企业官网建设流程全解析

AI 短剧分镜的最后一公里：shuohao-skills novel-storyboard 的段/分镜/分镜图三层结构与 H3 提示词逐字对账深度拆解

【免费下载链接】shuohao-skillsAI 短剧制作的 skill 集合：拆角色、排大纲、出场景与道具设定、写剧本、切分镜 | Agent skills for AI short-drama production — character bibles, adaptation outlines, art bibles, screenplays, storyboards. Runs in Claude Code & codex.项目地址: https://gitcode.com/gh_mirrors/sh/shuohao-skills

shuohao-skills是一套面向 AI 短剧制作的 Agent skill 集合，其中的novel-storyboard（AI 短剧分镜工具）负责整条管线的"最后一公里"：把剧本里的节拍流，切成可以直接下单给视频模型的生成任务——分几段、每段切几个镜、每个镜头挂哪张关键帧、提示词里每一秒该写什么，全部结构化落盘，并用 16 道质量门逐字对账，保证分镜、秒数和提示词三者永远一致。

为什么"最后一公里"最难？

AI 短剧管线的逻辑很直白：小说原文 → 改编大纲 → 角色/场景/剧本三线收敛 → 分镜 → 批量生成。前面每一步都在做"内容决定"，而分镜是第一个直接面对视频模型的层——它不再创作，只把已经定下的戏翻译成模型听得懂、且不会自己"发挥"的指令。

难就难在两点：

• 镜头是生成出来的，多切一镜成本几乎为零。传统分镜心疼镜头数，AI 分镜的唯一上限是视频模型单段生成时长（默认 15 秒）；
• 文字描述和画面会漂移。改了分镜秒数忘了改提示词、台词和画面对不上、声景还是旧动作——这类"漂移"靠模型自觉根本管不住。

novel-storyboard 的答案是：结构即对账。所有时间都写在storyboard.json里，提示词里能推导的部分必须由脚本推导，validate 逐字比对，漂一个字当场拦下。

三层结构拆解：段、分镜、分镜图

整个结构只有三层，层层对应一次实际的生成动作：

三个关键设计值得新手特别注意：

1. 镜头认领节拍。每个分镜声明beats:[起,止]，认领剧本某场的连续节拍，不许跨场。这让"剧本改了一处"变成可机械对账的事件：重跑 validate，失效的镜头被当场点名，而不是成片时才发现戏丢了。
2. 对话正反打在一段里一次生成。问话人的近景、答话人的近景、全景，各是一个 2–5 秒分镜，每格构图由自己的分镜图控制——不靠文字赌画面。
3. 段号就是素材文件名。E01-01格式的段号直接对应E01-01.mp4、E01-01-f1.png，从分镜到成片素材，命名零翻译。

结构定义见 references/schema.md，工作流完整步骤在 SKILL.md。

H3 提示词：对齐指令是"推导"出来的，不是"写"出来的

每段配一条 MiniMax H3 视频提示词（h3Prompt），采用官方 I2VA 多图对齐结构，由四部分组成：

首行对齐指令（多张分镜图各钉在哪个秒数） integrated_multimodal_description: 每个 [Shot k] 独立一行 overall_soundscape: 环境声与动作声 non_diegetic_music: 配乐（没有就 N/A）

真正的设计精髓在这两条"逐字对账"门上：

• 首行对齐指令整行由分镜结构推导。多分镜的段，每张图钉在"前面分镜秒数的累计"上——Picture 2 aligns with the 3.00-second mark…里的 3.00 不是人写的，是分镜秒数算出来的；
• 每个[Shot k]（k≥2）必须带切点时刻At 00:0X.XXX,，且严格等于累计秒数。改了一切的秒数忘改提示词？validate 当场拦截。

台词处理同样严格：认领节拍的每句台词逐字进<d>[Chinese] …</d>块，改一个标点都过不去；而声景是"动作指令"——声景里写"铜铃在撞击时炸响"，视频就真会把撞击演出来，所以画面动作一改，描述、声景必须同步改。完整写法规范已内化为 references/h3-prompt.md，不依赖任何外部 skill；切镜的节奏感与常见病对照表（舞台剧病、秒数漂移、台词爆仓等）在 references/storyboard-pass.md。

想看真实样例，examples/渡口-storyboard.json 是《渡口》第 1 集完整分镜：10 段 34 切认领全部 35 拍，平均 3.5 秒一切，共 119 秒 / 目标 120 秒，每段都带完整 H3 提示词。

分镜图是"资产合成"，不是凭空画

分镜图这一步最容易踩坑。novel-storyboard 的态度是：场景、角色、道具长什么样，已经由上游 novel-art / novel-characters 的设定图定死了，分镜图只负责把资产按这一格的构图摆进同一帧。因此出图时参考图是"命根子"：

• 场景设定图（该段场景 + 光照状态）——必挂
• 画内每个角色的设定图——有几个挂几个
• 画面里出现的大资产（船、马车）也要挂它自己的设定图——不挂就是每帧发明一条新船
• 提示词必须写明人物此刻的位置状态（已上船 / 在舱内）——只写构图不写状态，模型会把上了船的人画回岸上

出图走 codex 内置$imagegen，一镜一次调用、绝不批量，每段一个文件夹E01-01/f1..fN.png。没有 codex 就整步跳过，只交提示词，报告显示占位"不装有"。调用契约与踩坑记录见 references/frame.md。

从校验到投产：一条命令走完

全部流程由零依赖脚本 scripts/novel-storyboard.mjs 驱动，只需 Node ≥18，不需要 npm install、不需要任何 API key：

1. seed：从script.json确定性展开每场节拍清单（每拍秒数是算出来的，不让模型重新估）当切镜底稿；
2. validate：16 道质量门全部代码化——节拍全覆盖、段 ≤15 秒、每切 2–5 秒、台词装得下、同框 ≤3 人、H3 对齐指令逐字对账、台词逐字进<d>块、提示词语言一致等。有违规逐条修，改完重跑到通过；
3. render：输出 Markdown + 单页评审报告storyboard-report.html，含 KPI 带、分镜节奏带（片宽 = 时长占比、颜色深浅 = 景别远近）、生成批次单、配音对齐单，双击即开、离线可用；
4. export：一键导出 H3 投产包——每段一个文件夹，分镜图 +prompt.md同住，根部manifest.json带 Picture 序图清单与切点时刻表，一个段文件夹 = 一次 H3 生成的全部材料。

16 道门每一道在 scripts/selftest.mjs 里都有击穿用例（191 项断言，不调模型、不花额度、1 秒跑完），证明门真的会拦。

上手门槛与适用人群

novel-storyboard 适合已经写好剧本、准备进入视频生成阶段的 AI 短剧创作者与团队：硬前提是script.json（分镜离开剧本没有意义），上游的outline.json、cast.json、art.json按有则用——能让提示词人名检查生效、报告里显示真实人名场景名、批次单嵌入场景设定图。仓库通过 scripts/install.sh 一条命令安装，Claude Code 和 codex 都能跑；需要 clone 时地址为https://gitcode.com/gh_mirrors/sh/shuohao-skills。

一句话总结：AI 短剧分镜的最后一公里，拼的不是创意而是确定性——三层结构把"怎么拍"钉死在 JSON 里，逐字对账把提示词和秒数锁成一体，剩下的，交给视频模型生成。

【免费下载链接】shuohao-skillsAI 短剧制作的 skill 集合：拆角色、排大纲、出场景与道具设定、写剧本、切分镜 | Agent skills for AI short-drama production — character bibles, adaptation outlines, art bibles, screenplays, storyboards. Runs in Claude Code & codex.项目地址: https://gitcode.com/gh_mirrors/sh/shuohao-skills