Ai Mandrama Pipeline

AI 漫剧端到端制作流水线（中文）

何时使用本 Skill

• 用户有剧本一卡 + 分镜表，要把它做成中文 AI 漫剧/短剧
• 用户在跑"鱼子酱 AI 漫剧"课程 SOP 实操，要 Dreamina + ffmpeg 全套
• 用户问"分镜→生图→生视频→配音→拼接"任意环节的踩坑/最佳实践
• 用户要做 1-3 分钟横版 + 9:16 竖版双端成片
• 用户睡觉前要"无人值守自动跑完一整集"
• 用户用 dreamina 视频任务遇到队列/并发限制
• 用户用 ffmpeg drawtext 烧中文字幕遇到方块/转义问题

核心流程（SOP 9 阶段）

阶段 1-3：素材准备

| 阶段 | 文件 | 说明 | |---|---|---| | 1. 剧本一卡 | 00_剧本/一卡_v1.docx | 动态漫剧本，每镜头描述场景+人物+动作+对白 | | 2. 分镜表 | 01_分镜表/第一集_分镜表_v1.xlsx | 9 列结构（镜头号/场景/人物/动作/提示词/运镜/对白/对应对白/备注）| | 3. 角色介绍 | 02_核心场景与角色/第一集_核心场景与角色.docx | 角色设定参考（外貌/服装/性格）|

项目目录强制规范：

~/Downloads/AI短剧_/
├── 00_剧本/
├── 01_分镜表/
├── 02_核心场景与角色/
├── 03_资产库/第一集/角色/    ← 三视图存这
├── 04_单镜头生图/第一集/      ← 14 张分镜单图
├── 05_单镜头生视频/第一集/    ← 13-14 段 mp4
├── 06_首尾帧素材/第一集/      ← 可选
├── 08_成片/                  ← 最终交付
└── README_制作过程.md

阶段 4：角色资产库（三视图）— 关键迭代

风格选型决策：

• ❌ 写实风（"8K高清 + 电影级质感 + 写实风格"）→ 容易让爽文角色看起来太"棚拍模特"
• ✅ 日漫赛璐璐二次元（"日漫赛璐璐平涂上色，类似《全职高手》《魔道祖师》《天官赐福》乙游风格"）→ 漫剧标配
• ⚠️ 治愈系日漫（《夏目友人帐》风）→ 太软，爽文不适用

用户反馈"明媚温柔"≠ 切换风格基调，而是相对方向微调——保持二次元基调 + prompt 加入"温柔/明亮/带笑意"。经验教训：不要矫枉过正。

角色 prompt 速查（详细模板见 reference.md）：

| 角色类型 | 关键词 | |---|---| | 爽文男主 | 桃花眼略上挑、剑眉斜飞、薄唇微抿带邪魅、黑色微长碎发气流感、慵懒锋利眼神 | | F 级女主/可怜系 | 纤瘦娇小、黑色长发披肩微卷、樱桃唇、楚楚可怜被欺负、破旧但本身好看的反差 | | 配角性感美女 | 沙漏型胸大腰细、浅棕色大波浪卷长发、温柔明媚大姐姐 | | 反派/粗暴男 | 身材魁梧、满脸横肉胡渣、黑色破皮衣 |

命令模板：

dreamina text2image \
  --prompt="高质量日韩漫画动漫人物设定稿，三视图：正面/侧面/背面横向并排，纯白背景，无任何水印文字。。日漫赛璐璐平涂上色，干净流畅线条，精致五官刻画，类似《全职高手》乙游风格。三视图保持发型五官身材服装严格一致，仅角度不同。8K高清，无文字，无水印。" \
  --ratio=16:9 --resolution_type=2k --model_version=5.0 --poll=90

同角色换装（如男主庄园造型 vs 集市造型）用 image2image 拿三视图当锚定，保证人脸一致性：

dreamina image2image \
  --images="$角色_庄园造型_三视图.png" \
  --prompt="保持参考图人物的脸/发型/五官/身材/画风/纯白背景/三视图布局完全一致，只把服装换成" \
  --ratio=16:9 --resolution_type=2k --model_version=5.0 --poll=120

阶段 5：单镜头生图（14 张）

核心心法：有人物的镜头必须用 image2image + 角色三视图作锚定，否则角色每帧脸都不一样。

判定规则：

| 镜头特征 | 命令 | 锚定 | |---|---|---| | 无人物（废墟/环境/系统面板）| text2image | — | | 单人物近景/中景 | image2image | 该角色三视图 | | 双人物互动 | image2image | 两个角色三视图（多图作 --images）| | 多人物群像 | image2image | 主角三视图 + prompt 描述其他人 |

image2image 多参考图命令：

dreamina image2image \
  --images="$陆明.png,$宁曦.png" \
  --prompt="日漫赛璐璐画风。画面：(参考第一张图人物)。：(参考第二张图人物)。。。日漫平涂线条干净。。8K高清无文字无水印。两个角色严格遵循参考图人物。" \
  --ratio=16:9 --resolution_type=2k --model_version=5.0 --poll=120

阶段 6：单镜头生视频（14 段）

模型选型：seedance2.0fast 720p 5s/段（maestro VIP 推荐），每段 ~25-30 credit。

核心限制：服务端单用户视频并发上限 = 1

每段必须串行排队：

• 队列等待 ~10-12 分钟（队列长度 ~600，每 30 秒消耗 30 位）
• 实际生成 ~30-60 秒
• 单段总耗 ~12-15 分钟
• 14 段共 ~3 小时

后台 polling + watchdog 无人值守架构（详细代码见 reference.md）：

i2v_polling.py  ──串行提交+30s 间隔 query+80 次超时──> 14 段 mp4
       │
       ▼ (完成后)
watchdog_v4.sh  ──检测 ALL DONE──> 调起 master_v4.sh 自动拼接

关键提交+查询函数（Python，严格 UUID 正则防 stderr 污染）：

import re, subprocess

def extract_uuid(text):
    m = re.search(r'"submit_id"\s*:\s*"([a-f0-9-]{36})"', text)
    return m.group(1) if m else None

def submit_one(image_path, prompt):
    for retry in range(3):
        r = subprocess.run([
            'dreamina', 'image2video',
            '--image', image_path,
            '--prompt', prompt,
            '--duration', '5',
            '--video_resolution', '720p',
            '--model_version', 'seedance2.0fast',
            '--poll', '10'
        ], capture_output=True, text=True, timeout=120)
        sid = extract_uuid(r.stdout + r.stderr)
        if sid and '"fail"' not in r.stdout:
            return sid
        time.sleep(60)  # 重试间隔
    return None

def wait_and_download(sid, label, out_path, max_polls=80):
    for i in range(max_polls):
        out = subprocess.run(['dreamina', 'query_result', '--submit_id', sid],
                            capture_output=True, text=True).stdout
        url_m = re.search(r'"video_url"\s*:\s*"([^"]+)"', out)
        if url_m:
            urllib.request.urlretrieve(url_m.group(1), out_path)
            return out_path
        time.sleep(30)
    return None

阶段 7：配音

配音环节调用姐妹 Skill edge-tts-chinese-roleplay——15 段中文对白 + 角色化声线分配 + SSML rate/pitch 情绪精调，输出 15 个 mp3。

详见 edge-tts-chinese-roleplay skill。

阶段 8：BGM + SFX 合成（占位级）

ffmpeg sine 合成 ambient BGM（替代真实音乐，占位用，后续可在剪映里换专业曲）：

# 末世低吟 13s — C2(65Hz) + G2(98Hz) + 低八度 49Hz
ffmpeg -f lavfi -i "sine=f=65:d=13" -f lavfi -i "sine=f=98:d=13" -f lavfi -i "sine=f=49:d=13" \
  -filter_complex "[0][1][2]amix=3,tremolo=f=0.4:d=0.5,afade=t=in:st=0:d=2,afade=t=out:st=11:d=2,volume=2.5" \
  -ar 44100 末世.wav

# 闪回轻音 12s — C4(262)+E4(330)+G4(196 八度下) + vibrato
# 集市紧张 25s — 多频段(147+220+110+294)叠加 + tremolo=f=2
# 系统科技 7s — 高频(440+659+880)sine 跳动 + tremolo=f=8
# 4 段 concat 成 60s

SFX 4 个： | 音效 | 合成方式 | |---|---| | thunder（闪电）| anoisesrc=c=brown:a=0.8 + sine=f=60 混合 + 短淡出 | | woosh（瞬移）| sine=f=2000 + asetrate=44100*0.5,aresample=44100 变速 sweep | | ding（系统弹窗）| sine=f=880 + sine=f=1320 双音 + apad | | thud/kick（猝死/踹倒）| sine=f=80~100 + anoisesrc=c=pink/brown 混合 |

⚠️ ffmpeg 老版本（如 N-92585 / 2018）amix normalize= 参数不识别——删掉该参数 + volume=N 手动补回自动衰减。

阶段 9：成片拼接（master 脚本）

5 步 pipeline（完整 176 行 master 脚本见 reference.md）：

1. 每镜头标准化 clip：720p 30fps + 调色（eq=contrast=1.05:saturation=1.12:gamma=0.98,vignette=PI/5）+ fade in/out 0.3s
2. 拼接：片头 4s + 14 镜头 + 片尾 4s ≈ 65s（concat demuxer）
3. drawtext 烧字幕（关键，见下方踩坑）
4. 混音：BGM(0.18 vol) + 15 段 TTS(每段 adelay+volume=14) + 4 个 SFX = 20 输入流 amix
5. 9:16 竖版：scale=720:-1,pad=720:1280:0:(1280-ih)/2:black

片头/片尾 4s 标题卡：

FONT='/System/Library/Fonts/STHeiti Medium.ttc'
ffmpeg -f lavfi -i "color=c=#0a0a14:s=1280x720:d=4" \
  -vf "drawtext=fontfile=${FONT// /\\ }:fontsize=72:fontcolor=white:x=(w-tw)/2:y=h/2-80:text='剧名', \
       drawtext=fontfile=${FONT// /\\ }:fontsize=56:fontcolor=#FFD700:x=(w-tw)/2:y=h/2+20:text='副标题', \
       drawtext=fontfile=${FONT// /\\ }:fontsize=32:fontcolor=#888888:x=(w-tw)/2:y=h/2+100:text='第X集 子标题', \
       fade=t=in:st=0:d=0.8,fade=t=out:st=3.2:d=0.8" \
  -c:v libx264 -preset fast -crf 20 -pix_fmt yuv420p -r 30 -an intro.mp4

中文字幕渲染（重大踩坑 v4→v4.1）

❌ libass subtitles= 滤镜烧 ASS 字幕在 macOS 上中文变方块 □□□

原因：libass 找不到 ASS 里指定的 STHeiti 字体（macOS 的 fontconfig 未注册 ttc）。

✅ 修复方案：改用 drawtext + textfile + 直接字体路径

FONT='/System/Library/Fonts/STHeiti Medium.ttc'

# 每段对白写到独立 textfile（避中文逗号/感叹号转义噩梦）
cat > /tmp/subs/01.txt <<EOF
陆明：不准训练哈，在我这你只管摸鱼躺平！
EOF

# 用 drawtext 链式 + enable=between 控制每段显示时段
ffmpeg -i raw.mp4 -filter_complex "
[0:v]drawtext=fontfile=${FONT// /\\ }:fontsize=36:fontcolor=#FFDD00:\
     textfile=/tmp/subs/01.txt:enable='between(t,9.5,14)':\
     x=(w-text_w)/2:y=h-100:\
     borderw=2:bordercolor=black:shadowcolor=black:shadowx=2:shadowy=2[v1];
[v1]drawtext=...:textfile=/tmp/subs/02.txt:enable='between(t,14.5,17)'[v2];
... (15 段链式)
" out.mp4

关键技术点：

• textfile= 替代 text= → 避中文标点转义
• enable='between(t,start,end)' → 控制时段
• borderw=2:bordercolor=black + shadowx/y=2 → 强对比保证手机可读
• 字体路径含空格用 ${FONT// /\\ } → bash 转义

字幕样式按角色色彩区分： | 角色 | 颜色 | 字号 | |---|---|---| | 旁白 | 白 #FFFFFF | 34pt | | 主角 | 黄 #FFDD00 | 36pt（关键台词放大到 60pt）| | 系统 | 绿 #00FF00 | 36pt | | 反派 | 红 #FF1515 | 36pt | | 配角 | 灰 #DDDDDD | 32pt |

Dreamina CLI 10 项关键踩坑速查

| # | 踩坑 | 修复 | |---|---|---| | 1 | i2i 并行 silent fail | 严格串行 | | 2 | 服务端单用户视频并发=1 | 后台 polling + watchdog 串行队列 | | 3 | bash submitid 被 stderr 污染 | 严格 UUID 正则 [a-f0-9]{8}-[a-f0-9]{4}-... | | 4 | macOS say 90% 中文 voice 空音 | 切 edge-tts（见姐妹 skill）| | 5 | ffmpeg 老版 amix normalize 不识别 | 删参数 + volume=N | | 6 | libass 滤镜中文方块 | drawtext + textfile + STHeiti | | 7 | 5.0 长 prompt 触发"final generation failed" | i2i 换装 / 缩短 prompt / 换 4.6 模型 | | 8 | tail -N 截 imageurl | tee /tmp/out 完整保留再 grep | | 9 | 中文 fontfile 路径含空格 | ${FONT// /\\ } bash 转义 | | 10 | dreamina credit 失败也扣费 | 重试限次（最多 3 次）|

Credit 与时间预算

第一集 14 镜头参考成本（dreamina maestro）：

• 4 张 v2 三视图 ~12 credit
• 14 张分镜单图 ~42 credit
• 14 段 image2video（含失败重试）~350 credit
• 总 ~400 credit

总时间 ~5 小时，其中 70% 是 image2video 排队等待（人工时间约 1.5 小时，其余可后台跑）。

课程 SOP 对照（哪些可跳过）

| SOP 阶段 | 必做？ | 替代方案 | |---|---|---| | 1-3 剧本/分镜/角色介绍 | ✅ 必做 | 用现成或 AI 改写 | | 4 资产库三视图 | ✅ 必做 | 锚定角色一致性的基础 | | 5-6 单镜头生图/生视频 | ✅ 必做 | 主体内容 | | 7 首尾帧素材 | ⚠️ 可跳 | 用 ffmpeg fade 转场代替 | | 8 剪映工程 | ⚠️ 可跳 | 直接 ffmpeg 出 mp4（如要精修再导剪映）| | 9 成片 | ✅ 必做 | ffmpeg master 拼接 |

决策标准

什么时候用本 Skill 而不是 jimeng-multishot-replicate：

• 中文国内短剧/漫剧（ins 复刻投放走 jimeng）
• 1-3 分钟完整成片含片头片尾（ins 18s 短片走 ffmpeg-reels-pipeline）
• 日漫赛璐璐风格（黑白线稿走 jimeng）

什么时候用 image2image 而不是 image2video：

• i2i = 生静态图（每镜头 1 张）
• i2v = 让某张图动起来（5s 视频）
• 顺序：先用 i2i 生 14 张分镜单图，再挑核心几张走 i2v 让它动

关键参考

详细模板见 reference.md：

• 完整 14 镜头 prompt 集（末世招队员第一集实例）
• 完整 master_v4.sh 拼接脚本（176 行）
• 完整 i2v_polling.py 后台 polling（150 行）
• 完整 watchdog_v4.sh
• 项目目录初始化命令
• BGM 4 段氛围拼接完整 ffmpeg 命令

输出格式

调用本 Skill 帮用户做事时：

1. 先确认起点：用户在哪一阶段？有什么素材？要做完整一集还是只优化某段？
2. 给出当前阶段的具体命令（dreamina/ffmpeg/python 一键可跑）
3. 预告下一阶段和耗时/credit 预算
4. 遇到踩坑主动给修复方案，不让用户撞墙

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: cyuanxv
• Source: cyuanxv/ai-mandrama-skills
• License: MIT

Install and usage instructions live in the source repository linked above.