177 lines
17 KiB
Markdown
177 lines
17 KiB
Markdown
> 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。
|
||
|
||
# 职场嘴替双短剧：制作方案
|
||
|
||
方案日期：2026-10-30（Asia/Shanghai）。本根目录包含两支**独立成片**：`A_带饭与外卖`、`B_虎父无犬子`。均采用 16:9 写实职场影像，原生 H3 中文同步对白，无游戏 HUD；最终画面分别锁定为 **A：410 帧／17.083333 秒；B：432 帧／18 秒**，均为 1280×720、CFR 24 fps。两片独立，不拼成合集，不为凑时长拖长。本文台词采用 root 已向用户说明的最终锁定版本。
|
||
|
||
本文件保留剧本、人物场景设定、分镜与动作关键姿态检查，并记录最终精剪锁定。**最终编码与交付 QC 正在完成，实际媒体以最终 QC 报告为准；本方案不提前宣称未完成的文件检测通过。** 唯一裁切依据为[合集锁定剪辑记录](F:/AI视频项目/职场嘴替双短剧_20261030/edit_decisions.json)，本次只读取该记录，不改写它。
|
||
|
||
## 一、两片共同制作规则
|
||
|
||
1. 每片先做一张可同时辨认双方身份、衣服、道具、视线和空间的双人基准帧。每片各用自己的角色／场景资产，不互借一张脸扮演不同人物。
|
||
2. 能由共同画面裁出可用中近景时，优先分区裁切；需要变化动作状态时，使用该片实际通过素材的稳定帧继续。跨镜必须核对景别变化后的道具状态，不能把“同 seed”当作连续性保证。
|
||
3. 所有关键台词由**说话角色的原生 H3 音画共同生成**，保留这段画面对应的原生声音。不能用外部 TTS 给清楚可见的嘴型硬配，也不能用正确字幕掩盖发音错误。
|
||
4. 对白时嘴部完整可见，避免筷子、食物、电话或另一人的手挡嘴。听者不自发接话；结尾反应不增加解释台词。
|
||
5. 生成素材不烘焙字幕、水印或公司标志。后期字幕跟实际语音出现，不提前展示最后一句；环境声只作空间底层，不能盖字。
|
||
6. 微表情从上一种情绪自然变化，不直接生成“震惊脸”。两片均不用罐头笑声、夸张锣声或解释性的“高情商”字幕。
|
||
7. 每片固定三个 H3 生成单元：第一位说话者 **192 帧／8 秒**、第二位说话者 **192 帧／8 秒**、无对白反应 **124 帧／约 5.166667 秒**，统一 24 fps。每片单轮源素材共 508 帧／约 21.166667 秒；另有已记录的重拍任务，最终不强制用满。实际采用镜头与裁切见第五节。若同框动作失败，先简化手部任务或改覆盖，不无限换 seed 重抽。
|
||
|
||
## 二、A《带饭与外卖》
|
||
|
||
### A1. 故事与精确对白
|
||
|
||
办公室午休，外卖女甲正在吃自己点的外卖，随口询问带饭女乙是否因为家里穷。女乙打开母亲做的便当，平常说一句“我妈做的”，随后把问题的逻辑送回去。女甲的筷子停住，表情卡在尚未收回的笑意上。
|
||
|
||
| 角色 | 精确台词 | 说话任务与语气 |
|
||
|---|---|---|
|
||
| 外卖女甲 | **你天天带饭，是因为家里穷吗？** | 带一点轻率优越感的随口试探，像觉得问题很平常；不大声嘲笑 |
|
||
| 带饭女乙 | **我妈做的。** | 看一眼便当，简短、自然，建立母亲关系；不先抱怨或辩解 |
|
||
| 带饭女乙 | **你天天点外卖，是因为没有家吗？** | 抬眼平静反问，语速自然，像认真沿用对方句式；不提前坏笑、不拖长“家”字 |
|
||
|
||
笑点是问题句式的反弹，不扩写母亲、收入或家庭经历。母亲不出场；不增加解释性旁白或争吵。女乙不是说完等待掌声，女甲也不再追问或回骂。
|
||
|
||
### A2. 角色与场景设定
|
||
|
||
| 项目 | 固定方案 |
|
||
|---|---|
|
||
| 外卖女甲 | 原创中国女性，约 25 岁，深棕色长卷发、粉棕西装外套与白色内搭；以采用的 K01R1 双人基准为准，面部与女乙明显不同 |
|
||
| 带饭女乙 | 原创中国女性，约 25 岁，黑色低马尾、浅蓝开衫与白色内搭；以采用的 K01R1 双人基准为准，动作自然 |
|
||
| 场景 | 普通办公室午休桌，日间窗光和室内柔和照明；背景有工位或收纳柜，不做豪华餐厅 |
|
||
| 甲的餐食 | 已打开的深色外卖盒、筷子；保持“自己在吃外卖”的可见证据，不用品牌包装解释 |
|
||
| 乙的餐食 | 右侧米色午餐袋与一只已清楚露出的钢制便当盒，盒中是母亲做的家常饭菜；不额外变出第二套餐具或第二只便当 |
|
||
|
||
双人基准帧中，**甲在画面左，乙在画面右**，彼此朝内看。甲的黑色外卖盒在左侧桌面；乙的钢制便当盒已摆在右侧桌上并由她扶住，米色午餐袋在旁。实际采用 K01R1 可见钢饭盒版，未采用便当被保温袋遮住的首版。S01 保持钢盒已取出的状态，S02 直接开同一只盒，不能重新从袋里掏一遍。
|
||
|
||
```text
|
||
午休区／窗与工位背景
|
||
|
||
外卖女甲（左） 带饭女乙（右）
|
||
→ 视线 视线 ←
|
||
外卖盒 午餐袋／便当盒
|
||
─────────── 午休桌 ───────────
|
||
|
||
相机始终同侧
|
||
```
|
||
|
||
### A3. 分镜与采用状态
|
||
|
||
| 单元 | 画面与动作 | 表演／切点 | 成片时长建议 |
|
||
|---|---|---|---:|
|
||
| A-S01：轻率问题 | 由已通过双人基准分区裁切甲讲话中景；甲刚吃完一口，先停筷、咽下，再朝右说完整问题；乙在同一桌扶着已取出的钢制便当盒 | 开场已能看见外卖盒；不能让甲含着食物连续说话。乙不提前反击，不带笑盯住甲 | 源素材 192 帧，成片依对白取用 |
|
||
| A-S02：平静回敬 | 从共同基准或实际稳定帧裁切乙，保留脸、盒和必要手部；打开盒，看饭菜说“我妈做的。”；半拍后朝左接完整反问。句末回到整理盒盖或准备吃饭 | 先让母亲关系成立，再把视线交给对方。两句之间约半拍，不做胜利挑眉；不能重复掏便当 | 源素材 192 帧，成片依两句台词取用 |
|
||
| A-S03：筷子停住 | 切甲中近景，她的筷子本来准备夹下一口，听懂后停在盒上方，原先轻松神情收不回去；眼神短暂移开，再看乙 | 原生无对白反应，取约 2—3 秒自然语塞；不张大嘴、掉筷子、喷饭 | 源素材 124 帧，反应不必用满 |
|
||
|
||
实际精剪 A 为 17.083333 秒，源片区间见第五节。不要把第一镜的“刚吃完一口”拍成一段完整进食；前一口只是初态。乙开盖动作若与两句台词竞争，应先完成开盖再说，不能让手势与脸部同时过度表演。
|
||
|
||
### A4. 声音、字幕与验收
|
||
|
||
- 房间底噪、饭盒开合与轻微筷子声足够；对白时拟音降低。默认不配音乐。
|
||
- 甲的问题字幕随甲开口；“我妈做的。”单独显示并退出；女乙的反问不能在上一句时提前出现。
|
||
- 说“没有家吗”时女乙仍平静，关键字不漏、不换为“没人做饭吗”。若原生发音或口型错误，针对该镜重做。
|
||
- 无声复看也应能读到甲外卖、乙取便当、甲末尾停筷的关系变化；打开声音后，两句同构问句形成完整笑点。
|
||
- 接受轻微餐食纹理变化，不接受外卖与便当换边、饭盒复制、说话时口部被筷子挡住、听者替说台词。
|
||
|
||
## 三、B《虎父无犬子》
|
||
|
||
### B1. 故事与精确对白
|
||
|
||
领导在办公室接电话，得知儿子考了倒数第三。新员工秘书试图安慰，先一本正经夸“虎父无犬子”，接着给出离谱推论。领导从烦恼转成接不住话的愣住，秘书仍真诚等待回应。
|
||
|
||
| 角色 | 精确台词 | 说话任务与语气 |
|
||
|---|---|---|
|
||
| 领导 | **什么？倒数第三？我当年可都是第一！** | 先震惊，再带着对自己当年的自信与不服；自然讲话，不喊成咆哮 |
|
||
| 男秘书 | **虎父无犬子。这儿子……可能不是您的。** | 真诚想安慰领导；成语后停半拍，“这儿子”后略迟疑，再正经给出离谱结论；“您”是尊称，不讥笑、不故意激怒 |
|
||
|
||
这句推论属于喜剧角色的荒唐安慰，不增加真实家庭背景、亲子鉴定或婚外情支线。不额外生成电话另一端的人声，避免新声音抢走主要对白；“倒数第三”与秘书的“这儿子”共同建立成绩消息，领导“我当年可都是第一”加强安慰与推论的因果。台词与尊称按上表逐字保持。
|
||
|
||
领导不追加“你说什么”“滚出去”等台词，也不打人。儿子不出场，秘书不是一边说一边坏笑的老油条。
|
||
|
||
### B2. 人物与办公室设定
|
||
|
||
| 项目 | 固定方案 |
|
||
|---|---|
|
||
| 领导 | 原创中国男性，约 45 岁，成熟面孔、短发、深色西装与灰蓝衬衫；按已批准基准与实际单人覆盖，身份与秘书清楚分开 |
|
||
| 男秘书 | 原创中国男性，约 23 岁，白衬衫、蓝色工牌，手中可持一份普通文件；按已批准基准与实际单人覆盖，不作水平翻转 |
|
||
| 场景 | 普通独立办公室，办公桌、椅子、收纳柜，柔和日间光线；没有真实公司名称或密集文字 |
|
||
| 道具 | 领导同一部手机，秘书一份普通文件；手机不变成遥控器、文件不突然换成平板 |
|
||
|
||
**领导在画面右、秘书在画面左。** 实际单人覆盖中领导朝画面左、秘书朝画面右。电话放在靠外侧耳边，让摄影机看得到嘴；电话镜保持手机在耳边，反应镜听懂秘书后才缓缓放低，采用状态以第五节精剪记录为准。
|
||
|
||
```text
|
||
办公室后墙／收纳柜
|
||
|
||
男秘书（站、左） 领导（坐、右）
|
||
普通文件 手机
|
||
→ 视线 视线 ←
|
||
───────── 办公桌 ─────────
|
||
|
||
相机始终同侧
|
||
```
|
||
|
||
### B3. 分镜与采用状态
|
||
|
||
| 单元 | 画面与动作 | 表演／切点 | 成片时长建议 |
|
||
|---|---|---|---:|
|
||
| B-S01：成绩消息 | 由已通过双人基准分区裁切领导，短暂听电话后说“什么？倒数第三？我当年可都是第一！”；说完仍持手机，视线略落向桌面 | 听电话约一秒多就够；从拧眉震惊转为强调自己当年成绩，手机不遮嘴。秘书不抢台词 | 源素材 192 帧，成片依完整台词取用 |
|
||
| B-S02：离谱安慰 | 秘书中近景或共同画面裁切，朝右正经说“虎父无犬子。这儿子……可能不是您的。”；成语后半拍，“这儿子”后短迟疑，文件保持安静 | 成语不是朗诵，后半句不是冷笑；停顿是试图安慰时的思考，不拖成忘词。不要来回转身、鞠躬或翻文件 | 源素材 192 帧，成片依完整台词取用 |
|
||
| B-S03：领导愣住 | 领导中近景，先保留半拍像在接受恭维的笑意，随后笑意僵住，面向画面左侧秘书所在方向，嘴像准备接话却停下，最后把手机从耳边放低 | 原生无对白反应；眼神到位后留 2—3 秒收尾，不做卡死般静止，保留眨眼或呼吸 | 源素材 124 帧，反应不必用满 |
|
||
|
||
实际精剪 B 为 18 秒，源片区间见第五节。若完整自然对白更利落，可以靠近下限，不加电话长等待或重复秘书台词来补时。领导反应段不能被结尾标题占满。
|
||
|
||
### B4. 声音、字幕与验收
|
||
|
||
- 电话不强加外部 TTS。可以有轻微接通／结束提示，但不能出现与主要台词竞争的电话人声。
|
||
- 领导必须说出“倒数第三”和“我当年可都是第一”；秘书必须保留“虎父无犬子”“这儿子”“可能不是您的”，不自行改字或更改尊称。
|
||
- 秘书整句字幕按两句及实际迟疑分段，“这儿子……可能不是您的。”到真正说出时才出现，不在领导电话段提前暴露。
|
||
- 领导愣住发生在秘书说完后，不在“虎父无犬子”刚开始就震惊。可在前半句保留一点愿意听安慰的神情，但不增加独立反应镜头拖长。
|
||
- 手机、站位、衣服与蓝工牌一致；秘书讲话期间领导不自发张嘴接话。
|
||
|
||
## 四、原生对白制作与独立验收顺序
|
||
|
||
1. **先验双人基准帧。** A 采用 K01R1 钢饭盒可见版，验收两名女性身份、外卖／便当分区和饭盒起始状态；B 验收男领导／男秘书、手机、工牌及坐站关系。
|
||
2. **逐个对白单元生成。** 将精确中文台词分配给唯一说话者，分别明确听者保持安静、反应镜头不说话；使用模型要求的对话标记与原生音画路径，不把台词随意写成背景叙述。
|
||
3. **保存真实状态再续接。** B 片单人电话画面与秘书回复通过剪辑连接，反应段采用先笑半拍后僵并放低手机；A 片钢饭盒已取出后再开盖；不从错误起始帧重复同一动作。
|
||
4. **声音与口型共同验收。** 自动识别可辅助找漏字、重字，但还需实际听辨与连续播放口部。若发音错误、串角色或嘴型偏离，不以字幕或外部 TTS 掩盖。
|
||
5. **再做反应镜头。** 以已确认的因果和停顿决定反应起点，剪到观众理解后便收，不固定拖满整段生成时长。
|
||
6. **最后独立导出。** A 与 B 各有成片、原生对白素材、字幕、工作流与质检记录。生成任务、实际采用源片区间、最终时长和文件检测结果由执行阶段记录，不在本开工方案提前写通过。
|
||
|
||
最终陌生观众理解测试：A 应能复述“她用贫穷揣测别人，别人用同样问法回敬”；B 应能复述“秘书想拍马屁安慰，却给出更离谱的一句话，领导接不住”。看不懂时先检查关键台词、信息顺序和反应时机，不增加解释旁白。
|
||
|
||
## 五、最终精剪锁定与声音采用
|
||
|
||
以下精确区间照录 `edit_decisions.json`。帧号从 0 开始，采用 **`[start,end)` 半开区间，end 为 exclusive（不含末端）**。按帧执行，秒数仅为六位小数显示，不用四舍五入秒数倒推裁切。
|
||
|
||
### A《带饭与外卖》
|
||
|
||
| 采用源片 | 源帧区间 | 采用帧数 | 成片帧区间 | 成片秒数区间 | 声音 |
|
||
|---|---|---:|---|---|---|
|
||
| S01_question | `[48,188)` | 140 | `[0,140)` | 0.000000—5.833333 | 原生 H3 同步对白 |
|
||
| S02_reply | `[0,192)` | 192 | `[140,332)` | 5.833333—13.833333 | 原生 H3 同步对白 |
|
||
| S03R1_reaction | `[12,90)` | 78 | `[332,410)` | 13.833333—17.083333 | 本片 S01 原片 0.1—1.3 秒 roomtone |
|
||
|
||
合计 **410 帧／17.083333 秒**，1280×720、CFR 24 fps。
|
||
|
||
### B《虎父无犬子》
|
||
|
||
| 采用源片 | 源帧区间 | 采用帧数 | 成片帧区间 | 成片秒数区间 | 声音 |
|
||
|---|---|---:|---|---|---|
|
||
| S01_phone | `[12,180)` | 168 | `[0,168)` | 0.000000—7.000000 | 原生 H3 同步对白 |
|
||
| S02R1_secretary | `[0,192)` | 192 | `[168,360)` | 7.000000—15.000000 | 原生 H3 同步对白 |
|
||
| S03_reaction | `[12,84)` | 72 | `[360,432)` | 15.000000—18.000000 | 本片 S01 原片 0.05—0.85 秒 roomtone |
|
||
|
||
合计 **432 帧／18.000000 秒**，1280×720、CFR 24 fps。
|
||
|
||
### 版本选择与原生声音政策
|
||
|
||
- A 采用 **K01R1_master** 的钢制饭盒清楚可见版，S01 与 S02 均从该双人基准延续；未采用便当被袋子挡住的首版。反应采用 **S03R1_reaction**：肃然语塞、抿嘴垂眼，替换后段过于开心的初版。
|
||
- B 秘书采用 **S02R1_secretary** 的新原生句，保留最终锁定台词“虎父无犬子。这儿子……可能不是您的。”。原版及重拍版的自动识别记录均保留，成语“犬／全”等 ASR 字形差异不回写、不抹去；不能仅凭自动识别正字断言原声念错。字幕按语境规范，不做外部配音修字。
|
||
- 两片说话镜头保留对应原生 H3 音画。两片无对白反应分别用**各自 S01 开口前**的室内底噪替换原反应音轨；B 反应原音中的额外话语全部不采用。此处只有环境声替换，没有外部 TTS 或人声修正。
|
||
- 字幕随实际说话起点分段揭示，反问与秘书后半句不能提前出现。反应段不增加解释台词或罐头笑声。
|
||
|
||
### 独立动作关键姿态检查与交付状态
|
||
|
||
已依据采用基准及接触表检查角色、轴线、餐盒／手机／工牌与反转动作：A 的两名角色、外卖与钢饭盒分区连续，开盒回话可读，A3R1 语塞成立；B 的领导与秘书身份稳定，实际单人覆盖互为对向，B3 的所选段覆盖短笑、笑僵及放低手机。没有为非核心手势或轻微物件纹理追加强制重拍。
|
||
|
||
**以上只支持关键姿态与精剪锁定。最终编码、完整播放、字幕／声音时码和交付文件检测以实际最终 QC 报告为准；当前不把尚未完成的最终检查写成通过。** 两片分别输出无字幕与带字幕版本，实际文件路径、帧率／帧数和音轨检测由后期完成记录。
|
||
最终交付更新：root已完成实际文件技术验收与关键视觉检查，四份成片通过；A410f/17.083333s，B432f/18s，均720p/CFR24/AAC48k双声道。实际证据见qc/technical_verification.json与COMPLETED.json。
|