优化脚本

core/backend/apps/ai/script_agent.py

@@ -494,7 +494,11 @@ _CREATIVE_DIRECTION = """
 - 痛点镜：拍得到的细节，而非抽象感受。例如「开会前刘海粘成一绺」而不是「头发很油」。
 - 卖点镜：只证明一个卖点，必须写清「原本卡在哪里 → 手怎么使用商品 → 眼前有什么变化」。
   不准只报参数、堆形容词或重复商品名。
-- CTA 镜：回到前面那个具体情境，给一个自然的选择/动作；不要硬喊「赶紧下单」。
+- CTA 镜：回到前面那个具体情境，说清**谁适合、为什么值得试**，用一句像跟朋友说话的口语收尾。
+  **禁止平台指令腔**：小黄车、购物车、点下方、点击购买、立即购买、马上/赶紧下单、抢购、秒杀、
+  手慢无、别犹豫、买它、闭眼入、上车 —— 这些一出现整条就掉回广告，观众直接划走。
+  合格例子：「你要是也天天下午三点犯困，可以试试这个」「链接放这儿了，先看看合不合适」。
+  紧迫感只能来自商品资料里的真实事实，没有就不制造；画面里也不许出现购买浮层或价格贴片。
 
 ### 画面与台词必须互相提供新信息
 - 每个 15 秒场只安排**一个连续的核心动作链**，例如「拆开 → 倒入 → 颜色变化」，
@@ -517,7 +521,7 @@ _CREATIVE_DIRECTION = """
 ```
 【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」。
+【声音】台词/旁白状态；音效；背景音乐。没有就写「无」；没有配乐写「无配乐，仅同期声」。**不要写字幕这一栏** —— 本系统出的视频一律无字幕。
 【画面内容】
 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。
@@ -536,8 +540,9 @@ _CREATIVE_DIRECTION = """
 - **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。
+- **禁止画面里出现文字**：本系统出的**任何视频都不带字幕**。不要写字幕、花字、标题、片头片尾、
+  水印、角标、价格贴片、优惠标签、弹幕、对话气泡、贴纸、参数表、对比图表、UI、按钮、购物浮层；
+  口播和台词只以声音存在。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。
 
@@ -546,10 +551,20 @@ _CREATIVE_DIRECTION = """
 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。
+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、备注
+折进对应栏，不要压成一句画面摘要。**原稿里的「字幕 / 花字」一栏一律丢弃**，绝不搬进新脚本 ——
+参考视频有字幕不代表我们的成片要有。
 """
 
+# CTA 平台指令腔:一出现整条就从「真人分享」掉回「电视购物」,且换平台就穿帮。
+# 用户明确要求全系统去掉「小黄车」那套话术,这里做成硬闸,模型跑偏就打回重写。
+_CTA_BANNED_PHRASES = (
+    "小黄车", "购物车", "点下方", "点击下方", "点下面", "点击购买", "立即购买", "立刻购买",
+    "马上下单", "赶紧下单", "立即下单", "抓紧下单", "抢购", "秒杀", "手慢无", "别犹豫",
+    "买它", "闭眼入", "上车", "冲鸭",
+)
+
+
 # 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。
 _GENERIC_HOOK_PHRASES = (
     "大家好", "今天", "给大家", "给你们", "给姐妹", "分享一下", "推荐一下",
@@ -739,7 +754,8 @@ def build_agent_messages(
         "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。"
+        "禁止画面里出现任何文字叠加(字幕/花字/标题/水印/角标/价签/购物浮层),口播只以声音存在;"
+        "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":
@@ -817,8 +833,9 @@ def build_agent_messages(
                 "【任务】参考视频改写:用户给了一份逐镜拆解稿。"
                 "照搬它的镜头顺序、每镜时长比例、景别、机位、运镜、人物动作和声音层次,"
                 "把人物、商品、品牌、台词全部换成当前商品。"
-                "写 visual 时把拆解稿里的景别/机位/运镜/人物动作/表情/音效/背景音乐/字幕/备注"
+                "写 visual 时把拆解稿里的景别/机位/运镜/人物动作/表情/音效/背景音乐/备注"
                 "折进【声音】和【画面内容】的秒级分镜,不要压成一句画面摘要。"
+                "**拆解稿里的「字幕」栏一律丢弃**,不要搬进新脚本 —— 我们的成片不带字幕。"
                 "原稿写「无 / 不可见 / 听不清」的栏不要编造。"
                 "钩子、已选结构的核心步骤和商品事实必须能对上。"
                 "每镜旁白要能撑满指定时长;画面必须按秒拆分镜,够导演在 15 秒里切 3–5 刀。\n"
@@ -1044,6 +1061,24 @@ def assert_script_has_a_hook(draft: dict) -> None:
         raise ValueError("开场像泛泛推荐,请直接从具体场景、反差或问题切入")
 
 
+def assert_cta_is_not_shouty(draft: dict) -> None:
+    """拦住「点下方小黄车」那套平台指令腔:CTA 要回到情境、点名谁适合,不是喊口号。
+    扫全片口播/对白(不只 CTA 镜),因为这类话经常顺手塞进末镜旁白的最后一句。"""
+    for index, seg in enumerate(draft.get("segments") or []):
+        if not isinstance(seg, dict):
+            continue
+        speech = _speech_text(seg)
+        hit = next((phrase for phrase in _CTA_BANNED_PHRASES if phrase in speech), None)
+        if hit:
+            raise ValueError(
+                f"第 {index + 1} 镜出现了平台指令腔「{hit}」,请改成回到具体情境、点名谁适合的自然口语收尾"
+            )
+    hook = str(draft.get("hook") or "")
+    hit = next((phrase for phrase in _CTA_BANNED_PHRASES if phrase in hook), None)
+    if hit:
+        raise ValueError(f"钩子里出现了平台指令腔「{hit}」,请换成具体场景或反差")
+
+
 def assert_intra_shot_beats(seg: dict, index: int, duration: int) -> None:
     """15 秒场必须按秒拆出分镜,否则下游视频只能对着一句空描述乱编。"""
     need = min_beats_for_duration(duration)
@@ -1727,6 +1762,7 @@ def stream_script_agent(
                         selling_titles=selling_titles,
                     )
                     assert_shot_density(candidate, fmt)
+                    assert_cta_is_not_shouty(candidate)
                 return candidate
 
             routed_stream = stream_routed_text_request(