全自动漫剧生产线（多维表格版）

概述

平台接入（ManturHub 自动注入）

认证

首次使用先运行 manturhub login 完成浏览器授权；CLI 会保存并复用登录凭证。自动化环境也可设置 MANTURHUB_KEY。REST 请求统一使用 x-api-key: <YOUR_KEY>，API Key 可在当前 ManturHub 站点的 /dashboard/api-keys 创建。

算子调用

优先使用 manturhub run <算子ID> --json '{...}'；异步任务由 CLI 自动轮询并返回最终结果。直接调用 REST 时，以 manturhub describe <算子ID> 返回的实时 schema 和轮询说明为准。任务失败由平台自动退费，无需在 Skill 中实现重复扣费或退款逻辑。

文件上传

本地文件必须先换成公网 URL 再传给算子：

• CLI：manturhub upload <本地文件> → 返回可直接传给算子的公网 URL
• REST：POST /api/v1/uploads/presign → 拿 put_url PUT 上传 → 用 access_url

执行前自检

1. 先运行 manturhub describe <算子ID> 获取实时参数 schema，不要凭 Skill 内的历史示例猜参数。
2. 调用前运行 manturhub quote <算子ID> 查实时价格。
3. 调用所需的本地素材先运行 manturhub upload <本地文件>，不要把本地路径直接传给算子。
4. 使用 manturhub run <算子ID> --json '<参数JSON>' 调用算子；异步任务由 CLI 自动轮询。

本 Skill 依赖算子

• op.drama.asset-extract（剧本资产提取）：manturhub quote op.drama.asset-extract
• op.drama.clip-seedance-compile（剧本分镜提示词生成）：manturhub quote op.drama.clip-seedance-compile
• op.image.generate（图片生成）：manturhub quote op.image.generate
• op.video.understand-v2（视频/图像理解算子）：manturhub quote op.video.understand-v2
• op.voice.design（音色设计）：manturhub quote op.voice.design
• op.audio.generate（音频生成）：manturhub quote op.audio.generate
• op.video.generate（AI 视频生成）：manturhub quote op.video.generate

全自动漫剧生产线

两个算子是事实编译器；本 Skill 负责资产文件、视觉判断、生图、飞书、付费确认、视频执行、尾帧承接和本地交付。本期没有服务端调度层；剪映草稿是可选的本地确定性 action，不是新算子。Skill 安装在用户本地，业务算子运行在 ManturHub；Agent 必须把状态持久化到项目目录，不能依赖一个长连接或聊天上下文记忆。

本 Skill 支持 https://hub.mantur.ai 与 https://hub.mantur.cn，但一次项目运行只能使用一个站点。环境解析顺序固定为：显式 MANTURHUB_BASE → 当前 Skill 安装记录的 base_url → CLI 配置 baseUrl → 默认 .ai。预检输出选中的 manturhub_base 和来源后，把它持久化到项目状态；后续上传、算子查询、报价、提交、轮询、Skill安装和状态查询全部显式使用同一基址。当前环境与项目已锁定环境不一致、安装记录同时指向两站、任务或poll URL来自另一站时必须阻断，不得自动跨站。

把当前项目根目录的绝对路径记为 PROJECT_DIR。Agent 启动或恢复工作流时，先运行 manturhub skill run drama-asset-seedance-pipeline --project "$PROJECT_DIR" -- --stage <当前阶段> --deliverable <episode-clips|jianying-drafts>；可重复 --deliverable 同时选择两种交付。用户只选择交付类型，不直接接触内部 action。该命令验证可信安装和当前阶段依赖并返回下一步，不会另起后台调度器。只需单独诊断时使用下述 skill doctor。

版本绑定以包内 VERSION_LINK.json 为机器可读来源；同时阅读 [references/version-compatibility.md](references/version-compatibility.md)。

0. 硬预检与输入

先完整阅读：

• [references/input-preparation.md](references/input-preparation.md)
• [references/reference-routing.md](references/reference-routing.md)
• [references/visual-matching.md](references/visual-matching.md)
• [references/base-schema.md](references/base-schema.md)
• [references/preset-voice-library.md](references/preset-voice-library.md)
• [references/runtime-and-export.md](references/runtime-and-export.md)
• [references/jianying-draft-delivery.md](references/jianying-draft-delivery.md)
• [references/third-party-audit.md](references/third-party-audit.md)

本 Skill 要求 ManturHub CLI >=0.10.0、已完成 manturhub login，并要求 Agent 对一个可持久化的项目目录具有读写权限；所有本地确定性动作都由 CLI 的受控 Skill runtime 执行，不要求用户安装额外解释器。项目需要创建或更新飞书 Base 时，另须安装 lark-cli 并完成授权；缺少它属于飞书依赖问题，不是 Agent 客户端问题。按本次阶段运行 manturhub skill doctor drama-asset-seedance-pipeline --project "$PROJECT_DIR" -- --stage extraction|asset-production|clips|video。Agent 确实提供可调用的原生生图能力时，资产补全阶段加 --native-imagegen；没有时不加，预检会在启动阶段选择当前站点的 ManturHub op.image.generate。Agent 同时具有原生图片和视频理解能力时可声明 --native-image --native-video；否则预检选择当前站 op.video.understand-v2。旧 CLI 必须先明确升级，不能改走其他入口或静默降级。只有该阶段需要的算子离线才阻断；视频算子离线不能阻断纯资产提取。读取预检结果中的 manturhub_base，每次调用前以 MANTURHUB_BASE="$PROJECT_MANTURHUB_BASE" manturhub describe 获取当前站 live schema，以同一基址运行 manturhub quote/run/status/upload。真实密钥不得进入 Skill、命令历史、Base 或日志；一个站点的Key不能拿到另一个站点使用。

预检结束时把 image_provider 和 video_provider 写入 <project>/.pipeline-state/project.json。图片供应路径只按“Agent 原生能力是否存在”选择一次：声明了 --native-imagegen 为 native_agent_imagegen，否则为 manturhub:op.image.generate；视频默认固定为 manturhub:op.video.generate。这不是运行失败后的自动 fallback。供应路径选定后若调用失败，必须返回真实错误并停止对应资产或场次链，不得静默换 provider、换模型或生成替代数据。

恢复旧项目时，codex_imagegen 只作为 native_agent_imagegen 的历史别名识别。预检会明确报告迁移要求，不能静默改成另一家 provider。当前 Agent 仍有原生生图能力时，内部执行 migrate-image-provider --to native_agent_imagegen --confirm-native-imagegen，只规范名称并写入 provider_migrations 审计；若当前 Agent 没有原生生图能力，改用当前站 ManturHub 属于实际 provider 变更，必须以 --to manturhub:op.image.generate --confirm-provider-change 明确确认并留下审计。新项目只写规范值。

确认并持久化 <project>/.pipeline-state/project.json：剧名、manturhub_base、环境来源、剧本本地路径与公网URL、制作集数、交付截止阶段、参考图目录、既有资产目录、是否生图、是否生视频、Base URL、画幅、视频模型/分辨率、Clip数量软目标、每集时长强下限目标与软上界、单Clip硬范围、对白语言、15秒对白词数、缺音色策略、预制音色是否允许自动绑定、同项目音色是否允许复用、世界观和硬限制。恢复旧任务时先核对 manturhub_base；不同站点的task_id、poll_url、quote_id和余额记录不可复用。默认仅在用户未指定时使用：4–6个Clip、目标5；每集60秒强下限目标/90秒软上界；Clip 5–15秒；英文约15秒40词；9:16；Seedance 2.0标准版480p；缺音色按“用户音色→预制音色库→显式AI直出”决策。最后一步只在项目策略预先允许时使用，不是运行失败后的fallback。

风格参考图是开放目录，可以是任意数量和任意用途，不固定四张，不固定男女。给每张图建立 REF-001...，保存原附件、checksum、公网原图URL、用户说明与视觉事实。资产提取时传全部参考图；生图时只传当前资产相关子集。

1. 资产提取

调用 op.drama.asset-extract v2.3.0 或兼容的更高版本。传 script_url 或 script_text、项目风格、负面要求和 reference_images；Worker会把完整剧本统一固化为文件，通过 Responses API 的 input_file 单次调用，并以严格 JSON Schema 返回资产结构。使用稳定幂等键，只提交一次；保存 task_id/poll_url，异步轮询并按变化回填进度。不得把剧本切批或改走 Chat Completions。

验收四张表：项目美术规范 / 角色资产 / 场景资产 / 道具资产。群众并入角色资产，不建关系表和群众表。每条资产必须有：稳定资产ID、基础资产ID、变体、适用集数/场景、证据、提示词、负面提示词、生成策略；角色另有音色策略。V01 的基础资产ID为自身，V02+ 指向同实体V01。提取阶段只产出文本，媒体字段必须为空。

reference_required 表示进入分镜前必须匹配或生成参考图；defer_to_video 只允许一次使用、非变体、非关键、无需跨镜头连续性的资产，后续不创建 @Image，由视频模型按文字随机生成。V02+ 一律 reference_required。

2. 资产补全与飞书 Base

通过 lark-cli 新建或增量更新同一个 Base。必须保留旧版四表结构，并按 [base-schema.md](references/base-schema.md) 增加附件、纯文本URL、参考绑定、生成来源、执行ID和验收状态；后续再添加 Clip总表、Seedance2.0请求体。不得删除用户列。URL与JSON必须是纯文本，不能写Markdown链接。

2.1 匹配用户资产

库存记录本地路径、checksum、媒体类型和文件名；看实际图片/视频内容，不能只凭文件名。用用户声明→剧本名称/别名/证据→视觉内容→文件名/目录的证据顺序匹配。唯一匹配才回填 user_uploaded；多解或冲突标 unresolved 并等待用户确认。音频需核实说话人和可用时长，再转公网URL和附件。

2.2 生成缺失资产

用户要求生资产时，先按 reference-manifest.json 运行 manturhub skill exec drama-asset-seedance-pipeline validate-references --project "$PROJECT_DIR" -- "$PROJECT_DIR/reference-manifest.json"。提示词必须结合资产行提示词、项目风格和所选参考图的可见特征；调用时同时传入这些原图。角色V02+以已验收V01图为第一身份参考，再加相关风格图。先生成少量角色/场景测试图，用户确认后才批量并发。

每个资产必须在生成前确定唯一的 primary_layout_source。有参考图时，主参考图决定输出画布方向和宽高比；其他参考图只提供身份、材质、服装或美术风格，不能改变画幅。目标宽高比与主参考图偏差不得超过1%。角色V02+默认以已验收V01/基础资产作为第一张参考并继承其画幅；用户若明确指定另一画幅，先更新绑定记录再生成。多张参考图横竖方向混合且没有明确主参考时必须阻断，不能随机选择。没有任何参考图时才使用资产模板默认画幅。资产图画幅与最终视频画幅是两个独立概念，不能因为视频为9:16就把横版角色设定板或四宫格场景改成竖版。

• image_provider=native_agent_imagegen：每张图调用当前 Agent 的原生生图能力，把当前资产的真实本地参考图作为参考输入；全新文生图不传参考路径。
• image_provider=manturhub:op.image.generate：先用 manturhub upload 把当前资产的参考原图转成匿名可读URL；实时 describe/quote，用户确认本次费用后调用 op.image.generate。无参考图用 mode=generate；有参考图用 mode=edit 和 images[]。默认 n=1，尺寸按主参考图宽高比选 live schema 中最接近值，画质和引擎由用户要求决定。

Agent 没有原生生图能力时使用 ManturHub 是启动阶段的能力选择；Agent 原生能力调用失败后不得自动改投 ManturHub，ManturHub 调用失败后也不得伪装成本地成功。

提示词必须明确写出主参考图的横版/竖版/方形方向和目标宽高比或尺寸。每张图是一个原子事务：生成→本地规范命名→运行 manturhub skill exec drama-asset-seedance-pipeline validate-aspect-ratio --project "$PROJECT_DIR" -- <主参考图> <生成图>→视觉验收→上传公网对象→验证图片Content-Type→Base附件/URL/来源/执行ID/状态回填→读回确认。画幅校验失败的图不得上传、不得写为已完成、不得发群；如需重新付费生成，必须重新报价并获批，不能静默重试。失败保持明确，不借用其他身份图片。defer_to_video 可以保持空图，但必须显式写“可延后”，不能与遗漏混淆。

2.3 音色

严格按以下优先级处理，每一步都记录来源和理由：

1. 用户明确提供并唯一匹配的音色最高优先。上传原附件、转公网URL、验证可播放后回填；不得被预制音色覆盖。
2. 缺少用户音色且项目允许预制匹配时，使用包内 assets/voice-library/catalog.json，通过 manturhub skill exec drama-asset-seedance-pipeline match-voice --project "$PROJECT_DIR" -- <角色声线JSON> 执行确定性匹配。先把角色资产中的 gender/age_range/role/personality/voice_description 规范化成声线呈现、年龄感、音域、核心音色、表达倾向和角色标签，再确定性打分。只允许 matched 自动绑定；review_required/unresolved/no_candidate 必须保持未绑定或让用户试听选择，不能强行取第一名。
3. 同一 canonical character 的V01及外观变体默认锁定同一 preset_voice_id；只有剧本文字明确出现童年/老年、机械化、变声或其他声音状态切换时，才能新增音色变体并保存证据。不同主要角色默认不得复用同一预制音色；群众/一次性角色只有项目明确允许时可复用。

可以并行计算各 canonical character 的候选分数，但最终绑定必须先按角色重要度做一次全局冲突消解，再把已占用ID传给后续匹配；不能让并发竞态把同一嗓音分给两个主要角色。

1. 库中 待试听确认 的条目永不自动绑定。每次实际引用前检查 catalog 条目 active=true、稳定URL无query、HTTP可播放、MIME为音频，并记录 catalog/match-policy 版本和checksum。匹配结果必须保留 voice_id/asset_id/public_url/sha256，不能只记录一个音色名称。
2. 用户音色、预制音色和定制生成音色一旦绑定，都要把可播放音频下载到项目缓存并校验MIME、时长和checksum，再通过 lark-cli 上传到角色资产行的“音色原文件/voice attachment”附件字段；“音色URL/voice URL”继续保存真正用于模型请求的匿名公网纯文本URL。预制音色的永久catalog URL不能被飞书附件下载地址替换。
3. 用户要求定制生成音色时，实时 describe/quote op.voice.design 与 op.audio.generate，确认费用后生成可用参考音频并回填；不要把仅有的 voice_id 当成 Seedance 的音频URL。
4. 只有项目事先允许AI直出且没有安全匹配时，才把该角色写为 ai_direct；不写 @Audio/reference_audio，视频请求保持 generate_audio=true。预制匹配或上传失败不能静默改成AI直出。

角色音色匹配的完整合同见 [preset-voice-library.md](references/preset-voice-library.md)。

如果用户只要资产，到这里结束。

3. 分镜与请求体模板

资产验收后调用 op.drama.clip-seedance-compile v2.2.4 或兼容更高版本。传完整剧本、已补全资产JSON、制作集数、Clip软目标、每集时长强下限目标与软上界、单Clip硬范围、对白语言与语速、画幅、分辨率、视频模型、缺音色策略、美术正负要求和其他硬限制。Worker会把完整剧本和已补全资产清单固化为两个文件，通过 Responses API 的两个 input_file 加制作要求进行一次模型调用，并以严格且禁止空集/空Clip的 JSON Schema 返回紧凑分镜；不得把资产清单压缩进提示词、按集拆调或改走 Chat Completions。资产媒体URL尚未补齐时也必须完整输出语义分镜，缺失资产门禁由确定性编译器生成，不得返回空episodes。幂等重放必须返回 idempotent_replay=true 且 usage.billable_units=0，不得重复扣费。

层级固定为 集 → 场次组 → Clip，一条Clip就是一个视频，不再增加Cut。模型决定剧情拆分、资产选择和台词翻译；代码确定 Clip ID、引用编号和请求体。每集Clip数是软目标；每集时长采用“下限强引导、上限宽容”：默认60–90秒时同一次模型输出优先规划到70–85秒安全区，不能为了90秒上界删剧情，内容过长允许超出。模型只调用一次；若结果仍偏短，编译器只能在现有Clip的单Clip上限内向上分配秒数，不得缩短、删剧情、增加虚构剧情或触发第二次模型调用。单Clip模型时长范围仍是硬限制。提示词必须覆盖场景、人物、动作、运镜、英文对白、音效和世界观，并精确以 不要背景音乐，不要字幕。 结尾。

分镜结果中的 quality_report.duration_planning 是时长审计事实源。回填Base时必须保存每个Clip的模型原始时长、补足秒数，以及每集模型原始总时长、最终总时长和时长状态。最终仍低于用户最低目标时标记“低于最低目标·需审核”，但不自动重调模型；超过软上界时标记“超过软上界·保留完整剧情”，不自动压缩。

每个已绑定用户/预制/定制音色的说话角色，都必须在对白处以 @ImageN @AudioM 角色名（无角色图片时至少 @AudioM 角色名）出现；同一请求的 metadata.content 必须包含对应的 {"type":"audio_url","audio_url":{"url":"<voice URL>"},"role":"reference_audio"}。@Audio1...N 的编号严格按 metadata.content 中 audio_url 项的出现顺序生成，URL必须等于角色资产行的公网 voice URL。已匹配预制音色不得继续出现在 missing_voice_assets，也不得标为 ai_direct_voices。

写回两个Sheet，Clip ID一一对应：

• Clip总表：含场次组、连续性模式、前序Clip、缺失/延后资产和最终提示词。
• Seedance2.0请求体：请求体模板JSON 是编译产物；实际请求体JSON 只能在视频提交前写。模板必须在 metadata 内包含 return_last_frame: true，并包含 metadata.content/resolution/ratio/generate_audio/seed。同场后续Clip只记录 pending_previous_tail，此时不得伪造尾帧URL。

如果 missing_assets 或 missing_voice_assets 非空，禁止进入视频；deferred_assets 和 ai_direct_voices 是允许的显式策略。

4. 视频生成（Agent 编排，无服务端调度）

用户批准视频费用后才执行。生成 scene-chain-plan.json：

manturhub skill exec drama-asset-seedance-pipeline plan-scenes --project "$PROJECT_DIR" -- clip-rows.json --concurrency 5 --output scene-chain-plan.json

Agent 默认同时运行最多5条场次链；不同场次链可并行，同一链内严格按Clip顺序串行。并发值可按实时QPM/余额/用户要求降低或提高，但不能突破 live schema 限制。

每个Clip提交前：

1. 场次首Clip从模板直接物化；同场后续Clip必须先等前序完成并取得真实 last_frame_url。
2. 运行 manturhub skill exec drama-asset-seedance-pipeline materialize-video --project "$PROJECT_DIR" -- <模板JSON> [--needs-previous-tail --previous-tail-url <真实尾帧URL>] --output <实际请求JSON>，把上一条尾帧作为最后一个 metadata.content 图片引用，并在固定结尾前加入连续性指令；动作会确认 metadata.return_last_frame=true。
3. 重新校验 @Image/@Audio 顺序、URL、模型媒体上限和时长，再对实际请求报价。请求变化或报价过期必须重报。
4. 运行 manturhub skill exec drama-asset-seedance-pipeline materialize-video-params --project "$PROJECT_DIR" -- <实际请求JSON> --output <算子参数JSON>，把实际 Seedance 请求确定性映射为 live op.video.generate 参数；默认只调用 ManturHub，不直连 SumOne。映射结果必须包含 return_last_frame=true，并保持图片、音频、时长、画幅、分辨率、随机种子和音频策略一致。
5. 只提交一次，先确认返回的 poll_url 与项目 manturhub_base 同源，再持久化 ManturHub task_id/poll_url；网络不明或轮询暂时失败不得新建任务。终态后保存完整响应，要求官方 video_url 与 last_frame_url；再回填实际请求、ManturHub参数、响应、成片附件/URL、尾帧附件/URL、错误和计费回执。

如果上游确实未返回尾帧，只有 live 视频算子明确声明“本地提取尾帧”并在结果里标 provenance 时才可使用；Skill 本身不得伪造成功尾帧。场次链前序失败只阻断本链，其他场继续。

飞书只做查看、审核和审计，不直接承担动态JSON、轮询或视频调度。

5. 按集导出

5.1 视频片段 ZIP

全部视频终验后，将下载完成的本地文件写成 manifest（clip_id/episode/order/video_path/status=completed），运行：

manturhub skill exec drama-asset-seedance-pipeline export-episodes --project "$PROJECT_DIR" -- completed-clips.json --output-dir exports

每集输出一个按Clip顺序命名的ZIP。上传ZIP并写入交付索引或Base。

5.2 可选剪映草稿 ZIP

仅当用户通过 skill run 选择 --deliverable jianying-drafts 时执行。完整合同见 [references/jianying-draft-delivery.md](references/jianying-draft-delivery.md)。输入必须列出每集全部目标 Clip 和完成结果；内部 action 按 episode_number → scene_index → clip_index 排序，不采用表格行顺序。每集全部 Clip 完成、素材 SHA-256 一致且纯 JS 解析出实际时长后，才生成一个便携 ZIP。

第一版仅支持明确 profile jianying-macos-5.9。剪映 6.0+ 的加密/新版草稿及其他未知版本一律失败关闭。默认只生成 ZIP，不写用户剪映目录。目标机器导入时必须检测本机剪映专业版 5.9.x、复制包内素材、重写本机绝对路径，并由用户明确确认 --confirm-write 后才能写入 com.lveditor.draft；不得覆盖已有草稿。

草稿固定为单主视频轨、按顺序硬切，保留每个 Clip 边界和视频自带音轨；不加字幕、BGM、自动转场、花字、贴纸或模板。ZIP 内含草稿目录、assets/video/ 全部本地视频、manifest.json、validation-report.json 和 IMPORT.md，不得长期依赖签名 URL。生成后把每集交付写回现有“项目文件”表，不新建 Sheet。

完成门禁

只有以下全部满足才可报相应阶段完成：

• 资产：四表可读、ID/基础ID/变体/策略/证据完整；required资产图片已匹配或验收，生成图画幅已通过主参考图一致性校验；每个说话角色具有用户音色、可审计预制匹配、明确待确认或显式AI直出中的一种状态，已绑定音色同时具有Base附件和公网URL，主要角色无意外音色冲突；Base读回一致。
• 分镜：两表一一对应、制作范围完整、台词说话人正确、请求模板URL纯文本、metadata.return_last_frame=true、缺失门禁为零；时长审计字段已回填，低于最低目标的集有明确人工审核状态且未触发第二次模型调用。
• 视频：每个已提交任务终态且幂等，成片/尾帧/实际请求/计费回填；同场连续性来源正确。
• 导出：每集视频ZIP内Clip数量与完成表一致，不含未完成或重复文件；若选择剪映交付，每集便携ZIP的目标Clip、素材哈希、实际时长、单轨顺序和连续时间线校验全部通过，目标版本明确，未把“生成ZIP”冒充为“本机剪映已打开”。

任何硬门禁失败都返回真实错误与待处理记录；不得切模型、换provider、借用其他资产或用旧缓存假装成功。