视频与音频

视频制作主流程

从画幅锁定到成片：剧本、一致性、关键帧、配音、合成。

付费 $29 · 原价，2026-12-31 前 $23 · 单个技能，买断。大纲、步骤和技能文件在购买后开放。

背景描述

> ⚠️ 第 1 问是硬前置：画幅必须在剧本定稿后立刻锁死，且在出任何一张图之前。 > 画幅是规范，不是出图时的选项。没锁画幅 → 禁止出锚图、禁止出关键帧。 > 实测翻车：没传比例就出图 → 同片混入 3:2 与 16:9 → 成片 752×560（号称竖屏实为横屏）。

• 先读记忆（10-15 补，排在所有问题之前）：跑一次

python $CODEX_HOME/skills/memory-compounding/scripts/memory_check.py --dir $CODEX_HOME/memory --brief —— 把最近教训与待整理读出来，看有没有和这次任务相关的旧坑。 ⚠️ 依据：实测 memory-compounding 建好后 11 小时零使用，因为它只是一条「开工先读」的规则、没有落点； 把读取绑到这道必然要问的问题上，才不用靠记性。

• 预算与批准额度（排在画幅之前 —— 额度决定画幅/时长/镜数，不是反过来）：

用户批准了多少钱？没有批准额度不许进入规划。用 python scripts/budget_plan.py --budget <额度> --max-shots --duration-each 4 先求"额度内最多几镜几秒"。 → 门禁 13

• 画幅：横屏 16:9 还是竖屏 9:16？连像素值一起写死（9:16 = 1584×2816 ｜ 16:9 = 2816×1584）。

决定关键帧比例、构图、字幕位置、交付规格。不许留空、不许依赖模型默认值。

• 时长与语言：多长？单语/双语？要不要配音、要不要硬字幕？
• 投放平台：B站/YouTube（横）或 抖音/视频号/Reels（竖）？（决定安全区与码率）
• 能力前提（答不上来的路线不进入方案对比）：有没有可用的支付方式？

算力够不够（无独显 → 本地 lip-sync 与重模型直接排除）？本月额度还剩多少 （TTS 字符 / API）？→ 依据：曾研究 GPU 与 Replicate 方案，事后发现「绑定支付方式这个坎过不去」

锁完立刻写进 S0 表四（画幅锁定表）并跑校验： python scripts/check_aspect.py --locked 9:16 --images out/kf/*.png --videos out/clips/*.mp4

三处口径必须同源：出图 --size 9:16 ｜ 出视频 --ratio 9:16（随首帧）｜ 成片分辨率。 细则、比例↔像素对照表与判定顺序见 references/01-参数与规格.md §0。

触发词：做一条视频 / 短剧 / 概念片 / 广告片；把这段文字做成视频；要横屏或竖屏成片；视频制作流程。 上游写作层：剧本与对白交给 short-drama-script（立意→节拍→逐字对白→去 AI 味校验）， 本技能从 S0 四表开始接手。不要在生产层现编台词（那正是音画不同步与机器人口吻的根因）。

本技能的文件：SKILL.md（调度与门禁）· references/01–13（手艺细则）· scripts/（可执行门禁）· tests/（回归用例，防回退）· LESSONS.md（跨项目经验台账，见 §10）

按需调用本机既有 skill：short-drama-script（剧本与对白，S0 上游）、 video-editing（剪辑流程）、clip-skills（剪辑规则）、media-use（配乐/音效取材）、 agent-caption（精准字幕）、voice-generation（神经 TTS）、remotion-*（代码化渲染）、 local-audio（离线兜底：本地 TTS / 转写 / 音乐；交付仍走本技能的 volc 与 make_bgm）。 外部能力（火山方舟 / 豆包 / HeyGen / Runway）走可插拔接口。

凭据（全部走环境变量，脚本会自动读取）：

⚠️ 方舟错误码对照（别把非 key 问题误判成 key 问题）：

视频流水线需要 doubao-seedance-*（图生视频）与 doubao-seedream-*（文生图）各开通一个。

为什么这么做

开工六问里，额度排在画幅前面，因为额度决定画幅、时长和镜数；按买不起的比例规划，返工是必然。画幅又必须早于任何一张图，并且连像素一起写死，9:16 就是 1584×2816。出图少传一个 --size，模型给的就是默认值：同一片里混进 3:2 与 16:9，成片 752×560，号称竖屏实为横屏。

该串的地方串，是因为上游就是下游唯一的输入。S0 四表冻结，逐字台词、形象与人声的匹配理由、发声起止实测、锁定的比例，后面只继承不再改。该并的地方按实体拆队，角色与场景各自并行，实体内串行。门禁落成脚本而不是散文，因为散文不会执行：首尾帧串镜写进对外任务书才生效，此前 11 镜各自生成，服装换了 4 套，同一张长椅变成 4 个地方。

真实踩坑

• 首帧是 3:2 出图没传 --size，模型按默认给 2496×1664，看到就得判漏参数。门禁 12 要求锁完比例就跑 check_aspect.py，逐张比对锁定值，不符停手；等关键帧成批出来再发现，返工的是整条片。
• 11 镜各自独立生成 画幅、时长、台词、响度全绿，人眼一看女主换了 4 套衣服，同一张长椅在 4 个地方。门禁 3 要求首尾帧串镜逐字写进对外任务书，每镜生成后核上一镜末帧等于本镜首帧；先做 2 镜并排看，对得上再往下做。
• 拿主档试链路 一条 5 秒 1080P 视频约等于 94 张图的钱，档位差价能到 37 倍。成本门禁要求构图与一致性全部用图验证，技术验证走 480P 或 mini 档，调用前先 --dry-run 看预估费用，标注未识别的档位必须人工核价。
• 重试与分步各算一次钱 enable_retry 每次重试单独计费，两步任务每步独立计费，组图按实际张数计费。账不记就会以为批量很便宜；每笔支出一发生就入账，被拒的调用也记 0 元，超出计划 10% 停下重新报批。

用法描述

端到端视频制作流水线（调度层）：画幅锁定 → 剧本分镜 → 角色一致性 → 关键帧 → 图生视频 → 表演与生活感 → 配音配乐音效 → 代码化合成 → 质检交付，支持横屏 16:9 与竖屏 9:16，含数字人像合规与误判申诉、画面常识核验。当用户要求"做一条视频 / 短剧 / 概念片 / 广告片""把这段文字做成视频""要横屏或竖屏成片""视频制作流程""定画幅/比例"时使用。