# 电商带货脚本 · 核心方法论

> 每次生成都读。本文件是脚本的"骨架 + 红线"，钩子句式见 `hook-library.md`。

---

## 一、黄金结构：钩子 → 痛点 → 卖点 → CTA

带货短视频的灵魂是**前 3 秒留人 + 结尾促转化**。四个功能镜各司其职：

| role | 功能 | 它要做的事 | 旁白要点 |
| ---- | ---- | ---- | ---- |
| **钩子** | 3 秒留人 | 第一句话/第一帧就让人停下不划走 | 用 `hook-library.md` 的公式，制造痛点共鸣或反差冲击 |
| **痛点** | 共鸣 | 把用户"对，我就这样"的处境讲出来 | 具体场景化，不抽象，让人对号入座 |
| **卖点** | 商品解决 | 商品如何**恰好**解决上面的痛点 | 卖点落到痛点上，给"凭什么信"的理由（成分/效果/对比/口碑） |
| **CTA** | 转化行动 | 临门一脚，告诉用户现在做什么 | 明确动作 + 紧迫感（点下方小黄车 / 主页领券 / 限时） |

**铁原则：**
- **首镜永远是钩子**——3 秒内必须抛出钩子，否则用户划走。
- **末镜永远收 CTA**——可以是独立 CTA 镜，也可以是末镜旁白末尾收一句行动指令。
- **卖点必须挂在痛点上**——不是罗列参数，是"这个痛点 → 商品这样解决"。
- **一条只讲一个核心情境**——先选一个「时间 + 地点 + 小麻烦/小欲望」，整条围绕它推进；
  不要把商品详情页的所有卖点搬进来。
- **每镜必须有变化**——人物的处境、手上的动作或眼前的结果至少推进一项；镜与镜不能只是
  换种说法重复夸商品。

---

## 二、时长 → 镜数 → 黄金结构映射（关键）

### 2.1 时长规则（每镜固定 15 秒）

- **总时长**由输入给定：**15 / 30 / 45 / 60**。未指定时默认 30。
- **每镜时长固定 15 秒**，这既是主流程产品规则，也是下游出片模型的硬上限。
- 镜数直接由总时长决定：15 秒 → 1 镜，30 秒 → 2 镜，45 秒 → 3 镜，60 秒 → 4 镜。
- **不要**写成 8/10/12 这种不等长，也**不要**自行加减镜。15 秒要靠画面变化和一句完整意思撑满，不是靠切碎镜头。
- 所有 `segments[].duration` 相加**必须精确等于** `total_duration`。

### 2.2 镜数怎么定

镜数**不是按表现形式估算的**，就是 `total_duration / 15`。
表现形式只影响这一镜里怎么拍（口播把 15 秒说完一件事；短剧在 15 秒里完成一次冲突/对白交换；Vlog 用镜内空镜+细节撑满），**不改变镜数**。

### 2.3 role 按镜数分配

| 镜数 | role 序列（index 0→N） | 说明 |
| ---- | ---- | ---- |
| **1** | `[钩子]` | 一镜到底：钩子 → 一句卖点 → 一句 CTA，全压进这一镜的旁白 |
| **2** | `[钩子, 卖点]` | 镜0 钩子里带出痛点；镜1 讲卖点并在末尾收 CTA |
| **3** | `[钩子, 卖点, CTA]` | 痛点并进钩子镜 |
| **4** | `[钩子, 痛点, 卖点, CTA]` | 标准黄金结构，一镜一功能 |
| **5** | `[钩子, 痛点, 卖点, 卖点, CTA]` | 两个卖点镜要各有侧重 |
| **N ≥ 4** | `[钩子, 痛点, 卖点 × (N-3), CTA]` | 通用规则：首钩子、次痛点、末 CTA，中间全是卖点 |

说明：
- `role` 只能取 `钩子|痛点|卖点|CTA` 四个枚举值。"信任背书""场景演示""前后对比"等都归入 `卖点`。
- **镜少也不许丢 CTA** —— 镜数 ≤2 时把 CTA 压进末镜旁白的最后一句。
- 多个卖点镜要**各有侧重、不重复**（核心功效 / 真实使用场景 / 别人为什么买 / 举证读数）。
- 视频结构会覆盖这里的默认分配 —— 以 `playbooks/structure-*.md` 里的骨架为准，
  本表只是没有指定结构时的兜底。

---

## 三、entity 一致性原则

`entities` 是全脚本共享的角色 / 场景 / 商品池，保证**多镜同一角色是同一张脸、同一商品是同一个包装**。

- **一个角色/场景/商品 = 一个 entity = 一份 `visual_prompt`**。多镜复用同一 id，**绝不为同一对象写两份 visual_prompt**（会导致下游生图人脸/包装漂移）。
- `visual_prompt` 由你**自动生成**（小白不打字）：写清外观特征（角色：性别/年龄段/发型/穿着/气质；场景：地点/光线/风格；商品：品类/包装/颜色/摆放），用于直接喂图模型。
- `type` 三选一：`character`(人) / `scene`(环境) / `product`(商品)。一份脚本通常至少 1 个 `product`、**至少 1 个 `scene`**。
- **场景与镜头一一对应（可复用）**：**每个 segment 的 `entity_refs` 必须恰好引用一个 `scene`**——它就是这一镜画面所处的环境。多镜同环境就复用同一个 scene id（如全程宿舍 → 只一个「宿舍书桌」scene，4 镜都引用它）；真正换了地点才新建另一个 scene。纯产品特写镜也要绑它所处环境的 scene（无明确环境则复用主场景）。这样下游「场景」基础资产能成图、且同环境背景一致。
- `ref_index` 是该 entity 在图集里的参考序号（从 1 递增，供下游三视图/参考图对齐）。
- `voice_ref`（二期，可选）：角色音色参考，用于锁音色；无则 `null`。
- **每个声明的 entity 至少被一个 segment 的 `entity_refs` 引用**，不留孤儿。
- `segments[].speaker` 指向某 `character` 的 id 表示该镜由角色开口说；`null` = 画外旁白。

---

## 四、商品露出规范（`product_exposure`）

每镜都要规划商品怎么自然出现，避免生硬插入。按 role 给推荐露出方式：

| role | 推荐露出 | 说明 |
| ---- | ---- | ---- |
| 钩子 | 可弱露出或不露 | 钩子先抓人，商品可作悬念，第 1 镜末尾闪一下也行 |
| 痛点 | 不露 / 反面对照 | 展示"没有它"的糟糕状态，商品先按住 |
| 卖点 | **特写 / 使用中** | 商品成为主角：成分特写、质地特写、上脸/上手使用中 |
| CTA | 手持 / 包装正面 | 手持商品对镜头，包装正面清晰，配合行动指令 |

露出方式词汇统一用：`手持` / `特写` / `使用中` / `包装正面` / `场景摆放` / `对比展示`（可组合，如"手持+特写"）。

---

## 五、旁白红线（硬规则，违反即不合格）

- **口语化**：像真人对着镜头唠嗑，不准书面腔 / 不准 AI 腔（"综上所述""不仅…而且""值得一提的是"全禁）。
- **必须用商品原词**：输入给了商品名、品牌、卖点，就用这些词，不许改成「补水/好用/值得买」这种空卖点。品类示例句只是语气参考。
- **`narration` 字数按这一镜的秒数算**：出片模型在镜内直接发声。
  可懂语速上限约 **3.5 字 / 秒**，口播下限约 **2.4 字 / 秒**（再短镜头空一半）。
  **每镜上限 `duration × 3.5` 字，且不超过 55 字。口播 15 秒镜还有下限 36 字。**

  | 单镜时长 | 下限 | 字数上限 | 写作目标 |
  | ---- | ---- | ---- | ---- |
  | 4 秒 | — | 14 字 | ≤ 12 字 |
  | 5 秒 | — | 17 字 | ≤ 15 字 |
  | 6 秒 | — | 21 字 | ≤ 19 字 |
  | 8 秒 | — | 28 字 | ≤ 25 字 |
  | 10 秒 | — | 35 字 | ≤ 31 字 |
  | 12 秒 | — | 42 字 | ≤ 38 字 |
  | 15 秒 | **36 字** | 52 字 | **38–47 字，2–4 句** |

  主流程每镜都是 15 秒：**要说满，不要宁可短。** 一句 20 字撑不满镜头。
  留白靠句间停顿和画面，不靠少写字。只有 Vlog 才允许个别镜纯画面无声。
- **不浮夸、不空喊**：卖点要给具体理由，不堆形容词。
- **拒绝详情页腔**：禁止用「全面升级 / 高品质 / 性价比很高 / 闭眼入 / 值得买」替代体验与证据。
  台词要有当下的个人判断，例如先说自己卡在哪，再说为什么这一步让自己改观。
- **违规词禁令**（电商广告法红线，一律不写）：
  - **医疗功效类**：治疗 / 根治 / 疗效 / 抗癌 / 消炎 / 杀菌(无证) / 排毒 / 速效 / 抑制 ××病 …
  - **绝对化用语**：最 / 第一 / 顶级 / 唯一 / 100% / 国家级 / 世界级 / 永久 / 绝对 / 史上 …
  - **虚假承诺**：包治 / 三天见效 / 立刻变白 / 永不反弹 …
  - 替换策略：用"帮助""更""不少人反馈""上脸清爽"等柔性、主观化表达替代。

> 自检阶段必须逐镜扫一遍违规词，命中即改写。详见 `checklist.md`。

---

## 六、15 秒场内的秒级分镜（硬规则）

主流程一场就是 15 秒。15 秒里**必须再切 3–5 刀**，写进 `visual`，下游故事板和视频只认这段。

`visual` 不写普通画面摘要，固定按下面的导演说明书结构输出：

```
【本镜任务】本段要让观众看懂的变化或悬念
【声音】无配乐，仅同期声：包装摩擦声、倒水声；人物说话自然停顿
【画面内容】
0-3s：景别；构图；运镜；动作；信息变化
3-8s：景别；构图；运镜；动作；信息变化
...
```

这样「人物/商品/场景设定」留在 entities 中保持全片一致，「本镜任务」管情绪推进，
「画面内容」只管可执行的镜头，声音也不会漏给视频模型。不得写虚构或无法发生的音效。

```
0-3s：近景，人看镜头或看向场景，先立住环境和情绪
3-8s：手部入画，开始使用商品（写清容器、材质、液体/膏体状态）
8-12s：商品特写，用法过程可见
12-15s：拉回人物，使用后的反应
```

- 第一条从 **0 秒**起，最后一条接到 **15s**。
- 每一条写：**景别 + 构图 + 运镜 + 动作 + 信息变化**（至少四项），并写清谁、手从哪来、商品/容器什么样。
- 15 秒内至少切 **两次景别**（近景 / 特写 / 手持跟拍…）。
- 商品用法必须真实：茶要热水和蒸汽，不要把茶包丢进冷白开；手不要悬浮。
- **一场一个动作链**：把 15 秒拆成同一件事的起因 → 操作 → 可见变化 → 反应，不能把无关的
  剧情、多个卖点、跳场景硬塞进同一场。画面提供证据，台词提供判断或转折，不要互相复述。
- 允许另给 `beats:[{start,end,shot_size,action}]`，但 `visual` 仍要能折成上面这种多行文本。