优化脚本

core/backend/apps/ai/script_agent.py

@@ -137,15 +137,21 @@ _PERSONA_KEY_BY_LABEL = {label: key for key, label in PERSONA_LABELS.items()}
 NARRATION_CHARS_PER_SECOND = 5.2
 NARRATION_CHARS_PER_SECOND_MIN = 4.3
 NARRATION_CHARS_HARD_CAP = 78
-VISUAL_CHARS_MIN = 72
+# 故事板下线后,visual 是出片模型唯一的画面依据,门槛从「够写一句」抬到「够当导演说明书」
+VISUAL_CHARS_MIN = 110
 SHOT_BEATS_MIN = 3
 BEAT_SPAN_RE = re.compile(
     r"(?P<start>\d{1,2})\s*[-–—~到至]\s*(?P<end>\d{1,2})\s*(?:s|秒)?\s*[：:]",
     re.IGNORECASE,
 )
+# 景别(拍多大)与 机位/运镜(怎么拍)分开把关:出片模型两样都要,缺一样画面就会平。
 _SHOT_SIZE_MARKERS = (
-    "特写", "近景", "中近景", "中景", "全景", "远景", "胸上", "过肩",
-    "手持", "跟拍", "俯拍", "仰拍", "推近", "拉远", "摇",
+    "大特写", "特写", "近景", "中近景", "中景", "全景", "远景", "胸上", "过肩",
+)
+_CAMERA_MOVE_MARKERS = (
+    "手持", "跟拍", "跟随", "俯拍", "仰拍", "平视", "推近", "推进", "推镜",
+    "拉远", "拉回", "拉镜", "摇镜", "横摇", "移镜", "平移", "环绕", "升降",
+    "固定机位", "定机位", "固定镜头", "过肩", "第一人称", "越肩",
 )
 _MINOR_CHARACTER_RE = re.compile(
     r"(?:婴儿|宝宝|宝贝|幼儿|儿童|小孩|小朋友|未成年|男童|女童|baby|toddler|infant)",
@@ -501,20 +507,47 @@ _CREATIVE_DIRECTION = """
 输出前自问：遮住商品名后，这是不是仍然像一个真实的人在讲自己刚遇到的一件事？
 如果像广告口号，重写得更具体、更有立场。
 
-### visual 必须写成「导演说明书」，不是一句画面摘要
-每个 segment 的 `visual` 采用下面的层级；这不是给用户看的散文，而是会原样交给故事板和视频模型的执行指令：
+### visual 必须写成「导演说明书」，因为它是出片模型唯一的画面依据
+
+**这条最重要：流程里没有分镜图了。** 你写的 `visual` 不会再经过一张关键帧图去"翻译"，
+而是**连同角色/商品/场景参考图一起，原样交给视频生成模型**。你没写清楚的，模型就自己编；
+你写含糊的，画面就含糊。所以 `visual` 要写到「一个不认识这个商品的摄影师，照着就能拍」的程度。
+
+每个 segment 的 `visual` 采用下面的层级，逐栏写满：
 ```
 【本镜任务】这一段要让观众看懂的变化或悬念。
+【光线氛围】光源方向与性质（窗光/顶光/台灯/逆光）；色温冷暖；明暗对比；整体色调。全片各镜保持一致。
 【声音】台词/旁白状态；音效；背景音乐；字幕。没有就写「无」；没有配乐写「无配乐，仅同期声」。
 【画面内容】
-0-3s：景别；机位；运镜；人物/商品动作；情绪或信息变化。
-3-8s：景别；机位；运镜；手与商品的空间关系；可见细节。
-8-12s：景别；机位；运镜；动作结果或卖点证据。
+0-3s：景别；机位高度与角度；运镜；主体在画面中的位置；具体动作；情绪或信息变化。
+3-8s：景别；机位；运镜；手与商品的空间关系（哪只手、握哪里、从哪个方向入画）；可见细节。
+8-12s：景别；机位；运镜；动作结果或卖点证据（看得见的变化：颜色/质地/形态/前后差别）。
 12-15s：景别；机位；运镜；反应/悬念/自然收束。
 ```
-每条秒级分镜都要明确写出 **景别、机位、运镜、动作、信息变化** 五项中的至少四项。
-输入如果是 `【镜头 01】` 导演分镜稿，把原稿的景别、机位、运镜、动作、表情、音效、背景音乐、字幕、备注折进对应栏，不要压成一句画面摘要。
-同一角色、商品、场景的外观一律引用 entities 里的既定设定，不在每一镜随意换发型、服装、包装、光线或地点。
+
+每条秒级分镜必须同时写出这五项，不能省：
+1. **景别** —— 大特写/特写/近景/中近景/中景/全景（15 秒内至少切两次，别一个景别拍到底）
+2. **机位** —— 高度与角度：平视/俯拍/仰拍/过肩/桌面视角
+3. **运镜** —— 手持跟拍/推近/拉远/横摇/环绕/固定机位（**每镜至少出现一个运镜词**，否则画面会死）
+4. **动作** —— 具体到肢体：谁、用哪只手、对什么、做了什么动作，动作要连贯可拍
+5. **信息变化** —— 这 3–5 秒里画面上多了什么、变了什么
+
+### 只写拍得出来的东西
+- **禁止抽象词**：「展示商品」「呈现质感」「体现高级感」「氛围到位」「传递温暖」——
+  这些不是画面，是评价。要写成「杯壁上的水珠顺着往下滑」「她眉头松开，肩膀塌下来」。
+- **禁止心理描写**：模型拍不出「她内心很纠结」，要写「她拿起又放下，手指在包装边缘停了两秒」。
+- **禁止画面里出现文字**：不要写字幕、花字、标题、价格贴片、UI、弹窗、对比图表；
+  商品包装上原有的真实文字除外。
+- **禁止一镜内跨场景/跨时间蒙太奇**：15 秒是**一个连续的动作链**，同一地点、同一光线、
+  同一套衣服。要换环境就换到下一镜，并在 entity_refs 里换成另一个 scene。
+
+### 一致性靠文字锁死
+同一角色、商品、场景的外观一律引用 entities 里的既定设定；不在每一镜随意换发型、服装、
+包装、光线、地点或色调。每一镜的【光线氛围】要和相邻镜衔接得上（同一场戏不能上一镜暖黄台灯、
+下一镜冷白日光）。商品的用法要符合物理常识：热饮有蒸汽、液体会流动、包装要先打开才能取出内容物。
+
+输入如果是 `【镜头 01】` 导演分镜稿，把原稿的景别、机位、运镜、动作、表情、音效、背景音乐、字幕、备注
+折进对应栏，不要压成一句画面摘要。
 """
 
 # 这些句式几乎总会让首屏像模板广告。只作为生成后的最后一道门，不替代模型的创作判断。
@@ -698,12 +731,16 @@ def build_agent_messages(
     speech_floor = narration_floor(SEGMENT_DURATION_MAX)
     speech_cap = narration_limit(SEGMENT_DURATION_MAX)
     beats_line = (
-        f"【秒级分镜】每个 {SEGMENT_DURATION_MAX} 秒场必须拆成 3–5 个分镜,visual 必须按「导演说明书」写成多行:"
-        "先写【本镜任务】、【声音】、【画面内容】,再写秒级分镜;"
-        f"每条格式`0-3s：景别；机位；运镜；谁在做什么；信息变化`,最后一条接到 {SEGMENT_DURATION_MAX}s。"
-        "每条写清手/商品/容器的空间关系和真实用法"
-        "(茶=热水+蒸汽+茶汤变色,禁止茶包丢进冷白开;手从真实方向入画,禁止悬浮肢体)。"
-        "禁止一句空画面撑满 15 秒。允许另给 beats 数组,后端会折进 visual。\n"
+        f"【秒级分镜】流程里没有分镜图了,visual 会**原样交给出片模型**,写多细画面就有多准。"
+        f"每个 {SEGMENT_DURATION_MAX} 秒场必须拆成 3–5 个分镜,visual 按「导演说明书」写成多行:"
+        "先写【本镜任务】、【光线氛围】(光源方向/色温/明暗/色调,各镜保持一致)、【声音】、【画面内容】,再写秒级分镜;"
+        f"每条格式`0-3s：景别；机位；运镜；主体位置与具体动作；信息变化`,最后一条接到 {SEGMENT_DURATION_MAX}s。"
+        "每条必须带景别(15 秒内至少切两次)+ 机位 + 运镜词(手持/跟拍/推近/拉远/环绕/固定机位,缺了画面会死),"
+        "并写清哪只手、从哪个方向入画、握商品哪里,以及真实用法"
+        "(茶=热水+蒸汽+茶汤变色,禁止茶包丢进冷白开;禁止悬浮肢体、商品凭空出现)。"
+        "只写拍得出来的东西:禁止「展示商品/呈现质感/体现高级感」这类评价词,禁止心理描写,"
+        "禁止画面里出现字幕花字标题价签,禁止一镜内跨场景跨时间。"
+        f"禁止一句空画面撑满 {SEGMENT_DURATION_MAX} 秒。允许另给 beats 数组,后端会折进 visual。\n"
     )
     if fmt == "oral":
         writing_line = (
@@ -1025,6 +1062,11 @@ def assert_intra_shot_beats(seg: dict, index: int, duration: int) -> None:
     markers = [mark for mark in _SHOT_SIZE_MARKERS if mark in visual]
     if len(set(markers)) < 2:
         raise ValueError(f"第 {index + 1} 镜 15 秒内至少要切两次景别,并写进秒级分镜")
+    # 故事板下线后没有关键帧兜底,机位/运镜只能靠这段文字告诉出片模型
+    if not any(mark in visual for mark in _CAMERA_MOVE_MARKERS):
+        raise ValueError(
+            f"第 {index + 1} 镜必须写清机位与运镜(手持/跟拍/推近/拉远/环绕/固定机位…),否则出片只会拍成呆板静止画面"
+        )
 
 
 # 模型每次生成都可能换字段名(scene/screenDescription/visual…、dialogue/lines/caption…),