# 20 秒测试片剧本（音频先行 + 对口型 验证用）

> 目的：验证 P1（音频先行）+ P3（对口型）链路
> 结构：**2 个空镜（不说话）+ 2 个角色说话镜头**（口型同步）
> 成本：画面约 ¥5~10（可灵）· 对口型 ¥0（走 1800 秒免费额度）· TTS 几分钱

---

## 分镜表

| # | 类型 | 时长（音频先行后会调整） | 画面 | 台词 | 出场人物 |
|---|---|---|---|---|---|
| shot_01 | 空镜 | 5s | 病房窗外，晨光透过百叶窗在地面投出条纹，窗帘轻微飘动，**画面里没有人** | — | — |
| shot_02 | 角色说话 | 5s（按音频调） | 病人半躺在病床上，正面近景，对着镜头说话，表情轻松 | 我住院第三天了，前两天刚做完手术。 | 主角 |
| shot_03 | 角色说话 | 5s（按音频调） | 病人微笑看着镜头，稍微侧了一下头 | 说实话，真没想象中那么可怕。 | 主角 |
| shot_04 | 空镜 | 5s | 病房走廊尽头，护士推着车经过，画面虚焦 | — | — |

预计成片：**约 18~20 秒**

---

## 演员表配置

| 代号 | 角色资产 | 音色（voice_id） | 说明 |
|---|---|---|---|
| 主角 | （选你已建的角色，如「害羞美女患者」或新建） | `longanyang`（阳光大男孩）或按角色性别选 | 音色决定口型用的声音 |

> 💡 音色建议：`longanyang`（年轻男主）· `longxing_v3`（温婉邻家女）· `longqiang_v3`（御姐）
> 完整清单见 `09_ave/docs/cosyvoice_voices.md`

---

## 关键要求（对口型的硬条件）

VideoRetalk 对输入有要求，**我们的参数都能满足**：

| 要求 | 我们的情况 |
|---|---|
| 视频：正面近景、人脸清晰 | ✅ 分镜写"正面近景对镜头说话" |
| 视频：2~120 秒 | ✅ 单镜头 5s |
| 视频：15~60fps、边长 640~2048 | ✅ 我们生成 1080×1920@30fps |
| 音频：干净人声（无 BGM/噪音） | ✅ TTS 产物天然纯净 |

⚠️ **注意**：说话镜头必须是**正面/近景**——大角度侧脸或人脸太小会影响对口型效果。

---

## 操作步骤

```
1. 导演台 → 粘贴上面的"分镜表"作为故事/文案（或按它写一段文案）
2. 🎭 AI 分析这场戏需要什么 → 演员表绑定角色 + 指定音色
3. 生成分镜 → 在卡片里逐镜确认：
   · shot_02/03 填台词 + 勾「出场人物: 主角」
   · shot_01/04 台词留空、出场人物不勾（= 空镜）
4. 勾选 [✓] 🎙 音频先行  [✓] 🎭 对口型 → 点「🎥 生成成片」
5. 完成后 → 「📋 生产记录」→ 🎙 加配音 → 听口型效果
```

## 验证要点（跑完检查这几项）

- [ ] **音频先行生效**：日志里 shot_02/03 的时长被按台词音频调整过（≠ 原 5s）
- [ ] **镜头时长各不相同**：跟台词长短走
- [ ] **对口型只作用在 shot_02/03**：日志显示 2 个镜头做了，shot_01/04 跳过
- [ ] **口型对上**：播放时人在说那句话，嘴型明显匹配
- [ ] **失败兜底**：若对口型失败，日志提示"保留原片段"，成片仍完整

## 成本记录（跑完填这里，用于校准后续估算）

| 项 | 预估 | 实际 |
|---|---|---|
| 画面生成（可灵 4 镜头） | ¥5~10 | |
| 对口型（约 10 秒） | ¥0（免费额度） | |
| TTS | 几分钱 | |