素材反推分镜
R — 核心命题 (Reading)
故事和情绪先定要什么画面,然后拿手上真实有的素材和工作流去凑;凑不出来的镜头,改故事。
第三句是重点。多数人卡在第二步就开始想办法硬做那个镜头 —— 换模型、加插件、反复重抽,成本无限追加而画面始终不对。正确的动作是承认这个镜头做不出来,回头动故事。
故事是可改的,本地算力上限是不可改的。 谁让步很明显。
方法论来源见仓库根目录 ATTRIBUTION.md。
I — 方法论骨架 (Interpretation)
S1(视频教学)、S2(用户自制分镜)、S4(参考成片)三个来源全部默认同一个生产顺序:先想清楚故事和理想画面,再想办法把它生成出来。这个顺序在云端有强大生视频能力、能凭空生成任意动作时成立。
但本地链路的动作不是生成的,是迁移的——SCAIL2 只能把角色形象"贴"到一段已有的驱动视频上,动作库的边界就是驱动视频库的边界。这意味着,如果分镜的起点是"理想画面",很可能写出一份手上任何素材都撑不起来的分镜表——这正是 S2《深夜抓捕醉酒小猫实录》从未被生产出来的根本原因:它设计了接力生产、凭空生成的炸毛咆哮等一整套动作,却从没检查过本地是否具备对应能力。
反过来,本地路线唯一走得通的顺序是:先盘点手上真实有什么(驱动视频库、已跑通的工作流、已有的素材),再问"这些素材能撑出什么样的镜头语言",最后才把分镜写成故事。凑不出来的镜头不是等更强模型出现,而是当场三选一:换一段能用的驱动视频改动作、退回静态图配 Ken Burns 运镜、或者干脆把这个镜头从故事里删掉。
这条方法论只在"本地算力/工具能力有硬上限"时成立,是本地条件反向推导出的收敛路径,而不是一个普遍真理。
A1 — 来源中的应用 (Past Application)
案例 1: S1《后山野花》——生成结果与理想不符时当场改故事,而非硬凑
- 问题: 矩阵化生图筛选角色形象时,发现主角、村长的人物形象跑偏,只有小孩是对的;这些场景"都不在范畴里面"
- 方法论的使用: 不将就使用形象跑偏的素材,直接判定弃用;因为素材撑不起原定结局,结局被整个换掉
- 结论: 当手上实际产出的素材(哪怕是生成结果而非驱动视频)撑不起理想画面时,改故事比硬凑更可行
- 结果: 最终成片仍完成并入围 LipTV 首届赛事——证明"素材反推、必要时改故事"这条路径是可行的,不是妥协
案例 2(仅设计未生产): S2 01 号基准镜——设计阶段就把后续镜头的可行性押在一套未经验证的机制上
- 问题: S2 把第 1 镜定为"基准镜",明确写下"确定光线/构图/色调,后面全靠它接",但后续 13 镜的接力生产、凭空生成的动作,从设计第一天起就没有核对本地是否具备对应工作流
- 方法论的使用: (反面)设计顺序是"先写好完整的理想机制,再假设生产环节能配合",与素材反推分镜的顺序完全相反
- 结论: 起点是理想画面而非现有素材/工作流能力,是这份分镜的根本设计缺陷
- 结果: 仅设计未生产——整套分镜从未投入生产验证,也从未真正拍出来(BOOK_OVERVIEW 已明确指出这是本次蒸馏排除多镜头剧情短剧路线的直接原因之一)
A2 — 触发场景 (Future Trigger) ★
用户会在什么情境下需要这个 skill?
- 已经写好一个理想分镜(如"她在雨中奔跑""两人追逐后倒地"),准备去找对应的驱动视频/工作流时,才发现库里没有匹配的动作
- 直接问"这个镜头本地做不出来怎么办",或"要不要等换个更强的模型再做这个镜头"
- 正在盘点手上素材库(驱动视频、已跑通的工作流),想知道这些素材能撑出什么样的分镜,而不是先空想画面
- 参照 S1/S2 这类云端案例的分镜表,逐条对照本地工具箱发现大量条目做不出来,需要系统性地改写
语言信号
- "没有对应的驱动视频 / 这个动作素材库里没有"
- "这个镜头本地做不出来,怎么办"
- "手上有什么素材可以用"
- "要不要等模型更强了再做这镜"
- "driving video / material-driven storyboard / footage-first"
与相邻 skill 的区分(定稿)
- 与
emotion-to-camera-language的区别:那个 skill 管一个镜头内部怎么用机位/光位/景深/人物状态写提示词;本 skill 管整片从哪里起手——先有素材还是先有理想画面。二者是composes-with关系而非先后依赖:本 skill 盘点出的驱动视频库,直接决定了emotion-to-camera-language四件套里"人物状态"这一项能写什么——本地的人物状态不是靠提示词凭空生成的,是驱动视频自带的动作,所以写"人物状态"这一项时应该反过来先看本 skill 的素材清单里有哪些具体动作瞬间,而不是先凭空想一个动作再去找素材 - 与
lock-character-reference的区别:那个 skill 管角色形象能不能锁死、锁不死怎么办;本 skill 管的是动作/镜头这一层的素材可行性。二者是两条独立的可行性检查线,没有严格的先后顺序——项目起步时可能先有一个大致故事,用本 skill 反推素材可行性,再去锁角色;也可能先锁定了心仪的角色形象,再用本 skill 检查这个角色能做哪些动作。两条线常常交替往返,但都必须赶在shot-breakdown正式批量生成之前完成 - 与
editing-triad(剪辑三分法)的区别:那个 skill 管素材已经拍出来之后怎么剪;本 skill 管素材还没拍之前分镜该怎么写 - 与
rhythm-density(节奏疏密)的区别:那个 skill 管每镜多长、怎么排布节奏,且依赖本 skill 先确认素材可行性(尤其 ≤10s 硬顶本身就来自本 skill 的硬约束表);本 skill 管每镜的内容能不能被生产出来 - 与
shot-breakdown(镜头拆解)的区别:那个 skill 管生成之后怎么从一批结果里筛选可用画面;本 skill 管生成之前分镜设计该以什么为起点
E — 可执行步骤 (Execution)
盘点手上真实有什么
- 列出可用的驱动视频库(动作类型、时长、机位/景别)、已跑通的工作流(文生图/图生图/动作迁移/超分)
- 完成标准:得到一份"素材清单",每条素材标注动作类型 + 大致时长 + 原生机位/景别
从素材反推可行的镜头语言
- 对每段驱动视频问:"这个动作能表达什么情绪?适合放在故事的哪个位置?"
- 完成标准:每个候选镜头都能对应到一条具体素材或一个具体工作流,而不是凭空写出的理想画面
对照理想分镜逐镜核对可行性
- 如果用户已有一份理想分镜表,逐镜检查是否有对应素材/工作流支撑
- 判停条件:某一镜没有对应素材或超出本地工作流能力(如需要凭空生成新动作、需要 FLF2V 首尾帧接力)→ 进入第 4 步
三选一判断分支(想要的镜头做不出来时)
- 换驱动视频改动作:保留镜头位置和情绪目的,换一段库里有的、情绪相近的驱动视频替代原定动作
- 改用静态图 + Ken Burns:动作要求过高但情绪可以用静态构图传达时,退回文生图/图生图出一张定格画面,靠推拉摇移的运镜模拟运动感
- 改故事去掉该镜头:前两条都无法满足时,直接删掉这个镜头或替换成故事里的其他情节(参照 A1 案例 1 的先例)
- 完成标准:为每一个"做不出来"的镜头选定唯一一条出路,并写清替代后的具体画面描述
组装最终分镜表
- 按镜号整理:素材来源(驱动视频/静态图)、对应工作流、是否属于三选一调整过的镜头
- 完成标准:全片每一镜都能对应到一个本地实际可执行的生产步骤,没有"待定"或"希望模型能做到"这类条目
B — 边界 (Boundary) ★
不要在以下情况使用此 skill
- 用户改用云端平台(即梦/可灵/Nano Banana 等)且算力充足——此时应优先常规的"理想画面先行"路线(想法→提示词→生图→生视频),素材反推是本地硬约束下的收敛策略,不是普遍更优的方法
- 用户已经确认所有镜头都有对应素材/工作流支撑,只是在问分镜内部怎么写提示词——那是
emotion-to-camera-language的范围 - 讨论的是角色形象能不能锁死,而非动作/镜头素材是否可行——那是
lock-character-reference的范围
来源中警告的失败模式
- S2 分镜整体的失败:整套 14 镜的分镜、接力生产表、配音脚本都写得很完整,但核心机制(接力生产依赖 FLF2V、猫的炸毛咆哮属于凭空生成动作、多机位切换要求角色跨镜一致)全部建立在本地不具备的能力上,设计阶段没有对照本地工具箱核实,导致从未被生产出来过
- 把"学了别人的方法论"误当成"具备了对方的基础设施"(S1 全程基于画布平台 + 比赛赠送算力,门槛只是转移到了付费/算力上,没有消失)
作者的盲点 / 局限
- 这条方法论是单源(S3)提出,佐证来自 S2 的失败反证与硬约束表的交叉验证,没有第二个"本地路线成功案例"的正面来源——目前只证明了"不这么做会失败",尚未有"这么做成功产出了一条完整短片"的实测记录
- 若本地补齐 FLF2V 首尾帧模型或给
Wan14Bi2vFusioniX做好 offload 封装,"凭空生成动作/接力生产不可用"这两条约束会松动,届时素材反推的必要性会降低,需要重新评估
容易混淆的邻近方法论
- 与"抽卡-筛选-拼接"不是一回事——那是同一素材反复生成直到满意,本 skill 是先确认有没有能用的素材,再决定要不要生成,发生在抽卡之前
- 与"先生图再生视频更可控"这条常识(S1 路线选择)不是同一层级——那条讨论的是"要不要插入生图这一步",本 skill 讨论的是"分镜设计的起点该是理想画面还是现有素材",二者可以同时成立也可能冲突(本地场景下动作由驱动视频决定,生图对动作的控制力被削弱)
相关 skills
- depends-on: 无(本 skill 是全流程最前置的可行性检查之一,不依赖其他 skill)
- contrasts-with: 无
- composes-with:
lock-character-reference(动作/素材可行性 vs 角色外观可行性,两条独立检查线常交替确认,无强制先后)、emotion-to-camera-language(本 skill 盘点出的驱动视频动作,是那个 skill "人物状态"变量的素材来源,尤其在本地"动作靠迁移不靠生成"的约束下)
审计信息
- 验证通过: V1 ✓(特例裁定:单源提出,但有两个独立佐证——① S3 硬约束表 ② S2 整份分镜未能生产的根因分析;三个外部来源方向相反,是环境差异而非分歧) / V2 ✓(可推导"想拍雨中奔跑但无对应驱动视频"这类来源未讨论的情形,给出三条具体出路) / V3 ✓(与三个外部来源全部相反,独特性最强)
- 测试通过率: 待阶段 4
- 蒸馏时间: 2026-08-01