免费的把真人实拍短剧改造成3D漫剧技能Skill
- 2026-11-18 05:14:54

老规矩我们直接展示下生成视频的视频方案、画面效果和这个视频技能的生产流程以及功能特点。
三文件驱动、十命令串联、一集 90 秒自动配平
一套名为 RealShotDrama23D 的流水线| 通用Agent技能 · Python 3.8+ 可跑
做竖屏漫剧的人,大多卡在「中间那一层」:实拍的分镜写的是演员怎么演、机位怎么摆,3D 需要的是模型长什么样、材质怎么走、镜头怎么拼;实拍靠演员的脸撑戏,3D 靠跨集一致的锚定词;实拍一集拍三天,3D 一集要出 12 张首帧加 12 段视频,提示词必须能批量生产。本文用一个「民国奇谈」题材的真实改编案例,把这条流水线从头跑到尾。
输入一份剧本、分镜表、大纲,或人物表/场景表,文本、Markdown、CSV、Excel 都行
输出7 份文档 + 1 份提示词清单 + 1 份质检报告,共 9 个产物
要不要联网不要,全部离线运行
要不要 API Key不要,纯本地脚本
依赖Python 3.8+ · PyYAML · openpyxl
一次能出多少12 集 × 90 秒 × 12 镜是通行规格,100 集可分批
一、它不是「自动画画」,它是翻译层
先说清边界:这套工具不生成图、不生成视频、不配音。它只做一件事——把「拍什么、怎么拼」定义到可执行,然后把生成环节交给对应的能力。
为什么这一层值得单独做?因为实拍和 3D 之间隔着四道翻译:
- 载体转换
:实拍质感 → 3D 写实国漫渲染。风格词一次锁定、全片复用,绝不逐镜改写。 - 表演转换
:演员微表情 → 可参数化的表情档位(眼睑、眉、嘴角、呼吸、手指)。 - 一致性转换
:靠演员的脸 → 靠锚定词加形态阶段。同一模型用 blend shape,不做多套模型。 - 节奏转换
:实拍剪点 → 固定时长模式加每集钩子位。前 6 秒必须留住人。 - 生产转换
:分镜表 → 三段式提示词(首帧/尾帧/视频),可批量投喂生成器。
一句话记住:风格只写一次,角色只写一次,场景只写一次,剩下的全是拼装。
它和下游能力的关系是明确的结构层关系:提示词包就是交接契约,字段名、命名规范、失败回传格式全部约定好,谁接都能直接用。
二、三文件驱动:改任何一处,全量重出
整个设计的前提只有一条:改一处,重跑脚本,全量重出。三个文件各管一件事,没有第四份真源。
project.yaml规格真源:集数、单集时长、镜数、画幅、风格预设、色板
anchors.yaml视觉真源:角色/场景/运镜的锚定词
shots.csv内容真源:逐镜的画面、台词、入镜角色
project.yaml · 规格真源
meta: title: "当票" slug: "当票" logline: "一个少年当掉亡父留下的唯一遗物,却发现当票上的字迹会自己挪动半寸,必须在三天内找出当铺密室里那本旧账" genre: "民国奇谈" spec: episodes: 12 seconds_per_episode: 90 shots_per_episode: 12 aspect: "9:16" resolution: "1080x1920" style: preset: "3d-realistic-guoman" palette: - {name: "主色", hex: "#2A241E", role: "环境基调"} - {name: "辅色", hex: "#4A6B78", role: "冷月光"} - {name: "点缀", hex: "#C0392B", role: "朱砂与警示"}
anchors.yaml · 视觉真源
characters: C01: name: "阿砚" anchor: "十七八岁少年,瘦,窄肩,短寸发,右眉尾一道旧疤,灰布短褂" stages: ["初登场·紧绷", "得知真相·失神"] scenes: E01: name: "当铺柜台" anchor: "夜间室内,青砖地面潮湿反光,木架堆满旧物,高窗斜切进冷月光" E03: name: "地下密室" anchor: "幽闭空间,青砖墙挂满潮湿麻绳与旧账册,木架层层叠铜秤算盘瓷瓶" moves: 固定: "固定机位,画面内主体自然运动,光影微动" 缓推: "机位极慢前推,主体在画幅内保持位置,情绪收紧"
锚定词为什么压到 80 字内?因为它是要被逐条提示词复用的。写 200 字,下游生成时必然丢信息、必然漂移。年龄特征放最前,因为只有这部分最容易被模型忘掉。
shots.csv · 内容真源
ep,scene,shot,dur,size,move,desc,line,chars,tail 1,E01,1,6,极特写,固定,柜台上一��泛黄当票,朱砂字迹自己挪了半寸,【音效】更漏,字迹停在原处 1,E01,2,7,中近景,固定,少年侧身立于柜台前,窄肩短寸、眉尾旧疤,神情紧绷,(无台词),手按上柜台 1,E03,3,8,全景,缓推,地下密室,木架堆满旧物,光柱斜切进冷月光,【音效】滴水,少年踏入密室
十列固定顺序,表头顺序不可变,脚本按列名读取,多余列会被忽略。chars 用 C01|C02 竖线分隔,scene 写 - 表示不挂场景锚定。
三、五分钟跑通:从零到一集可开工
下面这段命令是真实可执行的,不是伪代码:
# 1) 建项目骨架(含自动配平好的时长序列) python scripts/sdr_init.py --out ./当票 --title "当票" \ --episodes 12 --seconds 90 --shots 12 --genre "民国奇谈" # 2) 填三个文件:project.yaml / anchors.yaml / shots.csv # 3) 一条命令出全套 python scripts/sdr_run.py --project ./当票 # 4) 打开成品 open ./当票/制作总览.html open ./当票/分镜表.xlsx
十步工作流,十命令一一对应
sdr_init.py | |||
sdr_import.py | |||
sdr_pace.py | |||
sdr_build.py | |||
sdr_prompts.py | |||
sdr_assets.py | |||
sdr_qa.py | |||
sdr_overview.pysdr_package.py |
四、核心产出:三段式提示词是怎么拼出来的
这是整个技能最值钱的部分。每一条镜头自动生成三条提示词,拼装公式固定:
首帧 = 全局风格 + 场景锚定 + 人物锚定 + 画面内容 + 景别 尾帧 = 首帧同构,画面替换为 tail,并追加「同一机位、同一光位、同一构图」 视频 = 运镜模板 + 动作内容 + 一致性约束 + 时长 + 画幅 + 无文字
关键在最后一句:三条的风格段、场景段、人物段完全一致,只有「画面」和「运镜」变。这是跨集不崩脸的唯一保证。
案例:镜02「少年侧身立于柜台前」
① 首帧 first(锁定画面)3D写实国漫渲染,PBR次表面皮肤,电影级体积光,冷蓝夜色,青砖地面湿润反光, 中近景,夜间当铺柜台,青砖地面反光,一个十七八岁瘦削少年侧身立于柜台前, 窄肩、短寸发、右眉尾一道旧疤,灰布短褂,神情紧绷, 前景虚化铜秤与算盘,背景木架旧物与高窗冷月光, 无文字、无水印、无logo② 尾帧 tail(同一机位、同一光位、同一构图)3D写实国漫渲染,PBR次表面皮肤,电影级体积光,冷蓝夜色,青砖地面湿润反光, 中近景,夜间当铺柜台,青砖地面反光,同一个少年侧身立于柜台前, 窄肩、短寸发、右眉尾一道旧疤,灰布短褂,右手把一枚铜钱按在柜面纸页上, 前景虚化铜秤与算盘,背景木架旧物与高窗冷月光, 同一机位、同一光位、同一构图③ 视频 video(只描述运动)固定机位,画面内主体自然运动,光影微动, 少年缓缓抬起右手,把铜钱按向纸面,手指停顿、微微发抖, 胸口随呼吸起伏,衣料褶皱自然,光影随动作轻微变化, 保持同一人物锚定与场景锚定,画面内不出现文字与字幕, 9:16竖幅,时长7秒,无文字、无水印、无logo
✅ 为什么尾帧必须写?图生视频时,首帧加尾帧一起给,可控性明显高于只给首帧。不给尾帧,模型会自己编结尾,通常编得很奇怪——这也是 QA 的 C02 项会专门检查尾帧是否齐全的原因。
五、竖屏短剧的节奏铁律:前 6 秒必须留住人
| 0–6 秒 | ||
| 每集 | ||
| 单镜 | ||
| 单集 | seconds_per_episode,误差 0 | |
| 全剧 |
钩子的三种类型:①异常动作(字迹挪动)②不解释的台词(「三天……就剩三天」)③不该出现的东西(半开门缝里的人影)。三种轮流用,别一集塞三个。
六、案例演示:一集 90 秒 × 12 镜,逐镜配图
镜02|中近景|7s|少年侧身立于柜台前,手捧铜钱

实拍参考 · 源素材质感
实拍质感:手持纪实摄影,真实皮肤纹理与布料纤维,轻微噪点,画面内出现真实可辨认的文字与字迹

3D 漫剧 · 转换后输出
3D 写实国漫:PBR 材质与电影级打光,风格化建模角色,墨迹洇开无法辨认,画面内完全无文字
转换要点:同一套场景锚定词「夜间当铺柜台,青砖地面湿润反光」、同一套人物锚定词「十七八岁少年,瘦,窄肩,短寸发,右眉尾一道旧疤,灰布短褂」,只把载体从纪实摄影换成 3D 写实国漫渲染。风格词一次锁定,全片复用。
镜01|极特写|6s|柜台上一张泛黄当票,朱砂字迹自己挪了半寸

实拍参考 · 源素材质感
实拍质感:真实手部特写,浅景深聚焦纸面,暖黄油灯侧光,可辨认的朱砂印章与潦草笔迹

3D 漫剧 · 转换后输出
3D 写实国漫:风格化建模手部与材质,同一构图同一光位,纸张上的印记模糊不呈现任何文字
转换要点:实拍版本里当票上的朱砂印章与潦草笔迹是叙事线索,3D 版本必须让墨迹洇开看不清内容——因为一旦模型画出清晰文字,后续每一镜都会各自发挥,最后形成一堆版本不一致的假字。
镜03|全景|8s|地下密室,木架堆满旧物,光柱斜切冷月光

实拍参考 · 源素材质感
实拍质感:真实演员半身近景,面部半明半暗,环境细节真实,木架上散落着可辨认的旧书册

3D 漫剧 · 转换后输出
3D 写实国漫:风格化角色,可参数化表情档位,干净轮廓造型,墨迹一律模糊,无文字无 logo
转换要点:实拍靠真实木架旧物撑质感,3D 版本把同一组道具转成 PBR 材质,高窗冷月光光柱的位置、角度、色温全部沿用,保证跨镜光位统一。
镜04|特写|6s|手把铜钱按在纸面,指尖颤抖

实拍参考 · 源素材质感
实拍质感:真实演员面部特写,眼神惊惧,汗湿额头细节,纪实噪点明显

3D 漫剧 · 转换后输出
3D 写实国漫:同一角色锚定词复用,风格化建模,表情档位可参数化,画面干净无文字
转换要点:手部是特写里最容易露怯的地方。实拍靠皮肤纹理,3D 版本靠指节结构、布料褶皱与次表面散射材质来交代紧张感,表情档位可参数化到眼睑与指节。
下面的五组图是同一剧本在「实拍质感」和「3D 写实国漫渲染」两种载体下的对照。左图是按红果短剧质感生成的实拍级参考画面,右图是用同一套锚定词转换出来的 3D 漫剧版本。请注意三个关键差异:载体从纪实摄影换成 PBR 材质渲染;表情从演员微表情换成可参数化的表情档位;画面内的文字全部消失——这是写进负向约束的硬性规则。
看这组对比时要抓三件事① 哪些没变:场景锚定词、人物锚定词、光位、构图、景别——五镜全部沿用,零改动;② 哪些变了:载体从实拍质感换成 3D 写实国漫渲染,表情从演员微表情换成可参数化的表情档位,画面内的文字全部消失;③ 为什么这样改:文字一旦被模型画出来,后续无论怎么改都很难擦干净,而且每一镜会各自发挥成不同版本,直接破坏跨镜一致性。
镜02|中近景|7s|少年侧身立于柜台前,手捧铜钱

实拍参考 · 源素材质感
实拍质感:手持纪实摄影,真实皮肤纹理与布料纤维,轻微噪点,画面内出现真实可辨认的文字与字迹

3D 漫剧 · 转换后输出
3D 写实国漫:PBR 材质与电影级打光,风格化建模角色,墨迹洇开无法辨认,画面内完全无文字
转换要点:同一套场景锚定词「夜间当铺柜台,青砖地面湿润反光」、同一套人物锚定词「十七八岁少年,瘦,窄肩,短寸发,右眉尾一道旧疤,灰布短褂」,只把载体从纪实摄影换成 3D 写实国漫渲染。风格词一次锁定,全片复用。
镜01|极特写|6s|柜台上一张泛黄当票,朱砂字迹自己挪了半寸

实拍参考 · 源素材质感
实拍质感:真实手部特写,浅景深聚焦纸面,暖黄油灯侧光,可辨认的朱砂印章与潦草笔迹

3D 漫剧 · 转换后输出
3D 写实国漫:风格化建模手部与材质,同一构图同一光位,纸张上的印记模糊不呈现任何文字
转换要点:实拍版本里当票上的朱砂印章与潦草笔迹是叙事线索,3D 版本必须让墨迹洇开看不清内容——因为一旦模型画出清晰文字,后续每一镜都会各自发挥,最后形成一堆版本不一致的假字。
镜03|全景|8s|地下密室,木架堆满旧物,光柱斜切冷月光

实拍参考 · 源素材质感
实拍质感:真实演员半身近景,面部半明半暗,环境细节真实,木架上散落着可辨认的旧书册

3D 漫剧 · 转换后输出
3D 写实国漫:风格化角色,可参数化表情档位,干净轮廓造型,墨迹一律模糊,无文字无 logo
转换要点:实拍靠真实木架旧物撑质感,3D 版本把同一组道具转成 PBR 材质,高窗冷月光光柱的位置、角度、色温全部沿用,保证跨镜光位统一。
镜04|特写|6s|手把铜钱按在纸面,指尖颤抖

实拍参考 · 源素材质感
实拍质感:真实演员面部特写,眼神惊惧,汗湿额头细节,纪实噪点明显

3D 漫剧 · 转换后输出
3D 写实国漫:同一角色锚定词复用,风格化建模,表情档位可参数化,画面干净无文字
转换要点:手部是特写里最容易露怯的地方。实拍靠皮肤纹理,3D 版本靠指节结构、布料褶皱与次表面散射材质来交代紧张感,表情档位可参数化到眼睑与指节。
镜10|中近景|8s|手伸向木架上的瓷瓶,光柱照亮灰尘

实拍参考 · 源素材质感
实拍质感:真实演员背部与手臂,趴伏在木纹柜台上,散落账册与旧纸

3D 漫剧 · 转换后输出
3D 写实国漫:同一角色锚定词,侧后视角,PBR 材质渲染,画面内无任何文字与 logo
转换要点:同一角色锚定词在五镜之间零改动。跨集会变脸,问题几乎都不在模型,而在锚定词写得长、写得散、写了场景细节而不是形态锚点。
镜10|中近景|8s|手伸向木架上的瓷瓶,光柱照亮灰尘

实拍参考 · 源素材质感
实拍质感:真实演员背部与手臂,趴伏在木纹柜台上,散落账册与旧纸

3D 漫剧 · 转换后输出
3D 写实国漫:同一角色锚定词,侧后视角,PBR 材质渲染,画面内无任何文字与 logo
转换要点:同一角色锚定词在五镜之间零改动。跨集会变脸,问题几乎都不在模型,而在锚定词写得长、写得散、写了场景细节而不是形态锚点。
下面是《当票》第一集的 12 镜(本例为演示紧凑取 10 镜),每一镜都对应一张实际生成的 9:16 竖幅参考画面。请注意这些画面没有文字、没有字幕、没有水印、没有 logo——这不是审美偏好,而是写进负向约束的硬性规则,因为画面里的文字一旦被模型画出来,后续无论怎么改都很难擦干净。
⚠️ 常见翻车点:场景锚定词里写了「招牌」「匾额」「账本」「报纸」,结果画面里出现一堆看不清的假字,而且每一镜写法都不一样。正确做法是把这些词删掉,要表现「有字的纸」就写成「墨迹洇开,看不清内容」。
七、资产排期:六周怎么排
排期的关键不是时间,是依赖顺序:主角黄金样本不出来,后面的首帧不能开工;场景色板不定,所有画面会各自漂。所以第 1 周只做两件事——锚定词定稿、主角黄金样本定稿,这两件事没过,后面全在返工。
八、质检:16 项检查,命中即报错
跑完一条命令,qa_report.json 里每条问题都带 id 和 detail,可以直接对着修法表定位。下面是本例的实际结果:
结构 · 3 项 PASS
引用 · 2 项 PASS
内容 · 1 项 PASS
提示词 · 2 项 PASS
合规 · 4 项 PASS
常见三类问题:
- 时长没配平
:某镜多写了 1 秒,整集就变成 91 秒。用 sdr_pace.py --write自动重算,不要手改。 - 引用编号写错
: chars里写了C03,但锚定表只有 C01、C02。QA 会直接报出具体是哪一镜。 - 风格段漂移
:通常是改了 project.yaml 没重跑 build。改任何一处,重跑脚本,全量重出。
九、九个产物,各自给谁看
其中最关键的是 prompts.json——它是和下游生图、生视频能力的唯一交接契约。字段名固定、命名规范固定(ep-shot.jpg)、失败回传格式固定,下游技能拿到这份文件就能直接开工,不需要人再转述一遍。
十、组合协作:它是结构层,不是生成层
分工原则说起来简单:风格类技能定「长什么样」,本技能定「拍什么、怎么拼」。两者各管一段,靠契约连接,谁都不越界。
十一、三个最常被问的问题
「只有一份剧本,没有分镜表,能用吗?」
能。sdr_init.py 会给出骨架,再按一集 12 镜的拆法把剧本拆成逐镜,填进 shots.csv。拆法有现成套路:开场钩子镜、交代处境镜、第一次反转镜、中段动作镜、第二次反转镜、情绪落点镜、结尾定格镜,其余用过渡镜填。
「集数和单集时长能改吗?」
能。--episodes--seconds--shots 三个参数随意组合,sdr_pace.py 会自动配平时长序列,保证每集精确等于目标秒数。60 秒、120 秒、24 集都能跑,改参数即可。12 集 × 90 秒只是竖屏免费短剧的通行规格。
「需要显卡吗?产出能直接商用吗?」
不需要显卡,本技能只处理文本和表格,生成环节由下游能力负责。文档结构和流程可以自由用于商业与非商业项目;但内容必须是原创表达,且成片须标注「AI 生成」。
十二、合规底线(硬性,命中即报错)
不写入、不推断、不复述任何第三方作品的名称、角色名、情节专名。 不出现任何作者名、机构名、来源标注、版权声明。 不出现真实人物、演员、公众人物的姓名或可识别形象。 画面内不得出现文字、字幕、水印、logo(提示词已内置负向约束)。 成片须标注「AI 生成」。 暴力、血腥只做暗示,不做特写;不出现可模仿的危险动作细节。
✅ 以上六条不是「建议」,而是 sdr_qa.py 会实际扫描的项目。前面那句「朱砂字迹自己挪了半寸」是本例自创的表达,而刻意不写成任何一部已知作品的情节——这一步省不掉,也没法靠后期改字替换。
写在最后
这套流水线的价值不在「省了多少时间」,而在于它把原来只能靠一个有经验的人脑子里记着的那些事,变成了可以重跑的文本:节奏模型写成了配平算法,一致性写成了锚定词,提示词写成了三段式拼装公式,验收写成了 16 项 QA。
改任何一个设定,重跑脚本,全量重出。这句话听起来像一句口号,但它才是整个技能真正的核心——因为真正消耗成本的不是生成,而是改设定后那一整批返工。