Git、显卡驱动和 PyTorch。ComfyUI 官方推荐用独立虚拟环境安装，避免和系统其他 Python 包冲突；桌面版显卡驱动要更新到能支持当前 PyTorch 版本的程度。端口方面，ComfyUI 默认监听 8188 端口，Stable Diffusion WebUI 默认监听 7860 端口，如果这两个端口被其他程序占用，启动会失败，需要更换端口。

模型层面，Stable Diffusion 系列模型和各类视频生成模型都来自开源社区，下载时建议从官方仓库和模型作者发布页获取，不要下载来路不明的整合文件；同时要留意模型许可证，有些模型只允许个人非商业使用，商用前必须确认授权范围。模型文件体积一般在 2G 到 20G 之间，硬盘至少预留 50G 空间比较稳妥。

4. 分步制作流程

AI 短片制作不是一个单一模型能完成的事，按下面六个步骤走，每一阶段都有可验证的输出物。从一个空白的想法到一条能看的片子，中间每一步最好都能产出文件，后面出问题也好定位。

4.1 剧本与分镜：用 LLM 生成可执行脚本

第一步是做剧本和分镜表。大语言模型在这里的价值不是替你决定剧情，而是把一段想法转成绘图工具能理解的结构化描述。拿 DeepSeek 或 Kimi 这类模型举例，你可以直接给出这样的需求提示：

请帮我写一段 60 秒刑侦题材短片的分镜脚本，主题是刑警追查线索，体现职业感。 要求： 1. 完全原创，不出现真实案件、真实人物、具体地名； 2. 共 8 个镜头，每个镜头包含：镜号、景别、画面描述、运镜方式、台词/旁白、时长； 3. 画面描述要能被 AI 绘图工具理解，写清楚环境、光线、人物动作、服装和道具； 4. 整体风格写实、冷色调，节奏先紧后缓。

模型输出分镜表后，不要直接拿去生成，先人工修改一遍。重点检查三点：画面描述是否足够具体，比如“夜晚的城西仓库”比“一个仓库”更容易出片；镜头之间是否有连续性，比如同一个角色的服装描述在各镜头里是否一致；台词是否精炼，短片段落里旁白控制在 20 字以内更有效果。分镜表建议直接存成 CSV 或 Markdown 表格，后面批量任务还要复用这几列数据。

4.2 角色表：先锁定形象再生成

刑侦题材短片最容易翻车的问题就是角色“飘脸”，同一个刑警在上一个镜头和下一个镜头长得完全不一样。解决思路是先把角色固化成一个角色描述模板，所有镜头都引用同一份描述。

角色模板可以这样写：

角色名：老周 设定：32 岁男性刑警，短黑发，五官轮廓硬朗，下巴偏方，眼神沉稳。 服装：深灰色冲锋衣，内搭深蓝色衬衫，左胸口有剧情道具式工作证，去标识化处理。 风格：写实、冷色调、中等胶片颗粒。

生成第一张角色正面图后，这张图会成为后续所有镜头的参考基准。云端图生视频平台通常支持上传首帧或参考图，本地 ComfyUI 则可以使用角色参考节点（类似 IP-Adapter 的工作方式）把角色特征锁进生成过程。简单来说，所有镜头都要“看图说话”，而不是只看文字提示词。

这里要提醒一句：角色设计里凡是涉及警用元素的服装和道具，都要做去标识化或剧情化处理，不要完整复刻真实警服制式和警徽细节，既避免发布合规问题，也避免被误读成真实执法录像。

4.3 文生图：批量产出关键帧

角色定好之后，开始按分镜表生成关键帧。建议每个镜头至少出 4 个候选画面，再从里面挑一个构图、表情、光线最合适的作为图生视频的首帧。这一阶段不要急着收敛，多出几个候选，后面视频生成阶段才有选择空间。

实际生成时，提示词可以分三块写：主体描述（角色 + 动作）、环境描述（场景 + 光线 + 时间）、风格描述（写实/冷色调/镜头焦段）。例如：

老周站在雨夜巷口，左手拿手电筒，回头看向镜头方向，警惕表情；深灰色冲锋衣，去标识化工作证； 狭窄巷道，地面湿滑有反光，路灯昏黄，冷色调；写实摄影风格，中景，浅景深，35mm 镜头。

分辨率建议从 1024x576 或 1024x1024 起步，不要一上来就 4K。生成后统一检查：人脸是否清晰、服装是否和角色表一致、场景是否契合分镜。不合格的直接换种子或改提示词重新生成，不用勉强修图。

4.4 图生视频：给静态画面加上运动

关键帧确认之后进入图生视频阶段。这一阶段的工作是让静态画面动起来。用云端平台时，操作路径一般是：上传首帧图 -> 填写动作提示词 -> 选择时长 -> 生成。动作提示词只写“动什么”，不要写“画面长什么样”。比如：

• 人物从画面左侧走向右侧，镜头缓慢推近；
• 雨滴落在肩头，人物低头看手机，抬头环顾四周；
• 风从背后吹来，衣角轻微摆动，背景灯光闪烁。

本地 ComfyUI 路线可以用 AnimateDiff 或 CogVideoX 完成类似工作。两者的共同点是输入一张图和一段运动描述，输出一段短视频。如果显存充足，也可以尝试混元视频等更大参数量模型，效果通常更好，但硬件门槛更高。本地生成速度比云端慢，而且视频模型显存占用明显更高，建议先用低分辨率、少帧数跑通流程，再逐步提高参数。

每个镜头建议控制在实际素材 4 到 6 秒，生成后先不要急于合成，按镜头编号存档，等全部镜头出来后再统一挑选。失败的镜头单独放在retry目录，方便复盘失败原因。

4.5 TTS 配音：旁白与对白分开处理

短片里的声音分两类：旁白和角色对白。旁白用稳定的播音腔即可，角色对白如果需要贴合特定角色人设，可以考虑用 GPT-SoVITS 这类支持少样本克隆的本地工具。

使用声音克隆前，必须确认你拥有参考音频的合法使用权。这里可以给一条硬性规则：没有本人明确授权的真实人声，一律不用于克隆。自己录制的一段语音、购买版权的声音素材，都属于可用范围；从影视剧、短视频里随便截取的音色，不能用于克隆。这条规则不只是在规避法律风险，也是在保护创作者自己，否则素材发布后一旦被原始声音所有者投诉，下架和追责都很麻烦。

配音生成完成后，输出 WAV 文件，文件名与镜头号对应。如果需要对口型，还需要额外的口型驱动环节，比如用 SadTalker、LivePortrait 等工具把人声和角色面部动画同步起来。这一步不是必须的，纯旁白型短片可以完全跳过，先把声音质量和节奏调好更重要。

4.6 剪辑合成：把镜头素材拼成成片

所有镜头素材、配音文件和音效就位后，进入剪辑阶段。使用剪映这类软件时，按分镜表顺序拖入时间线，配音对位后加字幕和转场，背景音乐控制在旁白音量以下，最后统一调色输出。如果走命令行自动化，FFmpeg 可以用 concat 协议把多个片段按列表拼接：

ffmpeg -f concat -safe 0 -i filelist.txt -c copy output.mp4

filelist.txt的内容形如：

file 'shot_01.mp4' file 'shot_02.mp4' file 'shot_03.mp4'

注意-c copy是直接复制流，不重新编码，速度最快，但要求所有片段编码参数一致；如果片段分辨率或帧率不一致，需要去掉-c copy改用重新编码，否则会出现花屏或音画不同步。

5. 功能测试与效果验证

制作流程搭好后，不要直接全量生产，先用最小样本跑一轮功能测试。下面给出一套可以直接照做的验证方案。

5.1 分镜文本测试

测试目的：确认大模型生成的分镜是否可以直接被绘图工具使用。操作步骤：用 4.1 里的提示词生成一版分镜表，随机取 3 个镜头，把画面描述字段单独提取出来，不作任何补充，直接粘贴到文生图工具里生成一张图。

判断标准：生成的画面和分镜描述之间偏差不大，环境、人物的关键元素都能出现。如果描述里“墙上的标语”这类细节没有被模型识别，说明画面描述不够具体，需要改写分镜文本。这类测试成本低，建议每版分镜都先跑一轮。

5.2 角色一致性测试

测试目的：确认同一个角色在多个镜头里保持外形稳定。操作步骤：用 4.2 的角色模板生成同一角色的正面、侧面、背影三张图；再把正面图作为参考图，分别生成两个不同场景的画面；最后把五张图放到同一张画布里对比。

判断标准：对比脸型、发际线、服装颜色和款式是否一致。如果有两三张明显不像同一个人，就要启动参考图机制，或者改用角色的照片级参考工作流。脚本阶段把关越严，后面视频生成阶段返工越少。

5.3 图生视频测试

测试目的：确认静态首帧图在生成视频后画面不崩、运动自然。操作步骤：选一个动作简单的中景镜头，上传首帧图，写一条单一动作提示词，比如“人物朝画面右侧缓慢转头”，生成 5 秒视频，逐帧检查。

判断标准：人物五官在运动过程中没有明显畸变，衣服边缘不抖动，画面没有突然出现多余物体。5 秒测试通过后，再逐步测试“走路”“回头”“环顾四周”等复杂动作。每增加一个动作要素，失败概率都会上升，所以建议动作复杂度按阶梯递增。

5.4 TTS 配音测试

测试目的：验证配音听感是否接近目标音色，以及文本多音字是否读对。操作步骤：准备一段含多音字和对白的台词，例如“根据线报，嫌疑人昨晚出现在城西仓库，马上出发”，用目标音色合成后整段试听。

判断标准：音色稳定、没有明显机械感、多音字读音正确。如果不满意，先检查文本是否加了注音或同音字标注，再检查参考音频长度和干净程度；参考音频越短、底噪越大，合成质量越不稳定。配音测试不通过会影响整条片的观感，宁可多花时间调参考音频，也不要直接拿粗糙音色进时间线。

5.5 成片合成测试

测试目的：验证剪辑阶段音画同步和整体节奏。操作步骤：取 3 个已经生成的镜头，配上旁白和一首背景音乐，合成 20 秒左右的样片，在手机和电脑上各看一遍。

判断标准：声音和画面节奏匹配，转场不突兀，字幕无错别字，AI 标识按规定添加。样片通过后，再扩展到全部分镜。这一步能提前暴露大多数节奏问题，避免全量生成后才发现叙事结构有问题。

6. 接口 API 与批量任务

制作一条 8 镜头的短片，手动操作还能接受；如果要做系列短视频，一次就是几十个镜头，必须走接口和批量任务。

6.1 云端平台 API 调用思路

可灵、即梦、海螺等平台一般都为开发者提供 OpenAPI，申请流程大同小异：注册开发者账号 -> 创建应用 -> 获取 API Key -> 阅读对应接口文档。接口调用通常是两步式：第一步提交生成任务，返回任务 ID；第二步轮询任务状态，生成完成后获取结果 URL。

下面给出一段通用调用模板，实际字段以目标平台文档为准：

import requests API_URL = "https://api.example.com/v1/video/generate" # 替换为实际平台接口 API_KEY = "your_api_key" headers = { "Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json" } payload = { "model": "video_gen_model", "prompt": "刑警在雨夜追查线索，镜头跟随，冷色调写实。", "image_url": "https://your-storage.example/shot_01.png", "duration": 5, "resolution": "1080p" } resp = requests.post(API_URL, json=payload, headers=headers, timeout=30) print(resp.status_code) print(resp.json()) # 拿到 task_id 后按文档轮询进度 # task_id = resp.json()["task_id"]

调用时要注意两点：第一，上传参考图需要先走文件上传接口拿到可访问 URL，不能直接传本地路径；第二，生成任务通常要等几十秒到几分钟，请求超时时间设长一些，用轮询而不是同步等待。

6.2 ComfyUI API 批量队列

本地 ComfyUI 本身就带 API 服务。启动后，可以用POST /prompt提交工作流，工作流 JSON 可以从 ComfyUI 前端导出。批量生成的做法是预先写好工作流 JSON，循环替换其中的提示词、参考图路径和输出文件名，再逐个提交给 API。

大致思路如下：

import json import requests import time comfyui_url = "http://127.0.0.1:8188" workflow = json.load(open("shot_workflow.json", encoding="utf-8")) for shot_id in range(1, 9): # 修改工作流中的提示词节点和保存文件名 workflow["nodes"][0]["widgets_values"][0] = f"shot_{shot_id} 的画面描述" workflow["nodes"][-1]["widgets_values"][0] = f"output/shot_{shot_id}.png" resp = requests.post(f"{comfyui_url}/prompt", json={"prompt": workflow}) print(shot_id, resp.status_code) time.sleep(2) # 避免提交过快

注意：不同版本 ComfyUI 工作流 JSON 结构有差异，实际修改节点字段时要以导出的工作流为准。批量提交后，还要在服务端查询队列状态，避免一次性提交过多任务把显存打爆。

6.3 批量任务管理与重试

批量生产过程中，镜头任务失败是常态，建议在工程上做三层防护。第一层是台账，用 CSV 记录每个镜头的状态：待生成、生成中、成功、失败、已选片。第二层是重试，失败任务不要手动重复提交，写一个简单的重试逻辑，对超时和返回错误码的任务重新排队。第三层是输出检查，批量生成结束后跑一个脚本，检查输出目录里每个镜头是否有对应文件，文件是否非空、时长是否达标。

import csv import subprocess import time def check_duration(filepath): # 用 ffprobe 读取视频时长，粗略判断生成是否成功 result = subprocess.run( ["ffprobe", "-v", "error", "-show_entries", "format=duration", "-of", "default=noprint_wrappers=1:nokey=1", filepath], capture_output=True, text=True ) try: return float(result.stdout.strip()) except ValueError: return 0.0 with open("分镜表.csv", encoding="utf-8") as f: rows = list(csv.DictReader(f)) failed = [] for row in rows: shot_id = row["分镜编号"] video_path = f"output/{shot_id}.mp4" duration = check_duration(video_path) if duration < 1.0: failed.append(shot_id) print(f"{shot_id} 失败或文件过短") else: print(f"{shot_id} 通过，时长 {duration:.1f}s") print("失败镜头：", failed)

这段脚本的关键是“文件存在且时长大于 1 秒”这个最低标准，通过它先把明显失败的任务筛出来，再做人工二次筛选。需要说明的是，ffprobe是 FFmpeg 自带的探针工具，需要提前安装并加入环境变量。

7. 资源占用与性能观察

AI 短片工作流涉及多个模型，资源占用要分阶段观察。云端路线的资源占用在服务器端，本地主要消耗的是网络带宽和平台积分。你不需要关心显存，但要关心并发：如果同时提交多个任务，平台会有并发限制，超出后会排队甚至返回限流错误，观察点应该放在账号的任务并发数和队列排队时间上。

本地路线的观察重点是显存、内存和磁盘。可以用下面的命令每 2 秒刷新一次显存状态：

nvidia-smi -l 2

生成任务运行时，重点看进程的显存占用是否持续增长并接近显存上限。文生图环节，占用主要受分辨率和批次数影响，分辨率从 512 提到 1024，显存占用会成倍增加；图生视频环节，帧数、分辨率和模型参数量是决定因素，视频模型比图像模型高出一个量级，生成时不要同时开太多其他程序。TTS 环节相对轻量，但也要避免在视频生成的高负载时段同时跑大批量语音合成。

降低本地占用的常规思路有以下几条：把分辨率降到目标分辨率的下一档，比如最终出 1080p 就先生成 720p；批量大小设为 1，一次只处理一张图或一段视频；使用模型的量化版本或低精度模式；生成视频时分段生成，每段 4 到 6 秒，不要一次生成几十秒；关闭 ComfyUI 前端页面，有时候前端渲染也会占一部分资源。

性能观察的目的是找到稳定的配置参数。建议记录一张参数表，列清楚每类镜头使用的分辨率、步数、帧数、生成用时和显存占用。积累几条稳定配置后，批量任务直接套用，不要每批都重新调参。

8. 常见问题与排查方法

AI 短片流水线的坑很多，下面列出的几个是最高频的：

这里多解释两个容易忽略的点。第一，动作提示词要“少而准”，写“走路”就别同时写“看手机”和“转头”，多动作叠加是视频生成崩坏的头号原因；第二，本地生成出现显存不足时，不要只想到换显卡，先在提示词和参数层面降负载，很多场景降低分辨率后效果差别并没有想象中那么大，先把流程跑通再追求高分辨率更现实。

9. 最佳实践与使用建议

整个工作流跑通之后，建议在项目里固定下面这些工程化习惯。先做 15 秒样片再全量生产：第一次跑这条流水线，不要直接生成全部 8 个镜头，先用 2 到 3 个镜头做样片，确认角色、画风、配音和剪辑节奏都符合预期，再批量扩充。

固定一套角色描述模板和提示词模板：把角色表、场景关键词、风格关键词都写成可复用的模板文件，每次生成都从模板复制修改，而不是重新打字，这样能显著降低角色飘脸的概率。

分目录管理素材。建议目录结构如下：

project/ ├── scripts/ # 剧本和分镜表 ├── references/ # 角色参考图、场景参考图 ├── stills/ # 文生图输出 ├── clips/ # 图生视频输出 ├── audio/ # TTS 配音和背景音乐 └── final/ # 成片

批量任务必须加日志和失败重试。生产环境的批量脚本要输出每步日志，记录每个镜头的状态、耗时和失败原因；失败任务自动重试时，重试次数不要超过 3 次，避免无效消耗。

API Key 和模型地址不要提交到公共仓库。把密钥放到环境变量或本地配置文件中，并在代码库里加入.gitignore忽略配置文件。接口服务部署在有公网访问权限的服务器上时，要用访问控制限制调用来源，防止被刷接口。

涉及警用标志、制服、人脸和声音的内容，发布前做一遍合规复核。不管生成效果多好，版权和授权问题一旦出问题，补救成本都很高。最后，每一版成片都要保留工程文件。分镜表、工作流 JSON、提示词、参数表、素材文件，都要和成片版本一起归档。AI 生成的特点是可以无限重新生成，但没有档案的版本管理会让项目快速失控。

10. 总结与下一步

这条 AI 短片流水线最值得尝试的点，是用一套“角色参考图 + 图生视频”的组合拳解决刑侦题材短片的角色一致性问题。相比纯粹靠文字提示词生成，参考图机制能明显减少“飘脸”，这是短片观感能立住的最关键一步。

上手后先验证的功能应该是文生图阶段的角色一致性测试，先把主角形象稳定下来，再进入图生视频和配音。最容易踩的坑也在这一步：图生视频阶段动作提示词写太多，导致画面崩坏，所以第一版测试务必要用单一动作、低参数跑通。

后续可以做的扩展方向有三个。一是批量生产系列片，把分镜表做成 CSV，配合 6.3 的批量脚本一次生成整季的镜头素材；二是加入口型驱动，让角色对白和画面嘴型同步，从旁白型短片升级到对话型短剧；三是把工作流沉淀成可复用模板，换题材时只改角色表和分镜表，整套链路不用重新搭建。

这套方法的本质是把传统短片前期制作里最贵的部分搬到生成式 AI 流水线上。显卡不够就先用云端，时间不够就先用批处理，素材版权拿不准就先做去标识化处理。先把一条 20 秒样片跑出来，比任何参数文档都有用。