AI Story Pipeline

这个项目的想法最早由合作伙伴提出。我们想尝试用 AI 做连续短剧，讨论下来发现，制作过程中需要在文本、生图、视频和配音工具之间反复切换。角色设定、镜头描述和生成素材也要跟着来回整理。

于是，我们决定把这些步骤放到同一个系统里，并用《影楼诡事》试着走完一次制作。团队一共三人：我负责产品和技术，伙伴一起讨论方向，前端同事负责部分 UI 界面搭建。

我先按实际制作顺序拆出几个阶段。小说输入后，系统提取角色、场景和道具；确认这些信息，再整理剧本和分镜。分镜画面选定后继续生成视频，配好声音，最后组织片段、合成成片。

一部剧的文本、角色图、分镜和音视频都放在同一个项目下。制作时可以回到对应阶段修改内容，生成效果不合适的镜头也可以单独重做。

小说里，同一个人可能有几种称呼，人物信息也分散在不同段落。AI 有时会把这些称呼拆成不同角色。如果直接往下生成，后面的角色图和分镜就会跟着出错。

我在角色提取后加了一步人工确认，先核对名字和人物关系，再确定角色参考图。后续分镜持续使用这张图，尽量减少脸型、发型和服装的变化。

固定参考图能提高前后镜头的稳定性，但仍然需要检查生成结果。人物外观是否一致，最终还要逐镜头看。

一段剧本写清了发生什么，却未必说清镜头怎么拍。画面里有谁、站在哪里、用什么景别、镜头是否移动，这些都需要在生成视频之前补出来。

所以我把分镜做成独立的编辑阶段。系统先根据剧本和已有资产给出一版镜头，创作者可以改画面描述和提示词、插入新镜头、调整顺序，也可以重新生成某个分镜。确认后再去生图和制作视频。

文本、生图、视频和配音对模型的要求不同，同一环节也常常要在效果、速度和费用之间做选择。我把这些接入分开，让使用者按当前任务选择模型。

成本方面，我们先采用直接的办法：提供多种模型，由创作者按预算和效果选择。第一版的主要精力放在各阶段的数据衔接、人工编辑和实际制作上。

系统完成部署和流程测试后，我们用《影楼诡事》验证了从小说输入到成片输出的制作过程。页面开头的视频就是实际产出，包含生成的镜头和配音。

这次制作也让我更清楚地看到哪些地方需要人来判断：角色是否认对、前后镜头是否像同一个人、画面是否说清了剧情。这些检查和修改的入口，都是制作工具里需要认真做好的部分。