夜雨聆风
# 交互式选择要安装的技能 npx skills add libtv-labs/libtv-skills
# 直接安装指定技能npx skills add libtv-labs/libtv-skills --skill libtv-skill
分析
AI工作流的亮点
AI自动搭建了标准化工作流：
角色档案：为刘备、关羽、张飞分别生成三视图（正面/侧面），锁定形象特征
规范化描述：每个分镜包含角色状态、场面调度、对白文本、运镜方式（如"特写→拉远"）
自动化编排：剧本→分镜→角色→配乐→视频→合成，全流程无需人工干预
评价：这是目前AI短剧工具中比较系统的工程化尝试，比简单的"文生视频"更接近专业制片流程。
分镜级问题逐帧分析
1. 字幕系统：有标题，无台词，且渲染异常
现象：开头出现"桃园三结义"文字，但同一文字重复显示两次+字体异常，且
无对白字幕（比如"不求同年同月同日生"这句没字幕）
结论：视频生成模型对文字生成仍不稳定，需后期剪辑替换
2. 转场逻辑：时间线"穿帮"
严重bug：右边刘备还没消失，左边刘备已出现（画面重叠）
原因：多片段拼接时未做遮罩或过渡处理，AI直接硬切导致时空错乱
3. 结拜场景：对白残缺但画面可用
对白："不求同年同月同日生..."句子被截断，TTS或剧本生成存在长度限制
画面：三人姿态、表情无明显穿帮，角色一致性在这个过程保持较好
4. 举杯动作：物理常识 vs 一致性失控
酒洒出：碰杯时酒液飞溅略显夸张，但可接受——流体物理对当前扩散模型本就是难题（若用世界模型有可能解决）
桃树变形：同一棵桃树在镜头切换后形态改变
问题归因：视频生成模型（kling-v3-omni）未绑定场景元素ID，每帧独立采样导致背景漂移
5. 结尾：一致性再次失守
桃树又变了：与举杯镜头相比，结尾的桃树形态再次不同
影响：破坏"同一时空"的沉浸感，显露出图生视频模型的本质缺陷
技术归因总结
结论与建议
这次测试说明了什么？
✅ ai能通过这个skills搭建工业化工作流：角色锁定、分镜规划、自动化合成
❌ 只能做到半成品素材：字幕需重制、转场需剪辑、背景一致性失控
给普通用户的建议：
当前阶段适合生成无对白的氛围片段或固定场景的短镜头，适合娱乐。若需复杂叙事，建议导出分镜图后，在剪映中手动添加转场和字幕，利用AI配音补全台词。
开发者选型建议：
1. 用现成skills（快速验证）适合MVP或个人项目。它本质是打包好的多模型工作流：自动调度剧本模型、生图模型、视频模型，还有故障转移（如seedance挂了切kling）、角色三视图锁定——这些自建很花时间。但黑盒问题你得接受：字幕渲染异常、转场可能穿帮。
2. 自建工作流/软件（商业化/高质量）如果你要商业化，建议自己搭工作流调即梦/可灵等最新API，而非依赖skills中间层。因为：
不是调单个API：你也得串联或并联多模型（比如：LLM写剧本→生图→视频→TTS配音），但好处是每环都可控
字幕自己渲染：剧本生成的对白文本直接用代码（ffmpeg）叠加到视频，不依赖视频模型的文字渲染能力（避免乱码/重复）
转场自己控制：用剪辑库（如moviepy）做遮罩/淡入淡出，避免"两个刘备"重叠
模型选最新的：可灵3.0、即梦v1.5的一致性比kling-v3-omni强，且成本透明（按量付费可能比积分体系便宜）
关键区别：skills是黑盒，全自动但不可控；自建是灰盒，半自动但每个环节都可调。前者适合验证，后者适合产品化。
