新闻详情

新闻详情

首页 / 资讯中心 / 详情

如何给 AI 短剧写剧本:shuohao-skills novel-script 的节拍流、确定性时长折算与 TTS 台词本实战

发布时间:2026/11/15 7:02:59来源:尧图网络
如何给 AI 短剧写剧本:shuohao-skills novel-script 的节拍流、确定性时长折算与 TTS 台词本实战
如何给 AI 短剧写剧本shuohao-skills novel-script 的节拍流、确定性时长折算与 TTS 台词本实战【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-skillsshuohao-skills是一个 AI 短剧制作的 skill 集合其中的novel-script专门负责写剧本这一环把大纲的分集梗概落成场次 节拍流动作与台词交替的结构化数据按语速确定性折算每集时长并按角色聚合成可直接对接 TTS 的台词本。本文面向新手用大白话讲清它的设计思路、质量门和一条命令跑通的全过程。一、剧本在整个 AI 短剧管线中的位置novel-script 不是孤立的它处在一条完整管线的中间小说原文 → 改编大纲 →剧本 场景设定 角色设定三者同步迭代→ 分镜 → 批量生成。其中有一条刻在骨子里的原则剧本管戏分镜管拍。台词要反复推翻重写如果绑上镜头分解每改一句台词都得重排镜头。所以这一层只有集、场次、节拍流没有镜号——镜头和画面提示词是下一层 novel-storyboard 的活。上游 novel-outline 产出的outline.json分集梗概、爽点落点、单集时长就是剧本的直接输入。二、一键安装在 Claude Code 和 codex 中跑起来前置条件只有两条Node ≥ 18脚本零 npm 依赖不用install和模型额度用你当前会话的额度不需要任何 API key。git clone https://gitcode.com/gh_mirrors/sh/shuohao-skills cd shuohao-skills ./scripts/install.shscripts/install.sh 会自动检测本机装的是 Claude Code 还是 codex把所有 skill 以软链方式挂过去——以后git pull立刻生效不用重装。只想装剧本这一个 skill 的话./scripts/install.sh novel-script装好后在 agent 会话里说一句给《渡口》写第 1–3 集剧本就会触发它触发词包括写剧本、出剧本、写台词、场次等见 SKILL.md 头部元数据。三、节拍流台词是结构化数据不是散文novel-script 的底线是台词必须是结构化数据。每句台词是独立条目说话人 台词 语气每个动作是独立节拍一场戏的flow就是动作节拍与台词节拍交替出现的序列{ speaker: C01, line: 不劳烦。它跟我。, delivery: 声音很轻却没商量 } { action: 老周看了她一眼没说话。他收了跳板撑篙离岸栈桥缩回雾里。 }为什么非这样不可台词逐句对接 TTS每句带说话人和语气delivery配音引擎可以直接逐句生成画外音统一标VO谁的心声写在语气栏里动作节拍就是画面要发生的事它天然就是给视频生成模型的这场戏画面里要演什么下游分镜层直接继承混成散文两头都喂不进管线——这正是 script-pass.md 里反复强调的。写戏的几条硬规则完整清单在 script-pass.md规则一句话解释动作要常见挑担上船、搭手卸担这种 AI 见过千万次的动作放心写伸篙一挡这类精巧交互生成必崩一拍一件事手停在半空笑僵在脸上是一拍气氛很尴尬不是画面谁的话像谁船夫不说文言小姐不说市井话盖着名字也认得出是谁在说冷开场给钩子每集第 1 拍就给钩子的具象且带运动抱箱在雾里跑 ✓静物特写 ✗结尾一拍必是悬念一句没说完的话、一声来历不明的响四、确定性时长折算一集三分钟就是三分钟短剧是按秒卖钱的。novel-script 的时长不是大概三分钟而是确定性折算 当场拦截台词秒数 非空白字符数 ÷ 语速默认 4.5 字/秒标点算时间——停顿也是时间动作秒数 动作节拍数 × 2.5 秒/拍每集预估时长必须落在目标秒数 × (1 ± 15%)内写超写欠当场拦下不流到生成环节才发现规则细节和参考体量都写在 schema.md 的时长折算一节三分钟180 秒一集约 45–55 个节拍、台词 30 句上下两分钟120 秒约 35 拍、台词 20 句上下。配音语速不同调params.charsPerSecond即可四个参数语速、节拍秒数、容差、单句字数上限都可覆盖。五、10 道质量门交给代码不交给模型自觉仓库的一贯主张是checklist 交给模型自觉是靠不住的。novel-script 有10 道质量门全部由脚本确定性检查引擎在 novel-script.mjs摘几道关键的门规则为什么每集时长预估落在目标 ±15% 内一集三分钟就是三分钟单句台词≤ 35 字一口气说不完的台词也生成不了钩子前 3 拍兑现hookBeat认领钩子具象位置必须落在全集前 3 拍内冷开场是门不是自觉每场至少一个动作节拍纯对白的场 广播剧AI 生成时没有画面可写动作叙述体动作里不许出现引号台词混进动作就没法计秒、没法喂 TTS爽点认领大纲说这集有的爆点剧本必须有戏扛防止改着改着把爆点改丢上游对账角色对 outline、场景/光照/道具对 art写了美术没登记的光照状态当场报校验命令只有一条node skills/novel-script/scripts/novel-script.mjs validate script.json \ --outline outline.json --art art.json有违规就逐条修、改完重跑直到通过。写超了先砍动作节拍再压台词写欠了补冲突不补寒暄。六、台词本带音色提示词直接跑 TTS跑render出单页评审报告 script-report.html双击就能开零外部依赖、离线可用。报告五个区块对 TTS 最有用的是台词本一排两个按角色聚合全部台词每句带集/场引用组头显示句数、字数、约合秒数附复制全部台词按钮整组台词一键复制直接喂 TTS给了--cast参数来自 novel-characters 的角色资产后每个角色组头还带音色提示词按钮——台词和音色一页配齐VO心声单独成组配音时好区分。其余区块时长仪表每集条形图打在目标区间绿带上超时欠时红字点名差几秒、分集剧本一排两集台词悬停单句复制、场次总表自动汇总模型不写、质量门面板和导出 JSON下载的就是script.json原样改完能喂回render/validate。界面默认中文加--lang en出全英文界面。七、往下一层从剧本到分镜剧本过了质量门就接力给分镜 skill镜号、单镜头时长2–5 秒硬门、首帧提示词、生成批次单都在那边。分镜只做输出不做新决定剧本层改一句台词不会连带重排全部分镜——这正是剧本管戏分镜管拍的红利。仓库自带的 渡口-script.json 是《渡口》全 6 集完整剧本9 场 123 句台词每集冷开场兑现钩子、全部落在 120 秒 ±15% 内全部质量门通过可以直接打开当质量基准对着读。八、常用文件速查资料路径给 agent 读的工作流skills/novel-script/SKILL.mdscript.json 结构 时长折算规则skills/novel-script/references/schema.md写戏硬规则、手感规则、常见病skills/novel-script/references/script-pass.md报告设计约定skills/novel-script/references/report-style.md确定性工具seed/validate/checkup/renderskills/novel-script/scripts/novel-script.mjs自测151 项断言不调模型skills/novel-script/scripts/selftest.mjs完整样例剧本skills/novel-script/examples/渡口-script.json项目总说明README.md上手建议一次只写 ≤ 3 集——剧本是全管线改得最凶的一层小批量出、快拍板、再往下写。【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创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉