13 KiB
2026-11-01归档：这是原制作方案，计划内容不等于所有动作均已实现；实际交付与裁切以本机项目记录为准。
《五福临门》制作方案
方案日期：2026-10-29（Asia/Shanghai）。
交付目标：一部约 15—20 秒的原创办公室冷幽默短剧。采用 16:9、写实人物与普通办公室外观。先生成 3 个约 8 秒的素材段，再依据实际对白和表演精剪；老板最终反应仅保留约 2—3 秒，不为凑 20 秒重复、放慢对白或拉长空镜。生成素材时长不等于成片必须保留的时长。
本文件是开工方案，不是渲染成功记录。实际模型、工作流、生成任务、剪辑时码和质检结果由执行阶段记录。
一、故事与笑点
下班前，老板用“吃亏是福”劝年轻员工接受吃亏。员工一边收文件，一边平静祝老板“五福临门”。老板先把它当作祝福，随即听出逻辑回敬，笑容停住；员工正常下班。
笑点来自同一逻辑的反弹，不增加关于加班费、辞职、奖金或投诉的解释。年轻人不争吵、不阴阳怪气、不提前坏笑；老板不拍桌、不追骂、不新增台词。让观众比老板早半拍理解。
精确对白，禁止改字或加词：
老板：年轻人吃点亏，是福。
小伙子：那祝老板五福临门。
口语中允许老板在“吃点亏”之后自然停一下，允许小伙子在“老板”之后自然停一下，但不拖腔，也不把“五福临门”念成刻意加重的包袱提示。
二、人物与共同视觉规则
| 对象 | 固定设计 | 表演目标 |
|---|---|---|
| 老板 | 原创中国男性，48 岁；方脸，短侧分黑发，炭灰外套与深灰 polo；坐在办公桌左侧 | 觉得自己说得有道理，借长辈口吻结束谈话；听懂回敬后无法自然接下去 |
| 小伙子 | 原创中国男性，25 岁；长椭圆脸、短黑刘海，浅蓝衬衫、深灰长裤；站在桌右侧，哑黑通勤包 | 把工作收妥并下班；不再接受说教，用一句形式上礼貌的话结束交谈 |
| 办公室 | 普通小型办公室；灰白墙、浅木桌、薄叠白纸；老板后方是灰柜与植物，门在员工右后方；画外左侧窗光与中性顶灯共同照明 | 环境可信且安静，避免豪华办公室夺走笑点；布景跨镜不换位置 |
| 关键道具 | 薄叠白 A4 纸、员工右侧的哑黑通勤包；不额外强加文件夹，不出现可读公司名或虚构乱码文件标题 | 文件整理贯穿小伙子的表演；不靠手机、钟表或额外道具解释下班 |
摄影机保持稳定，无环绕、急推、夸张变焦。主体面部和手部可读；浅景深仅用于分出主次，不把对方和共同空间全部虚化。三镜保持同一光源、肤色、服装材质与摄影透视关系。
三、站位、轴线与连续性
北：灰柜、植物／后墙
老板（坐） 小伙（站）
画面左 画面右
\_____ 办公桌 _____/
薄叠白 A4 纸 哑黑通勤包
→ 门／下班离开方向
摄影机始终在双方关系轴南侧
A B C
南：走道
A 为双人中景；B 向小伙子一侧取中近景，仍在关系轴同一侧；C 向老板一侧取中近景，仍在同侧。具体机位以实际基准图可实现的透视为准，不强行从一张正面图推导不存在的空间。
连续性锁定：
- 老板看小伙子时朝画面右；小伙子回应老板时朝画面左。
- 小伙子最终向画面右侧门口离开，不在下一镜无因变到老板左边。
- S01 整理中的薄叠白 A4 纸在 S02 继续理齐，留在桌上；整理完成后不重新出现一大叠散纸，不凭空增加文件夹。
- 纸叠、包与桌边的位置不重置；若近景无法可靠保持手部动作，减小动作幅度，不能交换道具或换成另一套桌面。
- S03 可只拍老板，让离开动作留在画外；这可以降低生成复杂度，同时让老板反应承担结尾。
四、剧本与目标剪辑时间线
| 成片目标时间 | 画面与行动 | 精确对白／声音 | 节拍功能 |
|---|---|---|---|
| 0.0—1.0 秒 | 双人中景。小伙子在桌右侧收拢文件，老板已经坐定看着他 | 轻微纸张与办公室底噪 | 直接进入情境，不加片头说明 |
| 1.0—4.8 秒 | 老板略前倾，做一个轻微开放手势，像传授经验；小伙子手上工作不停 | 老板：“年轻人吃点亏，是福。” | 建立说教逻辑，语气平常而自信 |
| 4.8—6.2 秒 | 老板收回手、保留满意神情；小伙子把纸边理齐 | 纸边轻触桌面 | 给回应一点空间，不先露出反击表情 |
| 6.2—7.2 秒 | 切小伙子中近景。整理动作接上，视线短暂抬向画面左 | 房间底噪，纸声减轻 | 让观众看清回应者与听者关系 |
| 7.2—10.8 秒 | 小伙子自然说话，边把薄叠白纸理齐；嘴角平常，不笑 | 小伙子：“那祝老板五福临门。” | 礼貌外壳包住逻辑回敬；不使用嘲讽腔 |
| 10.8—12.7 秒 | 说完放稳纸叠、拿起通勤包，重心准备转向右侧门口 | 纸叠轻触桌面、衣料轻响 | 明确他是真的准备下班，不等待争论 |
| 12.7—13.2 秒 | 切老板中近景。老板先保留一点刚才的笑意，像准备接受祝福 | 无新对白 | 慢半拍理解，反应从原情绪起步 |
| 13.2—15.0 秒 | 老板笑意停住；眉眼轻微变化，准备接话的嘴停住，目光跟向右侧 | 小伙子画外脚步离开，声音渐远 | 让观众读懂“听懂了但接不上”的尴尬 |
| 15.0—15.7 秒 | 老板短暂维持语塞，轻微眨眼或呼吸；直接结束 | 保留办公室底噪，不放解释性音效或笑声 | 以人物反应收尾，不重复台词 |
上述是约 16 秒的首选精剪草图。实际以完整自然对白和动作衔接为准，在 15—20 秒范围内调整，不硬套时码。老板反应约 2—3 秒，听懂后及时收尾，不固定拖成 6 秒；也不得把“五福临门”后的反应全部剪没。
五、三个生成单元
S01｜说教：双人中景，素材目标约 8 秒
初态： 老板坐左，小伙子站右，手正收拢纸张；脸、手和桌面都可见。老板准备向员工说话，员工没有先笑。
行动： 老板看向小伙子，以一个克制手势说完整句“年轻人吃点亏，是福。”；小伙子继续安静整理文件。老板说完后保持半秒至一秒自然神情。
表演方向： 老板不是恶人宣言，也不吼叫。他真认为这句话能让人接受现实；小伙子听到了，但不急着表态。
取用： 预计取完整对白前后约 6—7 秒。若开头有模型启动迟滞，可剪掉；不从词中间切入。
S02｜回敬：小伙中近景，素材目标约 8 秒
初态： 参考已通过的同一角色、服装、背景和文件。镜头仍留到手部与薄纸叠，老板可以在画外。小伙子面向桌面，视线将抬向画面左。
行动： 继续理齐文件，平静抬眼说“那祝老板五福临门。”；边说边把薄叠白纸理齐，纸叠留在桌面，随后拿包准备离开。必要时把手部动作简化为对齐纸边、放稳纸叠两个清楚动作。
表演方向： 无挑眉、眨眼、对镜头使眼色、提前坏笑；“五福临门”不拖长、不加额外重音，不像背网络段子。说完不盯着老板等胜利反馈。
取用： 预计取约 6—7 秒；核心是全句口型清楚，并留一点拿包／转身趋势。整理动作不能盖住或分散对白信息。
S03｜语塞：老板中近景，素材目标约 8 秒
初态： 老板看向画面右，延续 S01 的说教笑意；嘴边像准备接一句礼貌回应，但不能真的新增声音或台词。
行动： 约半拍后听懂，笑容停止、目光微微定住；嘴略张后停住，动作变小。目光随后轻跟向右侧离开的员工。保留自然呼吸与一次轻微眨眼，不能整张脸像视频卡死。
表演方向： 是语塞与尴尬，不是惊恐、暴怒、瞪大眼睛或身体抽动。员工不必进入本镜，用画外脚步交代离开。
取用： 只取最清楚的约 2—3 秒；8 秒源素材用于选择反应起点与结束点。反应太慢则压掉前段，过早僵住则从更早帧衔接。结尾不叠“老板：？”之类解释字幕。
六、声音与字幕
声音顺序：清楚对白 > 纸张／拿包衣料／脚步 > 稳定房间底噪。默认不配音乐、不加罐头笑声、滑稽弹簧声或“叮”的包袱提示；笑点由句义与反应完成。
优先尝试现有 H3 音画联合工作流，让画面中的说话者与最终保留音轨来自同一生成。两句精确中文必须通过实际听辨与文字核对；不能只依赖字幕把生成错误“补对”。需要改声音时，重新检查口型，不用无关画面遮住整段关键对白。
字幕由后期添加，生成素材不烘焙字幕、文字、水印。字幕仅在对应台词开始后出现，不提前泄露后一句。
| 对白 | 字幕拆分建议 | 出现与消失 |
|---|---|---|
| 年轻人吃点亏，是福。 | 年轻人吃点亏，是福。 | 随老板实际开口；说完后约 0.3 秒消失 |
| 那祝老板五福临门。 | 那祝老板五福临门。 | 随小伙子实际开口；说完后约 0.4 秒消失，老板反应段不一直挂着 |
字幕使用清晰白字与细暗描边，放在底部安全区，不盖手和文件。以真实成片语音时码为准生成 SRT／ASS，不直接照目标时间表硬套。
七、制作顺序与计算预算策略
- 读取现有工作流、模型与节点，确认服务器及队列状态；保留原工程不改写。
- 建一个共同双人基准帧，验收身份、服装、办公室和左右关系。由同一资产派生小伙与老板的镜头初态，避免每镜单独文生重抽人物。
- 先做 S01 的约 8 秒素材，作为正式片段兼流程验证。检查中文对白、音画、脸、手、镜头稳定；通过后再做 S02、S03。
- 每个提交立即记录工作流、prompt_id、seed、输入图与输出；重做保留旧记录。不能把排队成功写成渲染成功。
- 若 S02 文本或口型失败，先针对失败重做该镜；若 S03 反应过度，只重做反应段，不连带重做两个通过的对白段。
- 原则上每镜先一版，再按明确缺陷追加。若同一问题连续出现两版，先改动作设计或输入，避免只换 seed 无限重抽。
- 素材下载后 ffprobe 核对分辨率、帧率、时长与音轨；按实际对白剪辑，统一格式后添加字幕与必要拟音。
- 逐镜、连续粗剪、最终带字幕三个层级验收，最后输出 MP4、字幕文件与制作记录。
不预先承诺模型单次生成耗时、整片成本或绝对身份稳定性。若需更多计算，记录具体失败与调整理由，优先保住两句台词、反应和因果，不增加不必要的场景或镜头。
八、验收清单
- 两句中文逐字正确，没有加“啊”“呀”“您”等未经授权词，没有把“五福”说成“五湖”。
- 老板说话时小伙子在整理文件；小伙子回话时仍自然收文件准备下班。
- 年轻人不提前坏笑、不喊话、不看镜头求认同。
- 老板的反应发生在听完回敬之后，慢半拍但不拖，且没有新增对白。
- 反应是笑僵、语塞，不变成愤怒、惊恐或喜剧鬼脸。
- 老板左、小伙右，视线方向相对，离开方向一致；服装、脸、道具与办公室保持。
- 手、文件和桌面接触可读，无明显融化、消失、增生；必要时简化动作后重做。
- 对白口型和最终音轨相符，字头字尾完整；房间底噪没有切点突变，纸声不盖字。
- 字幕只随对应对白出现，不提前显示“五福临门”，不以字幕掩盖错误发音。
- 全片约 15—20 秒，老板反应约 2—3 秒；不靠重复、慢放或长空镜撑时长，没有多余解释台词、音乐提示或笑声。
最终观看测试：一个未读方案的人应能用两句话复述“老板说吃亏是福；员工把这份福祝回去，老板听懂后愣住”。若只看成普通祝福，优先检查老板反应的因果时机和小伙子语气，不增加旁白解释。
执行修订与选片依据
- 实际生成一张 Z-Image Turbo 场景基准，使用同源裁切及第一镜尾帧维持人物外观；H3 生成四个 8 秒音画素材，其中包含一次老板台词重拍。
- 初版 S01 尾词在两套无提示语音识别中多出“务”音节，原对白不采用，只取其开口前 1.5 秒建立场景。
- 老板台词采用 S01R1；年轻人回应采用 S02。二者都保留本次 H3 生成的同步对白，不用外部配音替换。
- S02 生成过程扩出了不一致的老板，采用稳定区的年轻人中近景裁切，避免错误人物进入成片。
- S03 仅取约 3 秒反应画面。它的原生音轨有多余人声，因此用 S01R1 开口前的同场景底声替换这一段，循环交界做短交叉淡化；不增加对白、旁白、配乐或笑声。
- 最终时长、源时码、字幕时码、音轨处理与文件参数，以 post/ 中实际剪辑项目、时间线和检查报告为准。初案秒数保留作设计参考，不代表最终成片长度。