# 复刻工作流 · 拿到一条片子，怎么把它变成自己能做的流程

> 风格卡回答「长什么样」，叙事骨架回答「怎么讲」，本文回答「**工序怎么排**」。
> 位置：`E:\视频工厂\10-风格库\复刻工作流.md` ｜ 建立：2026-11-03 ｜ 来源：Lovart 官方文档 / 扣子官方文档 / 抖音生态在跑的开源 skill 包 / 本机实测工程
> 配套：`styles.json`（15 套视觉）· `叙事骨架.md`（10 套结构）· `通用规格.md`（公共参数）

---

## 0. 先分清三种「复刻」

拿到一条让你上头的片子，先问：我到底想复刻哪一层？三层混着抄，一定翻车。

| 类型 | 复刻的是 | 可抄 | 不能抄 | 落在哪 |
|---|---|---|---|---|
| **视觉复刻** look | 色、字、材质、镜头语法 | 色值、字号、运动曲线、prompt 锚点 | 别人的角色脸、别人的成片画面 | `卡片\Sxx-*.md` |
| **结构复刻** beats | 信息释放顺序、钩子、反转点 | 节拍表、每拍时长、问题链 | 具体文案、具体案例 | `叙事骨架.md` N01–N10 |
| **产线复刻** pipeline | 从素材到成片的工序 | 阶段、节点、验收闸门 | 别人的账号定位 | 本文 W00–W07 |

**判断法**：如果两条片子「看起来完全不一样，但让你一样上头」，你要复刻的是**结构**，不是视觉。
如果两条片子「内容完全不同，但一眼是同一个号」，你要复刻的是**视觉**。

---

## 1. W00 通用拆片法：把感觉拆成 6 层数字

复刻的第一步不是打开生成工具，是**把参考片量一遍**。每一层只记数字和可核对的描述，不写「高级」「电影感」这种形容词。

| 层 | 量什么 | 怎么量 | 合格标准 |
|---|---|---|---|
| 1 画幅 | 分辨率 / 画幅比 / 帧率 / 时长 | `ffprobe -v error -show_streams -show_format 片.mp4` | 记到整数，帧率写 23.976/24/25/29.97/30 |
| 2 节奏 | 镜头数、平均镜长、最短/最长镜 | 场景检测或人工数切点 | 算出「镜/分钟」和「秒/镜」 |
| 3 信息 | 旁白字数、字/分钟、字幕行数/屏 | 转写后统计 | 中文口播 200–260 字/分是常见带 |
| 4 视觉 | 底色、主色、强调色、材质、字体 | 抽 6 帧取色 + 看字形 | 色值精确到 hex |
| 5 声音 | 人声类型、BGM 情绪、音效次数、停顿 | 听 + 看波形 | 停顿中位数、响度 LUFS |
| 6 素材 | AI / 实拍 / 截图 / 图表 / 纯字卡 的占比 | 逐镜打标 | 给出百分比 |

**输出物**：一张「拆片表」（6 行 × 数字），存到项目 `references\拆片表.md`。
没有这张表就开始生成，等于闭眼调色。

**本机现成做法**（`E:\复刻kele说视频\tools\`）：
- 抽帧：`ffmpeg -ss <t> -i in.mp4 -frames:v 1 out.png`
- 转写：`asr.py`（本地模型目录路径，别传模型名）
- 影调：`tone_check.py <成片> --ref`
- 黑帧：`scan_black.py <成片> --map-shots`
- 素材解码：`verify_clips.py`（必做，坏片会渲染成 261B 空镜）

---

## 2. W01 Lovart：脚本优先 · 逐帧关键帧法

**来源**：Lovart 官方博客《聊天生成 AI 短视频工作流程》（`https://www.lovart.ai/zh/blog/how-to-chat-generate-ai-short-videos-lovart`，抓取 2026-11-03）

这是本次找到的、最适合「没有拍摄条件、又要控画面」的复刻法。核心一句话：**不要从提示词开始，从把文字映射到画面的脚本开始。**

### 五步

| 步 | 做什么 | 具体到能照做 |
|---|---|---|
| 1 | 写视觉脚本 | 按场景写：时长区间 / 画面描述 / 屏幕文字 / 风格参考 / 情绪基调。一个场景一行，按顺序 |
| 2 | 逐场生成关键帧 | 每个场景生成 1 张「决定性静止画面」，**逐张审、不满意不进下一场** |
| 3 | 生成过渡与 B-roll | 擦除转场、按钮点击特写、片尾卡；这些是「专业/业余」的分水岭 |
| 4 | 组装与计时 | 关键帧按脚本排上时间线 → 加转场 → 按脚本时长调每帧停留 → 配音 → Ken Burns 推拉 |
| 5 | 跨平台复用 | 同一套关键帧重构成 16:9 / 1:1 / 1280×720 缩略图，**重新构图，不裁切** |

### 原博客给的 60 秒样例（可直接改成你的题材）

```text
脚本：「改变我工作流程的 3 个 AI 工具」（60 秒竖屏）
场景 1（0-5 秒）钩子：我，震惊表情，看着手机。
  屏幕文字：「我测试了 47 个 AI 工具。只有 3 个真正有效。」
  视觉：手机自拍美学，客厅，自然光。
场景 2（5-15 秒）工具 1：工具界面截图漂浮在干净的 3D 空间，微弱辉光。画外音解释。
场景 3（15-25 秒）工具 2：同一视觉处理，不同工具。
场景 4（25-35 秒）工具 3：同上。
场景 5（35-50 秒）演示：分屏。左＝旧方法（挣扎、夸张）；右＝新方法（轻松、夸张）。
场景 6（50-60 秒）结尾：我，放松、自信。文字「你会先试哪个？评论区说」+ 片尾卡。
```

### 关键数字（原文）

- 60 秒视频**最少 6–8 个关键帧**（每 7–10 秒一个）。
- 快节奏内容做 **10–15 个关键帧**，每张停留 **3–5 秒**。
- 「视觉变化本身就能吸引注意力」——变化频率比单帧精致度更重要。

### 适用 / 不适用

- **适合**：口播、工具测评、产品讲解、观点输出、需要品牌一致性的系列内容。
- **不适合**：需要真实表演、连续动作、复杂运镜的片子（这类走 S11 或实拍）。
- **注意**：Lovart 这条链路产出的是**视觉资产**（关键帧/转场/片尾卡），成片在剪辑器里完成；音频归音频管线，两条管线解耦。
  我们本地用 ffmpeg / Remotion 组装即可，不必依赖它的订阅。

---

## 3. W02 Lovart：五段式镜头提示词公式（最通用的部分）

**来源**：Lovart 官方博客《如何生成真正有效的电影感视频提示词》（`https://www.lovart.ai/zh/blog/how-to-generate-cinematic-video-prompts`）

原文的判断很准：**「电影感、4K、专业」不是提示词，是许愿。** 真正起作用的是镜头语言。

### 公式（40–80 词最佳）

```text
[主体 + 动作]，[环境与氛围]，[镜头运动 + 构图]，[光线 + 色彩]，[时长 + 技术规格]。
```

| 段 | 必须写清 | 反例 → 正例 |
|---|---|---|
| 1 主体动作 | 谁、做什么、方向、速度 | 「咖啡师做拉花」→「咖啡师缓慢倾斜陶瓷奶壶，把蒸汽牛奶倒入浓缩咖啡杯，形成罗塞塔图案」 |
| 2 环境氛围 | 时间、天气、空间细节 | 「在城里走路」→「雨夜东京湿滑街道，霓虹倒映在路面」 |
| 3 镜头 | 运动方式 + 景别 + 镜头 | 「专业视频」→「跟拍镜头从后方跟随，35mm，浅景深，稳定云台，6 秒」 |
| 4 光线色彩 | 方向、软硬、色温、调色意图 | 「电影感光线」→「左上方单一主光形成柔和阴影，暖金侧光配冷蓝阴影」 |
| 5 技术规格 | 时长、帧率感、画幅、胶片质感 | 「4K」→「5 秒，24fps 胶片质感，2.39:1，轻微颗粒」 |

### 镜头词汇表（模型真的认这些词）

- **运动**：推轨 / 拉轨 / 跟拍 / 升降（摇臂上升）/ 摇镜 / 俯仰 / 环绕 360° / 手持 / 固定 / 甩镜
- **景别**：大远景 EWS / 远景 WS / 中景 MS / 特写 CU / 大特写 ECU
- **镜头**：广角 / 35mm / 50mm / 微距 / 变形宽银幕
- **质感**：浅景深、散景、镜头光晕、35mm 颗粒

### 五条铁律（原文「常见错误」的修法）

1. **别描述照片，要描述镜头**。如果这段 prompt 拿去生图也成立，说明缺运动和时间性。
2. **少形容词，多名词**。「美丽/惊艳/杰作」等于没写；写镜头、光位、运动。
3. **必须写时长**。产品揭示 6–8 秒，甩镜转场 2 秒。
4. **不许自相矛盾**。「手持晃动」+「完美稳定流畅」会让模型二选一乱猜。
5. **一次只改一个变量**。第一次生成是草稿；运动不对只改第 3 段，氛围不对只改第 4 段。

> 落地：把这段公式接在 `styles.json` 里任意 `prompt_anchor` 后面即可。风格卡负责「长什么样」，公式负责「怎么动」。

---


## 4. W03 扣子：漫画 / 漫剧视频工作流（官方四段）

**来源**：扣子官方文档《搭建漫画视频工作流》`https://docs.coze.cn/tutorial_gen_cartoon_video` 与《视频创作》`https://docs.coze.cn/cozespace_video`（抓取 2026-11-03）

这是把「一个主题」变成「一条成片」最完整的一条官方产线，而且每一步都能在本地用 ffmpeg 复刻。

### 四段结构

| 段 | 谁干 | 输入 | 输出 | 本地等价物 |
|---|---|---|---|---|
| 1 剧本创作 | 大模型节点 | 剧情主题 | 剧本 + 核心人物详细人设 | 任意 LLM + `SCRIPT.md` |
| 2 人设图（可选） | 批处理 + 文本处理 + 图片生成（Seedream 4.0）+ 代码节点 | 核心人设 + 画风 | 角色参考图 | 生图模型 + `assets\characters\` |
| 3 分镜设计 | 大模型节点 | 剧本 + 人设 | 分镜数组 | `SHOTS.json` |
| 4 视频制作 | 批处理 + 视频生成 + TTS + 合成 | 分镜数组 | 成片 | `build_shots.py` + `tts_lines.py` + `assemble.py` |

### 分镜数组只有三个字段（照抄这个结构）

```json
{
  "content": "分镜字幕，画面上要显示的文案",
  "scene":   "图像提示词，用于生成该分镜的首帧/视频",
  "act":     "运镜方式，让画面更生动"
}
```

### 第 4 段内部的 6 个节点，顺序不能错

```text
分镜数组
  → 批处理节点（逐镜）
      → 大模型节点：按「scene」写生图提示词（人物描述必须逐字一致）
      → 图片生成节点：出首帧
      → 视频生成节点：Seedance-lite / Seedance-Pro（首帧驱动）
      → 语音合成插件：content → 音频
      → 代码节点：给字幕加时间戳
      → 视频添加字幕节点
  → 视频剪辑工具 concat_videos：拼接全片
```

- `mode=1`：图片驱动视频（流畅，效果好，贵）
- `mode≠1`：PPT 视频（图片 + 动效拼接，便宜，快）
- 官方原话：Pro 模型「价格相对较高，但效果更好」。

### 人物一致性只有两条路（官方 FAQ 原文）

1. **靠 Seedream 的「过拟合」特性**：人物提示词逐字不变，出来的人基本一致。前提是分镜阶段就把人物描述塞进每一镜。
2. **靠参考图**：先生成一张人物形象图，后续涉及该角色的镜头都参考这张图。**官方明确说这条一致性更好。**

### 四个必须记住的时效事实

- **2026-09-08 起，扣子不再支持新建视频项目**；改在 Agent 里直接调「视频插件」。
- 当前内置模型：**Seedance 2.5**（文生视频 / 图生视频）。
- 导出两种：**MP4**，或**剪映工程文件（解压后是 `.fcpxml` + `asset\` 目录）**。
- 扣子会**自动审查风险片段**并重生成，不需要你手动删。

> 复刻含义：如果你要的是「一条能连续追更的漫剧」，抄这条四段结构；如果你要的是「单条视觉实验」，用 W01 更快。

---

## 5. W04 抖音影视解说复刻：先剪后配的七技能流水线

**来源**：开源 skill 包 `video-recap-skills`（zenstory-ai，MIT）
本地：`E:\AI视频工程\_GitHub参考\video-recap-skills\skills\`

抖音上「影视解说 / 短剧解说」是复刻量最大的品类，这条流水线把它拆成了 7 个可独立调用的技能：

| 技能 | 职责 | 关键产物 |
|---|---|---|
| `video-understanding` | 看片：ASR + 视觉理解 + 时间对齐 | 转写、镜头、画面描述 |
| `video-script` | 写解说稿 | 逐句稿 + 时长预算 |
| `video-cut` | 按稿剪片（**先剪**） | `clip_plan.json` |
| `video-voiceover` | 配音（MiMo / Fish Audio） | 分段音频 |
| `video-assemble` | 多轨合成、字幕、混音 | `timeline.json` + 成片 |
| `video-recap` | 总编排：先决策再分工 | `recap_story_plan.json` |
| `video-reference` | 参考片拆解（按需） | 拆片报告 |

### 它最值钱的一步：动剪刀之前先写「导演意图」

`recap_story_plan.json` 的 `director_intent` 只回答 6 个问题：

```json
{
  "viewer_promise": "60秒看懂 X，并用三个名场面把关系推到 Y。",
  "pov": "跟随谁的认知与反应",
  "dramatic_question": "观众带着什么问题看下去",
  "emotional_start": "开场情绪",
  "emotional_end": "收尾情绪",
  "ending_aftertaste": "结尾留什么余味 / 什么悬念",
  "withhold_reveal": "什么信息压到最后才给"
}
```

### 每一拍（beat）记的不是剧情摘要，是「变化」

```json
{
  "beat_id": "b03",
  "source_id": "episode-03",
  "source_start": 1292.0,
  "source_end": 1305.5,
  "function": "escalation",
  "event": "发生了什么",
  "change": "power: 女主回避 → 男主逼问",
  "audience_question_in": "进来时观众在想什么",
  "audience_question_out": "出去时观众改想什么",
  "must_keep_moment": "必须完整保留的原声/画面",
  "evidence": ["asr", "vlm", "hard_subtitle"]
}
```

### 三条工程原则

1. **先剪后配**：先把长片剪成成片，再对着成片写解说 —— 时间轴天然对齐，不会出现「画面等声音」。
2. **旁白只在有任务时整块配**：强对白、动作声、沉默可以完整主导一拍，不要全程铺旁白。
3. **`timeline.json` 是唯一真源**：可一键导出剪映草稿，原片/解说/BGM/字幕/图片叠层都可继续改。

> 成本参考：官方 README 实测一条完整视频约 **1.3 元**（MiMo 按量计费）。
> 适用：影视解说、短剧解说、赛事/综艺二创、长视频切片。不适用：原创剧情（走 W03/W05）。

---

## 6. W05 短剧 / 漫剧：11 技能从原著到成片

**来源**：开源 skill 包 `drama-skills`（zenstory-ai，MIT）
本地：`E:\AI视频工程\_GitHub参考\drama-skills\skills\`

### 阶段顺序（每个 skill 一个文件夹，可单独调用）

```text
short-drama-novel-analyze   原著分析（20 章 → 分集决策）
  → short-drama-write       分集剧本
  → short-drama-assets      视觉设定（人物/场景/道具）
  → short-drama-image-prompts  图片提示词
  → short-drama-storyboard  分镜 + 冻结关键帧
  → short-drama-video-prompts  视频提示词
  → short-drama-produce     预览确认后生产
  → short-drama-edit        剪辑成片（入点/出点都要写理由）
  → short-drama-review      独立审查
```

### 分镜卡的 8 个必填字段（这是全套最硬的部分）

每镜必须有：**唯一职责 / 来源 / 时长 / 景别·机位 / 起点 / 唯一主要动作 / 终点 / 声音**。
写法固定为 `起点 → 唯一动作 → 终点`，直接说明人物、双手、持物怎样完成本镜的状态转换。

再加两样：

- **冻结关键帧提示词**：只投影镜头**起点**；终点才出现的文字、动作、姿态、道具一律删掉。需要终点时另写「收尾关键帧提示词」。
- **三条依据**（关键帧成稿后回填）：`视觉依据`（引用《视觉设定.md》条目）/ `图片提示词项`（IMG-*）/ `输入参考图`（REF-* 或 PLAN-*）。

### 「用途」枚举（决定下游送哪张图）

`身份` / `造型状态` / `地理` / `构图` / `尺度` / `效果` / `起始帧` / `结束帧` / `风格`

一镜最多一张 `起始帧` + 一张 `结束帧`；写 `结束帧` 时必须同时有 `起始帧`；一张图干两件事就拆成两个槽位。

### 连续性锁

跨镜不变的造型，必须写成**一条能原样粘进提示词的短语**，而不是「同一个角色」这种描述。
每镜写完关键帧，要说明它依据了哪些条目；漏了，检查脚本会报错。

### 先预览、再花钱

任何图片/视频/配音/音乐任务，都先把**这一批准确的数量、内容、参考、参数、输出**写进文件，确认后才调用外部接口。
这条规矩值得抄进所有产线：**预览是一份文件，不是一句口头确认。**

---


## 7. W06 长视频实拍解说复刻：本机已经跑通的定量模板

**来源**：`E:\复刻kele说视频`（已交付 3 部 7:50 左右的纯画面长片）
这不是理论，是实测过的基线。复刻「某个具体的人」时，这是最硬的一套。

### 七步命令（换片只改 `PROJ`）

```bash
export PROJ=<新项目> && cd "E:/复刻kele说视频"
mkdir -p productions/$PROJ/{audio/lines,build}

python tools/script_stats.py                 # 1 先量稿子时长，超 8 分钟就删字
python tools/tts_lines.py --gen --workers 3  # 2 配音，产出骨架时间轴
python tools/tts_lines.py --assemble         #   → narration.wav + lines.json
python tools/gen_shots_gothic.py             # 3 分镜表
python tools/gen_plan.py                     #   → PLAN.json（按字符位置切分）
python tools/plan_shots.py                   #   → SHOTPLAN.json
python tools/verify_clips.py                 # 4 素材全量解码校验（必做）
python tools/build_shots.py --workers 6      # 5 渲染（断点续跑）
python tools/assemble.py --silent-only       #   → build/video_silent.mp4
python tools/deliver.py $PROJ "<片名>"        # 6 交付（自检会拦错）
python tools/tone_check.py <成片> --ref       # 7 影调
python tools/scan_black.py <成片> --map-shots #   黑帧（0 处才算过）
```

### 参考片实测基线（`references/kele-infp/`，87 段 / 1679 字 / md5 `29d5b8358f`）

| 指标 | 数值 | 用途 |
|---|---|---|
| 语速 | **228.8 字/分钟** | 写稿时直接换算时长 |
| 停顿中位 | **0.60 秒**，占全片 **14.4%** | 配音时插停顿，不是靠语速演 |
| 亮度 | **48.3** | 调色目标值 |
| 饱和度 | **43.8%** | 调色目标值 |
| 暖偏 | **+22.5** | 调色目标值 |
| 片长 | **5–8 分钟** | 交付形态固定 |
| 交付 | 1920×1080，**纯画面无音轨无字幕** | `-c copy -an +faststart` |

### 交付前必查（缺一项就不算完）

- 时长 5–8 分钟；`ffprobe` 流列表 = `['video']`（无音轨）；1920×1080
- 抽帧肉眼确认无字幕烧入；时间码文档末句时间 < 成片时长
- 三个文档格式齐全（md / docx / pdf），PDF 首页渲染看一眼
- 素材坏片 = 0；成片黑帧 = 0 处

> 这套的价值不在脚本，在**基线数字**。复刻任何人，第一步都是把他的片子量成这张表。

---

## 8. W07 一稿多平台：同一套视觉资产，四种交付

**来源**：Lovart 官方博客第 5 步。

| 平台 | 画幅 | 分辨率 | 重构方式 |
|---|---|---|---|
| 抖音 / Reels / Shorts | 9:16 | 1080×1920 | 主版本，原生生成 |
| YouTube / 网站 | 16:9 | 1920×1080 | **重新构图**关键帧，不是裁切 |
| Instagram 信息流 / LinkedIn | 1:1 | 1080×1080 | 对关键元素更紧的裁切 |
| YouTube 缩略图 | 16:9 | 1280×720 | 用最佳单帧 + 叠一句标题 |

**原文的硬规矩**：用错误比例生成再裁剪会破坏构图 —— **按目标比例重新生成/重新构图**。

---

## 9. W08 通用八阶段骨架（OpenMontage）

**来源**：`E:\AI视频工程\_GitHub参考\OpenMontage\pipeline_defs\`（13 条 YAML 管线）

所有管线共用同一副骨架，差别只在「哪些阶段要人确认」和「用哪个风格 playbook」：

```text
idea → script → scene_plan → assets → edit → compose → publish
（解释型再加 research → proposal 两段前置）
```

| 阶段 | 进 | 出 | 闸门 |
|---|---|---|---|
| idea | 一句话/参考片 | 概念 + 成本估算 | 人确认 |
| script | 概念 | 逐场脚本 + 时长 | 人确认 |
| scene_plan | 脚本 | 镜头表（景别/运动/时长） | 人确认 |
| assets | 镜头表 | 图/视频/配音/BGM | 人确认（花钱前） |
| edit | 素材 | 时间线 | 自动 + 抽检 |
| compose | 时间线 | 成片 | 自动 |
| publish | 成片 | 多平台版本 | 人确认 |

### 13 条现成管线（可直接对照选用）

| 管线 | 用途 |
|---|---|
| `animated-explainer` | 主题 → 全 AI 解释片（研究先行，先报价再生成） |
| `animation` | 通用动画短片 |
| `avatar-spokesperson` | 数字人口播 / 企业内训 / 销售介绍 |
| `character-animation` | 角色动画（一致性优先） |
| `cinematic` | 电影感品牌片 |
| `clip-factory` | 长内容 → N 条短视频（切片工厂） |
| `documentary-montage` | 纪录片式素材蒙太奇 |
| `hybrid` | 实拍 + 生成混合 |
| `localization-dub` | 多语言配音本地化 |
| `podcast-repurpose` | 播客 → 视频 |
| `screen-demo` | 屏幕演示 / SaaS 教程 |
| `talking-head` | 真人口播 |
| `framework-smoke` | 冒烟测试（不用） |

> 用法：先选管线，再选风格（`styles\*.yaml` 或本库 S 卡），最后才写 prompt。顺序反了就会「为了用某个模型硬凑片子」。

---

## 9b. W09 逆向复刻三件套（CineSleuth / video-editing / ReelMimic / Hypit）

**来源**：`LycheeAILab/cine-sleuth`（MIT）、`maxazure/video-editing-skill`（仓库无 LICENSE）、`6missedcalls/video-editing-skill`（MIT）、`edenfunf/reelmimic`（MIT）、Hypit（Apache-2.0）。
**本机**：`E:\AI视频工程\_GitHub参考\` 下三个仓库；操作手册见技能 `E:\AI沉淀\03-技能\media\video-reverse-engineering\SKILL.md`。

这套解决的是「**怎么把一条参考片拆到能复刻，并证明复刻得准**」，比 W00 的六层拆片更细，补上了 W00 缺的三样东西：**逐镜证据、叙事公式、独立审片**。

| 车道 | 解决的问题 | 关键产出 |
|---|---|---|
| A 逐镜取证（CineSleuth） | 每句话、每个剪辑点、每个镜头的景别/运镜/声音/生成提示词 | `evidence.json` + 逐镜表 + 首帧图 |
| B 叙事/产线（video-editing-skill） | 先锁故事再锁画面；七道门禁 + 参考故事公式迁移 | beat 表 + `storyboard_plan.json` + QA 报告 |
| C 风格指纹（ReelMimic） | 量出 BPM/切点/运镜/色彩/高潮，路线到制作 skill | `STYLE.md` + `route.json` + 风格距离报告 |
| D 组件化（Hypit） | 把参考片变成可复用组件与 Timeline，生成素材直接入戏 | Timeline + 组件 + Takes + 成片 |

**统一八关**：收件/授权 → 取证 → 风格归纳 → 叙事公式 → 企划 → 生成/拍摄 → 独立审查 → 组装/QA/交付。

**三条硬规则**（比工具更重要）：
1. **技术分块 ≠ 场景**：15 秒块只是传输单位，场景按地点/时间/人物/动作/声音连续重建。
2. **时间只信脚本**：全局时间码由脚本算，模型自己算的作废；观察和解释分栏，不确定就标。
3. **修正必须有证据**：每个「已改好」附同秒同位置的前后裁切；高潮必须和参考并排，输给参考不能交件。

**最小可交付**：源事实 → 切点/BPM/每镜数据 → 关键帧人眼看 → 一页 STYLE → 5–9 个 beat 公式 → 目标 shot list → 每镜提示词 → 15–30 秒样片 + 同位置并排图。

**许可提醒**：`maxazure/video-editing-skill` 功能最全但没有 LICENSE 文件，只能本地学习/自用，不要整包再分发；对外用 `6missedcalls/video-editing-skill`（MIT）或自己重写。

---

## 10. 选型决策表

| 你手上有什么 | 选哪条 | 配哪套视觉 | 量级 |
|---|---|---|---|
| 一个主题，什么都没有 | W03 扣子四段 / W01 Lovart 关键帧 | S01 / S12 | 30min–2h |
| 一条想复刻的成片 | W00 拆片 → W06 定量模板 | 按拆片结果选 S | 半天 |
| 一堆长视频素材 | W04 影视解说七技能 | S04 / S05 / S06 | 1–3h |
| 一部小说/剧本 | W05 短剧 11 技能 | S11 / S13 | 1–3 天 |
| 一个产品/App | W07 多平台 + W01 | S08 / S14 / S15 | 2–4h |
| 一个技术概念要讲清 | W08 `animated-explainer` | S15 极简图解 / S12 | 1–2h |
| 已有成片要做得更高级 | 只上 S10 胶片化 | S10 | 10min |

---


## 11. 复刻检查清单（每条片子开工前过一遍）

- [ ] 拆片表 6 层都填了数字（画幅/节奏/信息/视觉/声音/素材）
- [ ] 明确这次复刻的是 look / beats / pipeline 中的哪一层
- [ ] 选了一条 W 管线，不是「边做边想」
- [ ] 视觉只选一套 S，没混用第二套
- [ ] 画幅和交付形态（带不带字幕、带不带音轨）已写死
- [ ] 生成前有「预览文件」：数量、内容、参数、参考图都列清
- [ ] 花钱的步骤有人确认
- [ ] 出片后按风格卡的「验收数字」逐条核对，不看感觉
- [ ] 坏片 0 / 黑帧 0 / 响度达标 / 字幕不挡主体

---

## 12. 来源与证据

> 抓取/核对日期：2026-11-03。原始抓取件在 `_research\`（不进 MANIFEST）。
> Lovart 的 `robots.txt` 声明 `ai-input=yes, ai-train=no, use=reference` —— 本文只做**参考引用**，不用于训练。

| # | 来源 | 地址 / 本地路径 | 体量 | 支撑哪一条 |
|---|---|---|---|---|
| 1 | Lovart 官方博客 · 聊天生成短视频工作流 | `https://www.lovart.ai/zh/blog/how-to-chat-generate-ai-short-videos-lovart` | 3,837 字 | W01 |
| 2 | Lovart 官方博客 · 电影感提示词 | `https://www.lovart.ai/zh/blog/how-to-generate-cinematic-video-prompts` | 6,810 字 | W02 |
| 3 | Lovart 官方博客 · 文生/图生视频完整指南 | `https://www.lovart.ai/zh/blog/complete-guide-text-to-video-image-to-video-ai` | 19,862 字 | W01/W02 旁证 |
| 4 | Lovart 官方博客 · 视频模型选择 | `https://www.lovart.ai/zh/blog/complete-guide-ai-video-model-selection-2026` | 4,012 字 | W01 适用边界 |
| 5 | Lovart 站内工作流模板（i18n 内嵌） | `_research\lovart_i18n_templates.json` | 894 键 | 「分镜批量出图」模板原文：按脚本每节固定 5 格、人物设定沿用角色图、每张标节号 |
| 6 | Lovart Agent 工具清单（同上文件） | `_research\lovart_i18n_templates.json` | 同上 | 证实它有 `video_generator` / `edit_video_ffmpeg` / `video_clipper` / `text_to_speech` / `bgm_generator` / `film_grain_filter` / `tripo`(3D) / `video_analyzer` |
| 7 | 扣子官方 · 视频创作 | `https://docs.coze.cn/cozespace_video.md` | 13,649 字 | W03 时效事实、导出剪映工程、Seedance 2.5 |
| 8 | 扣子官方 · 搭建漫画视频工作流 | `https://docs.coze.cn/tutorial_gen_cartoon_video.md` | 4,605 字 | W03 四段结构、节点顺序、一致性两法 |
| 9 | 扣子官方文档索引 | `https://docs.coze.cn/llms.txt` | 960 篇 | 确认 97 篇视频相关文档的存在与标题 |
| 10 | video-recap-skills（MIT） | `E:\AI视频工程\_GitHub参考\video-recap-skills` | 7 技能 | W04 |
| 11 | drama-skills（MIT） | `E:\AI视频工程\_GitHub参考\drama-skills` | 11 技能 | W05 |
| 12 | OpenMontage | `E:\AI视频工程\_GitHub参考\OpenMontage` | 13 管线 + 5 playbook | W08、S12–S15 |
| 13 | 本机复刻工程 | `E:\复刻kele说视频\WORKFLOW.md` | 3 部成片 | W06 基线数字 |
| 14 | cine-sleuth（MIT） | `E:\AI视频工程\_GitHub参考\cine-sleuth` | 逐镜取证 + HTML 拉片报告 | W09-A |
| 15 | video-editing-skill | `E:\AI视频工程\_GitHub参考\video-editing-skill-maxazure` | 100+ 脚本、七道门禁 | W09-B |
| 16 | reelmimic（MIT） | `E:\AI视频工程\_GitHub参考\reelmimic` | 风格指纹 + 并排审片 | W09-C |

### 旁证（未逐句转写）

- B 站《一个视频学会 lovart 全流程讲解》BV1yy6yBaENJ：89,265 播放 / 1,119 赞 / 24:57
- B 站《了解 Lovart 看这一条就够了》BV1N1raBTE4j：73,263 播放 / 1,288 赞 / 27:09

### 诚实边界

1. **抖音站内搜索需要登录**，本次没抓到抖音榜单/站内视频；本文的「抖音」部分用的是**抖音生态里实际在跑的 skill 包**（video-recap）+ 本机已交付的复刻工程，不是抖音官方文档。
2. Lovart 的 `llms-full.txt` 索引（2026-05-31）与实际路由不同步，抽查的 7 篇博客里 6 篇 404，只取到 4 篇可读。
3. 新增的 S12–S15 是**外部规范整理**，本机尚无成片，状态标 `reference`，不能当「已验证」用。
4. 「1.3 元/条」是 video-recap 官方 README 的实测值，随模型与时长浮动，不是报价。

---

## 13. 风格 ↔ 工作流 对照

| 工作流 | 默认视觉 | 备选 |
|---|---|---|
| W01 Lovart 关键帧法 | S12 扁平动态图形 | S14 高端极简 / S15 极简图解 |
| W03 扣子漫剧四段 | S11 AI 漫剧 | S13 吉卜力手绘 |
| W04 影视解说 | S04 双轨字幕 | S05 黑金 / S06 暖棕 |
| W05 短剧 11 技能 | S11 | S13 |
| W06 长视频实拍解说 | S06 暖棕电影感 | S05 黑金 |
| W07 多平台复用 | 跟随主版本 | — |
| W08 解释型管线 | S15 极简图解 | S12 / S14 |
