工序 0 → 8，照顺序走 · 上一步不合格不进下一步
干什么：定这一条要说什么、给谁看、要什么反应。
怎么干：
- 职场憋屈｜邻里素质｜搞钱难｜怀旧｜求知好奇｜反差荒诞
- 扎心提问："为什么你干了三年，工资还不如新来的实习生？"
- 反常画面：古装大侠掏出智能手机、猫穿古装喝茶
- 数字冲击："372 条意向客户，他一条广告没投"
合格线：把选题念给一个完全不懂行的人听，他会不会问"然后呢？"——不会问就换。
干什么：写成能念出口的一串短句，不是文章。
铁律：
句数对照：
| 成片时长 | 台词句数 | 镜头数 |
|---|---|---|
| 30 秒 | 8–11 句 | 10–14 个 |
| 60 秒 | 16–20 句 | 20–28 个 |
| 3 分钟 | 50–60 句 | 60–80 个 |
每句必须带三样标注（直接在脚本里加列，不许空）：
| 句号 | 台词 | 谁说 | 情绪 | 动作/道具 |
|---|---|---|---|---|
| 01 | "为什么会亏钱？" | 猫A | 疑惑歪头 | 端茶杯、抬眼 |
| 02 | "炒股你在家躺着就能亏" | 猫B | 得意 | 往后一靠、摆手 |
台词本骨架（复制这一段，每行按句填，标注不填等于没写）：
【台词本】题材：＿＿＿ ｜ 时长：＿＿ 秒 ｜ 平台：＿＿＿ 钩子 0–3s：＿＿＿＿＿＿＿＿（一句 8–16 字，扎心提问 / 反常画面 / 数字冲击 三选一） 铺垫：＿＿＿＿＿＿＿＿ 第 03 句：＿＿＿ ｜ 谁说：＿＿ ｜ 情绪：＿＿ ｜ 动作/道具：＿＿ 第 04 句：＿＿＿ ｜ 谁说：＿＿ ｜ 情绪：＿＿ ｜ 动作/道具：＿＿ （按句数往下续，一句 8–16 字，念出来 2–4 秒） 反转：＿＿＿＿＿＿＿＿ 金句收 最后 3s：＿＿＿＿＿＿＿＿（要能被转发）
知识/产品类必做"类比翻译"（一句术语配一个生活意象）：
| 术语 | 翻译成 |
|---|---|
| 大模型 | 新来的实习生（什么都懂一点，但要你盯着） |
| 提示词 | 交代任务的话术 |
| 工作流自动化 | 请了个不休息的助理 |
| 获客/线索 | 主动上门问价的人 |
合格线：字数 ÷ 3.3 ≈ 句数；每句都有情绪+动作；通读一遍不打结巴。
干什么：把脚本变成一句一条的音频。这一步决定口型能不能对上。
怎么干：
s01.mp3 / s02.mp3 / …，一条台词一个文件工具：魔音工坊（多音色、可指定语气）｜剪映"文本朗读"（快、免费）｜即梦配音
合格线：每句单独听都清楚；总时长与脚本预估差 <10%；没有一个字读错。
干什么：把角色形象固定下来，后面所有镜头都用它。
怎么干：
主体（年龄+性别+职业）+ 发型 + 服装（材质+颜色）+ 表情 + 光线（侧逆光/柔和顶光）+ 镜头（85mm 半身/全身） + 背景（简洁/虚化）+ 画质（电影感/8K/超清细节）
合格线：
干什么：把台词拆成镜头清单，生成画面时照着做。
规则：
分镜表列（复制这一行当表头，七列不许少）：
镜号｜对应台词｜景别（远/中/近/特写）｜角色表情｜动作道具｜背景场景｜时长
合格线：没有任何一个镜头是"站着念词"；每个镜头都有动作或表情变化。
两条路线，按片子类型选：
| 路线 | 做法 | 适合 |
|---|---|---|
| A 图生视频 | 参考图/首帧 → 生成 2–3 秒动态片段 | 动作、运镜、场景 |
| B 对口型 | 先有音频 → 用"对口型/AI 配音"功能驱动角色图说话 | 对话、讲解、相声 |
参数（我们统一用这套）：
图生视频提示词模板（A 路线用，复制后把【】里的换掉就能粘进即梦/可灵）：
【角色设定卡里定稿的样子】在【场景】，【一个具体动作】，【运镜方式：固定 / 缓推 / 跟拍】，持续 2–3 秒，竖屏 9:16，1080×1920，30fps，冷青蓝主色 + 暖黄点光，电影感，参考图权重调高，角色五官、发型、服装与参考图完全一致，不要换脸、不要多余手指
合格线：口型跟音节对得上；没有多余手指/融脸/背景乱跳；动作连贯不抽搐。
顺序不能乱：
参数：
合格线：无爆音、字幕不错位、嘴和声对得上、总时长符合平台。
| # | 验收项 | 判定方法 | ✓ |
|---|---|---|---|
| 1 | 先音频后画面 | 音频文件生成时间早于视频 | ☐ |
| 2 | 口型逐句对齐 | 随机抽 3 句，遮住字幕看嘴 | ☐ |
| 3 | 单镜头 ≤3 秒 | 数最长镜头 | ☐ |
| 4 | 每句配表情动作 | 对照分镜表 | ☐ |
| 5 | 角色跨镜头一致 | 抽头尾两帧对比 | ☐ |
| 6 | 台词密度 ≥3.3 秒/句 | 总时长 ÷ 句数 | ☐ |
| 7 | 至少双声线 | 听前 10 秒 | ☐ |
| 8 | 角色图壁纸级 | 静帧截图能当壁纸 | ☐ |
| 9 | 前 3 秒有钩子 | 只看前 3 秒想不想往下看 | ☐ |
| 10 | 台词画面互证 | 每句都有对应画面 | ☐ |
| 11 | 选题来自共鸣池 | 对照工序 0 | ☐ |
| 12 | 有反转 + 结尾金句 | 看完记得住哪句 | ☐ |
| 现象 | 原因 | 修法 |
|---|---|---|
| 嘴不动/对不上 | 先出画面后配音 | 重走工序 2→5，音频驱动 |
| 人物每个镜头长得不一样 | 没用同一张参考图 | 锁角色卡，权重调高 |
| 手指畸形、脸融了 | 单段太长/动作太大 | 缩到 2 秒，动作写小一点 |
| 看着像 PPT | 一镜到底、没表情 | 拆镜头，加动作列 |
| 没人看完 | 前 3 秒没钩子 | 把最狠的一句挪到开头 |
| 声音假 | 单音色念到底 | 换音色 + 语气词 + 停顿 |
| 听不懂在讲啥 | 术语没翻译 | 每个术语配一个生活类比 |
| 环节 | 工具 | 谁干 | 耗时 |
|---|---|---|---|
| 选题/脚本 | 一诺 + 文案专家 | AI | 30–90 分钟 |
| 配音 | 魔音工坊/剪映朗读 | AI 出稿 + 发山定音色 | 20 分钟 |
| 角色图 | 即梦/可灵出图 | 视觉+色彩专家 | 40 分钟 |
| 分镜表 | 一诺 | AI | 15 分钟 |
| 画面生成 | 即梦/可灵 | AI（发山可盯） | 1–2 小时 |
| 合成 | 剪映 / ffmpeg | 一诺 | 40 分钟 |
| 验收 | 12 条表 | 一诺自查 → 发山终审 | 15 分钟 |
先声音，后画面。一句一词，一镜三秒。说到啥就给啥画面。角色先美到能当壁纸。前 3 秒必须扎人。最后一句要能被转发。