怎么做出这两集

不是概念:下面每一段都对应仓库里能跑的文件,数字来自真实产物(第 1 集 75.5s / 22 镜,第 2 集 83.5s / 30 镜)

① 写剧本(人话,不用学格式)

场景:门口
旁白:门把上挂着一把伞。伞柄有一道划痕——是他刻的。
外卖小哥:这伞,十年前就丢了。
(他抬手,敲了三下)
女人:你终于来了。

认这几种行就够:场景: 切场景、角色:台词 生成镜头、旁白: 讲解、(动作) 挂姿势。 角色自动映射到素材库(10 个角色,男女声不同)。

② 解析成镜头结构

python ai_game\tools\drama_script.py --script 剧本.txt --out delivery_ep1 --title "外卖 第1集"

规则:每句按字数估时长(0.16 秒/字,1.6–4.5 秒);每 3 镜换一次镜头运动;提到「伞/门/手机/走」会自动挂道具与音效。

③ 神经配音(关键一步)

python ai_game\tools\drama_voice.py --story delivery_ep1 --engine edge --reflow

--reflow 是重点:先合成语音量长度,再把镜头时长改长(语音 + 0.45 秒呼吸),保证「话说完再切镜」。 我们第一版没做这步,结果 62.6 秒的片子有 21 个镜头台词被切——修完变 75.5 秒。

音色按角色分性别:外卖小哥/反派用 Yunjian(男),女人用 Xiaoxiao(女),父亲 Yunxi,小孩 Yunxia。

④ 渲染成片

python ai_game\tools\drama_render3.py --story delivery_ep1 --aspect 9x16 ^
    --wav out\audio_delivery_ep1.wav

逐帧 Pillow 绘制(10 角色 / 6 表情 / 10 姿势 / 12 道具 / 9 场景)→ PNG 序列 → ffmpeg 合成 H.264 + AAC。 540×960、30fps、CRF 20;一集 75 秒约 3–5 分钟。

成本:算力 0(本地 CPU)、素材 0(代码生成)、版权 0(无第三方素材)、配音 0(edge 神经语音)。 拦路虎不是钱,是「台词节奏」和「镜头是否对得上台词」——这两件事现在都自动化了。

踩过的坑(都写进代码了)

坑现象修法
镜头固定 1.6–4.5 秒语音没读完就切走--reflow 回写时长
浏览器 canvas 录制窗口被遮挡就掉帧,只录到 2–3 秒改为本地逐帧渲染 + ffmpeg
伞按场景坐标画糊在角色脸上改成跟手(进行中)

想自己试

在线可玩案例:/app/demos/ · 写剧本出片(本机服务):/app/make/ · 成片自检:/app/qc/