ai-manga-drama

name ai-manga-drama description AI漫剧导演——根据背景剧情或主题，完成镜头规划→分镜图生成→视频生成（wan2.6音画同步）→视频合并的完整漫剧制作流水线。全程调用 neta 的 make-image、make-video(model_w)、merge-video 接口。当用户想制作漫剧、竖屏动态漫画、AI短剧、或将剧情/主题转化为视频内容时触发。 AI 漫剧导演 基于 neta 能力的全流程漫剧制作技能。核心流程： 剧情分析 → 剧本撰写（台词） → BGM生成（make-song，一轨） → 镜头规划 → 分镜图生成 → 视频生成（仅对白+音效，无BGM） → 视频合并（混入BGM） ⚠️ 音频架构说明（必读）： wan2.6 对每个视频片段独立生成 BGM，合并后各段音乐互不衔接。 正确做法： BGM 只生成一次 （ make-song ），每段视频 不生成 BGM ，只保留对白与音效，最后 merge-video 时混入统一 BGM。 前置要求： 需要 neta 技能可用（已设置 NETA_TOKEN ） Step 1：剧情摄入与分析 从用户输入中提取： 要素 说明 故事背景 世界观、时代、地点 主角 外貌、性格、服装（跨镜头一致性关键） 配角 名字、与主角关系、外貌简述 核心冲突 本集的主要矛盾 情感基调 热血 / 温情 / 悬疑 / 喜剧 / 恐怖 等 美术风格 日漫 / 国漫 / 写实 / 赛博朋克 / 古风 等 若信息不足， 只问一次 ，列出所有缺失项后等待回复。 Step 2：剧本撰写（台词规划）⚠️ 不可跳过 在规划任何镜头之前，先写完整的分场剧本。 这是保证台词逻辑连贯的唯一方式。 读取 refs/shot-planning.md → 第一节：剧本格式 ，输出本集完整剧本： === 《剧名》第X集 剧本 === 【第一场】地点：XXX 时间：XXX （场景描述：...） [角色A]：台词内容。（情绪/动作备注） [角色B]：台词内容。（情绪/动作备注） （旁白/内心独白） 【第二场】... 剧本规则： 台词必须有人物动机，不能是信息堆砌 每场的结尾必须为下一场制造"拉力"（悬念/情绪转折/问题） 台词总量控制：每集 6-12 句对白，少而精 写完后展示给用户确认，有修改意见先改剧本，再继续 Step 3：BGM 生成（make-song）⚠️ 不可跳过，必须在视频之前完成 生成整集唯一一轨 BGM。 所有视频片段的 BGM 共用这一轨，不在视频生成阶段单独生成。 先根据剧情基调设计 BGM 风格，输出音频设计单： === 《剧名》第X集 音频设计单 === 【BGM 风格描述（用于 make-song）】 风格：（例：重工业电子乐+弦乐铺底 / 古风琵琶轻音乐 / 钢琴独奏） 情绪：（例：紧张压迫、悲壮史诗、温柔治愈） 节奏：（例：中慢节奏，约80BPM / 快节奏，约130BPM） 时长：约 [镜头总数 × 10] 秒（估算） 【每段视频的音效规则（不含BGM）】 - 有台词镜头：生成对白音频，语气参见剧本备注 - 无台词镜头：生成场景环境音（例：风声、爆炸远声、室内静谧） - 禁止：在任何单段视频提示词中要求生成背景音乐 然后执行 make-song 生成 BGM： cd /Users/yves/.claude/skills/neta && npm start make-song \ -p "<风格描述>" \ -l "" （ -l 歌词留空表示纯音乐/纯配乐模式） 记录 BGM 的输出 URL/UUID，后续 merge-video 时使用。 展示设计单与 BGM 结果给用户确认后继续。 Step 4：镜头规划 读取 refs/shot-planning.md → 第二节：镜头规划格式 执行规划。 每个镜头必须填写的字段（不可省略）： 【镜头 N】[功能标签：开场/引入/发展/高潮/转折/结尾] 所属场：第X场（对应剧本） 前接：镜头N-1 的画面结束状态（例：人物背影望向远方） 后接：镜头N+1 的画面起始状态（例：切入室内近景） 过渡方式：硬切 / 淡入淡出 / 推近 / 拉远 景别：大远景 / 远景 / 全景 / 中景 / 近景 / 特写 角度：平视 / 仰角 / 俯角 / 侧面 主体：谁在画面中，做什么 背景：场景具体描述（同场连续镜头必须保持一致） 氛围：光影、色调 台词：（引用剧本原文，或"无台词"） 说话者：（有台词时必填） 动态：视频阶段的核心动作（一个动作，简洁） 音频：（直接复制音频设计单，特殊镜头例外） 衔接规则（严格执行）： 同一场景的连续镜头：背景描述必须一致，不得突然改变环境 跨场景切换：必须标注"场景切换"并说明新场景 前接/后接字段：确保 N 的"后接"与 N+1 的"前接"在逻辑上连续 景别变化：避免相邻两个镜头景别完全相同（会导致视觉跳跃） 规划完成后展示完整镜头表，等待用户确认。 Step 5：分镜图生成（make-image） 逐镜头执行，读取 refs/prompt-templates.md → 分镜图提示词 部分构建提示词。 关键规则： 宽高比统一使用 9:16 每个提示词 必须包含角色核心外貌描述 （发型+眼睛+服装） 同一场景的镜头，背景描述保持相同措辞 neta 命令： cd /Users/yves/.claude/skills/neta && npm start make-image \ -p "<构建好的提示词>" \ -a "9:16" 从 JSON 输出中提取图片 URL，更新镜头表： 镜头N → 图片URL: <url> 所有图片生成后，展示图片列表，询问用户是否继续。 Step 6：视频生成（make-video，model_w = wan2.6） 读取 refs/prompt-templates.md → 视频动态提示词 部分构建每个镜头的动态描述。 wan2.6 能力： 1080p / 24fps / 原生音画同步 / 口型对齐 / 单片段最长 15 秒 / 支持多分镜 镜头分组规则（多分镜策略） 同一场景内 的连续 2-3 个镜头 → 合并为一条多分镜视频，可减少硬切割感： 分组示例： 镜头1（开场空镜） → 单独一条视频（场景建立） 镜头2 + 镜头3（同场对话） → 合为一条多分镜视频 镜头4 + 镜头5（同场冲突） → 合为一条多分镜视频 镜头6（跨场切换） → 单独一条视频（新场景建立） 镜头7 + 镜头8（同场结尾） → 合为一条多分镜视频 分组判断标准： 同一场景（背景相同）且连续 → 可合组 景别差异明显（如大远景→特写）→ 可合组，wan2.6 会处理切换 跨场景切换处 → 必须单独一条视频，作为明确的场景切割点 有台词的镜头 → 优先单独，保证口型同步精度 提示词构建规则 单镜头视频（无 --multi-shots）： 描述动态和音效，不重复图片中已有的静态内容 ⚠️ 严禁在提示词中要求生成背景音乐/BGM 音频只写： 场景环境音 + 人物对白 （有台词镜头） 核心动作保持单一，加"缓缓/轻轻/慢慢"控制幅度 多分镜视频（加 --multi-shots）： 读取 refs/prompt-templates.md → 多分镜提示词 部分 音频字段写法： # 无台词镜头 声音：战场远处炮声与防空警报声环境音，无背景音乐。 # 有台词镜头 声音：室内安静环境音，人物台词："XXX"（语气备注），无背景音乐。 neta 命令： # 单镜头 cd /Users/yves/.claude/skills/neta && npm start make-video \ -i "<镜头N的图片URL>" \ -p "<动态描述>" \ -m "model_w" # 多分镜（2-3个同场镜头合并） cd /Users/yves/.claude/skills/neta && npm start make-video \ -i "<该组第一个镜头的图片URL>" \ -p "<多分镜格式提示词>" \ -m "model_w" \ --multi-shots 从输出中提取视频 URL/UUID： 视频组N → 视频: <url> Step 7：视频合并（merge-video）+ 混入 BGM 所有视频片段就绪后，将 Step 3 生成的 BGM URL 一并传入，在合并时混入： cd /Users/yves/.claude/skills/neta && npm start merge-video \ -i "按顺序合并视频：<url1>, <url2>, ..., <urlN>；混入背景音乐：<BGM的URL>" BGM 在此步骤统一叠加，保证全集音乐连续不断。 Step 8：交付与总结 【漫剧成片】 标题: <剧目名称> 集数: 第 X 集 镜头数: N 个 成片 URL: <merge-video 输出的 URL> 镜头对照表: 镜头1 [景别] → 图片URL | 视频URL ... 询问用户： 哪个镜头需要重新生成？ 是否制作下一集？ 是否添加片头/片尾？ 快速参考 步骤 命令 关键参数 生成分镜图 make-image -a "9:16" 生成视频 make-video -m "model_w" 合并成片 merge-video 按顺序传入所有视频 参考文档 镜头规划指南 - 剧本格式、镜头规划、衔接规则 提示词模板 - 分镜图与视频动态提示词模板