短剧扒剧本 · 深度还原 Skill(Short-Drama Script Teardown V4.0.1)
进场双通道门禁锁 -> 原样扒(逐句 1:1 绑画面) -> 剧本深度还原 -> 骨架分析 -> 离线单页 HTML 交付 版本口径:本包唯一版本号 V4.0.1(V4.0 的修复版,修了 2 个 P0 / 4 个 P1,逐条见
CHANGELOG.md)
〇、进场双通道门禁锁(开工第一铁律 · 必先判定「发链接」还是「直接发视频」)
为什么必须加这道锁?
「发链接」和「直接发视频文件」在底层信息结构上完全不同:链接自带剧名、简介、预设角色名甚至平台字幕轨;而直接发过来的 .mp4 往往是无剧名、无简介、无角色表、无外挂字幕的「裸视频」。如果拿处理链接/外挂字幕的逻辑去跑裸视频(只跑 ASR + 每隔十几秒稀疏抽几张图),必然导致同一个主角因换角度/开特效被拆成四五个名字,或者把逃跑反派的台词安到配角头上!
门禁判定与硬分流规则
- 未收到素材时(主动询问上锁):
- 若用户只说「帮我扒一部剧 / 还原剧本」但未给素材,禁止直接盲跑,必须先问清上锁:
「开工前先确认一下进场通道:你是准备**【A. 发视频链接】,还是【B. 直接发视频文件】?确认后我将按对应通道为你深度还原剧本,并封装成离线单页 HTML 报告**。」
- 若用户只说「帮我扒一部剧 / 还原剧本」但未给素材,禁止直接盲跑,必须先问清上锁:
- 已收到素材时(自动识别并声明上锁):
- 开工第一行必须显式声明:
【进场门禁已锁定:通道 A(发链接) / 通道 B(直接发视频·裸片强视觉锚定模式)】。
- 开工第一行必须显式声明:
| 进场通道 | 识别特征 | 核心风险 | 强制执行锁(不同通道走不同规程) |
|---|---|---|---|
| 通道 A:发链接 | 抖音/快手/红果等 URL,或用户给剧名+链接 | 链接失效、需登录、无外挂字幕 | 1. 先抓页面标题/简介/角色表建立《预设角色名册》2. 优先 yt-dlp --write-subs 只拉字幕;无字幕则下载后转入通道 B |
| 通道 B:直接发视频 | 用户直接上传 .mp4/.mov 视频文件 |
无角色名、说话人极易张冠李戴、一人裂变成多人 | 严禁跨句稀疏抽帧猜人!强制启动下方「裸视频防乱人三把铁锁」(先通览建唯一人物卡 -> 称谓反向锁名 -> 逐句中点 1:1 绑画面) |
能力边界(必读,防止误接活)
- 本包承接:素材已在手(链接可下载 / 视频已上传)的剧本逆向还原、逐字稿、骨架拆解、HTML 报告封装。
- 本包不承接:只给一个剧名就让助手去互联网检索、比对、挑选片源的「找剧」活;也不做二创改写与商用成稿。
- 兜底通道(人工听打):若 ASR 不可用(无音轨 / 方言过重 / 无字幕轨),走人工听打补录——按
references/teardown-script-template.md第三节边听边填,时间码取整到 0.5s,其余规程与通道 B 完全一致。
一、通道 B 专项:直接发视频「防乱人、防乱名」三把铁锁
0 号前置闸:视觉能力门禁(三把锁全靠「真看画面」,不许拿文本硬推)
三把铁锁的第一、第三把都要求真看图:同人归并看脸与服装,逐句三看看主体/嘴唇开合/神态。所以开工前必须先确认当前模型能接收图像输入:
- 自检一步:随手
read一张已抽出的帧(或任意 png/jpg)。若返回「Current model does not support images」或类似提示,说明本会话模型是纯文本模型——图片已被丢包,你根本没看到画面。 - 禁止假装三看:模型不支持图像时,严禁靠台词语义、角色名、时间码「推测」说话人和 OS/VO,也严禁把
待填(看图锁死角色+张闭嘴)批量填成对白。这是造假稿,比不出稿更坏。 - 硬停并二选一:① 切到支持
text+image的模型(需在modelPolicy.allow白名单内)后重跑;② 转人工:把frame_binding_index.md与图目录交给用户,由人看图填「张嘴对白 / 闭嘴OS」列,助手只做后续归并。两种都不通就停在那里,不要出半截稿。 - 读图节奏(控 token):一次
read8~12 张,先读「每场首尾帧 + 人物卡候选帧」建唯一人物卡,再逐句读中点头帧;整集逐句读图仅用于头部全量集,中段/尾部抽样集只读场级关键帧。
凡进入**【通道 B:直接发视频】**,在给任何一句台词分配说话人之前,必须严格执行以下三把铁锁:
第一把锁:全片人物视觉「同人归并锁」(先建唯一人物卡,严禁边看边随手起名)
在拆分台词前,必须先通览全片画面,建立《全集唯一出场人物视觉档案》,并严格执行**「同人特效/状态归并铁律」**:
- 同人归并铁律:同一张脸、同一套主体服装的角色,在全片不同秒位出现以下变化时,100% 是同一个角色,严禁拆分成多个角色名:
- 瞳色/法相变化:如常态黑瞳 -> 施法或感知时变成「黄金瞳/红瞳」(严禁拆成两个角色!)。
- 本体/特效显露:如平时收起特效 -> 对敌时展开尾羽/利爪/光效(严禁拆成两个角色!)。
- 战损/妆造微调:如衣衫整洁 -> 吐血染红衣襟、披头散发。
- 同框多角色拆分铁律:同一镜头或相邻镜头出现 2 个以上角色时,必须分别建档,严禁把两人的台词合二为一安在同一个人头上!
- 建档依据必须是图:人物卡里的「视觉锚点」(脸型/眉形/发型/主体服装/标志配饰)只能来自实际读过的帧;没看过图就写「灰衣女子、约 25 岁」=凭空编造。
第二把锁:台词内称谓「反向锁名锁」(有真名/尊称绝不用外貌代称)
- 首遍扫全集称呼词:把全集所有直呼其名或尊称的句子挑出来。
- 称谓合并归一:通过画面确认指向同一视觉人物后,立即锁定全篇唯一标准角色名。
- 全局替换禁代称:一旦锁定标准角色名,全篇从第 1 秒到最后 1 秒统一使用该标准名,彻底禁用「灰衣女子」「金眼女子」等临时外貌代称!若某配角全集确实无人叫出姓名,使用「极具辨识度的唯一身份标签」(如
褐衣随从男、黑皮衣寸头男),且全集叫法绝对统一。
第三把锁:逐句时间码「1:1 画面嘴型硬绑定锁」(严禁隔十几秒抽帧瞎猜)
- 逐句中点硬绑定规程:
- 跑完音轨 ASR 拿到每句台词的精确起止时间
start ~ end后,调用python scripts/batch_prep.py --bind-frames <视频.mp4> <字幕.srt>,自动在每一句台词的正中间秒位(start+end)/2抽取 1 张关键帧(或逐句回看视频画面)。 - 必须核对抽帧结果:脚本在索引表
frame_binding_index.md里对没抽到的句子打❌ 未抽到帧,并以退出码 3 报警(V4.0.1 起不再静默成功)。凡出现 ❌ 的句子,严禁凭记忆补画面,必须--grab-frame定点重抽,或核对该句时间码是否落在片长内。 - 逐句三看定归属:
- 一看画面主体是谁:该秒画面里是谁在镜头内?
- 二看嘴唇开合(定对白 vs OS):画面内角色嘴唇明显张合 = 现场对白;画面内角色嘴唇紧闭/定格凝视 = 内心独白(OS)。
- 三看声线与混响:结合音色与空间混响确认归属。
- 看图写结论,不写猜测:逐字稿的「绑定画面帧文件」列必须是真实存在的文件名(与本句同号),「张嘴对白 / 闭嘴OS」列必须基于该帧实际观察;同人归并要求把「同人不同形态」写进备注(如
同一人·黄金瞳态),而不是新建角色。
- 跑完音轨 ASR 拿到每句台词的精确起止时间
二、定位与四段式深度剧本还原交付
本技能专注于剧本的深度还原(不输出繁杂的生图/视频分镜提示词),按以下四步交付:
- 《扒剧逐字稿》(阶段一 · 原样扒):输出《出场人物唯一视觉与称谓锁定表》+ 逐句还原台词、时间码、1:1 绑定画面、说话人及画外音(OS/VO)属性。
- 《深度还原剧本》(阶段二 · 核心交付):从逐字稿整理成标准影视级短剧剧本(场号/日夜内外/人物站位/完整
△动作与神态调度/精准对白与 OS/VO 区分/同音错字净稿)。 - 《骨架分析卡》(阶段三 · 析骨架):提炼集粒度节拍表、跨集卡点矩阵、钩子轮换、OS 信息差用法与可迁移公式。
- 《离线单页 HTML 剧本报告 & CSV》(阶段四 · 舒适阅读封装):
- 将上述成果汇总为一份结构化 JSON,字段口径唯一权威 =
references/data-schema.json(meta / characters / transcript / script_scenes / skeleton五块,字段名一字不能改;写错不会报错,只会渲染出空白模块)。 - 拿不准先生成样例:
python scripts/export_html.py --write-example --out data.json,然后只改内容、不改字段名。 - 再出报告:
python scripts/export_html.py data.json --out <剧名_剧本还原报告.html>,得到**100% 离线可用、单页连续滚动(无分页切换)**的 HTML(顶部悬浮锚点、一键复制整集剧本、导出逐字稿 CSV、打印/转 PDF 强制浅色)。 - 脚本出稿前做字段体检:结构性缺内容直接拒绝出稿(退出码 4),字段缺项逐条打印
⚠️ 字段体检,不再静默产出四块空白报告。
- 将上述成果汇总为一份结构化 JSON,字段口径唯一权威 =
三、工具链与脚本清单
| 工具 / 脚本 | 用途 | 核心命令 |
|---|---|---|
scripts/batch_prep.py |
1. 批量抽 16kHz 极轻音轨2. 逐句时间码中点 1:1 抽帧绑定(失败即报警,退出码 3)3. 裁剪 4FPS 底部字幕带 | python scripts/batch_prep.py --bind-frames ep01.mp4 ep01.srtpython scripts/batch_prep.py --audio-dir ./videospython scripts/batch_prep.py --grab-frame ep01.mp4 --time 12.5 --out f.jpg |
scripts/srt_to_script.py |
SRT / VTT / 剪映 draft_content.json 转 L1 逐字稿(默认 --merge 0 不盲拼吞句 + 断层预警 + 同音词表纠偏 + OS 初标;开 --merge N 时必须过「续句标点 / 碎片长度 / 非换人非 OS」三重校验) |
python scripts/srt_to_script.py ep01.srt --merge 0 --gap-warn 3.5 --glossary "错词=正词" |
scripts/export_html.py |
生成单页连续滚动离线 HTML 剧本还原报告(锚点导航、复制整集、CSV 导出、打印强制浅色);--write-example 产出标准样例 JSON |
python scripts/export_html.py data.json --out script_report.htmlpython scripts/export_html.py --write-example |
references/data-schema.json |
HTML 报告的 JSON 字段契约(唯一权威口径) | 直接照着填,或先 --write-example |
开跑前的工具链自检(缺啥装啥,全 OK 再扒稿)
python --version # 需 3.8+
ffmpeg -version # 抽帧/抽音轨必需;缺则 winget install ffmpeg / brew install ffmpeg
python scripts/batch_prep.py --selftest
python scripts/srt_to_script.py --selftest
python scripts/export_html.py --selftest
三个 --selftest 任一失败先修环境,不要带病扒稿。
四、防漏字、纠偏与画外音(OS/VO)四维推导
- 严禁低帧率稀疏抽帧认字:默认
--merge 0不吞句;对 ASR 误拆的同一口气碎句结合原音与嘴型合并还原并留痕(V4.0.1 起,被合并的句子必须在逐字稿备注列打⤵标记,且合并受三重校验约束,不得连锁吞并)。 - 时间断层自动预警(
--gap-warn 3.5):凡相邻台词间隔>= 3.5s,定点核查是纯打斗/空镜还是漏短句,在△动作行中如实写出该时间段的动作与调度,不留无解释空白。 - 三级同音正字纠偏:建立《专有名词正字表》-> ASR 错字修正留痕 -> 还原剧本净稿交付。
- 画外音(OS/VO/画外)四维判定:
- 闭嘴特写 =
角色名(OS) - 对话流零回应 =
角色名(OS) - 独处张嘴自语 =
角色名(普通对白,不标 OS) - 镜头拍听众/远景 =
角色名(画外)
- 闭嘴特写 =
五、多集扒量与抽样规则(稿头「本集性质」三档定义)
稿头与骨架卡里要填的「本集性质」只有这三档,含义固定:
| 档位 | 定义 | 用途 |
|---|---|---|
| 头部全量 | 前 N 集逐集全量扒(N 由用户定,默认 10~20 集) | 骨架结论的唯一依据,跨集卡点矩阵以本档为准 |
| 中段抽样 | 从中间抽 2~3 集 | 只作旁证,不得单独撑结论;发现规律漂移须提醒用户追加该区段全量 |
| 尾部结局集 | 最后 1~2 集 | 看收尾钩与结局节奏,同样只作旁证 |
统计口径:结论只认头部全量;抽样档一旦与头部结论冲突,以头部为准,并在骨架卡里注明冲突点。
六、交付模板引用(权威)
- 《扒剧逐字稿》:
references/teardown-script-template.md - 《深度还原剧本》:
references/script-restoration-template.md - 《骨架分析卡》:
references/skeleton-card-template.md - HTML 报告 JSON 契约:
references/data-schema.json(出稿前必读)
七、版权与用途红线
- 产物仅限拆解学习、结构研究;逐字稿与还原剧本含原作台词,禁止直接照搬商用。
- 每次交付及生成的离线 HTML 报告顶部均须注明:「拆解学习用途 · 骨架与结构可迁移 · 原作台词不可照搬」。