Workrally Brand Film Pipeline

---
name: workrally-brand-film-pipeline
description: 通过 WorkRally MCP 端到端制作广告、品牌片、产品片、漫剧、短剧、短片、电影与剧集；输入可以是剧本、故事概要或故事简介，题材与画风覆盖国风、仙侠、写实、2D、3D。广告自动路由agency-ad-preproduction使用用户广告包做前期创意、文案、Designer设计方案与文字分镜，设计岗位不接管原资产链路；剧集可选short-drama-script-authoring生成剧本，已有剧本不自动重写。文字分镜Markdown先保存展示，资产生成前按 asset-style-selector 5.5 保留剧情片写实候选，另从 87 种风格库按剧本动态推荐三项，支持浏览全库或直接选定未推荐条目，由用户确认风格，按已确认SC事实建立layout空间计划与组内状态，再按原A0资产模型、G1视频模型、G2原生分辨率确认，生成CHAR（含crowd群像）/PROP/纯环境SC（场景主视图加一张独立顶视图）与视频；layout只供空间文字，不参与最终风格；声音模式默认「原生音效＋原词对白＋不要音乐」（视频直接生成原生音效与逐字原台词，全片不加任何配乐），用户明确要求时才加音乐或切换为无声画面＋全部声音后期，两种模式都必须先通过校验。再剪辑包装，交付MP4、最终分镜及按阶段整理的全素材/完整提示词无限画布。保留单条≤30秒一次请求count=1规则，不因文字镜头数增任务。
description_zh: WorkRally 品牌片端到端出片
description_en: WorkRally brand film pipeline
disable: false
agent_created: true
metadata:
  version: "2026.09.29.6"
---

# workrally-brand-film-pipeline

用 WorkRally MCP 把「自然语言 → 广告/剧集前期路由 → 文字分镜Markdown与已确认SC事实 → §0F按剧本推荐并确认风格 → §0D空间计划与组内状态 → 资产模型选择 → 视频G1/G2 → **§3a 提交前资产核对（强制）** → 人物CHAR（含crowd）/道具PROP/纯环境SC（主视图＋顶视图）资产，每类验收后问是否修改（§2c-1） → 视频（声音默认原生音效＋原词对白＋不要音乐，用户明确要求时才加音乐或改无声）→ 对白验收 → 剪辑合片 → 片内包装图形层 → MP4与最终分镜」跑通。当前规则版本 `2026.09.29.6`。

**项目画布规则**：开始项目先按 §0G 在 WorkRally 新建项目画布和分区画板，生成结果传 `artboard_id` 直接落进分区；此后每轮只要产生新文件，就问用户是否添加到画布（可选「本项目以后都自动添加」），同意才写入。

**平台唯一性规则（最高优先，覆盖本文其余条目）**：本插件的**全部生成与素材操作只走 WorkRally MCP**——生图、生视频、音频、3D、提示词优化、媒资检索、上传、无限画布与项目管理一律使用 WorkRally 提供的工具（`canvas_*` / `asset_*` / `material_manage` / `project_*` / `shotlist_*` / `get_upload_token` 等）。**不得切换、替换或补充其他生成服务**：其他 MCP server、第三方生图/生视频 API、本地或开源模型、网页版生成工具、其他云厂商的同类能力都不在候选范围，也不得作为"更快/更省/效果更好"的替代方案提出或私自启用。

- **失败不等于换平台**：提交失败、积分或额度用尽、模型不可用、排队超时、内容审核拒绝、能力不支持目标参数时，**如实报告错误原文并停在该步等用户决定**；不得改用其他服务续跑、不得换账号或环境绕过、不得把半成品说成已完成。额度类失败重试同样会失败，先报告、不自动重试、不自动换模型。
- **本地工具不是生成服务**：ffmpeg / ffprobe、PIL、faster-whisper 及本地脚本只用于下载、剪辑、字幕烧制、转写与质检，**不用于生成画面或视频内容**；这类本地处理不算"切换服务"，但也不能替代 WorkRally 的任何生成环节。
- **模型候选只来自 WorkRally 当次动态清单**（§0A / §0a / §0b）。清单外的模型名、其他平台的型号、历史记忆里的 ID 都不是候选，不按跨平台名词推荐或代选。
- 项目记录 `generation_platform=workrally`；平台受限时记录 `blocked_reason` 与错误原文，该环节记为未完成，不得用其他来源的素材顶替。

**工具型技能分工（单一规则源）**：下载与完整性校验按 `workrally-asset-qc`；本机文件变公网参考图 URL 按 `workrally-ref-image-cos-upload`；无限画布读取、写入、分画板与清理按 `workrally-canvas-organizer`。本文件只规定在哪个阶段调用、交付与验收口径，不另写一套执行细节；本文旧条目与上述技能冲突时以对应技能为准。

**资产风格推荐规则**：生成资产前按§0F接入同插件 `asset-style-selector` 5.5 的动态推荐：第 1 项保留剧情片写实，第 2–4 项从 87 种风格库按剧本推荐；同时提供全库浏览，允许直接选中未推荐的条目，不另设固定四分支入口。推荐与浏览时只读目录，用户选定后只读所选风格正文并适配CHAR/PROP/SC；写实候选不等于默认选中。已有有效风格确认不重复问、不自动换风格；不安装或改写该skill，规则变更本身不重做媒体。

**最终交付优先规则**：全部项目素材及对应完整可复制提示词必须按 §9a 归入项目无限画布，分区整理、版本分离、关联可追溯；仅媒资入库/本地文件/成片卡片不等于完整归档。本次仅更新标准，不上传、不调整现有画布、不重制媒体。§9a为画布交付唯一活动规则源。

**字幕优先规则**：正式双语字幕按 §6a-2：中上英下、中文较大、各一行底部居中，以词级语音证据拆短句同步切换。禁止整段挂屏、设计时码回退和检出数冒充同步；仅改标准不自动重做旧媒体。正文规则覆盖旧示例，历史CHANGELOG保留。

**台词保真与声音模式的优先规则**：台词文本是否保留、对白由谁生成、是否加音乐是三个独立决策。用户要求提示词保留台词时，完整逐字保留在各生成单元中，按镜号/说话人绑定，不能因默认后期配音而移除、概述或改词。仅说“保留台词”不自动开启原生声音；先澄清。用户选择视频直接生成原台词对白后，适用 `audio_policy=native_sfx_verbatim_dialogue_no_music`，该项目的新生成覆盖下文所有“仅画面/静音/台词仅后期/统一-an”默认；原生对白音轨需保留并逐句验收。**声音默认：默认声音方案＝「原生音效＋原词对白＋不要音乐」，§4c-0 为默认分支：视频内不生成配乐/歌声，后期也不添加任何音乐；只有用户明确要求音乐时才按 §7 音乐分支制作并记录覆盖范围。§4c 全部后期为非默认分支、仅用户明确要求时启用**；本段其余判定（台词保真、三项决策相互独立、原生音轨须逐句验收）不变，不必因该默认重做任何历史媒体。历史成片与 CHANGELOG 仅供追溯，历史记录不覆盖现行规则，也不能代替当次能力核验；其中旧资产分类与音频经验以当前正文修正规则为准。

## 0D. 高优先规则：群演资产与 layout 空间隔离

本节是群演及 layout 接入的唯一活动规则源，优先于下文旧的“所有人物三视图”等泛化表述；`asset-style-selector` 的写实基底（`references/cinematic-realism-base.md`）只引用本节，不另建一套空间规则。原 CHAR / PROP / SC 三类不被替换，只新增 **CHAR:crowd** 子类，layout 不是第四类资产，也不是新增生图环节。

### 0D-1. 适用范围与证据边界

- **规则修订不等于媒体生成授权**：只更新skill/文字时在文档处结束；后续用户明确要求生成时，按当次范围及A0/G1/G2执行，不把一次项目的暂停状态固化为永久禁用。具体项目的模型、未完成项和生成许可保存在项目记录，不能当作其他项目默认。季宝-2与季宝2.5为不同选择，不互相替代；保留当前有效确认的原作用范围。
- 本节只适配用户提供layout文档中的空间方法，不安装或修改来源文件、不执行其脚本、不调用当前未提供的 `canvas_cmd_*` 接口。首次来源单文档的人工审查结论仅适用于当时版本，不能代替以后安装、导入新包或执行代码时的安全审查；不将人工阅读称为工具扫描。
- **未决不等于返生成授权**：旧正文/历史示例的固定尺寸、时长、自动返工、ASR豁免或声音链经验均不能覆盖本轮确认和动态能力。发现其他冲突先标待核、说明影响，不大规模重构、不自动重提或返生成。完成状态须有真实 task_id 与 asset_id 关联及可验证产物；同名命中、99%进度、本地状态或计划表均不足以证明完成。
- 声音默认走 §4c-0 原生音效＋原词对白＋不要音乐，仅用户明确要求全部后期时才走 §4c；下文无声、`-an`、纯后期母版示例只适用于全部后期分支，不删除已确认原生对白。原文语言随脚本保留，英文不改中文；ASR归一化/拼音/能量仅作辅助，未知差异标待人工听检且不能豁免，旧三分类报告须另列待核数，未听清不强行归类。历史增益与滤镜选择不作通用结论，最终编码实测优先。

### 0D-2. 顺序与 scene_spatial_plan

**分镜与已确认 SC 事实 → layout `scene_spatial_plan` 固定坐标/锚点 → 组内 `start/events/end` 及每个在场者四字段 → 人物与群演资产（原 PROP/SC 链路保留）→ 视频。** A0/G1/G2及授权关卡仍在实际生成前完成，空间计划不替代这些关卡。

首轮若已有机器 `scene_desc`，先读其真实内容与来源，再逐项同对应 SC 图片对齐；记录一致项、冲突和未知项。缺少机器描述时，可用已确认分镜、SC图及其可靠事实编制文字空间计划，但不得冒充已取得画布数据或已读scene_desc。缺少机器描述不自动阻塞文字编制，也不自动代表空间已通过。严格区分 `confirmed`（有来源的事实）、`proposed`（新设计待确认）、`unknown`（无证据）；影响站位/移动的未知项确认前不得送视频生成。新SC成图后再核对，不以计划倒推图片事实。

纯单人/纯道具/群演群像等独立资产请求不为此强加剧情layout；只有涉及场景走位与多主体空间关系时进入本节。SC负责固定空间结构；可移动道具与汽车及座舱仍归PROP，可在layout登记其位置/朝向，但不能把它们改为SC固定设施。涉车使用车辆坐标并核对真实内饰、驾驶位与车门/通路；不凭地区或通用模板擅定左右舵，也不假设前后排可直接穿行。

每个场景的 `scene_spatial_plan` 固定世界坐标系、原点/轴向定义、已确认锚点及其来源，关联逻辑 SC 编号；实际尺寸未知可记已确认的相对关系，不能伪造精确米数或方位。**世界坐标不因反打或机位切换翻转**，屏幕左右与世界方位分开记录。门、通路和固定结构按 SC 事实保留，不为模板搬门；不强制四向各有不同类别锚点，不为填槽编造窗、门、柱等。未知方位标“待核”，矛盾回到来源确认。坐标轴统一为 x 向东、y 向北（没有方位时 x 沿主视轴、y 在其左侧），角度从 +x 逆时针量；固定地标的坐标从该 SC 的顶视图读取。§3b 的视锥检查直接用这套坐标，轴向写反会把画面左右算反。

### 0D-3. 组内状态与跨组连续性

组指分镜中的连续空间段，不等于新增视频任务。每组记录 `start`（起始快照）、`events`（按时间排序的移动/转身/进出场）、`end`（结束快照），使用稳定主体ID。起止快照覆盖**每个仍在场者**，包括未说话、未入镜者；每个事件更新受影响者并保留其余在场者状态，不能凭镜头未提及就让人消失。

| 每个在场者的字段 | 含义与填写规则 |
|---|---|
| `position` | 固定世界坐标或有来源的锚点相对位置，必要时含高度关系；未知部分待核 |
| `facing` | 身体朝向的世界方向或明确目标ID；视线与身体朝向不同则由原分镜另记，不能猜成面对面 |
| `front` | 相对该主体当前朝向，其前方的主体/锚点ID与空间关系；已确认空可写空，未知写待核 |
| `behind` | 相对该主体当前朝向，其后方的主体/锚点ID与空间关系；不是无条件的摄影背景 |

跨组默认继承上组结束时的位置、朝向和**全体仍在场成员**，除非脚本明确切换场景/时间或有可追溯进出场。移动、转身、间距变化及遮挡必须写明事件，不能瞬移或随反打重排。尊重背对、并肩、跪/站等明确表演，不强制面对面、对称排布或坐站平衡；姿态与表演仍来自原分镜，不从 layout 图自行发明。

群体同向同区域变化可用组ID；发生分裂、不同移动或朝向时，建立子组ID（如 `CROWD-01-A`）或个体ID（如 `CROWD-01-P01`），再逐子组/个体维护四字段。不能把同一角色脸复制成多人。机位、景别、镜头运动由摄影分镜独立决定，不能由 `behind` 自动推导摄影背景。

**事件与成员必须能逐步重放，不只检查起止相等：**

1. 每个事件记录唯一 `event_id`、源镜号/局部时间或明确顺序、受影响主体与状态增量。同镜内的“靠近→接触→退回”拆为有序子事件，即使终点等于起点也不能用空更新冒充完成；真正无空间变化的动作只引用原分镜表演，不虚造位移。计划时间与实测时间分开。
2. 从完整start顺序应用进入、移动、转向、拆分/合并、退出，逐事件核对在场主体集合与四字段，结果必须等于end。目标人物移动或离场时，连带复核其他人的facing/front/behind：固定朝向不得悄悄变成跟随目标；保持面向移动目标需要明确跟转事件。头部转向/视线与身体朝向不同，由原表演来源另记，不把“回头看”强行改成全身转向。
3. 成员关系也有时间状态：记录 `members_start`、事件中的 `membership_changes` 与 `members_end`（或等价逐事件快照）。**任何时点，一个个体只能属于一个活动空间容器**，人物不得同时计入母组和子组；母组总名册可作历史索引但不计活动人数。拆分前仍属母组，拆分发生时原子地转移到子组；合并反向转移。不用整组最终member_map倒推起始成员。人数变化必须对应有依据的进出场，拆分/合并本身人数守恒。
4. 校验站位占用与通路：群体坐标表示区域/中心，不是所有成员同一点；独立人物、押送者与被押者有可区分落脚位。未获依据不能把两人重叠在同一站位；拥抱、搏斗等接触依原分镜显式标注，不以简单坐标不同保证无穿模。靠近、包围、让路须保留空间和通道，无法判断标待核，不伪造精确安全距离。
5. 身份ID与服装/资产版本分开维护：同一人物换装不变成另一角色；`CHAR-xxA/B`等按具体镜头的剧情状态绑定，不能一律按集号或单元前缀推定，换装发生在单元中须显式记录。不凭群像里第几列位置推定剧情方位。
6. 跨组在同场连续时间下同时继承空间快照及成员快照；场景/时间切换需标明重置依据。每组对外展开全部在场主体四字段，不只写“同上”；机器内部可用增量存储，但交付必须可解析为完整状态。状态可重放只证明数据内部一致，不证明场景物理事实或成片画面已经验收。

### 0D-4. CHAR:crowd 群演资产例外

- 逻辑编号 **`CROWD-xx`**，本地登记 `type=CHAR`、`subtype=crowd`；原演员/有台词角色仍用 `CHAR-xx` 单人三视图（§2a），不因同镜多人改成群像。群演不是 SC、PROP 或独立顶级类型；子组/个体ID只为连续性追踪，不自动增加图片。
- 每组直接生成**单张16:9多人同框正面全身群像，count=1**：所有人头、手、脚完整可见，纯中性灰底、柔和均匀光，不互相遮断关键身体；每人是可区分的不同个体。**不套主演正面裁头、背面、侧脸特写三视图，不把一人复制多遍。** 此处只规定资产形式，提交仍须有当次生成授权及能力核验。
- 人数按具体项目与分镜确认，不默认所有项目9人；服装和身份按故事，不复制参考示例警服。参考照片只借用群像资产呈现方式，不推定故事职业、角色脸或最终站位。无剧情环境、手持道具预演、动作库或表情库；可分离剧情物件仍独立 PROP。
- 每组一图仍只对应一个真实 asset_id、占一个参考输入；**图内人数不是输入数**。按稳定成员ID映射外观识别；实际使用子组不自动裁图/增图，确需新增图片须另获授权并重验上限、图序与提示词绑定。每张群演图继续原样追加 §2d 固定去噪后缀一次。

### 0D-5. layout 导出白名单与风格隔离

只从 layout 提取**主体ID、空间位置、朝向、间距、通路、遮挡、移动**及其必要的空间关系文字，按已确认 `start/events/end` 顺序供视频引用；采用白名单重建，不透传整份 scene_desc、layout prompt 或嵌套元数据。`lighting/style/color/material/render` 等字段及其自然语言同义描述、情绪/氛围媒体、色卡/情绪板、镜头渲染效果一律不随 layout 导出。

图片形式 layout **默认不作为视频参考上传或绑定**，只提取空间文字；不安装来源工具或额外生成 layout 图。SC 中确认的结构位置可用；最终画风、光照、色彩、材质及摄影仍来自原独立风格配置、原 SC 职责与分镜，不从 layout 继承。layout 图的灰模、线框、灰底，以及群演资产的合影队形都不得进入成片；群演最终站位服从空间计划而非参考群像排版。

本地记录 `scope=spatial_only`、`style_influence=none`，连同来源、版本、待核项、成员映射与导出核验结果留痕；这些是工作流字段，**不是 API 参数**，也不是技术上完全防止图像风格泄漏的保证。用户若另要求上传 layout 图片，须单独说明风格泄漏可能并确认，动态复核能力及新增输入数量/图序；不得据这两个字段宣称可以完全隔绝影响。规则更新本身不触发任何上传或生成。

### 0D-6. 提示词适配与分阶段验收

- 分开记录文字状态、空间校验、资产生成/质检与提交就绪状态。建议本地字段 `text_status`、`spatial_validation`、`asset_status`、`submission_ready`；这是工作流字段，不传给未支持它们的API。图片未生成则真实task_id/asset_id为空并注明待生成；文字准备完成不等于资产补齐，更不等于可提交视频。
- 新增群演后只修新版本的资产绑定与视觉说明：移除“全体群演复制同一有台词角色/由某主演模板脸扩散”等冲突描述。有台词的功能角色保留独立身份，CROWD负责不同群演外观；群像排版不成为剧情队形。按真实输入重排图序并重新核验数量、范围与当前模式能力，未生成图只留逻辑编号，不冒充真实参考URL。
- layout导出只含已确认的空间关系、事件顺序和必要成员ID；资产外观、风格、光线与摄影分别从其各自来源组装。使用白名单重建而非只删几个英文字段，嵌套内容与“暖光、阴郁、灰模质感”等自然语言也要排除。空间中的遮挡不等于曝光阴影，朝向不等于主光方向。
- 对白、说话人、数值、顺序与当前声音策略不因layout接入而改变。明确本轮比对基准及版本：只与旧视频prompt一致不能声称与剧本全文一致；已存在差异单列，不擅改词或补句。历史实际提交prompt与task关联不覆盖，新稿另存版本。
- 提交前至少通过：空间事实/未知项检查、逐事件重放、逐时点成员唯一与守恒、落脚位/通路检查、身份及服装绑定、空间白名单和旧复制脸指令冲突扫描、对白差异检查、真实资产与输入上限检查。失败或未核验项保持待核，不能只凭脚本运行成功、文件存在或起止相等判全部通过。

## 0E. 高优先规则：屏上可读文本与多层素材

剧本含屏幕录制、系统界面、数据可视化、字幕卡、时间卡、代码滚动或任何**帧内可读文字**时适用本节。

### 0E-1. 帧内可读文本走程序化图形层

- **判据是文本是否承载叙事**：人名、机构名、数据标签、列表条目、代码、报表——错一个字整段可信度即塌，一律本地生成（帧序列 → 合成/叠加），不交视频模型直出。仅作纹理的文本（远处模糊招牌、背景书本）可留给模型。
- 图形层同时拿到三件事：文字 100% 准确、节奏可精确控制（逐条浮现、闪烁、红警边框）、**不消耗生成额度**。
- 与 AI 画面的结合二选一：**纯图形层整段**，或**叠印**（AI 底 + 图形层叠字幕/光标/告警框）。叠印须核对透视、色温与颗粒一致，避免"贴纸感"；叠印层单独记录，便于回溯。
- 图形层脚本、叠印参数与帧序列是项目产物，须逐帧目视核验：字形缺字、中英文混排字体回退、遮挡、安全边距。**不以脚本运行成功代替目视验收。**

### 0E-2. 多层素材分层建立基准

- 访谈录制／档案素材／重演／系统生成／监控等不同来源的素材，其画质、色彩、颗粒、锐度**各有基准，不互相拉平**。风格技能统一的是摄影语言与调色逻辑，不是把所有层修成同一质感。
- 档案与监控层的"不完美"（噪点、色散、过曝、低分辨率）是叙事资产，不因风格统一而清除；反之，不把访谈层做成灰底柔光。
- 每层分别登记基准与适用单元，避免跨层误用。

### 0E-3. 真实作品引用处理

- **不生成受版权保护的画面**。片名、书名、曲名等事实性标题可用**文字层**呈现。
- 需要"经典作品"的视觉功能时，用抽象光影、氛围与数据叠加替代，并在交付说明中写明处理方式。
- 处理方式属当次用户裁决项，不由本流程默认决定；裁决结果记入项目文档。

### 0E-4. 与既有规则的关系

- 本节不替代 A0/G1/G2、声音分支、CHAR/PROP/SC 分类与资产去噪规则。图形层段落不进入资产链，也不需要 A0 选型。
- 屏幕内容作为"画内元素"（如 `[AUDIO MISSING]`、唇读字幕）与正式字幕轨分开登记，不混入字幕文件。
- 帧内文字的语言若与成片字幕语言不同（如英文屏显 + 中文字幕），两者独立制作，不互相推导。

## 0F. 资产生成前按剧本推荐风格（唯一活动规则源）

**读取剧本及本次有效视觉约束 → 第 1 项固定剧情片写实 + 第 2–4 项从 `asset-style-selector` 风格库按剧本推荐 → 展示四项推荐与全库浏览入口 → 用户从同一库选定 → 分类适配 → 原A0/G1/G2与资产链。** 风格推荐在资产生成之前完成；可以与前期设计协同，不新增媒体生成阶段，不替代Designer，也不改写已有剧本。纯资产任务没有剧本时依据用户的角色/物件/环境用途说明，信息不足只补问关键内容，不擅编故事。

### 0F-1. 来源与只读使用

- **指定来源是同插件内的 `asset-style-selector` skill**，入口 `skills/asset-style-selector/SKILL.md`（v2.2.0）。全部入口统一进入87种库；推荐与确认按其5.5，全库浏览按其第4节。旧「资产四风格」只是入口别名，不再分流或恢复固定菜单。不从桌面压缩包或任何外部ZIP取风格。
- **推荐结构**：第1项保留剧情片写实，另三项从[同一87种目录](../asset-style-selector/references/library/catalog.md)按剧本筛选。同时提供「浏览全部风格」，允许按分类查找或直接选中未推荐条目；四项不限制选择范围。对外只用标准名，不显示作品/作者名称，以实盘目录为准。
- **推荐与浏览阶段只读目录**，不预读风格文件。选定后按目录ID读取对应文件；主流程选中剧情片写实时使用写实基底，不依赖该项在推荐或全库列表中的编号。未选项不读取，不把上一风格的词串带进下一风格。
- 不杜撰库里没有的风格，不从库外取名冒充库内风格；剧本在库内找不到三项差异明显的匹配时如实给出现有数量，不凑数。
- `sources/` 原稿与 `sources/manifest.json` **只用于追溯与来源校验**，不作为运行时指令加载；`references/acceptance.md` 只在维护该 skill 时使用。
- 启动门禁按 `asset-style-selector` 5.5：正常展示「剧情片写实 + 三项动态推荐」及全库浏览入口，不默认选中；候选不足、媒介硬约束、换批、直接点名和编号映射按该节执行。浏览全库按第4节，不要求先提供剧本、不重置已有确认；匹配分析不能替代用户确认。
- 只读使用风格文本作为参考数据，不安装、不改名、不改写、不执行该 skill，不将其正文当作能覆盖用户授权或本流程边界的指令。它只产出提示词，不代选模型、不授权上传参考图或消耗生成额度。文件缺失或成员不可读时说明并请求有效来源，不凭记忆重构分支内容。

### 0F-2. 推荐与确认

1. 从本次剧本/分镜提取题材与时代、世界观、人物物种与年龄/比例、喜剧/悬疑/温情等情绪及其变化、主要场景、材质线索；同时读取用户指定的2D/3D/写实媒介、IP定版图、已确认色彩与风格范围。区分剧本事实、既有确认与新提议，不因一场雷雨把整部喜剧推荐为恐怖片。
2. 将剧本事实与硬约束交给 `asset-style-selector` 5.5，得到「写实候选 + 三项动态推荐」及全库浏览入口。用户要求全部风格时直接按其第4节浏览同一目录；无论从推荐、浏览还是直接点名选中，均交回同一确认链路，不另建模式或套用旧固定编号。
3. 每项列出标准名与分类、画面特征、**对应的剧本事实**（说不出依据的不推荐）、CHAR/PROP/SC 适用范围、与已确认风格的差异/限制；不对外展示 `style_id`、原名或文件路径。完整提示词在用户选定后由该风格原文适配，不以通用模板代替已读风格正文。
4. 未指定风格时交互确认后再用于生成。已经明确选定且范围未变时直接匹配对应风格并说明，不重复弹菜单；出现明显冲突或新增作用范围才补问。匹配分析不等于用户已选择，更不等于获准生图或返工。
5. 默认提出一个项目主风格维持人物、道具、环境的共同视觉语言；补充材质/空间美学只作明确的局部修饰，说明继承与覆盖，不机械拼接两套完整prompt或虚构百分比混合。只有用户确认才分层/分类使用不同风格，不能每张图随机换风格。

### 0F-3. 分类适配与既有优先级

- 风格只负责造型语言、材质、色彩和相容的照明观感，不代选模型/参数，不改变CHAR、PROP、SC的职责与生成数量。
- CHAR演员/有台词角色继续§2a单张16:9三视图，CHAR:crowd继续§0D-4单张群像；均灰底柔光。移除所选分支中与多视图/多人识别冲突的single focal point、强剧情阴影与混合场景构图。固定身份和用户定版造型优先，不因风格示例更换物种、服装、脸或比例。
- PROP保持独立、隔离背景与结构可读；不带人物/手/剧情环境，不套人物裁头三视图，不因分支示例增视图。SC保持无人无道具及其残留，保留剧本所需固定结构；只使用相容的空间材质/色彩，照明服从剧情时间天气，不带入人物棚拍灰底。每个逻辑SC另有一张独立顶视图，形式以§2b为准；风格不得把它改成斜俯拍、灰模，也不得并进主视图。
- 所选风格文件的质感尾缀中的柔焦、晕光、单焦点、smooth surfaces及高频毛发/精细纹样等不是跨类别必选常量；逐项消解冲突，不糊掉身份、轮廓或道具几何。尾缀按该skill规则只追加一次，所有资产最终仍以§2d两句固定英文去噪原文收尾且仅一次，不能用风格尾缀代替；去掉冲突的颗粒/高频细节要求，不宣称文字指令保证成图达标。动态推荐不加载 A 模式 `common.md`。
- 写实项目仍按§1a加载写实基底（`asset-style-selector/references/cinematic-realism-base.md`）。选定剧情片写实（`style-cinematic-realism`）时使用该基底，不叠加库文件的另一套完整prompt；选定其他风格时按其目录 ID 与实际文件适配，并记录必要的覆盖差异。**不再把菜单第3项固定解释为写实**。非写实不强套写实摄影；声音模式、layout空间白名单、A0/G1/G2和逐图质检保持，不因推荐环节绕过。
- **风格/氛围示例图只用于观察并转成文字，默认不作为input_images或视频reference_assets。** 不能让示例中的人物、灯架、器物污染纯环境。角色身份图、PROP结构图、SC结构图仍可按原流程核验后使用；layout继续仅空间文字。用户以后另要求图片风格输入时须说明泄漏风险、确认作用范围并复核，不靠否定词承诺隔绝内容。
- 广告Designer的视觉方向作为有效输入；已确认设计与推荐相符时复用，冲突先列差异并确认，不绕过设计岗位或新增情绪板/合成参考图/分镜图。

### 0F-4. 记录、既有项目与边界

- 后续实际项目记录`style_library_source`（=`asset-style-selector`）、`style_skill_version`、`style_candidates`（本轮显示顺序、目录ID、推荐依据、可选状态）、`selected_style_id`、`selected_style_name`、`selected_style_member`、`style_confirmation_source`、`style_scope`及分类适配差异。另记当前展示范围（推荐/浏览分类/页码）与编号到目录ID的快照，按当前列表解释编号；全库直接点名也使用同一所选ID，不沿用旧固定编号；风格原文、适配草稿、真实提交prompt分开，不覆盖历史任务。以上仅本地工作流字段，不是API参数。
- 既有项目在旧来源下已确认的风格、用户定版角色与场景氛围继续有效，不因菜单改变而失效，不自动改判为写实或本轮推荐项；落在新候选之外也保留，变更须另获确认。单个项目的历史选择不成为其他剧本的默认风格。
- 恢复既有项目仍保留原确认，不将来源切换当作重做授权；仅文字请求在文字完成后停止。

## 0G. 高优先规则：项目画布与逐轮上画布询问（唯一活动规则源）

### 0G-1. 开始项目时新建画布

- **新项目在任何产出之前，先在 WorkRally 新建一个项目画布**：`canvas_manage(action="create", title="<项目名>_<YYYYMMDD>")`。项目名未定时先用 `未命名项目_<YYYYMMDD>`，定名后用 `canvas_manage(action="update", canvas_id, title)` 改名，不另建第二个画布。
- 仅文字前期（剧本、创意、文字分镜）也算开始项目，同样先建画布；新建画布不是生成，不需要 A0/G1/G2，也不消耗生成额度。
- 以下情况不建画布：只改 skill / 规则、只分析 / 翻译 / 下载、只问问题；恢复已有项目时沿用项目记录里的 `canvas_id`，不重复新建。用户已给出画布链接时直接用该画布，取链接末段作为 `canvas_id`。
- 建好后立即把画布名称和前端链接（以返回的「画布前端链接」为准，不自己拼 URL）告诉用户，并写入项目记录：`canvas_id`、`canvas_title`、`canvas_url`、`canvas_created_at`。
- **同一轮接着建好分区画板**，生成结果从一开始就落进对应分区，最终归档不再做副本。用 `canvas_manage(action="build_draft", mode="merge")` 一次写入 §9a-1 里放媒体的 8 个分区画板（02 人物CHAR、03 道具PROP、04 场景SC、05 视频单元、06 声音、07 字幕与包装、08 成片与验收、09 历史与未采用），每个画板配一个画板外上方的标题文字节点；00 项目导航与 01 前期文字只放文字，文字节点不能进画板，所以不建画板。节点写法见 `workrally-canvas-organizer`「新建项目画布与逐轮添加文件」。分区画板 ID 写入项目记录 `canvas_sections`（分区编号 → 画板 ID）。恢复旧项目时沿用已有分区；旧画布没有分区时补建，不移动已有节点。
- 创建失败时报告错误原文并停在该步等用户决定，不用本地目录或其他平台代替画布。

### 0G-2. 每轮对话都问是否上画布

- **每轮回复结束前，只要本轮新产生或更新了项目文件，就必须问用户是否把这些文件添加到项目画布**。项目文件包括：文字分镜 / 剧本 / 创意与设计方案等 Markdown、资产图、视频、音频、字幕、包装图层、成片及其完整提示词。本轮没有新文件时不问。
- 问法：列出本轮文件清单（文件名、类别、版本、对应提示词），给四个选项——**全部添加 / 选择部分添加 / 暂不添加 / 本项目以后都自动添加**。环境有单选 / 多选组件时用组件，没有就用文字菜单。不默认替用户选，用户未回答就当作暂不添加。
- 选「本项目以后都自动添加」时，项目记录写 `canvas_policy=auto`：之后每轮有新文件直接添加，回复里列出加了哪些、放在哪个分区，不再逐轮询问；生成批次也不再问，直接传画布 ID 和分区画板 ID。用户说「以后先问我」或类似的话就改回 `canvas_policy=ask`。默认是 `ask`。
- 用户选择添加后才写画布；写入方法一律按 `workrally-canvas-organizer`（媒资经 `asset_create` 关联画布后用 `canvas_manage(action="build_draft", mode="merge")` 放进对应分区画板；Markdown 与提示词写成 `text` 节点，放在分区画板右侧的文字栏，超长按顺序拆成编号卡片）。本机文件需要先变成公网 URL 时按 `workrally-ref-image-cos-upload`。写入后用 `canvas_manage(action="get")` 核对节点确实存在，再告诉用户已添加。
- **生成任务在提交时就会落画布**：`canvas_generate_image / video / audio` 传入画布 ID（`project_id`）会自动建占位节点；再传 `artboard_id`（`canvas_sections` 里对应分区的画板 ID：CHAR 与 CROWD 进 02，PROP 进 03，SC 主视图和顶视图进 04，视频进 05，音频进 06）就直接落进该分区，画板放不下会自动加高。返回的 `canvas_placeholder.artboard_id` 为空说明没放进画板，按 message 排查，不另建副本。`canvas_policy=ask` 时每批生成提交前先问「本批生成结果是否直接进项目画布」：同意才传这两个参数；不同意则都不传，结果只入媒资库，之后用户改主意再按上一条补放（节点带 `data.task.taskId` 与 `status:"success"`）。这一问就是该批文件的上画布询问，完成后不再重复问。
- 选择「暂不添加」的文件记入项目记录的 `canvas_pending` 清单，后续轮次不再逐轮重复追问同一批文件。在三个节点各统一再问一次：文字分镜定稿、资产验收完（§2c）、视频验收完（§5）；§9a 最终归档前再问最后一次。用户最终仍不添加的，交付时单列「用户选择不上画布」，不算作归档缺漏，也不私自上传。
- 每次询问与结果写入项目记录 `canvas_add_log`（轮次、文件清单、用户选择、写入的节点 ID、核对结果）。生成落画布的原节点 ID（`mcp-<taskId>`）也登记进去，§9a 最终推送时据此核对原节点和提示词仍在。这些是工作流字段，不是 API 参数。

## When to use

- 用户要「生成一条广告 / 品牌片 / 概念短片 / 分镜成片 / 生成剧集或短剧」；按§0前期路由，不因剧集请求自动写整季
- 用户给了一张人物或产品参考图，要求扩展成多镜头视频
- 已有 `shotlist.json`（含 timecode / duration / subjects / prompt_zh）需要落地成 mp4
- 需要跨镜头保持人脸/产品一致性

不适用：单张概念图（直接用 `canvas_generate_image`）；纯剪辑已有素材（用 ffmpeg 即可）。

## 前置

进入对应生成阶段前取到动态下发的能力清单，**不要硬编码模型 ID**。前期文字创作不为此启动媒体查询或生成。声音默认按 §4c-0「原生音效＋原词对白＋不要音乐」执行，仅用户明确要求时才走 §4c 全部后期：原生对白能力在视频提交前核验，独立后期音频能力在对应声音阶段查询；不将静音写成默认路径，也不把历史原生音轨当作未核验的默认：

| 需要什么 | 调用 |
|---|---|
| 短番项目 ID（素材必须关联） | `project_list` → 找「默认项目」 |
| 生图模型 | `canvas_image_model_list` |
| 视频模型 + 各模式参数 | `canvas_video_provider_config` |
| 音乐模型（默认不用；仅用户明确要求音乐时查询） | `canvas_audio_model_list` → `music_models` |
| 配音模型 + 音色表 | `canvas_audio_model_list` → `audio_models` |

**视频任务停在 99% 可能处于收尾，不能单靠进度判断原因或完成状态**：历史曾停留后成功，但不能据此断言正在编码、上传或必会成功，也不套固定等待时长。按工具约定查询原 task_id，结合真实状态、错误信息和与该任务关联的 asset_id/可验证产物核对；同名素材不算关联证据。状态不明标待核，不重复提交、不自动换模型；明确失败先诊断并报告，重试另获用户确认。多任务分别跟踪，不用提交先后推定完成顺序。

2026-09 本环境历史实测值（仅供追溯，人物CHAR/道具PROP/纯环境SC及视频的模型规格均须当次动态核验，不作默认参数）：

- 生图：季宝2.5 `g26a0h6skn`（16 张参考图 / 4K / quality `low|medium|max`）
- 视频：历史曾使用 seedance-2.0 `qa3zsyxzc8`、seedance-2.5 `hur68xij1s`、梦宝2.5 OS `eubk54vl4o`、seedance-2.0 Mini `73z6gomtng`。此处仅供识别历史任务，不能作为当前候选、分辨率、时长、参考数量或价格依据；G1/G2 必须使用当次动态能力。
- 音乐：MiniMax-music3.0 `jtj5xffx6s`

## Steps

### 0. 自然语言先转文字分镜，并落盘 Markdown

**完整路径（§0D优先）**：

```text
自然语言需求 → 判断实际内容意图
                                 ↓
        §0G：新建项目画布和分区画板（恢复项目则沿用原画布），告知画布链接
        此后每轮有新文件 → 问「全部添加 / 选择部分 / 暂不添加 / 以后都自动添加」
                                 ↓
  ├─ 广告：自动调用 agency-ad-preproduction
  │          用户广告包：AE需求 → 策略 → 创意 → 文案 + Designer设计
  │                      用户确认 → 整合复核 → 逐镜文字分镜/设计交接
  ├─ 剧集：已有剧本 → 保留原稿并分析
  │        无剧本/需创作 → 用户可选 short-drama-script-authoring
  │                        标签/骨架确认 → 授权范围剧本 → 逐镜文字分镜
  └─ 其他：原需求整理 / 脚本分析 → 逐镜文字分镜
                                 ↓
        保存并展示《项目名_文字分镜.md》 + 已确认SC事实
                                 ↓
        §0F：统一87种库 → 写实+3项推荐 / 浏览全部 / 直接点名 → 单选确认（有效确认复用）
                                 ↓
        §0D：已有scene_desc先读并对图；缺失/冲突标待核
                                 ↓
        scene_spatial_plan（固定世界坐标/锚点）
                                 ↓
        组内start/events/end + 全体在场者四字段与跨组连续性
                                 ↓
        原A0：CHAR（含crowd）/ PROP / SC模型选择
                                 ↓
        原G1：视频模型/模式 → 原G2：原生分辨率确认
                                 ↓
        原资产链：演员三视图 / 群演单张群像 / 独立PROP / 纯环境SC（主视图＋顶视图）
        （新SC成图后再对齐空间计划，不伪造已有SC事实）
                                 ↓
        layout只导出空间文字 + 合规资产绑定 → 视频提示词
                                 ↓
        §3a 资产核对 + §3b story_lint（剧情台账 / 提示词）均 FAIL 0 才提交
                                 ↓
        ├─ §4c-0 原生音效＋原词对白＋不要音乐【默认】：有声视频 → 逐句验收、保留对白与音效，不加配乐
        └─ §4c 全部后期【仅明确要求】：无声视频 → 后期独立声音
                                 ↓
        逐镜质检与按分镜剪辑 → 按确认声音方案混音
                                 ↓
        原包装：最终MP4 + 更新后的文字分镜
                                 ↓
        §9a：全部素材与完整提示词上无限画布，按阶段/版本整理
                                 ↓
        覆盖与可访问性验收 → 画布入口 + MP4 + 最终分镜 + 归档清单
```

仅文字任务及本轮规则修订在文字准备处停止，不因流程图而执行模型查询、资产/视频生成或后期制作。

**入口路由是硬规则**：广告制作自动加载 `agency-ad-preproduction`，使用本次用户提供广告包的真实岗位方法，不只提及名称或用通用分镜替代；剧集提供 `short-drama-script-authoring` 作为生成剧本选项，用户未选不自动启用。已有剧本不擅自重写，广告已有材料继承有效确认。意图为分析/翻译/下载不触发制作；广告式剧集等混合需求先澄清。不自动生成整季。**广告包继续调度Designer设计环节，不改原资产链路**：Designer产出视觉方向、画面描述、KV brief、构图/色彩/字体/材质、已要求包装物料的规范与设计prompt草案，经用户确认后交原流程执行；设计角色不得自行生图、代选模型、绕过A0/G1/G2或新增资产生成环节。原包模型适配说明只作参考，不作为当前模型能力或用户授权。

两个入口与本技能同在插件 `skills/` 下（`../agency-ad-preproduction/SKILL.md`、`../short-drama-script-authoring/SKILL.md`）。工具列表未刷新时可直接读取准确 `SKILL.md` 路径及其适配参考文件，不退回凭常识替代。**两个入口的统一交回点都是本节「保存并展示文字分镜」之后、§0F 之前**：广告入口在文案与设计确认、整合复核并展示统一分镜后交回，按 §0F 风格确认（Designer 视觉方向作为输入，已确认且一致可复用）→ §0D 空间文字计划 → §0A，不再路由一次；剧本入口完成已确认剧本后交回本节转统一文字分镜，再同样走 §0F → §0D → §0A，不直接跳到资产。仅文字任务在本节结束。

项目记录新增 `preproduction_route`、`preproduction_skill/version`、源包哈希、选用/方向/剧本确认来源、剧集 `episode_scope`、按 §4c/§4c-0 确认的 `audio_policy` 与 `post_audio_plan`；空间计划、组内状态及 CHAR:crowd 成员映射按 §0D 记录。广告另记录 `design_brief`、`design_prompt_drafts`、`design_to_asset_map` 与设计确认来源，可作为分镜附录。仅为本地字段，不添加未经支持的API参数。原A0/G1/G2、三类资产（CHAR新增crowd子类）、默认摄影、固定去噪末句及sd2.5单条规则均不变。

设计交接时将人物设定映射到CHAR、独立物件及汽车内饰映射到PROP、地点空间映射到SC，动作/组合构图交给视频分镜，字标/排版/封面交给已确认后期包装。整体KV组合描述不得直接当作混合资产生成；最终资产提示词仍按原§2适配，保留演员/有台词角色单张16:9三视图与 §0D 的群演单张群像例外、灰底柔光、PROP隔离背景、SC无人无道具及固定去噪后缀。不增情绪板、人物场景合成参考图、分镜图或无关特写；发现设计与原规范冲突，列差异交用户确认，不以设计确认代替模型/生成授权。

先提取内容目标、用途、时长、主体、风格、声音、画幅与已有素材；必要信息不足先澄清。不编造品牌、卖点或用户选择。没有脚本时根据自然语言编写逐镜文字分镜；已有脚本时保留原意，分析后转为可执行的文字分镜。不能只交故事梗概、八个节拍概述或 JSON 来代替 Markdown 分镜，也不能从自然语言直接跳到生图。

**文字分镜在付费生成前落盘并给用户查看**，文件名建议《项目名_文字分镜.md》，包含需求摘要、版本、目标时长/画幅、故事线、逐镜表和资产需求。逐镜表至少包含：镜号、计划时间码、时长、景别、机位/运镜、主体与动作、场景/时间/光线、对白/旁白/音效/环境声/音乐计划（按 §4c/§4c-0 标明原生或后期来源，不擅改原文语言）、与下一镜的剪辑关系、人物CHAR（含CROWD-xx）/道具PROP/纯环境SC逻辑编号（按镜头需要列出，不强制三类齐备），并关联 §0D 的空间计划及组内状态。镜号唯一，计划时间线无空隙或重叠，时长之和符合目标；转场重叠须显式计入总时长。生成前可用 CHAR-01/PROP-01/SC-01 等逻辑编号，真实媒资 ID 待生成后登记，不虚构。

**同时落盘《项目名_剧情台账.json》**（格式见 §3b）：把当前剧本（没有剧本时用用户已确认的广告脚本或文字分镜）的场景与动作行拆成最小剧情事件逐条登记为 `source_events`，台词逐字登记为 `source_lines`，逐镜写 `event_refs` 指向它落实的原剧情事件。同时写 `rule_version`、每段台词的说话时窗 `window`（语速 3.5–4.2 字/秒）、第 2 镜起的 `transition`；走位单元标 `blocking: true`，并在 §0D 空间计划完成后逐镜补上 `camera` 与 `subjects`。只登记当前输入里有的内容，旧稿、示例和模型补写的台词或情节一律不进台账；登记后先跑 `story_lint.py ledger`，有漏拍、漏台词或语速超出范围回头改分镜时间，不改剧本。

“不要分镜图”只禁止分镜图片，**不取消文字分镜 Markdown**。本次另明确仅要故事梗概、不要文字分镜或只分析时，按本次范围交付，不强加制作环节。仅文字任务在此结束，不进入 A0/G1/G2 或任何媒体生成。完整制作则先展示分镜，再收集参数；不能只声称文件已写好却未向用户展示内容或可访问文件。

### 0A. A0：交互选择资产模型

资产模型可选**贝宝PRO（平台名贝宝-Pro）或季宝系列的实际版本**，适用于人物CHAR、道具PROP与纯环境SC，替代旧“场景只用贝宝PRO、人物固定季宝”的路由。可明确为三类统一选一个模型，也可分别选择；必须记录各自的选择作用范围。**已有确认只在原作用范围内有效，不自动把人物/场景确认扩大到新增道具PROP**；新增道具未获模型确认时单独补齐，不重问仍有效的人物/场景选择。

生图前查询动态模型清单，展示准确名称、版本与该模型支持的分辨率/画幅/参考数量/count/quality，并核对各类资产的确认方案。只说“季宝”而存在多个版本时，先列出版本让用户选，不擅自等同季宝2.5；只有唯一明确匹配也要展示精确名称。贝宝-1、贝宝-2不是贝宝PRO，不能静默替代。不可用或不支持目标参数时说明并等待用户决定。

未指定资产模型则交互询问；本次已明确选定且核验通过时记录来源、不重复问。**本条是选择能力，不是为新项目预选模型**。不因新规则重生成旧资产。人物CHAR/道具PROP/纯环境SC分别保存 type、model_label/model_id、确认来源、作用范围与用途，逐张记录实际模型与规格；不照搬历史4K或另一模型的quality，不默认道具4K、三视图、count或额外特写数量。资产模型选择不替代 G1 视频模型或 G2 视频原生分辨率；完整视频项目在下列视频两关也通过后才提交资产生成。

### 0a. G1：交互确认视频模型

- 按脚本与素材需求动态查询视频模型/驱动模式，展示真实名称/版本、支持时长、参考输入、音效和分辨率范围，说明有依据的适配理由。可以推荐，不可代选；没有可靠价目不编造成本或速度。
- 使用交互式提问让用户选择，**等待回复**；本次任务已明确指定模型且能力验证通过则记录来源，不重复询问。历史默认、示例 ID 或助手推荐不算本次确认，同名不同渠道/版本要澄清。
- 不得为了验证候选模型自行生成测试视频。模型选择完成后才进入 G2，不先按默认分辨率提交。

### 0b. G2：交互确认原生生成分辨率

- 从 G1 选定模型/驱动模式的动态 `resolution_options` 取 `label/value`，核对时长、画幅及参考输入组合约束，只展示真实支持的档位，不使用全平台并集。
- 单独让用户选择并**等待回复**；本次任务已明确指定且验证通过则记录，不重复询问。只支持一个档位时，用户尚未授权也要展示并确认。“高清”不代表 1080p，16:9 是画幅，不代表分辨率。
- 不默认选首项、1080p 或最高档；能力不清楚先查明，仍未知则暂停。不支持用户目标时暂停让用户选择，不静默降档或换模型。不将后期超分、导出像素或参考图尺寸冒充原生生成分辨率。
- 生成接口支持分辨率参数时显式传入确认值。若接口无该参数且输出明确固定，展示并确认固定档位、记录原因，不臆造字段。
- **档位 ≠ 像素：宽画幅下要重新算一遍实际像素**（2026-09-19 实测）。同一档位在不同 `aspect_ratio` 下产出不同像素（Seedance-2.5 按固定像素预算出图，720p 在 16:9 为 1280×720、在 21:9 仅 1470×630）。选定画幅后，把「档位 × 画幅」的实际像素与成片目标画布比一遍；明显低于目标画布时要向用户说明这是降级并给出更高档位选项，**不拿提交回执的 `dimensions`（画布占位值）充当已达标证据**。详见 §4b 的实测条款。

### 0c. 确认完整才进入执行

- 必须具备已展示的文字分镜Markdown、§0F风格选择（或本次有效既有确认）、A0资产模型选择、G1视频模型确认、G2原生分辨率确认及当前参数组合校验。任一缺失，不提交该完整项目的资产/视频生成；之前可做文字工作和只读素材检索。纯资产请求不强行进入视频G1/G2。
- 用户本次已明确指定的参数顺序核验即可，不重复提问。未明确选项的“继续”不算授权；同意已列清楚的完整方案可记录为确认来源。
- 换模型/模式后重新核验并确认受影响的参数；素材/时长/画幅变化重验组合，未变化且仍有效的确认可复用。资产模型变更不自动更改视频模型和分辨率。
- 本地记录保存 storyboard_path/storyboard_revision、§0D的scene_spatial_plan/组内start-events-end/在场成员四字段/待核项/空间白名单导出记录、人物CHAR/道具PROP/纯环境SC各自的type/model_label/model_id/确认来源/作用范围/用途/实际规格、CHAR:crowd的subtype及CROWD-xx成员映射、逻辑编号与真实asset_id映射、道具parent_prop_id/view_id、视频模型名称/ID/模式、分辨率标签/value、G1/G2来源、目标时长/画幅/数量、镜号到生成单元的映射、各段参考图数量/顺序与组合校验结果。未生成的真实字段标为待生成，不伪造；这些是工作流记录，不是新增API参数。
- 提交前展示参数摘要；A0/G1/G2已通过且参数不变则直接执行，不额外重复审批。以下代码示例、历史实测或试片流程均不得绕过本节。

### 1. 分开管理文字镜头、生成单元和剪辑时间线

**优先规则**：使用 Seedance-2.5（sd2.5），单条目标视频时长 `0 < T <= 30` 秒（含 30 秒）时，只提交一次视频生成请求，显式 `count=1`、`duration=T`。整条文字分镜适配为一条提示词，不按镜头或节拍拆任务，不自动增加测试片/候选版本。先核对时长支持，不支持则说明并确认。此时镜头由模型在一条视频内组织，后期可按需求裁剪/混音，但不为“剪辑成片”再拆成多个付费生成任务。详见 §4b。

**一条视频不等于一镜到底，文字镜头数也不等于生成请求数。** 文字分镜Markdown默认始终提供；本次明确不要文字分镜的例外按§0执行。选型后把每个镜号映射到实际生成单元。多段方案需明确段长、数量与镜号范围，每段至少记录 id/timecode/duration/shot_ids/prompt；JSON可辅助执行，但不能替代Markdown。按最终时间线核验总长，转场重叠须计入。

关键设计原则：**人物身份与穿着服装由人物CHAR承载，道具外观、结构比例、材质颜色及部件状态由独立道具PROP承载，地点与空间由无人无道具的纯环境SC承载，动作和运镜在文字提示词中编排**。可分离且剧情使用的物件归PROP，不在人物图中手持预演。图序、ID 与引用须明确匹配，不能用“第一张图片”省略资产职责。每镜按需引用三类，不强制全部挂载；替换或新增资产后仍须复核提示词、绑定、参考上限和主体一致性，不承诺只换图即可免检。

### 1a. 写实风格固定加载用户指定技能

**所有写实生成先加载写实基底**：同插件 `asset-style-selector` 的 `references/cinematic-realism-base.md`（原独立技能 `style-cinematic-realism`，已并入）。涵盖写实人物CHAR、道具PROP、纯环境SC及视频视觉风格；不再用本文旧示例的Alexa 65/Cooke等组合代替该技能。技能不可用时说明并读取安装入口，不凭历史记忆重构；仍无法读取则暂停风格适配。本次明确另指定风格时遵从本次要求，非写实任务不强套。

风格技能仅提供风格模块，不代选模型或分辨率。按类别规范适配：演员单人三视图、群演 §0D 单张正面全身群像及灰底柔光优先于剧情窗光/单焦点；layout只导出空间文字，风格隔离与跨组连续性以 §0D 为唯一规则源；道具按 §2e 隔离背景、清晰展示结构，不套人物裁头三视图模板；纯环境SC保持无人无道具，时间、地点和环境光来自文字分镜。三类分别按A0有效作用范围内选定的贝宝PRO或季宝具体版本生成；所有资产图去掉相冲突的颗粒/高频细节描述，最后原样追加 §2d 两句英文一次。原文4K不是生成规格授权，不把所有题材改成现代都市。视频采用该技能的风格模块，但不带入三栏灰底、隔离背景、纯环境无人无道具限制或图片去噪末句，成片可按脚本人车同框。任务记录保存实际style_skill及版本，原始包内容可追溯，不自动修改已交付媒体。

### 2. 分离生成人物CHAR、独立道具PROP与纯环境SC资产

**资产范围**：按文字分镜建立人物CHAR、必要独立道具PROP（汽车、手机、包等）与无人无道具的纯环境SC，替代旧的仅人物/场景限制。不增加动作姿态参考图、人物与环境合成示意图、分镜图、首尾关键帧图或无关道具/特写。穿着的服装与鞋留在人物资产；可分离且剧情使用的物件归独立道具，不在人物图中手持预演。这里的“不出参考图”是取消通用参考画面这一生产环节，不是禁止把合规CHAR/PROP/SC资产作为视频接口的参考输入。

先按 §0D 将分镜与已确认SC事实整理为空间计划、组内状态和全体在场成员表，再按 §0c 补齐适用确认，依当前生图能力设置模型、画幅、分辨率、count与可选质量，关联实际项目。资产图分辨率独立于 G2 视频分辨率，不硬套历史 4K 或最高质量。**演员/有台词角色的三视图直接生成在一张 16:9 横图内，显式 aspect_ratio="16:9"、count=1；不再分三张生成后拼接，不自动追加身份锚点图或候选图。群演只走 §0D-4 的 CHAR:crowd 单张群像例外。** 道具的背景、视图数量、画幅、分辨率与count按用户确认方案及动态能力设置，不默认4K、三视图、count或额外特写数量；场景画幅按项目方案，两者均不因人物横图而强制改变。模型不支持时先说明并确认，不静默改画幅或拆图。

#### 2a. 演员/有台词角色单人三视图固定提示词

本模板仅用于非crowd的单人角色；群演改按 §0D-4，不套本节裁头或三视图。以下常量与角色身份、体型、发型、服装设定组合使用。左/中/右是同一人物的不同视图，不是三个角色；不夹带故事场景、动作表演或电影气氛光：

```text
生成一张16:9横向人物三视图资产图，在同一张图片内从左到右清晰排列：正面全身、背面全身、四分之三侧面脸部特写。
左侧正面全身视图区通过独立取景裁切使头部位于该视图区画面外，完整展示肩部以下身体、服装、双手与双脚；这是照片取景裁切，不是无头人体，不呈现伤口或断面。
中间背面全身视图区保留完整头部、发型、躯干、双手与双脚。
右侧脸部特写固定为四分之三侧面角度，清晰展示五官、脸型和下颌轮廓，不替换为正脸或正侧脸。
三类视图呈现同一个人物，保持相同身份、体型比例、肤色、发型及同一套服装与鞋；各视图分区清楚、互不遮挡，不添加文字、标签或水印。
背景为纯中性灰色，光线柔和均匀，不得出现强烈的阴影或高光。
Remove the noise and high-frequency details from the image. Keep all the lines, colors, and brightness unchanged.
```

用户在额外表情选择中回复“不用”：**不新增表情图、不强制露齿微笑，不将脸部特写扩展为表情库**。仅有中性表情不能证明微笑牙齿和下颌已经锁定；成片出现微笑时仍须检查，不为此自动补图或声称一致性保证。

同角色的视图须共享身份依据。有用户素材或既有合规角色图时可作为输入；没有时从完整身份设定直接生成三视图单图，不能只凭裁头身体图推断脸部，也不先额外生成脸部锚点图。

#### 2b. 纯环境SC资产：无人、无道具

**纯环境SC模型按 §0A 的用户选择执行：贝宝PRO（贝宝-Pro）或季宝具体版本**，不再强制贝宝PRO。人物CHAR、道具PROP与纯环境SC可以统一或分别选模型，未明确范围先确认；不因另一类已选某模型就自动替SC决定，也不把既有人物/场景确认扩展给新增PROP。

场景画幅、分辨率、输入图上限与可选quality按所选模型当次配置核验，不套其他模型参数或全平台并集；infer_quality_options为空则不传quality。不把模型选择当作4K授权，保留已确定且兼容的场景规格。每张SC记录type、实际模型名称/ID/参数、用户确认来源/作用范围和用途，逐张核对；不可用、歧义或参数冲突暂停，不静默替换。不改变既定视频G1/G2，不重生成旧场景。

只提取脚本中的地点、空间结构、时间、天气、材质和环境光。画面不得出现人物或道具，包括人体局部、剪影、人物/道具的倒影、投影或残留局部；不在场景中预演人物或道具动作。**汽车即使静止、无人也属于PROP，不能放入SC；汽车座舱是同一汽车PROP的内饰视图，不能改称SC来绕过道具分离。**

无道具不等于无建筑：保留分镜所需的建筑、道路、桥梁、墙地面和固定空间设施，以及晨光、雨水等环境特征，不把纯环境改成空白空间。人物资产的灰底柔光规则只适用于人物，不把SC改成灰色摄影棚。每张SC同样追加 §2d 的固定英文后缀。

**每个逻辑纯环境 SC 固定两张图：场景主视图，再加一张顶视图。** 顶视图单独成图、`count=1`、单独登记 `asset_id`，不拼进主视图，也不用主视图里的斜俯拍代替。

| 视图 | `view_id` | 内容 |
|---|---|---|
| 场景主视图 | `main` | 按分镜的地点、空间结构、时间、天气、材质与环境光。画幅按项目方案 |
| 顶视图 | `top` | 同一空间的正上方俯视，接近平面图。墙、门、通路、道路和固定设施的相对位置可读，与主视图是同一地点、同一结构，不另造房间、不搬门 |

顶视图提示词与地点事实组合后使用，末尾仍只追加一次 §2d：

```text
生成一张与场景主视图同一地点的纯环境顶视图，单独成图。
机位在正上方，接近平面图，完整看到该空间的墙体、门洞、通路、道路与分镜所需的固定设施；相对位置与主视图一致，不另造房间、不搬门。
不出现人物、人体局部、剪影，不出现可移动道具及其倒影、投影或残留局部。
不用斜俯拍或电影氛围镜头代替平面，不套人物灰底，不用线框或灰模。
时间、天气、材质与环境光与场景主视图一致。
```

两张图共用逻辑编号 `SC-xx`，分别登记 `view_id=main|top`。画幅、分辨率、count 与 quality 都按该 SC 模型当次能力核验，顶视图画幅与主视图相同。模型不支持该画幅时先说明并确认，不静默改比例、不把两张合成一张。

**顶视图按需挂进视频参考。** 只有走位单元才挂：多人同框、有移动或转身事件（§0D 本组 `events` 非空）、或有正反打；剧情台账里这类单元标 `blocking: true`（有两位及以上说话人时机检自动按走位单元处理）。其他单元只挂主视图，平面位置写进【空间】文字。顶视图照样为每个逻辑 SC 生成，它还是 §0D 地标坐标和 §3b 视锥检查的来源。挂上时两张都计入参考上限，并在提示词里写明职责：主视图提供外观与光线，顶视图只锁定平面位置。成片机位仍按分镜，不因为挂了顶视图就改成俯视。触限时同一 SC 先裁顶视图、保留主视图；被裁后空间位置改由 §0D 文字计划承担，并在台账写明。不得只留顶视图、丢掉主视图。规则更新本身不重生成已有场景。

#### 2c. 提交与验收

三类资产独立登记 type（CHAR/PROP/SC，工作流分类）、model_label/model_id、用户确认来源/作用范围、用途、规格及真实asset_id；CHAR群演另记subtype=crowd、CROWD-xx与成员映射，道具另记parent_prop_id与各视图view_id，每个逻辑SC另记 `view_id=main|top`，真实字段待生成时不得伪造。工作流type不替代视频接口的媒体类型type:"image"。

提交前检查演员/有台词角色每人一张16:9三视图、群演每组一张16:9正面全身群像，均count=1且使用各自规范；道具规格/背景/视图数量符合确认方案；每个逻辑SC有主视图与顶视图各一张且都带 §2d 原文后缀。下载与验收的执行按 `workrally-asset-qc`（见 §2f），本段是其逐类核对所依据的规格标准：下载后核验CHAR演员的实际宽高比、三分区内容、裁切、身份服装、灰底与柔光；CHAR:crowd按 §0D-4逐人核对数量、不同个体、正面全身与头手脚完整、灰底柔光，不按三分区验收；PROP核验外观结构、比例、材质颜色、部件状态及跨视图一致性，背景隔离且无人物/手/剧情街景；SC两张都核验无人无道具、无其倒影/投影/残留局部，必要建筑设施与空间结构色彩仍保留，且顶视图为正上方平面、与主视图同一结构、没有并进主视图。按项目要求对每张资产检查logo/字样，并检查去噪是否过度抹除身份轮廓或关键几何。参数或提示词正确不等于产出必然合格。

单张演员三视图或单张群演群像各只登记一个资产 ID，作为一张图计入 reference_assets；群像图内人数不是输入数。演员视频提示词区分“第一张图片的左/中/右视图区”，不得把图内三个视图当成第一/第二/第三张输入；群演引用对应CROWD-xx及成员ID，不混成同一张脸，站位以 §0D 空间计划为准。每镜按需引用CHAR/PROP/SC，不强制所有镜头三类全挂；PROP每张实际图、以及同一SC的主视图与顶视图，都各自计入参考上限，不能把一个逻辑SC合成一个输入。各段均重验数量、顺序与提示词对应关系。超限或不支持时暂停调整并确认方案，不默默丢弃道具、不把道具塞回SC。明确每个人物输入的身份和正常单画面视频；不把三栏排版、灰底、棚拍光线或道具隔离背景带入成片。纯环境无人无道具约束仅适用于SC资产，成片按脚本可以人车同框。

规范更新本身不授权重生成，也不改写已完成媒体、历史回执或已完成项目的历史记录。后续经授权启动新生成或恢复未完成项目时，旧不合规素材保留但停用，仅清空活动绑定并重写依赖提示词；重验含PROP在内的各段资产数量、顺序与当前模型支持组合，不沿用旧参考数量。已确认且未变化的模型与分辨率仅在原作用范围内复用、不重问不降级；新增道具的模型/规格确认按 §0A 与 §2e 补齐。

任务必须收到成功提交回执和非空任务 ID 后才写为 submitted；发现 submitted 但 task_id 为空时标记待核实，先阻止重复提交，不能把本地状态当成平台已受理的证明。

#### 2c-1. 资产逐类确认门（**强制**）

- **人物 CHAR（含 crowd）、道具 PROP、场景 SC（主视图＋顶视图）每一类通过上面的验收后，都要先把这一类展示给用户，问是否修改；用户答复「不修改」后才进入下一步。** 三类是三次询问，按 CHAR → PROP → SC 的顺序问；同一批生成了多类时也逐类问，不合并成一句「资产都好了」。
- 下一步的含义：某一类确认前，不开始下一类资产的生成；三类全部确认前，不进入 §3a 核对和 §4 视频提交。项目没有某一类（比如没有道具）时跳过该类，并在询问里说明。
- 展示内容：这一类的每张图（画布节点或可访问链接，能内嵌就内嵌）、逻辑编号和 `view_id`、asset_id、实际提交的提示词、质检结论、已知偏差。
- 选项：**不修改，进入下一步 / 修改指定资产（写明哪张、改什么）/ 这一类全部重做**。有单选组件用组件，没有就用文字菜单。不替用户默认选择；用户没回答就算未确认，停在这一步。
- 用户选择修改时：按意见改提示词，重新生成对应的图；旧图按 §2c 停用并移到 09 分区；新图重新验收后**再问一次**，直到用户选「不修改」。重做的张数计入已授权额度，会超出额度时先报张数，再问是否继续。
- 这一问不是参数审批，§0c「参数不变不重复审批」不适用；A0 确认、额度授权和 `canvas_policy=auto` 都不能免掉它。同一轮如果还要问上画布（§0G-2 资产验收完那一次），两问放在同一条消息里分开列，不能互相替代。
- 项目记录新增 `asset_confirmations`：类别、时间、展示的 asset_id 清单、用户选择、修改说明、重做后的 asset_id。恢复旧项目时，某一类没有确认记录就先补问，再往下走。纯资产任务在最后一类确认后交付。

#### 2d. 所有资产图片的固定后缀

所有资产图片的生成提示词末尾必须原样追加一次以下英文，不翻译、不改写、不漏掉第二句。覆盖人物CHAR单人三视图、CHAR:crowd每张群像、独立道具PROP的每张视图与每张纯环境SC；不因此增加无关道具、视图或特写。

```text
Remove the noise and high-frequency details from the image. Keep all the lines, colors, and brightness unchanged.
```

最终提示词 = 资产内容与风格设定 + 类别规范 + 上述后缀。人物模板已包含后缀，不重复添加；提示词优化后再检查后缀仍完整且位于末尾。资产图不额外添加胶片颗粒、噪点、高频毛孔细节或锐化要求；视频摄影风格另行配置，该后缀不自动加入视频/音乐提示词。该语句是生成约束，不是已完成去噪的证明；纯文生图的“保持不变”不能作像素级承诺，图生图须对照输入验收，不能仅凭提示词宣称线条、颜色、亮度完全未变。

#### 2e. 独立道具PROP资产

按分镜建立必要独立道具，汽车、手机、包等可分离且剧情使用的物件归PROP；穿着的服装与鞋仍归CHAR。**PROP负责外观、结构比例、材质、颜色及部件状态**，动作与人车同框在视频中按脚本组织，不在人物资产里手持预演，也不把道具放进SC。

道具图采用隔离背景、清晰展示结构，不含人物、手或剧情街景。背景方案与视图数量由用户确认，模型按A0为PROP有效的选择执行，画幅、分辨率、count、参考上限与quality按当次能力核验；不默认道具4K、三视图、count或额外特写数量，不把人物裁头三视图模板套给道具。只生成分镜所需且方案已确认的视图，不额外扩张轮毂、车灯或内饰特写。

汽车外观与必要座舱视图用同一个逻辑 parent_prop_id（如PROP-01）管理为同一主体，不分成互不关联的汽车，也不将座舱登记为SC。每个视图分别登记逻辑view_id、平台asset_id及用途；view_id可在规划时命名，平台asset_id未生成或未取得回执时标为待生成，不伪造，不把逻辑编号当作平台真实ID。跨视图核验外观比例、轮毂、车灯、内饰与部件状态保持一致、不漂移；发现差异先披露，不自动补图或重生成。这些关联字段用于工作流记录，不臆造生成API参数。

若项目要求无logo/字样，对每张PROP逐图检查车标、格栅、方向盘、屏幕、设备铭牌等细节；SC与成片另按同一项目要求验收，不能仅靠视频负面提示词。每张PROP提示词也须原样追加 §2d 固定英文去噪后缀一次。

#### 2f. 角部伪文字水印审计与"图库原型召回"返工

**必做环节：资产验收按 `workrally-asset-qc` 执行**（下载校验、单张四角 100% 原尺寸裁切、跨资产同角位拼墙、分类 contact sheet、规格符合性与结构化验收记录；执行步骤、脚本与伪文字来源判定均以该技能为唯一规则源）。覆盖 CHAR / CROWD / SC / PROP 全部类别，不因"这张看起来没问题"跳过；AI 生图命中图库原型时召回的角部伪文字与圆形徽标，缩略联络图与常规整图目检看不出来。

本节只保留 asset-qc 判为不合格之后的**返工方法**（asset-qc 只读不重生成；返工须用户确认，§0c 授权规则不变）。先按 asset-qc 的来源判定区分：个别图有 → 生成式残留，只返工该张；所有图同位置都有 → 平台层水印，不靠改提示词解决，报告用户。

**根因：语义吸铁石（图库原型召回）。** 当场景提示词含 `监控室 / 控制室 / 观察室 / 屏幕墙 / 操作台 / 摄像头 / 传感器 / 安防` 这类高饱和图库题材词时，模型会被拉向训练数据里的"深蓝机房"套路图，而该类图自带（a）标识与设备、（b）挂钟／墙面地图／文件柜、（c）**角标水印**。此时**负面提示压不住**——负面词只能抑制显式描述，压不住原型召回。表现为：反复加"不出现任何文字/标识/水印"仍连续失败，且每次都换一批新问题。

**修复顺序（改结构，不改措辞）**：
1. **换语义场，而不是加负面词**：整段删除图库诱因词，命名为"空旷无人的内部空间"而非"监控室"。
2. **改成低密度平面描述**：用"画面只由 N 种平面构成"限定构图（如：平整哑光墙 + 关闭状态深色无反光矩形面 + 不透视深色镀膜玻璃），把设备/家具/标识的生成空间压到最小。
3. **加反水印条款**：「画面四个角落必须绝对干净，不得出现任何图库素材式的标记或伪文字残留」＋「画面应像一部电影的一格剧照，而不是图库素材或产品效果图」。
4. **玻璃必须写明不透视**：写成"只呈现均匀的暗色反光与隐约的模糊倒影，完全不透视，不映出任何可辨认的物体轮廓"；反之模型会透视出相邻空间的设备与告示纸。

**参照系**：抽象虚拟空间类场景（无明确墙地交界与建筑构件）之所以常常一次通过，正因为其提示词**天然不含图库诱因词**。遇到难缠的实景题材，可借用同一手法降密度。

**验收口径**：提示词达标 ≠ 成图达标；回执尺寸 ≠ 实际尺寸（以 asset-qc 下载脚本回写 registry 的实测宽高为准）；返工图重新走一遍 asset-qc；未取回 `state=4` 回执的不写为已生成。残留瑕疵须显式记录并给出"接受/不接受"判定理由，不静默放过。

### 3. 拿参考图的可用 URL

`canvas_generate_image` 生成的素材**自动入库到媒资**，用 `asset_detail(asset_ids=[...])` 取 `asset_details.url` 即得 CDN URL。

> ⚠️ **本机文件变参考图 URL 一律按 `workrally-ref-image-cos-upload`** —— MCP 的 `upload_file` 在隔离环境运行，读不到本机任何路径；该技能用 `get_upload_token` + 本地 curl COS 直传拿公网 URL，并规定参考图选择纪律与校验方式。本文不另写上传步骤。

拿到 URL 后**立即下载落盘**（`asset_details.download_url` 更稳），因为它是有时效的签名地址；下载、完整性校验与按真实格式命名一律按 `workrally-asset-qc` 的 `scripts/fetch_assets.py` 执行。

> ⚠️ **不能把 `canvas_get_task` 返回的 `output_assets[].url` 直接塞回 `reference_assets`** —— 实测（2026-09-17，本环境）该短链在提交视频时报「input_images[0] 是一个非法或已过期的媒资短链」。凡是要回喂给视频生成的参考图，URL 一律从 `asset_detail` 的 `asset_details.url` 取，不要复用任务回执里的 url。

### 3a. 提交前资产核对闸门（**强制**）

> 用户原话：「**每次生成视频一定要检查资产，这次生成丢资产了**」。
> 本例事故：17 个生成单元里有 **16 个**实际提交的参考图**少于镜头表自己声明的资产**，累计丢 33 个参考位次；13 个单元出现「有台词的角色 / 关键道具特写 / 主场景」完全没有参考锚定的**断锚**。而 33 张被丢的图**全部早已上传可用** —— 这是纯粹的**规划期漏检**，不是模型问题、不是资产缺失。

**任何 `canvas_generate_video` / `shotlist_generate_video` 提交之前，必须过这道闸门；不通过不提交。**

**第一步：定基准（唯一合法基准）**

以**分镜 / 镜头表的「资产」列**为准，逐镜抽出该生成单元实际出场的全部资产 ID，取并集得到「**应有资产集合**」。

- ❌ **禁止**用「已生成的提交清单」「上一版参考图清单」自证自己。
- ❌ **禁止**因为「这一版只改配时/只改台词」就跳过核对 —— 重排单元、拆分单元、改时长的版本**最容易掉资产**。
- ⚠️ 拆分单元时，**新单元继承原单元该时段内出场资产的并集**；子单元缺了主角、缺了说话人，就是断锚。
- 逻辑 SC 在应有集合里展开成视图：主视图一律计入；顶视图只在走位单元（§2b，台账 `blocking: true` 或有两位及以上说话人）计入，其他单元不算缺。

**第二步：拿实际值**

从组装好的 `reference_assets` 数组读出「**实传资产集合**」。

**第三步：对差（差集必须为空）**

```
应有 - 实传 = 空  → 通过，可提交
应有 - 实传 ≠ 空  → 停，补齐后重新核对，不得带缺提交
实传 - 应有 ≠ 空  → 警告：多余参考图会稀释权重，逐张确认是否真需要
```

**第四步：核上限（上限必须实测，不得引用未经核实的历史值）**

参考图数量上限**只能**取自**当轮** `canvas_video_provider_config` 返回的 `max_image_count`（读的是本次实际要用的那个 provider 在本次要用的那个 mode 下的值）。

- ❌ **禁止**把某个模型的上限套到另一个模型头上。本环境发生过：**Kling-O3 的 `max_image_count=4` 被误当成 Seedance-2.5 的上限**，导致整批单元被硬裁到 4 张。
- ❌ **禁止**在文档里写下「N 张为平台上限（实测）」却拿不出当轮的查询证据。
- 只有当**真的触限**时，才启用裁剪阶梯（保留优先级从高到低）：**主角 CHAR → 说话角色 CHAR → CROWD 群像 → 主场景 SC 主视图 → 关键 PROP → 主场景 SC 顶视图 → 次要 PROP**。同一 SC 先裁顶视图、保留主视图，不得只留顶视图。裁剪结果必须逐单元写明「裁了什么、为什么」。

**第五步：核顺序**

数组下标 ＝ 提示词【参考绑定】里的「第 N 张」。排序＝权重，统一 **CHAR → CROWD → SC → PROP**；主角 `CHAR-01` 恒排第 1 位。下标错位等于内容全错。

**第六步：写回台账**

核对结果（应有 / 实传 / 差集 / 上限来源 / 排序）写入项目台账的核对章节，作为可追溯凭据。缺项未清不得进入 §5 下载与质检。

**参考实现（可直接跑）**

```python
# 基准：镜头表资产列 → 应有集合；提交参数 → 实传集合
need, have = [], []          # 按镜头表抽并集 / 按 reference_assets 抽
miss = [a for a in need if a not in have]
extra = [a for a in have if a not in need]
assert not miss, f"❌ 断锚：{miss}"          # 差集非空 = 硬阻断
if extra: print(f"⚠️ 多余参考图（稀释权重）：{extra}")
print(f"上限来源：canvas_video_provider_config · {MODEL_ID} · {MODE} · max_image_count={MAX}")
assert len(have) <= MAX, "❌ 触限，需按裁剪阶梯处理"
```

### 3b. 提交前剧情保真与提示词机检（**强制**）

§3a 管资产，本节管剧情和提示词文字。任何 `canvas_generate_video` / `shotlist_generate_video` 提交前，两条命令都必须 FAIL 0；不通过不提交。

```bash
S=<本skill目录>/scripts
python3 $S/story_lint.py ledger <项目名_剧情台账.json>
python3 $S/story_lint.py prompt <项目名_视频提示词_vNNN.md> --ledger <项目名_剧情台账.json> --max-prompt-words <N>
```

`N` 取当轮 `canvas_video_provider_config` 对本次模型返回的 `max_prompt_words`（按字符数比较）；返回 0 或查不到时不传，机检给 WARN 提醒长度未查。脚本只用 Python 标准库，只读文件，不联网。

**剧情台账**（§0 与文字分镜一起落盘）：

```json
{
  "rule_version": "2026.09.29.5",
  "audio_policy": "native_sfx_verbatim_dialogue_no_music",
  "source_events": [{"event_id": "EV001", "scene": "场1", "text": "林晚推门进屋", "origin": "script"}],
  "source_lines":  [{"src": "D001", "speaker": "林晚", "text": "门没锁。", "origin": "script"}],
  "units": [{"unit_id": "U01", "duration": 12, "blocking": true, "shots": [
    {"shot_id": "SH01", "t": [0, 5], "event_refs": ["EV001"],
     "camera": {"pos": [4.5, 1.6], "facing": 180, "fov": 47},
     "subjects": {"林晚": {"pos": [0.1, 2.0], "frame": "center"}, "周野": {"pos": [5.4, 1.5], "frame": "off"}},
     "dialogue": [{"src": "D001", "part": "", "text": "门没锁。", "window": [2.6, 3.4]}]},
    {"shot_id": "SH02", "t": [5, 12], "event_refs": ["EV002"], "transition": "硬切", "…": "…"}
  ]}]
}
```

- `rule_version` 写开项目时的规则版本。早于 `2026.09.29.4` 的旧项目按旧提示词结构检查：只查指代词、场次编号、否定词、`@图`、时间轴首尾相接、台词逐字和长度；台账检查照常。已经提交过的提示词不回头重检，只检查新提交的。
- `audio_policy` 取 §4c-0 / §4c 确认的声音分支，默认 `native_sfx_verbatim_dialogue_no_music`，全部后期为 `all_post_production`。
- `unit_id` / `shot_id` 与文字分镜的生成单元、镜号一致；`t` 为单元内的半开区间 `[起, 止)`。
- `transition` 是进入本镜的方式，默认 `硬切`，可选 `叠化`、`匹配剪辑`；第一镜不写。一镜到底的单元标 `continuous: true`，只能有一个镜头。
- `window` 是这句（或这一段）台词的说话时窗，单元内秒数，必须落在本镜 `t` 里。语速按 §4c-0 ③：3.5–4.2 字/秒。
- 长台词跨镜拆分，或句中有明显停顿时，按 §4c-0 ③ 拆成 `part` 为 A / B 的分段，各自写时窗，拼起来必须与原文逐字相等。
- `blocking: true` 标走位单元（§2b：多人同框、有移动或转身、有正反打）；有两位及以上说话人时机检自动按走位单元处理。走位单元每镜都要写 `camera` 与 `subjects`，其他单元缺了只给 WARN。
- `camera`：`pos` 是机位坐标，`facing` 是摄影机朝向，`fov` 取 §4a 视场角换算表里的值。坐标与角度约定见 §0D-2（x 向东、y 向北，角度从 +x 逆时针量：东 0、北 90、西 180、南 270）。
- `subjects`：本镜提示词里写到画面位置的人物和地标。`pos` 取 §0D 重放后该镜的位置，走位镜头取主要画面时刻；`frame` 为 `left` / `center` / `right`（画面左、中、右三分之一）、`fg`（前景遮挡，可露在画面边缘）或 `off`（不入画）。

**提示词文件**：每个生成单元一个 `## <unit_id> · 地点·日夜 · N秒` 标题，下面第一个 ```text 代码块放完整提示词（即 §4a 的结构）；【时间轴镜头】里镜头行写 `[起–止秒] 镜头N：`，镜内分拍写 `[起–止秒]`；台词放在中文引号里，引号后紧跟「（起至止秒说完」。

检查项清单（V00…P19 共 30 余项，含 FAIL / WARN 判定）见 [references/3b-lint-codes.md](references/3b-lint-codes.md)。

- **有 FAIL 回到对应环节修**：漏拍、漏台词回到文字分镜与台账补镜头；语速太慢就把时窗缩短，句中有明显停顿的拆成两段各写时窗；太快按 §4c-0 ③ 先延长镜头、再拆单元、最后跨镜拆句，不删词；视锥与站位冲突回到机位或 §0D 站位；指代、否定词、时间轴问题改提示词。任何情况都不删改剧本台词或剧情来凑通过。
- 否定词超标时先写该是什么样，再在同一分句里补短否定；不把大段通用负面词堆进单元。
- 机检通过只证明文字层面剧情没漏、台词没改、提示词格式合规，不证明成片台词和画面正确；成片仍按 §5 / §5a 验收。
- 两份 lint 输出另存为《项目名_机检_vNNN.txt》，与提示词同版本号，旧版不覆盖；属于本轮新文件，按 §0G-2 询问是否上画布。

### 4. 按确认配置生成视频

先核对 §0 的脚本结果、§0D空间计划/组内状态与白名单导出、三类资产所需的A0作用范围、G1 与 G2，以及 §2c 的资产验收和各段参考数量/顺序、§2c-1 三类资产都已由用户确认不修改，**并通过 §3a 资产核对闸门（差集必须为空）与 §3b 剧情保真和提示词机检（FAIL 0）后**，才调用 `canvas_generate_video`；影响站位/运动的待核事实须先确认，不能编造补齐；§0D-6各项核验通过且具备当次授权才可提交，纯文字/规则修订任务不调用。每镜按需绑定人物CHAR（含crowd）/道具PROP/纯环境SC，每张实际图片均计入参考上限，不强制三类全挂；新增群像或其他图必须重新校验数量和图序，layout图片默认不绑定。以下为参数模板，不是默认值；使用前必须用实际已确认值替换并按 schema 组装：

```
mode=<所选驱动模式>
model=<G1确认模型的动态ID>
duration=<当前生成单元确认秒数>
resolution=<G2确认档位的动态value>
aspect_ratio=<目标画幅>
enable_sound=<默认 true（原生音效＋对白）；仅用户明确要求全部后期时才 false>  # 仅当schema支持；能力核验见§4c/§4c-0，不臆造字段
count=1
reference_assets=[{url, type:"image", asset_id, name}, ...]
short_series_project_id=<实际短番项目ID>
project_id=<§0G 项目画布ID>  # canvas_policy=auto，或用户对本批回答「直接进画布」时才传；否则不传
artboard_id=<canvas_sections 里 05 视频单元的画板ID>  # 与 project_id 同时传，占位节点直接落进分区
```

本节示例参考素材仅适用于支持 `reference_assets` 的模式。改用纯文/首尾帧/视频编辑等模式时按动态 schema 组装，不能照搬不支持的参数；分辨率不可用时回到 G2，不静默回退至 1080p 或首个选项。

**参考图与提示词的对应关系**：`reference_assets` 的**数组下标**对应提示词里的「第一张图片 / 第二张图片」。顺序错了内容全错，提交前逐个核。

### 4a. 视频提示词默认使用Seedance 2.5格式

此处是本工作流面向Seedance 2.5的自然语言提示词组织约定，不声称存在官方强制JSON或标签语法；不套旧Seedance 2.0的固定15秒窗口。提示词格式选择不等于G1生成模型选择，不自动将已确认的梦宝2.5 OS或其他渠道替换为Seedance-2.5，不取消G1/G2。

每个已确认生成单元提供一条完整可复制提示词。提示词文件里每个单元一个 `## <unit_id> · 地点·日夜 · N秒` 标题，**单元号和镜号只写在标题与剧情台账里，不进提示词正文**。正文按以下顺序组织，按实际剧情填充，不固定镜头数或均分时长：

```text
【总控】{时长}秒，{画幅}，共{N}个镜头，{转场句}。{题材与年代一句}。{本段目标与起止状态一句，只来自剧情台账里的原剧情事件}。画面人物：{角色}；群演：{人数与描述}。
【参考绑定】第一张图片＝{资产名}：{职责}。……逐张写完，最后写一次「构图和运镜以本提示词为准」。排序 CHAR → CROWD → SC主视图 → SC顶视图（仅走位单元，§2b）→ PROP：CHAR负责演员身份与服装（服装只在这里写），CROWD负责群演成员外观，SC主视图负责外观与光线，同空间顶视图只锁平面位置（成片机位仍按分镜，不因顶视图改成俯视），PROP负责道具外观及必要内饰。图内视图或人数不冒充额外输入，layout图片默认不绑定。
【人物】{角色}：{年龄、身份体型、1–2个图片看不出的辨识点}，当前状态：{伤势、湿度、泥渍等，没有就不写}。声线：{音色、口音、基础语速}。服装已在【参考绑定】写过，这里不重复。声线只写本单元有台词的人，同一角色全片逐字相同，情绪变化只改语气。
【空间】场景：{SC地点事实}。主视轴：{…}。固定地标：{来自SC主视图与顶视图的墙、门、通路、固定设施及相对位置}。起始站位：{§0D本组start里每个在场者的position/facing/front/behind}。只用§0D白名单空间文字，不透传layout风格/光照/材质/渲染或情绪媒体。
【光线与色彩】主光源：{…}；方向：{世界方位，如「从房间北侧低位斜照」；多镜头单元不写画面左右}；摄影机：{在人物的哪一侧}；曝光：{以什么为准}；色板60:30:10＝{主色}／{辅色}／{点缀色}。{空气与氛围一句}。
【时间轴镜头】
[0–5秒] 镜头1：{景别}，{视场角类别（N°视场）}，摄影机在{相对人物和地标的位置与距离}，朝{世界方位}拍向{地标或人物}，{高度与角度}。{可见光学效果}。{景深}。运动：{固定及理由 | 从起点到终点及理由}。
首帧：{第一帧画面里看得到什么：构图主体、门窗等状态、手持物、光落在哪；起始站位已在【空间】写过，不重复}（只写第一镜）
站位：{每人世界位置 / 画面位置（画面左 / 中 / 右，或不入画）/ 身体朝向 / 视线}
背景：{背景里的具体内容与活动}
[0–1.8秒] {一个物理动作}；表演：{肌肉、呼吸、眼神、重心}。{角色}（画内）对着{对象}说：“{逐字台词}”（{起}至{止}秒说完，{语气}）。
[1.8–5秒] ……
[5–9秒] 镜头2：{转场，默认硬切}。{新机位的完整画面，重新写全站位与背景，不写同上}
……
本镜结束：{尾帧完整物理状态}（只写最后一镜）
【声音方案】{按台账 audio_policy 和本单元有无台词，四选一，逐字照抄，不加 A/B 标签}
【一致性与限制】先写正确状态再补短否定，否定词不超过5个：第一帧画面里已经包含{需要出场的角色}；画面里只有{角色与群演人数}；{道具与手部状态}；身份、道具结构与空间连续；画面中没有任何文字，字幕由后期添加；项目规定的无字标要求；三栏、灰底、道具隔离背景与SC无人无道具只属于资产图，成片按剧情组合。
【默认摄影】原样插入写实基底（`asset-style-selector/references/cinematic-realism-base.md`）“视频默认摄影常量”一次。
```

**转场句**：从台账每镜的 `transition` 生成。全部硬切写「镜头之间只用硬切」；有别的转场写「镜头K-1到镜头K{转场}」，还有硬切时再加「其余硬切」，例如「共3个镜头，镜头2到镜头3叠化，其余硬切」。第 2 镜起每个镜头行以「镜头N：{转场}。」开头。一镜到底的单元（台账 `continuous: true`）写「一镜到底」，不写镜头数锁。分镜里的淡入淡出等后期转场按 §6 在剪辑里做，不写进生成提示词。

**声音方案固定文字**（给模型看的短版，逐字照抄，不加「A.」「B.【默认】」等标签；与 `story_lint.py` 的 `SOUND_PLANS` 一致，改动须两边同步）：

| 台账 `audio_policy` | 本单元有台词 | 本单元无台词 |
|---|---|---|
| `native_sfx_verbatim_dialogue_no_music`（默认） | 同期生成对白、画面内可见声源的环境声与动作音效，全片无配乐、无歌声。台词用剧本原语言，按时间轴逐字说完，每句一次；括号里的说明和镜头标签只用于表演，不念出来。 | 同期生成画面内可见声源的环境声与动作音效，全片无配乐、无歌声；本段没有台词。括号里的说明和镜头标签只用于表演，不念出来。 |
| `all_post_production`（仅用户明确要求） | 视频静音。台词只作表演与口型参考，不发出声音。 | 视频静音。 |

原长版声音方案里写给执行者的条款不进提示词，仍按 §4c-0 执行：后期也不加音乐；画面无可见声源时按本次另行确认的范围处理；画面里没有可见文字不等于不能有声台词。需要点名保护某句台词（Pitfall 53）时，接在固定文字后面另写一句正向要求（真实发出、清晰可辨、单独成句、大约在第几秒），这句计入否定词上限。

**时间轴写法要点**：

- 镜头时间段与镜内分拍都用半开区间 `[起–止秒]`，首尾相接，第一段从 0 开始，最后一段在单元时长结束；镜头时间是编排目标，不保证模型帧级命中。镜头标签写「镜头N」，不写【】，不写镜号。
- **机位写朝向**：镜头行写「摄影机在{位置}，朝{世界方位}拍向{地标或人物}」，与台账 `camera` 一致。站位里的画面左 / 中 / 右按这个朝向算，写之前先让 §3b 视锥检查跑一遍。
- **台词只在时间轴里出现一次**，写在它落点所在的分拍里，逐字放进中文引号，保留措辞、称谓、数值和标点，并写清说话方式：画内「X（画内）对着 Y 说」、画外「画外传来 X 的声音（声源位置）」、内心「X 的内心独白，嘴唇闭合」、旁白「旁白（X）」。引号后紧跟「（起至止秒说完，{语气}）」，时窗等于台账 `window`、落在这个分拍里，语速 3.5–4.2 字/秒（§4c-0 ③）。句中有明显停顿时拆成两段各写时窗，例如「“我知道。”（7.6至8.4秒说完），停一拍，“我一直开着。”（8.9至10.2秒说完）」。跨镜续句按 §4c-0 ③ 拆段，每镜只写本镜要说的那一段；切到听者时写清「嘴唇在动的只有 X」。无台词镜头不新增台词，不用「说了一句 / 陈述条件」等概述代替原句。
- 视场角按规划焦段换算，提示词里不用 mm、F 值作主控：20mm 以下 107° 广角直线、21–29mm 84° 经典广角、30–42mm 63° 标准偏广、43–65mm 47° 标准、66–110mm 29° 短中焦人像、111–200mm 18° 经典长焦、200mm 以上 8° 超长焦观察。
- 首帧、站位、本镜结束写完整物理状态，不写「同上 / 继续 / 保持原样」这类依赖上一条的指代；站位与§0D本组 events 一致，换机位后画面左右按新机位重写，世界坐标不变。光线方向在【光线与色彩】里写世界方位；某一镜需要说明光从画面哪侧来时，写在该镜的首帧或背景里。

**两档密度**：标准档（默认）每镜 2 句可见光学效果，首帧只写第一镜、尾帧只写最后一镜；精细档每镜 4 句光学效果、每镜都写首帧与尾帧，并补主动部位、重心、身体联动与环境动态，用于复杂动作、多角色、重参考或标准档反复失败的单元，返修一次只改 1–2 个变量。两档都受平台提示词长度上限约束：上限取当轮 `canvas_video_provider_config` 的 `max_prompt_words`，由 §3b 的 P17 检查。超限时先删重复描述（服装、起始站位、绑定说明只写一处），再把精细档降回标准档；不删台词、剧情事件和站位。

**默认摄影常量的唯一活动源在写实基底（`asset-style-selector/references/cinematic-realism-base.md`）的视频专用节**。每条独立视频提示词都须原样包含用户整句一次，优化/翻译/拆分单元后检查不丢失、不重复。英文辅助稿可另附译文，不替换中文默认常量。后续用户明确覆盖当次风格时按当次要求，不能仍叠加相冲突的默认。

**视频风格冲突按新指令消解**：默认摄影优先于原风格基底中冲突的Alexa LF、不加颗粒等视频描述；不将整段旧style_dna与新常量机械叠加。保留兼容的写实材质、柔和边缘、场景事实与主体设定。自然光照须与分镜时间地点相容，夜景不改成白昼；以合理环境光和画内实际光源表现自然可信的照明。ARRI与快门是生成观感描述，不是真实拍摄证明；提示词24fps不等于输出帧率验收，也不构成自行补帧或变速许可，API有相应受支持参数才按确认值传入，输出仍须实测。

动作、运镜、防文字等属于任务层按需添加，不能反向改变人物CHAR排版、道具PROP隔离背景与纯环境SC无人无道具规范。轻微胶片颗粒只在视频默认中启用，三类资产图仍不加颗粒且保留固定英文去噪末句；该去噪末句不复制到视频。仅更新提示词默认不重写已完成任务的实际提交记录，也不自动重生成媒体。

**不自动增加付费试片**：只按已确认的生成单元提交，不用风险验证为由额外生成镜头或候选版本。若确需试片须另获用户明确授权；Seedance-2.5 单条不超过 30 秒仍受 §4b 的一次请求规则约束。

### 4b. 单条直出模式（Seedance-2.5，不超过 30 秒）

**硬约束：Seedance-2.5 单条目标视频 `0 < T <= 30` 秒（含 30 秒），只提交一次视频生成请求，显式 `count=1`、`duration=T`。** 不得拆成 2×15 秒、3×10 秒等片段再拼接。步骤 4 的逐镜批量生成及额外试片闸门不适用于此分支。

提交前动态获取模型 ID 和所选模式的能力。T 必须是当前模式支持的时长；不支持时说明并向用户确认处理方式，不擅自改时长、补帧、循环、拆段或更换模型。参考图数量、音效与分辨率亦按实际配置和用户需求选择，不能套用历史参数。15 秒就提交 duration=15，20 秒就提交 duration=20，不统一拉满 30 秒。

**一条视频不等于一镜到底**：多个镜头、节拍和转场可以写在同一条 prompt 内。仅用户明确要求连续长镜头时才加入一镜到底约束。时间码是内容编排目标，不保证模型严格命中；不固定四拍或均分四段。

内容组织按§4a的Seedance 2.5格式：总控 → 参考绑定 → 人物 → 空间（§0D白名单文字）→ 光线与色彩 → 时间轴镜头（台词写在分拍里）→ 按§4c/§4c-0确认的声音方案 → 一致性与限制 → 原样加入视频默认摄影常量一次。全部内容只提交一次；文字分镜Markdown照常提供，“不要分镜图”不取消文字分镜，仅本次明确不要文字分镜时例外。

提交后记录任务 ID，只查询原任务，不能因排队、进度停留或状态未知重复提交。失败先诊断并报告，经用户确认后才重试。成功后下载、质检并交付一条视频，**跳过步骤 6 的拼接**；单文件混音、裁剪或格式转换按用户需求进行。

超过 30 秒另按确认的分段方案执行。例如 60 秒且用户要求每段 30 秒时，使用两个独立的 30 秒生成单元；每段内部不再逐镜拆任务。

历史实测记录（2026-09-16/17，本环境，非恒定能力保证）：30 秒 / 1080p 两段均返回 HEVC + AAC / 24fps；单条约 4–5 分钟，进度曾在 99% 停留后成功。编码与进度行为须以当次结果为准。**HEVC 本身不禁止无损拼接**；仅多段分支需要检查流参数与时间戳兼容性，详见步骤 6。

**99% 停留可能与生成收尾或素材入库有关，不能仅凭进度判定原因**（2026-09-17 两段曾停留后成功）。可按准确素材名搜索辅助核对，但必须匹配原 task_id/asset_id，不能仅同名命中就判完成；没有匹配产物则报告仍未完成，按工具约定查询原任务，不长时间阻塞等待或自动重提。明确失败后先诊断，重试仍需用户确认。

**批量提交全数返回同一泛化错误时的隔离诊断矩阵**（2026-09-19 实测有效，一次全败不要急着换模型或改提示词）：方侧错误信息常为「请求时遇到了一些问题 / 请联系支持同学」，字面毫无指向性，必须逐维隔离，每次只变一个变量、用最小成本样本（4 秒纯文生视频）：① **无参考图 + 模型不变** —— 排除参考图体积/数量/短链问题；② **去掉 `resolution`（走模型默认档）** —— 排除分辨率档位被拒；③ **换同环境另一可用模型** —— 判定是「该模型不可用」还是「链路整体故障」；④ 提示词只用一句通用描述 —— 排除本片长提示词问题。四步里 ① ② ④ 均复现失败而 ③ 成功，即可判定**该 model ID 当前不可用**，结论是换型而非改稿。诊断结论、每次样本的模型/模式/参考图数/分辨率/结果要逐条写入交付文档的提交记录章节，并把 A1 失败表与 A2 重提表并列保存，不得覆盖。

**换型前先跑一条门控再批量**：换型后**先提交 1 条**（建议取参考图最多的单元，风险最高者）并轮询到 RUNNING 且进度确实在走，再批量提交其余单元。换型须按 G2 重新核验分辨率档位是否仍可用，不可用则回到 G2 由用户裁决，**不静默降到下一档**。换型只改 `model`，提示词与参考绑定**逐字复用原稿**，不改写措辞。

**Seedance-2.5 的「固定像素预算」与画幅/分辨率的关系（2026-09-19 实测，必读）**：

- **提交回执里的 `dimensions` 是项目画布占位值，不可信**。传 `aspect_ratio="21:9"` 时回执恒写 `2560×1080`（＝项目 `canvas_size_value`），但实际产出的 `output_assets.width/height` 完全不同。**判断真实像素只看 `output_assets` 的 width/height，或下载后 `ffprobe` 实测**，不得用回执或媒资 `media_info` 元数据代替（后者还恒带一条字段全空的 `Audio` 占位，无法据此判断有无音轨）。
- **模型按固定像素面积出图，与宽高比无关**：720p 档在 16:9 出 1280×720（0.922 MP）、在 21:9 出 1470×630（0.926 MP）；两者像素面积几乎相同，宽度变宽只是把同样的像素预算摊平。同理 **1080p 档 @21:9 ≈ 2206×946（2.09 MP）**，与实测历史媒资吻合。
- **推论与选档规则**：要拿到 ≥2 MP 的宽银幕素材必须走 `resolution=4`（1080p）；`resolution=3`（720p）在 21:9 下只有约 0.93 MP，若成片画布是 2560×1080 就等于降级约 1.7 倍。**提交前把「目标画布像素」与「档位×画幅的实际像素」算一遍**，不要把「回执写了 2560×1080」当作已达标。
- **`aspect_ratio` 不在动态配置的字段列表里，但实际生效**：`canvas_video_provider_config` 只列 duration/resolution 档，不列 aspect_ratio；不能据此判定不支持，也不能不经验证就写进交付文档。验证方式就是提交一条并核对 `output_assets` 的宽高比。
- **参数回执与真实产物不一致时，以产物为准**，并把「本次档位→实际像素」写入提交记录，供后续单元统一规格比对。

**主体一致性按 §2 的人物CHAR/独立道具PROP/纯环境SC规范执行**，不先做人物与场景混合的主参考图，不生成跑姿图或无关轮毂/鞋面特写。人物同一身份依据、同一parent_prop_id下的道具视图需分别复核一致性，不承诺仅凭共用依据就完全一致。每镜按需引用三类，不要求所有输入图都有同一个人，也不强制所有镜头三类全挂；人物输入明确各自身份，汽车及必要座舱只绑定PROP，SC无人无道具且无其倒影/投影/残留局部。纯环境约束仅适用于资产，成片按脚本可人车同框。PROP实际图数计入参考上限，逐生成单元重验数量、顺序与当前模型/模式支持组合；超限先调整并确认，不默默丢道具、不把道具塞回SC，实际数量以已确认方案为准。

### 4c-0. 台词原文锁定及原生音效＋原词对白分支（**默认分支**）

1. 用户剧本全文是台词校验的优先源；单独保存来源，不把助手整理的台词表或压缩摘要当成已独立核验的原稿。只有转写表时，能证明逐字对应该表，不能宣称原始全文无遗漏。说话人不明、缺句、混入舞台说明时保留原记录并请求核对，不猜词或自行派给角色。
2. 按生成单元、镜号和说话人提取台词，分开记录占位、跨镜续句、无词抽气与真实台词。记录数不等于台词数；含多段台词的混排记录可只拆分结构，逐字校验提取前后，不读“随后/极低”等指令。检查台词顺序、重复和遗漏。
3. 校验台词是否能落入计划时窗。镜头时码连续、总和等于30秒，只能证明时间表算术闭合，不能证明长句可自然说完。**台词语速必须在 3.5–4.2 字/秒之间**，按每句（或每段）自己的说话时窗算：净字数 ÷ 时窗秒数，不按整镜时长算。净字数剔除标点与省略号；英文台词按音节估算（3.5–4.2 音节/秒约合每分钟 140–175 词，与剧本技能的 150–160 wpm 一致），数字每位算一个。时窗写进剧情台账 `window` 和提示词「（起至止秒说完）」，由 §3b 的 D05 机检，两端各有 0.05 秒容差。数字读法、停顿和表演会影响实长，字数/秒作风险筛查而非实长证明；不得未经授权用付费试音验证，也不以删词、截句或不自然加速解决。
   - **太慢（低于 3.5）**：缩短时窗，把这句放在镜头里合适的时刻，镜头其余时间留给动作和反应；句中有明显停顿时拆成 A / B 两段各写时窗，停顿不算进时窗。不加词凑时长。
   - **太快（高于 4.2）的处置阶梯**（依次尝试，不可跳级）：
     ① **不改词重排时长**——把长句所在镜延长，同时压缩同单元内的留白镜，使单元总长仍 ≤ 模型上限；
     ② **拆单元**——单元已顶到模型时长上限（如 Seedance-2.5 的 30 秒）仍装不下时必须执行。**这是唯一出路，也是用户提「台词太快／要增加镜头和全片时长」时的正解**：把台词过载的单元按自然断点（正反打切换、视线转换、场景切换）拆成两个单元，每句台词获得独立镜时；
     ③ **跨镜切分长台词**——切点只放在自然停顿处，**原文一字不改**，仅编号拆分（如 D-24 → D-24a / D-24b），文字总量不变；
     ④ 拆出的新单元时长**取整**（模型多按整数秒逐档）。
   - **诊断要一次覆盖全片**，不要只查用户点名的镜头：`story_lint.py ledger` 的 D05 一次列出全片所有低于 3.5 或高于 4.2 的台词，并给出每句应有的时窗长度。全部修到范围内才能提交。只调时窗、不动段数段长的修改可直接做；涉及段数、段长、幕落点变化须确认后再生成。
4. **默认走本分支**：提交前查询所选模型/模式的动态声音能力及 schema，支持时**显式传** `enable_sound=true`（不依赖「不传即 true」的隐含默认，也不臆造字段）；无台词单元仍要求生成画面内可见声源的环境与动作音效，**不静音**。仅当用户明确要求全部后期时才改走 §4c。`support_audio`仅说明一般音频能力，不保证脚本指定语言的逐字对白或口型同步；不能支持或能力未验证则披露并暂停，不擅自换模型或降档。
5. 删除新有声prompt内相冲突的全局静音与“不生成对白”限制，但保留不生成音乐等确认约束。配音文本进入最终提交prompt，而非仅藏在后期清单。不得让优化环节重写台词。
6. 旧媒体、任务ID和实际提交参数保留；把旧prompt另存不可变快照，新修订稿与旧任务分开关联。修改声音策略不是重新生成已完成段的授权。明确留存每段generation_revision/audio_policy。
7. 原生对白产物需听检/逐句转写比对，并检查说话人、漏词、替换词、完整句尾、口型；抽帧和存在AAC音轨均不能证明台词正确。转写工具也可能误识，重要差异需人工听检。未验证标待复核，返生成另获授权。
8. 原生对白通过验收后保留音轨（含原生音效）作为成片声音，**默认不加任何音乐**；仅用户明确要求音乐时，才按 §7 音乐分支与后期音乐按真实剪辑时点混音。不应用下文默认 `-an` 或“仅映射独立后期母版”删除已确认对白。最终对白完整性、总长与响度另行验收。

### 4c. 全部声音后期添加（**非默认分支**；仅在用户明确要求时启用；audio_policy=all_post_production）

**视频生成只负责无声画面。旁白、对白、音效、环境声与音乐全部后期独立制作/添加。** 本条**不是默认**：只有当用户在交互中明确选择“全部声音后期添加”时，才对本次明确覆盖的范围生效（不是“仅音乐后期”，也不自动作用于所有后续新生成）。未获明确选择时一律走 §4c-0 原生分支，**不得默认启用本条**。切换分支不改写或重做历史媒体。若当次用户明确另改声音方案，先记录覆盖范围再核验，不用旧模板默默恢复原生音轨。

1. 前期剧本/文字分镜保留完整后期声音表：镜号、说话人、台词、语气、计划时点、音效/环境声触点、音乐意图。后期按真实剪辑映射定位，不把计划时间冒充实测；未要求旁白或音乐不强加。
2. 仅本全部后期分支：移出要求生成配乐、环境声、音效或旁白等发声指令，明确静音。用户要求保留的台词正文仍按§4a逐字保留，仅标为语义、表演和口型依据，不删除或概述。用户选原生对白时不执行本条，改走§4c-0；不得用本条再次移除台词或关闭已确认的原生对白。
3. 当前API支持 `enable_sound` 时显式false。其他关闭方式只按当次schema填写，不编造 `audio=false` 等字段；原生固定无声模式记录证据。不能关闭且输出必带声音或能力未知时暂停说明，请用户选择支持静音的已核验模式/模型，或明确授权“保留原片、后期剥离模型音轨”；不自动换模型，不把后期去音冒充原生静音。受影响的G1/G2重新确认，仍有效参数不重问。
4. 下载后独立核对声音开关与实际音轨：无音轨可判结构静音；有音轨不等于有声，应检测是否静音并说明。若模型生成了非静音音轨，保留原始回执/素材并披露，不混入成片、不自动重提付费任务。按获授权方案剥离，画面剪辑默认禁用模型音轨。
5. 后期按已确认声音方案独立取得配音、对白、环境声/音效及音乐；动态核验实际可用音频能力与声音素材授权，缺失音色/台词/必要授权先确认，工具没有音效能力时不冒充已生成。只有用户明确要求时才额外产生付费测试音频。
6. 后期音频映射到最终画面时间线，不从视频素材取所谓“原生环境声”作为默认主轨。若要求精确口型匹配，先核验后期口型/表演方案，不能靠开启原生声音绕过；仅配音不代表口型已经同步。
7. 最终成片可带后期声音；“无声”只约束视频生成产物与画面工作轨，不是要求最终交付静音。按§6与§7对后期独立音轨混音，并实测最终编码响度与真峰值。

### 5. 下载与质检

**图片资产的下载与完整性校验按 `workrally-asset-qc`**（串行下载、PNG/JPEG/WEBP 校验、按文件头真实格式命名并回写 registry）。视频文件同样串行下载，并用 `ffprobe` 校验可完整解析、时长与流参数。

抽帧质检先检查目标时间是否在源片局部时长内，再按真实剪辑映射将成片时间换算为源片位置，不能直接把成片时间当源片时间。恒定帧率素材可按 `fps × 源片局部秒数` 定位帧号；超界会少输出甚至零帧，不能先归因于 `-ss` 或关键帧（SEG-B示例见Pitfall 20）。

```bash
# 逐镜各抽 2 帧拼网格
ffmpeg -y -i clips/S01.mp4 -vf "select='eq(n\,30)+eq(n\,160)',scale=420:-1" \
       -fps_mode passthrough "q_S01_%d.jpg"
# 拼版（多 chain 必须显式 -map）
ffmpeg -y -i a.jpg -i b.jpg -filter_complex "[0][1]hstack=inputs=2[out]" -map "[out]" -frames:v 1 grid.jpg
```

### 5a. 原生音效与对白验收（**默认声音方案** `audio_policy=native_sfx_verbatim_dialogue_no_music` 必做；另检查成片无配乐/歌声）

「音轨存在」「有语音活动」「抽帧合格」**都不等于台词正确**。原生对白必须逐句转写比对，流程固定为四步（坑点见 Pitfall 38–41）：

1. **工具链**：本机 Python 3.13 上 `mlx-whisper` **装不上**（依赖 `torch` + `numba`，后者在 3.13 无预编译 wheel 需源码编译，实测 8 分钟无进展）。改用 `faster-whisper`（`pip install -i https://pypi.tuna.tsinghua.edu.cn/simple faster-whisper`，**41 秒装完，全为预编译 wheel**）；模型 `large-v3` 走镜像 `HF_ENDPOINT=https://hf-mirror.com`，`download_root` 指到项目内 `qc_v3/_models`（约 2.9 GB）。CPU `compute_type=int8` 可用。
   - **2026-09-19 起本机已就绪，先查缓存再谈下载**：`~/.workbuddy/binaries/python/envs/default/bin/python` 内已装 `faster-whisper 1.2.1`，模型缓存于 `~/.cache/huggingface/hub`（`Systran/faster-whisper-large-v3` / `small` / `tiny` 三档全部就位），直接 `WhisperModel("large-v3", device="cpu", compute_type="int8")` 即可**离线加载**，不必再配 `HF_ENDPOINT` / `download_root`，也不受代理影响。性能参考：large-v3 CPU/int8 转写 30 s 音频约 20–25 s（10 段全片转写实测 2 m 33 s）。
2. **按镜头窗口切片转写**（关键，不可省）：每个 VO 切一个独立音频片段（窗口前后各留 0.45 / 0.55 s），逐句转写。整段转写会漏句（Pitfall 38）。**转写不带 `initial_prompt`**（Pitfall 39）。
3. **拼音级比对**：`pypinyin` 转拼音 → `difflib.SequenceMatcher` 编辑操作 → 分级为「同音/近音误识」与「真实增删改」（Pitfall 40）。同时统计「实听起止 vs 设计窗口」的偏移。
4. **时间轴回填**：用实测语音时间戳重建字幕轴，加可靠性过滤（Pitfall 41），并回写 `dialogue_fidelity_verified` 与该句的实测起止。
   - **字幕轴用「首尾关键词锚定」重建，不要用词数比例**——转写词数相对原稿总有偏差，按比例分配会造成整段错行。两个必踩的坑：① **归一化务必去掉撇号**，whisper 对 `don't`/`dont`、`Kael`/`Kale`、`goddess's`/`goddess'` 的写法极不稳定，保留撇号会让锚定大面积失败（本轮初次实现即因此漏掉 9 句）；② whisper 会给出**过宽边界**，本轮某句被标成 15.73–25.90（10.17 s），`word_timestamps=True` 复核后实为 24.80–25.86（1.06 s）——段级边界不可直接采信，须逐词核对。这些首尾锚点仅作父级对白定位，不能直接把整段作为一个字幕cue。正式字幕须按 §6a-2 的词级证据拆成短句；不再统一强制1.20s停留或0.08s空隙，保留 `raw_start` / `raw_end` 与最终帧级边界备查，听不清/对齐失败不回退计划时码。
   - **字幕文字取已核验实际说出的原稿对应词，不照抄ASR错字**：保留原稿拼写与专名；真实增删改或重复单列差异，未说出的词不得为了原稿覆盖率上屏。短句中文译文与当前英文cue语义一一对应，时间按 §6a-2，不按整段译文挂屏。

```bash
# 切片（示例：SEG-08 的某句，窗口 25.5-28.0）
ffmpeg -hide_banner -loglevel error -ss 25.05 -to 28.55 -i videos_v3/SEG-08.mp4 \
  -vn -ac 1 -ar 16000 -c:a pcm_s16le -y qc_v3/_slice/VO-030.wav
```

**验收结论必须写成「N 条台词，其中逐字一致 X 条 / 同音误识 Y 条 / 真实差异 Z 条」**，并列出 Z 的原文与实听；不得只报一个「通过」。若确实存在真实差异，先披露再做重生成决策，不自动重跑。

**模型档位的选择（2026-09-18 实测补充）**：`small` 档足够承担「台词是否到位」的比对——19 条台词的检查在本机 CPU `int8` 上单段 4–5 秒（模型首次下载约 460 MB），无需每次拉 `large-v3` 的 2.9 GB。`small` 的输出会带更多同音误识（知/志、她/他、读/毒、熟/说、谎/好），这些必须在报告里归到「同音误识」而不是「真实差异」；只有当同音误识掩盖了真实增删改时，才升级到 `large-v3` 复核该句。安装可直接 `pip install faster-whisper`（实测 1 秒完成，全为预编译 wheel），镜像仅在网络受限时使用。

**单音节/超短台词要单独兜底（Pitfall 43）**：经 `vad_filter=True` 的转写会整条吞掉独立成句的单字台词——实测「读。」（D-08）在该窗口内完全未输出（零段），而同句在无 VAD 定点复听时能落到 `t≈2.0–2.7`。凡剧本里有独立单字/双字台词（「读。」「说。」「滚。」），必须对其窗口再跑一次 `vad_filter=False, condition_on_previous_text=False` 的定点转写，才判定「未检出」；不得凭主转写结果直接写成缺失。

**非语音声音也可能触发ASR幻觉，不只静音（历史个案）**：历史尾部片段包含笑声、挣扎声或动作声，却转出 `Oh, my God.` / `Thanks for watching!` / `Thank you.` 等词。以下只用于定位疑点，不能自动豁免：① 不同模型输出不一致；② 命中常见幻觉短语；③ 片段原计划为音效/群体声/无台词。真实语音也可能被不同模型识别成不同文本，典型短语也可能被真实说出，计划无台词不证明实际无语音。

即使三项同时满足或对照句被两模型一致识别，也须回到原音定点听检，按Pitfall48保留来源、时间窗及复核结论；无法听清保持待人工听检，不能凭能量、模型一致性或计划窗口判无词/豁免。历史记录保留，不据本条自动重跑项目。

**带期望原文的 `initial_prompt` 不能用于自证一致性或时间戳准确**（与Pitfall39同源）：此类输出只作候选对齐线索，词边界仍须按 §6a-2 核对真实发声；对白一致性采用中立转写结合原音复核。分别记录提示依赖、原音依据及待核项，不把ASR结果当独立证据。

### 6. 按文字分镜剪辑成片

**完整视频制作必须交付一条剪辑完成的MP4，不能只交分镜Markdown、资产或散落片段。** 多个生成单元按分镜镜号和情绪/动作关系排序，选择实际可用的入点/出点，处理衔接、节奏与声音后合片；不是按文件名机械拼接。Seedance-2.5不超过30秒仍仅一次生成，可在同一源片上按需裁剪、混音、封装，不为剪辑额外拆分生成请求。单条内切换已经满足分镜时可保持原剪辑，不强加转场。

维护镜号 → 生成单元 → 源文件 → 实际source_in/source_out → 成片timeline_in/timeline_out的映射，写入分镜Markdown的“最终剪辑对应表”；实际镜头缺失、顺序变化或时长偏差须如实标注，不把计划时间码冒充实测。必要的返生成先说明并取得确认，不能为补齐分镜擅自增加付费任务。

素材应按同一帧级时间线裁剪/设置PTS，声音按§4c/§4c-0确认分支对齐（默认§4c-0）。全部后期分支只取画面，后期声音按真实镜头映射定位；原生对白分支保留已验收对白，与画面同步裁剪并纳入后期混音，不用统一-an删除。下方仅画面拼接及独立后期母版命令是全部后期分支示例；原生分支须显式保留/映射对白轨，不能原样照抄。复用旧音轨仍须单独记录授权来源和范围。转场重叠、末段裁剪计入总时长；字幕、品牌标识、变速、超分和明显的首尾淡入淡出按已确认方案，不自动加“惯例加工”。默认方案不加音乐；用户明确要求音乐时，音乐与环境声按实际素材混音，不只凭波形声称听感合格。最终核验目标总时长、像素、帧率、音画同步及最终编码后的响度/真峰值。

**仅多段分支需要拼接；单源成片跳过多文件concat。** 拼接前检查编码参数、分辨率、像素格式、时基、音轨参数与时间戳兼容性；同模型、同分辨率和同codec不足以保证无损拼接。兼容且不需要精确重裁剪时可用concat demuxer + `-c copy`：

先使用文件写入工具生成只含已确认源片路径的concat列表，再执行（不是shell通配符搜集片段）：

```bash
ffmpeg -y -f concat -safe 0 -i list.txt -map 0:v:0 -an -c:v copy out/film_picture_only.mp4
```

**音频流时长偏差必须逐段对齐后再拼接（有损音频整包 padding 坑）。** AAC 及多数有损音频以固定样本数整包编码（AAC 为 1024 样本；32kHz 下即 32ms/包），每段音频被编码器 padding 到整包，普遍**比视频流长 14–38ms**。段数一多偏差线性累积：26 段 × ~32ms ≈ **+0.84s 音画漂移**，片尾口型与声音明显错位，而逐段单独播放时看不出来。

处置：拼接前逐段 `ffprobe` 比对视频流与音频流时长，用**误差反馈裁剪**——对每段在 `floor/ceil` 两个整包候选数中选使「累计差」绝对值最小的那个，用 `-t <包数 × 包时长>` 裁音频，视频保持 `-c copy` 不重编码。目标把累计差压到 **±1 包（≤32ms）** 以内。不要统一用 `-shortest`，也不要对每段套同一个裁剪值（两者都会留下几百毫秒的残余累积）。

```bash
# 1) 逐段探测两流时长（注意 -select_streams 分别取 v:0 与 a:0）
ffprobe -v error -select_streams v:0 -show_entries stream=duration -of csv=p=0 clip.mp4
ffprobe -v error -select_streams a:0 -show_entries stream=duration -of csv=p=0 clip.mp4
# 2) 按选定整包时长裁音频（包时长 = 1024 / 采样率；此处 32kHz → 0.032s，包数 939）
ffmpeg -y -v error -i clip.mp4 -c copy -t 30.048 -movflags +faststart clip_aligned.mp4
# 3) 用对齐后的片段做 concat
```

实际下载的片段可能是 HEVC 或 H.264，以当次探测为准。需要重编时按真实入出点分别trim/setpts后仅拼画面，不使用 `[0:a]`、`[1:a]`。例如已确认两段各取30秒且帧率24fps时（数值不是默认）：

```bash
ffmpeg -y -i clipA.mp4 -i clipB.mp4 -filter_complex \
"[0:v]trim=duration=30,setpts=PTS-STARTPTS[a];\
 [1:v]trim=duration=30,setpts=PTS-STARTPTS[b];\
 [a][b]concat=n=2:v=1:a=0[v]" \
-map "[v]" -an -c:v libx264 -preset slow -crf 18 -pix_fmt yuv420p -r 24 \
-movflags +faststart out/film_picture_only.mp4
```

后期将配音、音效/环境声、音乐分别定位到同一时间线，先建立浮点预混母版，再按交付目标处理；最终只映射这份独立声音母版：

```bash
ffmpeg -y -i out/film_picture_only.mp4 -i audio/post_mix_master.wav \
-map 0:v:0 -map 1:a:0 -c:v copy -c:a aac -b:a 192k -ar 48000 \
-movflags +faststart out/film_post_master.mp4
```

上述母版时长须先与画面核对，不能用shortest静默截短；独立音轨处理和响度目标按本次素材，不自动套历史数值。

要点：
- 旁白/对白、SFX/环境声、BGM均来自独立后期素材，分别裁剪、定位并试听增益。手动控制电平时显式 `amix normalize=0` 并留足峰值余量；normalize 对输入施加共同缩放，本身不改变两路响度比。
- 后期音轨响度每次不同，不能套用旧案例mean/peak。先检测并试听再决定是否压低音乐；RMS/样本峰值不等于LUFS/真峰值。中间混音用 `-c:a pcm_f32le` 保留峰值余量。
- 集成响度与峰值目标按交付规格设置；`I=-14` 只是本项目网络版本目标，不将 `I=-19` 当作通用影视规范。使用 EBU R128 检测实际结果，不把滤镜目标当成测量值。
- **带人声演唱的 MV 以歌曲为主、环境声为垫层**，增益按实际素材和试听设置，不硬套 `1.35` 或 `0.5`。两段环境声若交叉淡化，会缩短音轨并让后段提前；须按视频切点对齐并核对时间戳，可做局部淡入淡出，不能直接 acrossfade 后以补静音掩盖音画错位。
- **限幅器与真峰值需分开核验**：本机 `alimiter` 的 `level` 默认 true（自动补偿电平），`limit=0.95` 并不表示最终固定留出峰值余量；可按需求显式 `level=false`。AAC 编码也可能改变峰值。按交付目标使用 loudnorm 等处理后，必须对最终编码的 MP4/AAC 运行 `ebur128=peak=true` 读取集成响度和真峰值，不能用编码前 WAV 结果代替最终验收。
- **ffmpeg 不允许读写同一路径**：把重做的音轨封装回已有成片会直接报 `Output ... same as Input`。先写 `out/_final_tmp.mp4`，再 `mv` 覆盖正式文件名。
- **AAC编码后的真峰值须实测**：余量随素材和编码配置而变，不把某次0.5–1.0dB当定律。真峰值用dBTP表述，对最终编码再解码的MP4核验，不能以WAV结果代替。
- **`alimiter`自动补偿可关闭，不应一律禁用**：若采用它须核验支持的 `level=false`，避免默认自动增益影响目标。压缩/限幅和loudnorm均按素材选择，再实测最终编码；某次响度抬升不能推导固定+1.1dB或“只能调整TP”。
- **两遍loudnorm先测再传入measured_*，不等于运行两次动态滤镜**：PLR=TP−I，线性增益可能无法兼顾目标响度和峰值上限，可比较合理动态处理方案；不宣称只能某一种模式或LRA必然压到固定值。LRA低于目标值本身不是失败，但2–3LU也不是所有广告的通用合格标准，需按交付要求与试听判断。
- **后期独立音效/环境声的段间电平按实际内容调整**：先检测并试听，不因平均响度差就自动等量补偿，避免抹去有意的强弱变化。处理仍服从统一剪辑时间线；历史原生音轨补偿数值不复用为新项目默认。

### 6a. 片内包装图形层（本机 ffmpeg 无 freetype 时的实现路径）

**"要有包装"通常指两层：片内图形层（品牌板/参数条/片尾 Slogan）+ 交付物料（封面海报）。开工前先问清是哪一层，不要默认其一。**

历史本机ffmpeg构建缺少drawtext/subtitles/ass。每次分别核验实际滤镜能力；仅未发现drawtext不能证明其余滤镜或所有字体库均缺失。不可用时不要自行改动系统ffmpeg，可走「隔离环境Pillow渲染透明PNG → ffmpeg overlay叠加 → fade控制进出」。

前置与要点：

- Pillow 装在隔离环境：`~/.workbuddy/binaries/python/envs/default/bin/pip install Pillow`
- 字体走系统字体文件：`/System/Library/Fonts/Helvetica.ttc`（英文）；中文用 `/System/Library/Fonts/Hiragino Sans GB.ttc`，**index 实测映射为 0=Hiragino Sans GB W3、1=.Hiragino Sans GB Interface W3、2=Hiragino Sans GB W6**，常规正文取 index=0、加粗取 index=2；标题可用 `~/Library/Fonts/TencentSans W7.ttf`（TencentSans W7 粗黑）。
- 历史本机 `/System/Library/Fonts/PingFang.ttc` 不存在，当前应先验证字体路径，不照抄网上路径。**`ImageFont.truetype()` 对无效路径会抛错；此前脚本的`try/except`吞掉错误并调用`load_default()`才造成看似静默回退**，不是Pillow自动回退。中文需选确实包含字形的字体，加载失败应显式报错；对候选`(path,index)`运行`truetype()`、`getname()`并实际渲染中文后看图，不凭文件生成判成功。
- **混排字符串不要用拉丁字体渲染（2026-09-18 实测，缺字方块）**：同一行里含中文与数字时，若把整串交给 Helvetica 之类的拉丁字体（本项目 `进度 0` 用了 `HelveticaNeue.ttc`），中文会渲染成缺字方块（tofu `▯▯`），且**不报错、文件照常生成**。要么整串走 CJK 字体，要么中英拆成两次 `draw.text` 各用各的字体。所有含中文的图形层定稿前必须抽帧看图确认无方块。
- **`-loop 1 …` 参数串存进 shell 变量时必须用 `${=VAR}` 展开（zsh）**：把 `LOOP="-loop 1 -framerate 24 -t 120.276"` 后写 `$LOOP -i x.png`，zsh 不做词分割，整串被当成一个选项，ffmpeg 报 `Unrecognized option 'loop 1 -framerate 24 -t 120.276'`。改 ` ${=LOOP} -i x.png`（或直接内联展开）。`bash` 下无此问题，但本项目默认 shell 是 zsh。
- 板件按成片实际像素比例设计；2560×1080并非严格21:9，1470×630才是。overlay前核验同一宽高比，再等比缩放或按确认方案留边，不能把比例差写成无损贴合
- **透明 PNG 必须变成视频流**，否则单帧流上 `fade` 的 `st` 无法在指定时间点生效（单帧输入的时间轴只有 t=0）。两种做法：① 全片长度的流（`-loop 1 -t <片长>`）靠 `fade` 的绝对 `st` 控制进出，适合板件很少时；② **每图层只取自身时长**（`-loop 1 -framerate 24 -t <图层时长>`）+ `setpts=PTS-STARTPTS+<start>/TB` 把流平移到目标时间，`fade` 用**相对** `st=0`。图层多（本项目 5 卡片 + 35 字幕 = 40 层）时用②，避免把每层都撑成全片长度。
- **多层叠加的时间定位只能用 `setpts`，不能用 `-itsoffset`**：`-itsoffset <t> -loop 1 -t <d> -i layer.png` + `overlay` 实测**叠加层完全不出现**（整帧仍是原图且无报错）。用②的写法，并配 `overlay=0:0:eof_action=pass:shortest=0`，40 层链一次编码通过（720×1280/317 s 实测约 65 秒，8 核并行）。详见 Pitfall 42。
- 所有板件 `overlay=0:y` 叠同一位置，靠各自的 `fade alpha` 控制进出，一个滤镜链串完
- **同屏多图层不要互相排斥，改位置错开**：对白字幕固定在底部（竖屏基线约在画面高度 79%），片尾卡/短信卡/悬念字幕放中部，两者可长时间共存；若把尾卡安排成「字幕消失后才出现」，30 秒段落往往没有空档可放（本项目 SEG-10 对白占满全段）。

```bash
ffmpeg -y -i clipA.mp4 -i clipB.mp4 \
 -loop 1 -t 60 -i plate_head.png -loop 1 -t 60 -i callout_01.png -loop 1 -t 60 -i plate_tail.png \
 -filter_complex "\
[0:v][1:v]concat=n=2:v=1:a=0,trim=0:60,setpts=PTS-STARTPTS,fps=24[base];\
[2:v]scale=1470:-1,format=rgba,fade=t=in:st=0:d=0.8:alpha=1,fade=t=out:st=2.4:d=0.6:alpha=1[h];\
[3:v]scale=1470:-1,format=rgba,fade=t=in:st=13.5:d=0.4:alpha=1,fade=t=out:st=16.1:d=0.4:alpha=1[c1];\
[4:v]scale=1470:-1,format=rgba,fade=t=in:st=57:d=0.9:alpha=1[tl];\
[base][h]overlay=0:5[b1];[b1][c1]overlay=0:5[b2];[b2][tl]overlay=0:5,format=yuv420p[vout]" \
 -map "[vout]" -an -c:v libx264 -crf 20 -preset veryfast -r 24 -t 60 out/_viz_test.mp4
```

- **片尾品牌板不要淡出**。淡出会让末帧回到空镜，广告收尾应定格在品牌上；淡入后保持到最后一帧。
- 参数标注条的时间码必须落在能承载它的镜头上（某次两条分别压在两段的座舱镜头内），先抽帧核对再定稿，不要只按分镜的秒数硬贴。
- 抽帧核对四个状态（淡入中 / 全显 / 淡出中 / 已消失）确认进出窗口正确；视觉版可先用 `-preset veryfast -crf 20` 快速验证，定稿再压正式版。
- **源片是 21:9 时图形板必须等比贴合**：`scale=1470:-1` 后按 `(H-h)/2` 垂直居中，不要拉伸填满导致标识变形。

**Pillow 叠加的致命坑**：在 `RGBA` 图上直接用半透明色 `draw`（如 `fill=(5,9,15,a)`）**不会做 alpha 混合**，而是把该像素写成 (5,9,15) 并附上 alpha；紧接着 `convert("RGB")` 又会**丢弃 alpha 通道**，于是半透明压暗层变成**纯黑块**。必须画在独立图层上再合成：

```python
layer = Image.new("RGBA", (W, H), (0, 0, 0, 0))
d = ImageDraw.Draw(layer)
# ... 压暗带、渐变、文字、logo 全部画在 layer 上 ...
img = Image.alpha_composite(base.convert("RGBA"), layer).convert("RGB")
```

判定方法：抽一帧与未叠加的原帧比较同区域平均亮度（`signalstats` 的 `YAVG`）。若叠加后半透明区域亮度贴近 0 而原帧是上百，即是此 bug。某次实测原帧底部 `YAVG=120`，叠加后只剩 `12.96`；修复后回升到 `101`（仅按设计压暗约 16%）。

#### 6a-1. 图形层合成与技术验收

**烧制实现按 `ffmpeg-burn-subtitles-pil`**（PNG 图层渲染、路径 A 图层视频单次 overlay / 路径 B 多输入 overlay+enable、帧级半开区间与交叠截断、字芯掩膜验收）；本节与 §6a-2 只规定标准与验收门槛，调用时把 §6a-2 标准与词级时间轴台账一并传入，不另写烧制脚本。

先按 §6a-2 形成语音短句字幕，不能把一整段对白渲染成一个多行图层。涉及前置片头、正片、片尾时，先统一三段的实际时间线，再按成片时码叠字幕；也可先在正片上叠字，但须使用正片局部时码。两条实现路径均须实测，不宣称某一条普遍更可靠。

```text
不可变无字幕母版 + 已确认片头/片尾
  → 核对画面、音轨、时基、源入出点
  → 得到成片时间线
  → 将词级语音时间经真实剪辑映射换算为成片时间（偏移只加一次）
  → 逐条叠加短句字幕（中文一行 + 英文一行）
  → 编码后按 §6a-2 逐条核对显示内容及语音起落点
```

- `overlay` 的 `enable` 中 `t` 对应其底片输入流的时间戳，不自动等于成片时间。历史项目曾把带 +8 s 片头偏移的窗口用于正片局部流而整体晚 8 s；这是时码域混用，不是 concat 前叠字必然错误。拼接输入应按需要统一起点和时基，图层实际输入索引从当前输入清单取得，不照抄旧示例数字。
- 字幕窗口采用帧级半开区间 `[start_frame, end_frame)`，相邻短句不在边界帧同时出现。纯静态字幕与带 alpha 动画的图层实现分别核验；不把单帧 PNG 的保持能力等同于它具有可运行 fade 的完整时长。
- 片头/片尾是否淡至黑场或定格，沿用该项目明确方案；不得由广告/剧集类别自行推导。规则更新不授权重新渲染片头、片尾或视频。
- **检出像素差只说明画面发生变化，不证明字幕文本正确、短句划分正确或与语音同步。** 重编码、缩放和色彩转换也会产生差异。中点截图仅用于字形与位置检查；完整同步验收见 §6a-2。
- 历史 `max|diff|>5`、`|diff|>60` 像素占比和 0.3% 等值仅为该素材的排查线索，不能作为通用通过阈值。需要对照时先精确对帧，以字幕图层 alpha 掩膜及局部差值检查文字形状，并核对同编码设置的无字对照；疑点保留待复核。
- 不为保险给底片添加 RGB/YUV 往返。按实际滤镜构建显式核验像素格式，不能把 `format=auto` 说成 overlay 的通用默认。单帧特定链路的 PSNR=inf 不代表有损编码后整条成片无损；历史约54 dB也不是固定损失。
- 缩略图疑似中文重影，应读原尺寸裁切再定性，不能预先认定都是降采样问题。
- 容器和码流色彩标签以实际探测为准；`unknown` 表示缺少标记，不单独证明像素转换错误或具体播放器行为。确需补标记时先确认素材的真实色彩规格，优先测试不重编码的重封装，保留输入、复核输出。未指定流复制的解码 MD5 相同只证明被测解码数据相同，不能称压缩码流逐比特相同；若主张码流一致，需另比对压缩流数据。

#### 6a-2. 中英短句字幕标准（唯一活动源）

**标准：中上英下，中文较大、英文较小，各一行，底部居中；按实际语音短句切换。** 本节覆盖旧的英上中下、中文小一号、底边距57px和整段长句挂屏规则。仅约束已要求的字幕，不自动为无字幕项目添加字幕。调用 `ffmpeg-burn-subtitles-pil` 等字幕实现时明确传递本节标准；第三方包的默认字号、顺序、强制大写、整段桥接或安全区不能静默覆盖本标准。项目另有明确确认的字幕规格时按项目记录执行，并记录与本标准的差异。

**范围边界**：本标准不追溯改动既有 MP4、SRT、JSON、图层和历史回执；标准更新不是旧成片已合规的证明，也不授权重做。需要按本标准重做时须另获授权，从无字幕母版开始，另存新版本。

**版式**：
- 版式以成片**有效影像区**为基准，不把上下黑边、播放器边框、平台角标算作设计区域；不为字幕添加黑边、不改画幅。
- 中文在上，英文在下，两行水平居中；中文较大，英文约为中文字号的70%–80%，白色常规或中等字重、细黑描边/轻微阴影、无底板，英文自然大小写。
- 几何起点按有效影像区高度 `Ha` 缩放：中文名义字号约 `0.053×Ha`、英文约 `0.039×Ha`；文字可见包围盒底缘距有效影像区底部约 `0.03×Ha`，两行可见字形间隙约 `0.008×Ha`。1280×720无黑边时的调试起点：中文38px、英文28px、底距22px、行间空隙6px、描边约2px。以上为实现起点，**不是已验收的通过值**；需用字体真实bbox及正常播放尺寸校准。
- 字幕总块控制为两行，不用三行英文加两行中文。每行不超过有效宽度80%，短句自然居中，不拉伸字距填宽；平台UI确实遮挡时记录冲突并确认调整，不机械套旧竖屏安全区。

**分句与文字**：
- 一条字幕对应一个当下正在说的短语/短分句，不能一条对应整段独白或整个生成单元。先按语义和真实停顿分句，再按宽度细分，**不是把旧长字幕简单缩小或折成更多行**。
- 通常每条英文2–5词、约32字符内，中文约8–16字内，均为拆分起点而非硬砍词规则。专名与固定词组尽量完整，过长时结合真实词级边界继续分句，不省略原词，也不把全片统一字号随长句任意缩小。
- 中文按对应英文短句重新做语义配对，两语共享同一cue的起止，不能机械等字数切译文、提前揭示后句，或英文已换句而中文仍挂整段。
- 英文取已核验实际说出的原稿对应词，保持拼写与专名；若原音真实漏词、增词、重复或改词，与剧本差异另列，不把未说出的原稿强行挂上屏，也不偷偷删音改词。待裁决差异保持待核。

**语音驱动时间轴**：
1. 读取与最终剪辑一一对应的声音素材。采用词级语音时间戳/音频强制对齐并核对原声；缓存须能追溯源音、剪辑版本、词序及时间基准。剧本对白条目只是父级记录，拆分后字幕数按实际语音产生，不等于对白条数。
2. 每条短句的raw起点取第一个实际词的发声位置，raw终点取最后一个词的结束；优先按停顿、呼吸、语义和换人处分段。禁止按词数/字数/整段时长平均分配，禁止用分镜计划时间填充缺失词级时间戳。缺失/异常项定点重对齐或待听检，不伪造精确同步。
3. 显示起点跟随短句开口，按帧取整而非机械提前。末尾允许极短阅读余量（建议0–0.12s），不得跨越下一短句或说话人起点，不跨明显停顿。取消统一强制最短1.20s及固定0.08s空隙；短促台词按实际发声处理，连续话语可无空隙切换。可读性不足先优化短句边界，不提前展示后面的台词、不延长遮盖下一句。
4. 语音时间通过真实source_in/timeline_in、片头时长与变速关系换算，仅加一次偏移；记录raw和最终帧级显示边界，禁止累积舍入导致漂移。
5. 用词级时间戳实现的是**短句字幕与语音同步**，不是逐字跳动、卡拉OK或自动修嘴型。可见人物说话时用连续播放辅助核对；旁白、画外音仍按音轨，不强求画面上有嘴。原音与原嘴型若本来不一致，单列问题，不移字幕去伪装音画同步。

**验收门槛**：
- 逐条核对短句起止、说话人、两语语义、文字遗漏/重复、重叠和停顿清屏；每个cue可追溯父对白ID和起止词ID。拼回英文应与已核验的实际对白对应，无静默增删词。
- 字幕起点相对核验发声起点的偏差建议控制在约0.12s内，尾点不得截掉未说完的词，额外停留建议不超过0.12s且不跨下一cue。这是制作目标，不是声称ASR必然达到；超出或听不清须列待核，不假报同步通过。
- **必须连续带声回放**检查长独白、密集交替、停顿、换人及首尾；短句边界逐项复核。静态截图、词级数据生成成功、层数匹配、像素差和PSNR都不能单独证明同步。无法实际听检/回放时明确标记待人工复核。
- 至少保存短句台账字段：cue_id、parent_dialogue_id、speaker、en、zh、first_word_id、last_word_id、raw_start、raw_end、film_start、film_end、review_status。字形/字号/位置用原尺寸抽帧检查；音轨与口型问题独立记录。
- 报告分列「版式核验」「文字覆盖」「短句语音同步」「原片音画/口型待核」，不把“N/N 条有字”写成“字幕已同步”。


#### 6a-3. 海报与其他信息板（不作为对白字幕默认）

本节仅供已确认的海报/信息板使用，不能用下方压暗带示例覆盖§6a-2的无底板字幕版式。

**海报/图形层的可读性优先靠文字描边，而不是把背景压黑**：

```python
d.text((x, y), ch, font=fnt, fill=fill, stroke_width=2, stroke_fill=(3, 7, 12, 185))
```

压暗带过重会让画面出现可见硬边，看起来像渲染故障而不是设计。合理量级参考：底部压暗带高度约占画幅 20–26%、最大 alpha 70–90、曲线指数 1.5–1.7，配 2px 描边即可让白字在中灰雪原上清晰可读。

**封面海报**：从成片抽帧再叠信息带。选帧时避开主体与文字区冲突的画面——某次三个候选里，侧跟镜头虽展示车体最好，但车占据右侧导致右下角 Slogan 压在车头上；最终改用"车头正面冲入冰河"帧，文字落在干净水面上。信息带左右分栏（左品牌 / 右 Slogan）时，中文与英文两行的行距要显式留够（中文 31px 与英文 14px 之间需 ≥8px 间隙），否则会重叠。


### 7. 后期独立声音制作（配音、音效、环境声、音乐）

本节在对应声音分支的视频验收及剪辑定位后执行。全部后期分支按§4c清单取得独立素材，不把发声需求放回视频prompt；默认原生分支按§4c-0保留已验收对白与音效，**不制作、不添加任何音乐**，只制作用户另行确认的后期声部，不重新配音覆盖原词。下文音乐分支仅在用户明确要求音乐时启用。后期旁白/对白先核对台词与音色，音效/环境声核对触点、长度及授权，音乐核对用途与有无演唱。未要求的声部不强加；音频工具缺失某能力时先说明与确认，不伪造已完成。各音轨保留可追溯文件/任务ID、实际时长和剪辑入出点。

音乐分支：按声音需求选择 `canvas_generate_audio` 的歌词模式：纯器乐用 `mode="music"` + `lyrics_mode="none"`；人声演唱用当前模型支持的歌词输入模式和用户确认的歌词。生成曲长以实际结果为准，需裁剪时结合歌曲结构与试听；频谱谐波或能量包络不能证明含有人声、歌词正确或演唱完整，无法试听须明确标为待人工复核。

**先做能量分析再决定切哪段**：

```bash
ffmpeg -hide_banner -nostats -ss <秒> -t 8 -i bgm.mp3 -af volumedetect -f null - 2>&1 | grep -E "mean|max"
```

选弧线完整的一段（轻起 → 抬升 → 峰值 → 收束），别机械取开头。

**打完整包络再选段**（10 秒一段遍历全长，比只看几个点可靠）：

```bash
for seg in $(seq 0 10 130); do
  v=$(ffmpeg -hide_banner -nostats -ss $seg -t 10 -i bgm.mp3 -af volumedetect -f null - 2>&1 \
      | grep mean_volume | sed 's/.*: //;s/ dB//')
  printf "%4ss %7s\n" "$seg" "$v"
done
```

实测某次 133s 曲子的包络：`0s -19.4 / 20s -18.4 / 30s -13.9 / 60s -13.5 / 90s -12.0(峰) / 100s -15.3 / 130s -19.3`。取 **22–82s** 得到「安静开场 → 一路爬升 → 品牌定格时落在最高点」，比取 0–60s（结尾音乐还在往上走，收不住）明显更合广告结构。

后期不要用“只映射BGM”的封装命令覆盖已经制作好的旁白与音效。先按真实时间线将所有已要求声部混为 `audio/post_mix_master.wav`，核对时长、可懂度和声画触点，再按§6显式映射该母版与画面。只有用户明确仅要配乐时，才允许音乐作为唯一音轨；歌曲和环境声比例按试听而非只凭包络判定。

### 8. 交付版压制

只读取§6本次记录且已验收的 `out/film_post_master.mp4`，它的音轨来自确认的最终混音母版：全部后期分支用独立后期声部，原生对白分支包含已验收并保留的原生对白。输入缺失即停止，不回退到目录里的旧film.mp4或测试版；输入输出路径必须不同。已满足交付规格时直接复用，不为套示例再有损重压。

确需压制时显式映射已确认画面与后期音轨，编码规格按本次目标核验。以下为示例，不把High/4.1硬套所有分辨率帧率：

```bash
ffmpeg -y -i out/film_post_master.mp4 -map 0:v:0 -map 0:a:0 \
  -c:v libx264 -preset slow -crf 19 -pix_fmt yuv420p \
  -c:a aac -b:a 192k -movflags +faststart out/film_delivery.mp4
```

最终交付文件再次测量响度、真峰值、总时长及音画同步；原声轨未获授权不得通过默认映射回流。用户明确最终也要静音的例外用 `-an` 并记录，不自动删掉已要求的后期声音。

顺带出一张 contact sheet 供快速审片（每 N 秒一帧拼 5×4 网格）。抽帧网格是后期审片结果，不是预生成分镜图片。

### 9. 最终交付、无限画布归档与Markdown回写

完整制作至少交付《项目名_成片.mp4》《项目名_文字分镜.md》与**已整理并验收的项目无限画布**。分镜Markdown保留已展示的计划版本，并补上实际剪辑映射、偏差、确认配置及验收记录。**全部项目素材、完整提示词和剪辑清单必须按 §9a 上画布，不再“按需附带”，也不能只交本地文件或只上传最终MP4。** 本地原件与可下载交付仍保留，画布不替代文件备份。仅文字任务只归档其已授权产物，不为凑齐分区生成媒体；仅规则修订不上传或调整现有画布。

生成中镜号/资产ID未知时标为待生成，不伪造。交付前将真实完成状态、task_id/asset_id、文件路径及画布映射回写项目配置；媒体完成、画布归档完成分别记录，不能把仍pending的项目当作归档已完成。

### 9a. 全素材与完整提示词上无限画布（唯一活动源）

**最终交付硬要求：项目内全部素材与对应完整提示词都在项目无限画布中可定位、可查看、可追溯，并按制作阶段整理。** 覆盖已制作、已使用及需要追溯的未采用版本，不是只放缩略图、成片或一张链接总表。用户本次选择“仅更新交付标准”：本轮不查写云端、不上传、不移动现有节点、不运行项目脚本、不生成/重烧媒体；未来实际归档须有对应项目的执行授权与真实目标画布。

#### 9a-1. 归档范围与分区

| 区域 | 必须归档的已有内容 |
|---|---|
| 00 项目导航 | 项目名、版本、目录、分区定位、采用版本、完成状态、缺项/待确认清单及使用说明 |
| 01 前期文字 | 需求、原始剧本、创意/设计方案（如有）、文字分镜、空间文字计划、确认记录；草案与定稿分开 |
| 02 人物CHAR | 主演/有台词角色三视图、CHAR:crowd群像、逻辑ID与成员映射、对应完整提示词与实际规格 |
| 03 道具PROP | 全部独立道具及已有视图，同一parent_prop_id下关联外观/内饰等；对应完整提示词 |
| 04 场景SC | 全部纯环境资产（每个逻辑SC的主视图与顶视图）、逻辑SC编号、对应完整提示词；不混入人物或道具分类 |
| 05 视频单元 | 全部源片与已有版本，按集/SEG/镜号排序；完整实际提交prompt、参考输入图序、生成参数、任务与产物关联 |
| 06 声音 | 已有配音/对白、音乐、环境声/音效、混音母版，及实际使用的文案/提示词与时点；仅内嵌原生轨标明所在源片，不冒充独立音频文件 |
| 07 字幕与包装 | 已有字幕轴/词级对齐台账、译文、图层、片头片尾/封面、包装设计文字；脚本/参数、完整帧序列及清单可追溯 |
| 08 成片与验收 | 当前成片、无字幕母版、最终文字分镜、实际剪辑对应表、验收报告/图及待核项 |
| 09 历史与未采用 | 旧稿、被替换素材、已存在的测试素材和失败任务记录，与其prompt/来源关联并标“未采用”；不删除，不混入当前采用区 |

“全部”指该项目的生产与交付素材，不包含账号凭据、令牌、环境变量、软件依赖、模型缓存或无关个人文件；不借归档扫描其他个人目录。未制作的声部/媒体标未制作或不适用，不为归档新增生成任务。失败任务无产物就只保留实际提交记录，不伪造素材。

#### 9a-2. 素材与提示词一一对应

- 媒体与其prompt文字卡成组或相邻摆放，用逻辑ID、版本、状态与互相指向的标识明确对应；同一prompt有多个实际产物时保留一对多真实映射。不把名称相同当同一版本。节点命名建议“类别/逻辑ID｜名称｜版本｜采用状态”，视频同时标SEG/镜号范围。
- 提示词必须是**完整、可复制的文字**，不能用截图、摘要或“见本地文件”代替。保留实际提交原文，包括实际使用的中英文稿、负面限制、参考绑定与摄影等内容；未提交的新稿单列“草案/未执行”，不得用当前规范改写旧任务prompt来冒充历史提交。
- 长prompt按内容顺序分成编号文字卡，能无缺漏拼回原文，并保留原文附件/内容哈希供校验；不因画布卡片长度限制截断。设计草案、资产prompt、视频prompt和声音prompt按来源区分，不互相替代。
- 每项至少登记逻辑ID、类别、名称、版本、采用状态、来源文件/来源记录、画布ID/节点ID（仅实际取得时）、真实task_id/asset_id（适用时）、实际模型及参数、参考资产顺序、关联镜号/生成单元、prompt来源/版本、验收状态。不适用用N/A，缺失用待核，不能倒推或补造历史prompt/模型参数。
- 本地程序化包装、字幕、人工编辑、用户提供文件可能没有生成prompt：如实标“非模型生成”，附真实文案、脚本/参数及来源，不杜撰。新字幕标准与未重制的旧SRT/成片分别标识，不能让归档状态冒充字幕同步已通过。

#### 9a-3. 整理与实现边界

先建立项目范围内本地清单，再对照实际目标画布及已登记节点；目标画布即 §0G-1 开项目时新建的项目画布，已按 §0G-2 逐轮添加的节点直接复用，补齐缺项，不另建无关联的重复画布。归档前把 `canvas_pending` 里的文件统一再问一次，用户不同意的单列「用户选择不上画布」，不算归档缺漏。发现多个候选目标或无法确认归属先询问，不猜ID。**画布读取、写入、分区排版与清理的执行方法一律按 `workrally-canvas-organizer`**（`asset_search` 取画布素材、`canvas_manage` 以 `merge` 写入、画板分组与网格排版、可选孤儿清理；文字/画笔节点永远保留，禁止 `overwrite`）；本节只规定归档范围、对应关系与验收口径。只用当次可用且已核验的操作能力，不假设可创建文字节点、连线、分组或自动布局；草稿只按该技能做节点结构解析，不手工改写草稿，不通过重新生成把已有素材放回画布。

图片/视频/音频优先使用可预览/播放节点，文字使用可读可复制节点；长文、SRT/JSON、脚本及帧序列如无法原生承载，须明确限制，采用**画布中可访问的完整文件附件或归档包 + 清单/预览卡**，必要时先确认替代承载方式。全部源帧须在可取回的归档内，不只给精选帧；程序化预览/联系表不等于新增模型生成。附件承载与原生节点分别记录，不能声称每项均可原生编辑。若连可访问附件/文字都不支持，则报告阻塞及待补项，不以本地路径、失效短链或仅媒资库入库冒充已上画布。

沿固定阅读方向按阶段排布，分区有可见标题，媒体/文字卡留足间距、不遮挡，视频按实际单元顺序；提示词邻接或有清楚可追随的关联，版本状态可辨。分组/连线不可用时使用已支持的标题、位置及ID关联，仍需真实视觉检查，不能凭命名或保存回执认定已整理。

**最终推送画布必须保留原有的视频、图片节点和提示词**：生成时落画布的原节点（`mcp-<taskId>`，带 `task` 与生成参数/提示词）、网页端生成或拖入的原节点、逐轮添加的节点，一律不删、不替换、不改写。按 §0G 生成时传了 `artboard_id` 的原节点已经在对应分区里，直接用，不做副本；被替换或未采用的版本，按 `workrally-canvas-organizer` 的「整节点搬移」移到 09 历史与未采用，搬不了就留在原处并在旁边加「未采用」标签。只有没进分区的旧节点（本规则之前生成的、网页端生成或拖入的）才给采用版本做副本放进分区，原节点留在原位，副本不能代替原节点作为提示词来源。最终归档不执行 `workrally-canvas-organizer` 的孤儿清理，执行细节以该技能「最终推送画布」一节为准。归档还要做到：不覆盖历史提交记录、不移动/删除本地原件；本地归档包另存，若实际操作涉及个人目录整理，先按文件安全规则只读清单并另获授权。临时签名URL不当永久索引，以真实资产/节点ID和可刷新入口关联；交付前验证当前访问可用，不承诺永久有效。

#### 9a-4. 最终验收与交付

1. 以本次真实项目清单为分母，逐项核对素材、prompt、原文附件和节点映射；分别报告“原生节点已核验 / 附件已核验 / 待核或阻塞”，计数可解释，不靠缩略图张数判全量。
2. 复核完整prompt可复制，抽查长文本拼接无截断；任务/参考图序/素材/版本关联一致；当前采用与历史版本分离。归档完成不代表媒体质量已通过。
3. 用 `canvas_manage(action="get")` 对照 `canvas_add_log` 核对原有图片 / 视频节点一个不少、`task` 与生成参数（提示词）仍在；少了任何一个都算画布归档未完成。实际打开画布核对排布与文字可读性，并按类型核对图片预览、视频/音频播放及附件下载。无法查看/播放/取回的项保持待核，不因上传回执或保存成功判完成。
4. 交付可访问的画布入口、分区说明、素材与提示词覆盖数、缺项/限制、当前采用版本，并同时交付本地MP4/最终文字分镜及归档清单。任一必需项未入画布或未验证，明确“画布归档未完成”，不能只说全部完成。
5. 本地归档台账建议保存canvas_id、section、logical_id、source_path、content_hash、asset_id/task_id（适用时）、node_id（真实取得时）、prompt_revision、storage_mode、sync_status、verified_at。这些是工作流记录字段，**不是对平台API字段或能力的承诺**。

## Pitfalls

遇到失败、异常、结果与预期不符时，先读 [references/pitfalls.md](references/pitfalls.md)（71 条真实案例与规避做法）。
本条只留强制口径：

- **换平台不是解法**：提交失败、额度用尽、模型不可用、审核拒绝时，如实报错并停在该步等用户决定，不切换服务、不换账号绕过、不自动重试额度类失败。
- **`upload_file` 本机不可用**：本机文件走 `workrally-ref-image-cos-upload` COS 直传；素材取 URL 用 `asset_detail`。
- **下载与完整性校验统一走 `workrally-asset-qc/scripts/fetch_assets.py`**：不另写并发下载或校验代码。
- **ffmpeg 环境按当次实测**：历史构建不算恒定环境，缺失滤镜优先用 §6a 的 Pillow 方案，环境更改另行确认。

## Verification

交付前逐条核对 [references/verification.md](references/verification.md)（资产核对、风格、画布归档、字幕等全部验收项）。
任何一条打不上勾，都不能宣称对应环节完成；机检通过不等于成片验收通过。

## CHANGELOG

历史变更见 [CHANGELOG.md](CHANGELOG.md)（53 条版本记录，含规则来由与落地依据）。