我们做什么:把一句话变成一季短剧
不是买模型按秒付费,而是自己写剧本、自己渲染画面、自己合成配音。
所以产能可控、成本可控、风格统一——同一套素材能出 5 部剧。
5 部已完结短剧
17 集正片(5 部)
35 分 56 秒总时长
10 个互动结局
336 张熊猫头素材
0 元单集边际成本(不含人力)
一、一部剧是怎么做出来的
| 环节 | 做法 | 人工介入 |
| 剧本 | 写成分镜 JSON(画面 / 台词 / 角色 / 情绪 / 镜头运动) | 写一次 |
| 配音 | 按角色绑定音色与语速,逐句合成,自动回写时长 | 0(全自动) |
| 画面 | 程序化绘制:熊猫头 + 手绘场景 + 抖动 / 推拉 / 闪白 | 0(全自动) |
| 合成 | ffmpeg 拼帧 + 混音,输出 H.264 / AAC 竖屏 | 0(全自动) |
| 发布 | 剧页 / 选集 / 连播 / 结构化数据 / 预告片,一次性生成 | 0(全自动) |
关键点:从头到尾只有「写剧本」需要人。
一集 2–2.5 分钟,渲染 2–5 分钟,配音 1–2 分钟,全程不需要美术、不需要剪辑、不按秒付费。
二、成本结构(诚实版)
- 画面:本地渲染,无 API 费用。素材是自建的 336 张熊猫头 + 108 张表情,可无限复用。
- 配音:开源神经语音(edge-tts),8 个中文音色,按角色性别与性格分配。
- 存储/带宽:静态托管 + CDN,17 集约 200MB,量级可忽略。
- 真实成本:写剧本的时间 + 一次性的工具链开发。这部分是沉没成本,不随集数线性增长。
不吹的地方:画质是「沙雕动画」,不是写实 CG;表情与动作靠素材库组合,不是逐帧手绘。
它能做到的是稳定、便宜、快,不是「以假乱真」。
三、互动:这是和通用 AI 视频工具最大的区别
- 同一条剧本可以渲染出多个分支结局:观众在关键点做选择,走不同的路。
- 目前 5 部剧共 10 个结局,每部剧有独立计数器,能看出观众偏好哪条线。
- 对制作方:多渲一个结局 ≈ 多 1 分钟机器时间,边际成本几乎为零。
- 对平台方:选择数据比播放量更有价值——它告诉你「观众想让故事往哪走」。
四、工具链(可复用,不依赖某一家模型)
剧本 JSON → 分镜 / 台词 / 角色 / 情绪
配音 → 角色音色表 + 语速 + 时长回写(台词说完再切镜)
渲染 → 程序化绘制 + 镜头运动 + 音效
出片 → 9:16 / 16:9 / 1:1,25fps,H.264
发布 → 剧页 + 选集 + 连播 + 预告 + sitemap
数据 → 访问日志 + utm 追踪 + 分支投票
五、已经能给你的东西
这一页本身也是可下载的:上面那个 PDF 是按本页排版导出的两页版,
可以直接转发给需要了解产能与成本的人,不用截图。
六、接下来要证明的事
- 同样一套流程,能不能稳定一周出一季(产能验证)。
- 发到平台后,完播率能不能支撑继续投入(内容验证)。
- 互动结局的选择数据能不能指导下一季的剧本(数据验证)。