真人短剧剧本分镜

概述

真人短剧

先在纸上写好一集竖屏短剧，再做成真人风格：主角只画一次，后面每个镜头都照着他们来画，脸始终不变；每个角色单独配音，这一集配上配乐，并剪成成片。

你会拿到什么

第一条回复写成文字，此时还没有连接任何服务：

• 一句话梗概：这一集发生了什么。
• 一集 90 秒竖屏的节拍表：钩子、转折和悬念收尾，并写明每个节拍占几秒。
• 分场台词：每一句是谁说的，可以直接念。
• 大约十个镜头的分镜表：每个镜头的画面、画面里有谁、景别、这一句台词，以及计划秒数，加起来等于这一集的时长。
• 每个角色一张角色设定卡：外形、服装和性格。每个角色都是虚构的，除非用户本人出演，或用户选了已经同意的人。

连上 Beatra 之后，每一项都根据上面定稿的文字来做：

• 角色三视图：每位主角一张真人风设定图，含正面、侧面、背面和一张脸部特写。
• 镜头静帧：每个镜头一张竖屏静帧，照着已接受的三视图来画，使每位主角保持同一张脸。
• 真人风镜头：每张已接受的静帧做成一段视频；有对白的镜头用这个角色的声音念出这一句。
• 角色配音：每个角色一个固定音色，每一句台词一个单独标注的音频文件。
• 配乐：这一集一条原创的纯器乐。
• 本集成片：做完的镜头按分镜顺序接上，带台词、配乐和字幕，成为一条 120 秒以内的竖屏视频。

生成文件的类型、大小和时长由模型决定，交付时如实说明。

几种做法

• 纸上的一集。 默认的第一条回复：梗概、节拍表、台词、分镜表和角色设定卡。
• 角色。 每位主角一张三视图；后面每个镜头都照着它来画。
• 一场的镜头。 先写用户点名的这一场的镜头说明，再做它的静帧和片段。
• 角色配音。 每一句都配音，每个角色一个固定音色。
• 配乐。 这一集一条纯器乐。
• 本集成片。 做完的镜头接上台词、配乐和字幕：一次合成最多 12 个镜头、120 秒。更长的一集，或连续的好几集，按部分交付，每一部分一条成片。

适用范围和相邻做法

短剧编剧、小说作者，或运营剧情号的小团队，想做一集真人风竖屏短剧时用它：剧本、分镜、角色和镜头。卖货的短视频属于产品视频流程。漫画或动画短剧属于漫剧流程。广播剧或有声书属于音频剧流程。职场培训情景属于培训短剧流程。

每个角色都是虚构的，除非用户本人出演，或用户选了已经同意的人。用户点名一位明星或其他真实人物来演某个角色时，角色设定卡使用原创外形，并写明没有使用这个人的脸和名字。真实在世的人的脸或声音，只有在是用户本人、或本人已经许可时才能使用；拿到一个文件、一段公开录音或公众人物的视频，都不算同意。只改编用户自己的文字，或用户持有权利的故事，并顺着用户贴进来的情节走；不要自行增加转折，再把它冒充成原作。讲成真实案件，或写到一家真实公司，而用户又没有可以公开的依据时，使用虚构姓名。不要编造播放量、奖项、平台排名或客户名单。

输入和默认值

硬性输入是这一集的想法：一句话前提，或贴进来的故事、大纲或一场戏。给了它，就一次写完整个第一条回复，什么都不问。没给，用一句话请对方补上这个想法，同时照样交一份完整成果，第一行标「示例」，讲一个加班到很晚的实习生发现一份合同被调了包；这句提问就是这条回复唯一的下一步。只做角色三视图时，主角的外形，或对话里已经有的角色设定卡，就够了。只做某一场的镜头时，这一场，或对话里已经有的这一集，就够了。

用户给过的时长、画幅、类型、阵容、语气和平台都沿用。默认值：一集 90 秒，9:16 竖屏，三场，大约十个镜头（绝不超过十二个，这是一次合成能接上的最多镜头数），两位主角加配角，用用户的语言。有对白的镜头只框住这一个说话的人，台词是一整句，长到能撑住这个镜头，而不是单独一个词。没有照片或源文件时，仍把全部内容写出来，并说明缺什么；绝不用网上的脸或图片。

主流程

1. 写这一集。 第一条回复不调用任何工具（不开链接、不查资料、不看日期），不要求登录，也不报价格。它交出上面五样文字，结尾用用户的语言只给一个下一步：回复「画角色」，就画两位主角，后面每个镜头都保持这两张脸；每个付费步骤都先报价，等对方同意再做。
2. 定稿。 要拿去画、配音或做成字幕的文字必须是定稿。如果还是「示例」，先问是用示例，还是换成自己的想法。用户改了故事、某一句台词或某个角色，先把改好的文字给他看。
3. 角色三视图。 调用 beatra.models.list 并传 {"capability": "text_to_image"}。每位主角一张确认卡、一次 beatra.images.generate，count 为 1，画布 16:9：把定稿的角色设定卡画成一个真人风的虚构人物，正面、侧面、背面，加一张脸部特写，纯色背景，图上没有文字。用户本人出演某个角色，或已经许可的人出演时：上传任何文件之前，先确认这是用户本人，或本人已经许可，然后检查这张照片并用 python3 scripts/mcp_client.py upload "<file>" --mime-type <type> 上传，调用 beatra.models.list 并传 {"capability": "image_to_image"}，用 beatra.images.transform 做这张设定图，照片作为 images[0]。在好几个镜头里出现的配角，可以用同样的做法单独出一张设定图。把每张设定图给用户看；用户接受之后，才画任何镜头静帧。
4. 镜头静帧。 调用 beatra.models.list 并传 {"capability": "image_to_image"}。每个镜头一张确认卡、一次 beatra.images.transform，count 为 1：画面里的人使用已接受的三视图，作为 images，顺序与提示词点名的顺序一致，并且不超过这张卡的图片数量上限；提示词用分镜表的这一行；画布比例用本集的画幅（默认 9:16；用户要求时用 16:9、1:1 或 3:4）。画面里没有人的镜头（房间、街道、道具）是一次 beatra.images.generate，count 为 1，比例用本集的画幅，此前已读取 {"capability": "text_to_image"}，单独出一张确认卡。读出每张已交付静帧的真实宽和高；比例不对的静帧在它自己的确认卡上重画。用户接受一张静帧之后，才做它的视频片段。脸、服装或道具走样的静帧，做一次 beatra.images.edit，此前已读取 {"capability": "image_edit"}，静帧作为 images[0]，当这张卡允许第二张图时，三视图作为 images[1]，单独出一张确认卡。
5. 角色配音。 用 beatra.voices.list 为每个角色选一个音色，并固定它的 voice_id；绝不要把显示名写进 voice。某个角色要用用户本人的声音时：上传任何文件之前，先确认这是本人的声音，或已得到说话人的许可（拿到一个文件、一段公开录音或公众人物的视频都不算同意）；上传干净的样本，调用 beatra.models.list 并传 {"capability": "voice_clone"}，出克隆确认卡，只提交一次 beatra.voices.clone，并带上 consent_attested: true，用 beatra.tasks.get 查进度，然后固定返回的 voice_id。要用来驱动镜头的台词，等读完镜头路线之后再做：调用 beatra.models.list 并传 {"capability": "image_to_video"}，选一张接受 [image, driving_audio] 的卡片，台词的 format 取自它的 driving_audio 所支持的 MIME 类型。然后调用 beatra.models.list 并传 {"capability": "text_to_speech"}，用 beatra.speech.validate（不扣费）给每一句台词报价。每一场出一张确认卡，每一句台词单独一行，并有自己的标识，然后对每一句只提交一次 beatra.speech.synthesize，并查进度。每一句交付一个文件，标明场次、镜头和角色；实时配音模型卡片要求把文字分段时，按顺序交付各段。把每一句真实的 MIME 类型、时长和大小，对照这张卡的 driving_audio 限制；超出限制的台词不能驱动它的镜头，因此要问用户：是把它和同一说话人在这个镜头里的下一句接在一起，还是这个镜头保持无声，并把这句台词作为单独的文件交付。
6. 镜头。 上限：一段 beatra.videos.animate 最长是这张卡支持的最长时长（不超过 30 秒），一次 beatra.videos.compose 最多把 12 段合成起来，总长不超过 120 秒。比这张卡允许的更长的镜头，在一句台词结束处拆成两个镜头，并再次对照 12 这个上限核对数量。出第一张视频确认卡之前，说清有多少个镜头要做成视频、确认卡的张数（每个镜头一张视频确认卡，静帧确认卡和台词确认卡另计）、画幅，以及计划的总时长。实时卡片允许时，每一段沿用它静帧的画幅；卡片上会写明。每张视频确认卡之前，把已申请的时长累计保持在 120 秒以内；每一段向上取整到整秒。每张视频确认卡写明镜头号、总数、从实时卡片选定的时长、累计时长、画幅，以及合成上限。有对白的镜头是一次 beatra.videos.animate，静帧作为 image，这句台词作为 driving_audio，duration 取这张卡支持的、能装下这句台词的最小整秒数。无对白的镜头使用一张接受 [image] 的卡，不传 driving_audio，时长用分镜表里的长度，并落在这张卡的范围内。提交卡片上写明的那个确切模型，查进度，并读出每一段的真实时长和画幅。返回的片段如果是另一种画幅，在合成之前点明它，并给出一个直白的选择：在新的确认卡上重做这个镜头，卡片支持时把本集的画幅作为 aspect_ratio 传入，或者在成片里保留它并带上边距。片段文件可能带着模型自己生成的声音；成片把无对白的镜头静音。
7. 配乐。 调用 beatra.models.list 并传 {"capability": "text_to_music"}，读出 suno-6 的价格。出配乐确认卡，然后只提交一次 beatra.music.generate，model 为 suno-6，instrumental 为 true，提示词写本集的情绪、类型和乐器；查进度，并交付返回的每一条音轨。用户从中选一条用于成片。
8. 本集成片（120 秒以内）。 每个镜头都做完之后，按分镜顺序用一次 beatra.videos.compose 合成：有对白的镜头 keep_audio 设为 true，无对白的镜头 keep_audio 设为 false，每一段的 end 设为它申请的时长和它报告的时长中较小的那个，选定的配乐作为 music，volume 为 0.25，让它垫在台词下面，subtitles 把每一句台词放在它所属镜头的时间范围内（每条字幕不超过 80 个字符），canvas 设为本集的画幅。合成不扣费，但仍要用它自己的 client_request_id。超过 120 秒或 12 个镜头的一集，或连续的好几集，按顺序分成若干部分来合成，每一部分不超过 12 段、120 秒，部分数和确认卡张数在第一张视频确认卡之前说清。
9. 交付。 报告真实的文件、时长、尺寸、画幅和 billing.net_charged_credits。看不出来、听不出来的地方直接说明（各镜头之间脸是否一致、口型时间、声音是否适合这个角色）。提醒用户把公开发布的图片、镜头、声音和成片标注为 AI 生成。结尾只给一个下一步，比如「回复『第一场』，我先报它第一个镜头的价格」。

请求示例、镜头时长和一个完整的一集示例，见短剧制作流程（references/workflow.md）。

连接就绪之前

如果一轮结束时「允许」还没完成，就先把所有不需要连接的内容按用户要的格式交付：梗概、节拍表、台词、分镜表和角色设定卡。这一轮交付的就是这些文字。用一句话说明：付费步骤在用户点完「允许」后的下一条消息里继续；「允许」只是完成连接，每个付费步骤在下一条消息里仍要等它当时的确认卡。不要用别的工具或服务填补空档，也不要说出任何没有经过实时调用返回的音色、模型、价格或结果。

需要确认的决定

写好的这一集、分镜表和每一张角色设定卡都免费。它们不等于同意付费。

每次付费调用之前，先出一张当时的制作确认卡，然后等待：

1. 内容：要做什么，用用户自己的话说，并写明由哪一类调用来做（三视图、静帧、修图、克隆、台词、镜头或配乐）。
2. 积分：刚从模型卡片或 beatra.speech.validate 读到的实时价格。绝不用记忆里的数字。
3. 次数：每个槽位一次付费调用。只有同一场的台词可以共用一张确认卡，每一句单独一行；每一次三视图、静帧、修图、克隆、镜头和配乐都各自单独一张确认卡，每张视频确认卡还要写明镜头号、总数、累计时长，以及 12 段 / 120 秒的合成上限。
4. 标识：每次调用一个新的不透明 client_request_id。台词、提示词、文件、音色、模型、时长或控制项一变，就换一个新的标识。
5. 如果到此为止：写好的这一集和每一个已经做好的文件都仍然能用。
6. 如果余额不足：原样转述官方提示和其中的充值链接。在用户说已经充值之前，不要再次提交。

接受了三视图，并不授权静帧；接受了静帧，并不授权它的镜头；同意了台词，并不授权这些台词所驱动的镜头；一个镜头的同意不覆盖下一个。绝不悄悄更换音色或模型。所有远程 Beatra 工具都只通过随包的 scripts/mcp_client.py 调用：工具名作为命令参数，JSON 参数从标准输入传入。不要配置、调用或使用宿主 Beatra Connector。不要用 REST/OpenAPI 作为降级方案。

如果创建的回应或任务编号丢了，先调用 beatra.tasks.list，再调用 beatra.tasks.get，与定稿的请求逐项比对。只有确认不存在这个任务时，才用同一个 client_request_id 重试完全相同的内容。失败的任务在新的确认卡上重做，并换一个新的 client_request_id。只有用户要求取消时，才调用 beatra.tasks.cancel，再用 beatra.tasks.get 确认这个任务。

用户问还剩多少积分时，调用 beatra.wallet.get。问扣了哪些费用时，调用 beatra.wallet.ledger。模型卡片返回 top_up 内容时，按卡片列出的顺序原样转述各档充值，不排序，也不替用户选。

按任务查阅

• 需要三视图、静帧、修图、克隆、台词、镜头、配乐和成片的请求示例，以及一个完整的一集示例时，读短剧制作流程（references/workflow.md）。
• 任务卡住、没收到回应、价格看起来不对、脸走样、台词太短或镜头太长时，读出问题时怎么办（references/faq.md）。
• 连接还没就绪时，读安装与授权（references/installation-and-auth.md）。
• 首次使用登记，读安装登记（references/installation-registration.md）。
• 任务创建之前调用就失败时，读随包 MCP Client 连接诊断（references/mcp-connection.md）。
• 任务在排队、进行中或找不到时，读任务与结果（references/tasks-and-results.md）。
• 扣费、退款或没收到回应需要通用规则时，读计费、错误与恢复（references/billing-errors-and-recovery.md）。
• 用户想停止使用并断开连接时，读卸载与断开连接（references/uninstall-and-disconnect.md）。

更新与安全

本 Skill 会自动更新。内置客户端每天最多一次从 Beatra 官网读取本渠道的版本信息（中国大陆网络走 www.beatra.cn 与 cdn.beatra.cn）。有新版本时，它下载官方发布包，逐个文件校验 SHA-256，再替换本 Skill 自己的文件；你放进这个目录的其他文件不会被改动。替换过程中断时，下次运行会自动恢复到替换前的状态。除此之外，它不下载或执行任何其他代码，只通过 HTTPS 与 Beatra 官方服务通信；你选择上传的文件只会传到Beatra 为这次上传签发的一次性地址。

关闭自动更新：python3 scripts/mcp_client.py update --auto off。关闭后，客户端每天最多提示一次在你安装它的商店里更新的命令。详见更新与安全（references/updates-and-security.md）。