butubb/MediaCrawler

Fork 0

Files

T

butubb 2112c1a870

Deploy VitePress site to Pages / build (push) Canceled after 0s

Details

Deploy VitePress site to Pages / Deploy (push) Canceled after 0s

Details

feat(monitor): 抖音 Web 接口客户端 —— 绕开爬虫子进程，直接发 HTTP

移植自 mac-agent-os 的 mediacrawler_adapter：不起子进程、不开页面，用浏览器里那份
登录态直接调抖音 Web 接口。产物键名照抄 store/douyin，所以 ingest 那条链路一个字不用改。

**目前能用的（真环境实测，非推断）**：

    profile/other : 200, 7075 字节  —— 博主主页指标（粉丝/获赞/作品数/昵称）
    aweme/detail  : 200, 45425 字节 —— 单条作品详情（含点赞/评论/收藏/分享）

**目前不能用的：作品列表 `aweme/post`。** 两个互相独立的原因：
  1. 这个接口被抖音单独升级成了真校验：不带 x-tt-argus 回 403「Uifid Not Found」，
     带上 dummy 值回 200 + **空 body**。也就是说「头在不在」骗得过，「真校验」过不了。
     同一套头打 profile/other 和 aweme/detail 都是通的 —— 抖音是挑着接口加保护的，
     挑中的恰好是「批量拉作品列表」这个最敏感的动作。
  2. 改走页面截获也不行：CDP 浏览器打开博主主页会落到「验证码中间页」（当天大量探测的
     代价，过几小时要重测）。

  所以现在的边界是：**已知作品的指标刷新能做，自动发现新作品做不了**。

**排查中控住变量后得到的两条事实**（都写进注释了）：
  · `Accept` / `Accept-Language` / `Referer` 才是主页接口能返回真数据的原因 —— 只有
    UA+client hints+Cookie 时是 200 但仅 121 字节的空壳，补上这三个头变 7074 字节。
    （我先前猜的 sec-ch-ua 不是关键。）
  · 因此 UA 与 client hints 必须**成套地取自同一个浏览器**，所以 BrowserIdentity 一次
    从 CDP 取齐 cookie + UA + hints，而不是各自写死。

「200 + 空 body 必须当场报错」也是刻意写死的：放过去它会在下游变成「这个博主没作品」，
把一次失败伪装成一条正常结果 —— 爬虫那条路正是这么栽的，还被翻译成「账号被封」。

测试 +11：cookie 解析、请求头成套性（含 uifid 缺失/回退）、产物键名与 store 对齐、
以及 _get 的三条失败路径（空 body / 403 带网关原话 / 正常返回）。

2026-10-10 17:12:25 +08:00

12 KiB

Raw Blame History

id: KB-20260515-001 title: "AI视频素材生成——提示词工程与分镜脚本方法汇总" type: method status: active nature: reference domain: ai subdomain: [AI视频生成, 提示词工程, 分镜脚本, AVE集成] tags: [AI视频, prompt工程, 分镜, 风格统一, 角色一致性] source: "知识库同步 + 全网调研" date_created: 2026-05-15 date_modified: 2026-05-15 version: 1

collected: true collected_date: 2026-05-16---

AI视频素材生成——提示词工程与分镜脚本方法汇总

目标：为 AVE 视频工厂设计一套"文案→分镜→AI素材生成"的标准方法

一、核心流程：文案 → 分镜 → 素材

文案脚本
    ↓ [DeepSeek/LLM + 分镜模板]
结构化分镜脚本 (镜号/画面描述/旁白/类型/景别)
    ↓ [统一风格关键词 + 图生视频 / 文生视频]
AI 素材片段 (每段5-10s)
    ↓ [Ken Burns + 字幕 + BGM]
final.mp4

二、分镜脚本提示词模板

2.1 文案→分镜生成模板

角色设定:
  你是一个专业的视频分镜师。

任务:
  根据以下文案，生成一个详细的分镜脚本。
  要求包括:
  1. 镜号 (Shot Number)
  2. 画面描述 (Visual Description) — 详细描述画面内容
  3. 旁白文案 (Narration)
  4. 建议的画面类型 (Type of Visual): 实景 / 动画 / 图示
  5. 建议的镜头景别 (Shot Scale): 全景 / 中景 / 特写

文案:
{这里放文案内容}

2.2 分镜提示词结构（五要素）

每条分镜的 AI 生成提示词应包含这五个维度：

要素	说明	示例
① 风格	整体视觉风格	极简扁平化3D / 水墨国风 / 超写实电影感
② 主体	画面主角及其动作	一个身穿蓝衬衫的男性，困惑挠头
③ 环境	背景和场景元素	被彩色图标和文件包围，浅蓝背景
④ 镜头运动	运镜方式	镜头缓慢俯视拉远 / 稳定跟拍
⑤ 光线质感	光照和材质	柔和的均匀环境光，细微投影

2.3 完整提示词组装示例

prompt = f"{style}，{subject}，{environment}，{camera_motion}，{lighting}"
#  → "水墨国风，一位老者在山水间打太极，云雾缭绕的山峰背景，镜头缓慢推进，柔和自然光"

三、风格统一方法

3.1 三原则

定义核心风格锚点: 整期视频定义一个核心风格词（如 "超写实电影感" / "水墨国风"）
所有分镜共用风格词: 每条 prompt 开头/结尾强制加入统一风格描述
固定主体一致性: 保持主角穿着、相貌、画风不变

3.2 角色一致性技巧

图生视频: 首帧用同一张角色图作为参考
描述中固定特征: "鹅蛋脸柳叶眉，长发披肩，白色连衣裙"
Kling/即梦都支持参考图模式

四、高级技巧（来自知识库）

4.1 动作拆解法

复杂表情/动作拆解为子动作序列:

❌ "害羞地笑" 
✅ "嘴唇闭合→唇缝紧贴→嘴角微微上扬→肩膀微耸→下巴内收→眼神先向下看再猛抬"

4.2 情绪控制

标点符号: 省略号... 波浪号~ 破折号—— 控制语气节奏
发声描述: "轻声说"、"低沉地"、"激动地"
节奏描述: "语速渐快"、"停顿片刻"

4.3 空间锚定

通过空间参照物增强画面张力:

前景/中景/背景分层
参照物比例（蚂蚁视角/巨人视角）
远近虚实对比

4.4 反向提示词

写"不要什么"有时比"要什么"更有效:

negative_prompt: 畸形、面瘫、扭曲、比例失调

五、AVE 集成方案

5.1 当前状态

AVE 的 main.py generate 流程目前:

依赖 YAML 脚本的 material.search 字段 → Pexels 搜索关键词
素材来源单一，质量不可控

5.2 改进方案

在 YAML 脚本中增加 prompt 字段，支持 AI 生成:

segments:
- id: 1
  text: "上善若水，水善利万物而不争。——《道德经》"
  duration_sec: 10
  material:
    provider: kling          # 或 pexels / bailian
    style: "水墨国风"
    subject: "流水穿石，水滴石穿"
    environment: "云雾缭绕的山涧，青苔覆盖的岩石"
    camera: "镜头缓慢推进，俯拍"
    lighting: "柔和的散射光，晨雾氛围"

这样 AVE 就能自动组装完整 prompt 调用 Kling/百炼 API。

5.3 优先级

阶段	内容	预计工作量
P0	YAML 增加 prompt 字段支持	2h
P1	分镜模板集成到 director_parser	3h
P2	风格统一 + 角色一致性控制	4h
P3	自动从文案生成完整分镜脚本	1d

六、参考来源

来源	类型	价值点
知识库 ai-prompt-video-knowledge.md	10条视频提取	Seedance2.0技巧、动作拆解法
知识库 ai-prompt-creator-2.md	博主干货	反向提示词、空间锚定
腾讯云 AI视频全攻略	技术文章	分镜模板、五要素结构

附：2026 AI视频提示词工程完全手册

采集来源: freeaitool.com / 阿里云万相官方文档 / zeeklog.com

一、六要素串联公式（通用）

提示词 = [主体] + [动作/运动] + [环境/场景] + [镜头语言] + [光影色调] + [风格画质]

模板示例（英文优先）：

A 30-year-old man in a dark suit, standing on a rooftop at midnight,
rain falling around him. He slowly turns his head toward the camera.
Medium shot, slow push-in, shallow depth of field.
Cold blue moonlight, warm orange neon signs reflecting on wet surfaces,
high contrast, cinematic color grading, 4K, anamorphic lens flares, 2.39:1.

二、镜头语言速查

英文关键词	中文	效果
close-up	特写	强调面部表情或细节
medium shot	中景	人物半身, 最常用
wide shot	广角/全景	展示环境
bird's eye view	鸟瞰	正上方俯视
low angle	低角度	仰拍, 压迫感/英雄感
dolly zoom	推拉变焦	背景压缩, 惊悚效果
tracking shot	跟拍	镜头跟随主体
slow push-in	缓慢推进	紧张感/专注感
dolly in/out	推/拉	靠近或远离主体
pan	摇摄	镜头水平转动

三、动态控制词库

类型	英文词	效果
平移	walking, running, flying	主体移动
缓慢	slowly drifting, gently swaying	轻柔氛围
快速	sprinting, rushing, zooming	速度感
旋转	spinning, rotating, orbiting	环绕镜头
变形	morphing, dissolving, transforming	创意转场

四、光影关键词

关键词	效果
golden hour	黄金时刻(日落暖光)
blue hour	蓝色时刻(黄昏蓝调)
dramatic lighting	戏剧性光影
soft diffused light	柔和漫射光
neon glow	霓虹辉光
backlit / silhouette	逆光/剪影
high key / low key	高调/低调
volumetric lighting	体积光
rim light	轮廓光

五、阿里云万相专用公式

基础公式（文生视频）：

主体 + 场景 + 运动 + 美学控制 + 风格化

图生视频公式：

运动 + 运镜

（主体和风格已由图固定, 只需描述怎么动）

声音公式（wan2.7+）：

主体 + 场景 + 运动 + 人声(内容+情绪+语调) + 音效(材质+行为) + BGM(风格)

多镜头公式（wan2.6+）：

第1个镜头[0-3秒]: xxx
第2个镜头[3-6秒]: xxx
第3个镜头[6-10秒]: xxx

六、负面提示词模板

deformed, blurry, extra limbs, text, watermark, cartoon,
low resolution, unnatural movement, flickering, bad hands,
missing fingers, bad face, bad proportions

七、避坑指南

常见错误	后果	修正
只写主体不写运动	画面静止	明确运动方向和速度
运动描述矛盾	画面撕裂	避免矛盾描述
忽略镜头语言	画面平淡	至少加一个镜头术语
提示词过长(>150词)	模型丢失重点	控制在50-150词
中文提示词	理解偏差	尽量使用英文
一次出片不好放弃	效果不佳	迭代: 写→生成→调整→再写

八、进阶工作流

从短到长迭代：先写核心要素，逐步添加环境/镜头/光影
参考图高于文字：I2V时一张好图+简短运动描述远超纯文字
分镜控制节奏：10秒以上用时间轴分段描述
运动幅度不宜过大：新手先从单一方向微动开始

九、图生图/图生视频专用（Stable Diffusion + AnimateDiff）

基础图生成参数：

参数	推荐值
采样器	DPM++ 2M Karras
步数	30
CFG Scale	7
分辨率	512x768 (竖屏)
权重语法	(keyword:1.2) 强化特定元素

AnimateDiff 运动参数：

参数	效果	推荐范围
Translation X	水平移动	-2 ~ 2
Translation Y	垂直移动	-2 ~ 2 (上移常用0.5)
Rotation	画面旋转	-0.5 ~ 0.5
Scale	镜头推拉	0.98 ~ 1.02

新手黄金法则：运动幅度不宜过大，人物易变形，从单一微动开始。

ControlNet 解决闪烁：启用Tile模型 + tile_resample预处理器，显著提升帧间连续性。

十、模型选型建议

模型	最佳用途
majicMIX realistic	写实人像
ChilloutMix	写实人像(亚洲脸优)
Anything V5	二次元动漫
Realistic Vision	风景/建筑
DreamShaper	通用高质量
Counterfeit	二次元(偏插画)

通用正向提示词模板：

(masterpiece, best quality:1.2), 1girl, solo, detailed face,
highly detailed skin, soft lighting, depth of field, natural look

通用负向提示词：

nsfw, bad hands, bad fingers, missing fingers, extra fingers,
bad face, bad eyes, bad proportions, ugly, duplicate, morbid,
deformed, blurry, low quality, worst quality, signature, watermark

十一、专项模型提示词技巧

即梦 Seedance 2.0

核心特色：多模态参考（@引用系统）、视频延长、角色替换、局部修改

动作连贯性公式：

[环境/角色] + [动作A]，[完成A后的结果] + [动作B] + [动作B的细节]

示例：女孩在优雅地晒衣服，晒完从桶里拿出另一件，用力抖一抖衣服

@引用模板：

用途	写法
首帧+动作参考	`@图1 为首帧，参考 @视频1 的打斗动作`
视频延长	`将 @视频1 延长 5 秒`
场景插入	`在 @视频1 和 @视频2 之间加一个场景`
连续动作	`角色从跳跃直接过渡到翻滚，@图1 @图2 @图3`
风格复刻	`参考 @视频1 的节奏和运镜，@图1 的角色`

Runway Gen-4

核心特色：创作工作流、局部重绘、运动画笔、风格迁移

简洁公式：

Cinematic footage, [主体] + [动作] + [环境] + [时间]

最佳实践：

先用关键词+动作简洁描述
重绘功能局部修改，而非重新生成
运动画笔精确控制运动区域
补帧功能平滑过渡
先720P测试多版，锁定后提升分辨率

Pika 3.0

核心特色：风格化控制、快速迭代、Modify功能

风格优先公式：

[风格关键词], [内容描述]

示例：Ghibli style, oil painting texture, a cozy cottage in a magical forest

参数控制：负面提示词是关键，CFG调节相关性，帧率控制风格感

Sora-Next

核心特色：物理模拟最真实、长时一致性30秒+、世界模型

物理规则公式：

[物体] + [材质/重量] + [高度] + [相互作用] + [结果]

Luma Dream Machine Pro

核心特色：动态镜头语言、3D空间感、关键帧输入

镜头优先公式：

[镜头运动] + [场景] + [视角]

示例：Push into the room slowly, reveal a massive portrait on the wall

快速选型

需求	推荐
中文+角色一致	可灵 Kling 3.0 (主力) + Seedance 2.0
极致真实物理	Sora-Next
风格化社交内容	Pika 3.0
高度可控工作流	Runway Gen-4
影视预可视化	Luma
开源定制	Stable Video Diffusion

十二、专项模型来源

来源	内容
seedance22.com	Seedance 2.0 官方手册
toolifies.com	五大模型深度评测
soravideo.art	Kling 3.0 教程
seavidgen.com	Kling 3.0 Prompt指南
freeaitool.com	提示词工程指南
PromptMart.cn	提示词库
video-to-prompt.com	在线工具

12 KiB Raw Blame History Unescape Escape