recoup-music-video

音乐视频 — Small Room 工作流

遵循 2026-09-03 完成 SMALL ROOM / The Projectionist 时采用的制作顺序。这是从制作圣经、身份设定表、最终镜头表、生成器和渲染结果中记录下来的综合工作流，而不是某项 Higgsfield 技能中的十步流程。在选择生成路线前，请阅读 references/small-room-production.md，了解相关依据、最终模型设置，以及历史执行方式与当前执行方式的差异。

歌曲 → 制作圣经 → 场景审查 → 角色与试镜 → 道具与背景板 → 镜头列表 → 已审核的静帧 → 修订后的片段表与尾帧 → 动态画面 → 已验证的成片。

从最早尚未完成的步骤开始。复用已获批准的素材，并在项目中保留其审批状态；恢复工作时，不要重新生成歌曲，也不要重新讨论未变更的决定。延续用户的视觉方向。复现的是工作流，而不是 Small Room 的主角、写实风格、调色板、剧情、时长或确切镜头数量。

辅助技能与优先顺序

在相关步骤加载链接的技能。Higgsfield 链接固定指向经过审核的社区技能库；其中角色设计框架注明 @vavavinca 为作者。Small Room 使用的核心说明已包含在下文，因此无需访问私人项目检出内容。如果无法加载外部技能，请说明这一限制，并使用本文提供的方法。

阶段	配套技能	此工作流采用的内容
新歌曲，仅在需要时	recoup-song	四项审批；通过 Recoup API 生成；预留最大时长余量
制作圣经与角色试镜	higgsfield-character-design	世界观优先的制作圣经、角色设定表、试镜片段与身份锁定
故事审查	higgsfield-scene-engine	目标、阻碍、策略、逆转与观众价值变化
镜头列表	higgsfield-shotlist-director	整体风格、参考术语表、命名提示词、节奏与单调性审查
构图与验证	内置 references/composition-and-verification.md	固定版本的 HyperFrames 设置、HTML 时间线、字幕、代码检查、快照、渲染与检查
Recoup 身份验证，使用其路线时	recoup-platform-api-access	验证账户和 API 约定，同时避免泄露凭据

Small Room 对这些方法进行了调整：其镜头列表文件名为 SCRIPT.md，试镜无对白，场景动态采用 H3 Max Turbo。不要将链接技能中的 Seedance 多镜头提示词、HTML 镜头列表交付物、Soul 训练或对白试镜作为额外阶段引入。已完成的制作圣经已为 HyperFrames 提供视觉身份；组装已获批准的影片时，不要另选风格。

1. 批准歌曲并确认实际时长

使用确切获批的录音和歌词单。如果尚无歌曲，请遵循 recoup-song：先批准创意、曲风、确切歌词／提示词，再提交付费请求。其当前默认值为支持的最长时长（300 秒），以便自然收尾。不要照搬 Small Room 过去提交的 120 秒请求，也不要仅仅为了进入此工作流而再生成一首歌。

将母带、生成 ID 和获批输入保存在 audio/ 下。使用 ffprobe 测量实际文件时长。使用 ElevenLabs Scribe 转录，并将词级时间戳保留在 audio/scribe.json 中；将转录内容与获批歌词进行比较，并标记改动、遗漏、重复和截断。此工作流中不要使用 Whisper。在制作影片前，先取得用户对歌曲的试听批准。已有的批准可满足此门槛。

先确认可用的转录操作确实支持 Scribe 和词级时间戳。Recoup 的通用转录路由不能替代 Scribe；已检查的路由边界见 references/small-room-production.md。任意覆盖模型，或将文件重命名为 scribe.json，都不符合此要求。如果无法使用 Scribe，则复用已批准且匹配的 Scribe 转录，或在进行依赖时间信息的制作前报告缺少此能力。单独连接的 Scribe 服务需要获得独立授权，并单独提交音频；不要从其他连接中提取凭据，也不要悄悄切换转录服务提供方。

录音决定影片的音乐时长。后续片尾卡有单独获批的时长。不要为了符合通用社交视频时长而截短歌曲。

2. 编写故事圣经

使用角色设计方法，按以下顺序编写一份项目级 BIBLE.md：

1. 核心设定： 一个可争辩的主张、必须尊重的反方观点，以及情感承诺。
2. 世界： 影片所需的物理、社会、经济、意识形态、历史和感官规则，仅限必要细节。
3. 角色： 主题作用、外在／内在目标、心理／道德需求、创伤、火花、剪影、矛盾及相关关系。先构建世界，再选定角色。
4. 故事主线： 由后果相连的因果节拍，包括转折点和结局。
5. 风格： 色彩、光线、材质、比例、摄影语言、服装、道具、连续性和禁用元素。以获批歌曲和用户指示为依据。

记录音频来源和测得的时长。明确提出尚未确定的创意选择。故事圣经应是一份可供审阅的文件，而非散落在对话中的文字。

3. 审核故事，然后批准故事圣经

在生成任何角色或场景之前，先在 BIBLE.md 中进行场景引擎审核：

• 目标： 主角固定不变的目标；每个场景都必须为其助力。
• 障碍： 什么因素在威胁该目标或其当前阶段，以及威胁的规模。
• 策略： 基于现有认知采取的行动；失败的尝试必须带来教训。
• 逆转： 每个已解决的情节序列中，至少有一次出乎预料的转折。
• 价值转变： 这次逆转如何改变观众对角色的判断。

指出最薄弱之处，并提供最小修改方案和更全面的替代方案。按照用户的选择修改，呈现修订后的故事圣经，并取得批准。只有情节转折而没有引发观众重新评判，并不足够。对未变更的决定保留原有批准；任何受影响的修订在延伸至付费素材前，都必须先获批准。

4. 设计、试镜并确定角色

使用 Muse Image 生成候选静帧并编辑参考图。在纯灰背景上制作角色设定表， 然后分别整理面部和身体参考图：服装正面／背面、面部特写和所需角度；如有需要， 加入张嘴／闭嘴的不同版本。在进行动作测试前，先展示候选角色并让用户选择。

在此处确定媒介，因为这会决定动作模型。 写实演员使用 Muse 起始静帧，通过 H3 Max i2v 生成动画（Small Room 流程）。风格化或动画角色则可以将设定表作为参考图， 交由 Seedance 2.5 处理，每个歌曲段落生成一个镜头：Seedance 的输入过滤器（通过 fal） 会拒绝任何来源的写实人脸，但会接受风格化人脸，并让其在各镜头间保持一致。先根据 用户提供的参考图生成写实演员，获得批准后，再用一条统一的风格描述重新渲染每项素材。 配方、提示词架构和费用见 references/stylized-motion.md。

使用 H3 Max Turbo，按照制作参考中的设置，为影片中一个实际且有挑战性的节拍安排 一段五秒无声试镜。这段试镜必须证明角色能通过眼神、姿态和手部动作来表演。Small Room 测试了角色从一盏故障的灯看向投影仪、做出决定并开始移动手部；请根据本片的 圣经设定设计测试。按约定的试镜次数生成，审看片段动作，并在确定最终人选前取得用户 的选择。

将选定片段和参考图清单保存到 cast/，并在 cast/IDENTITY.md 中写明：

• 一段在所有适用的静帧提示词中原样复用的外貌描述；
• 一句在适用的动作提示词中复用的动作描述；
• 每张参考图的用途及其所保持的状态。

外貌描述应放在静帧提示词中；动作提示词则描述动作和动作设定。每个场景静帧使用 面部参考图，外加最多两张其他相关参考图，做法与 Small Room 相同。如果角色身份 出现偏移，应先检查参考图选择，而不是重写角色设定。

5. 制作道具，然后制作空场景底板

在场景静帧之前，先在灰色背景上制作道具设定表。确定相关尺寸、结构、朝向和状态变化； 从已批准的道具版本编辑生成变体。

然后在 plates/ 中制作空场景底板。通过编辑同一个房间生成暗光／亮光／变换版本， 并保持几何结构不变。在将道具和底板与角色组合前，先审核并批准它们。注明每张参考图的 用途；角色、道具和场景必须符合影片统一的材质和视觉风格。不要自动为每个场景制作 额外的机位角度底板。

6. 编写歌曲映射和连贯的镜头列表

使用 SCRIPT.md 中的镜头列表导演方法。内容包括：

• 开场画面的视觉钩子，以及以清晰动作呈现的影片前提；
• 以测量的歌词时间为锚点的歌曲段落；
• 来自圣经设定的一条全局风格前缀，以及锁定的身份描述；
• 将角色、道具、底板和状态参考映射到实际文件的 @ 词汇表；
• 每行包含 ID、歌曲时间范围、时长、故事节拍、景别、镜头运动、参考图、起始状态、 预期结束状态、静帧提示词、动作和字幕。

从画面开始：不要使用片头标志、标题卡或淡入。歌曲负责提供人声； 不要另行加入旁白，也不要求角色对镜头唱歌。

检查时间范围是否完整覆盖整段录音，确保没有间隙或重叠。结合阅读景别和镜头运动两列： 避免连续三条镜头使用相同的景别和运动。变化景别和用途，而不只是时长。生成场景静帧前， 先展示表格并获得批准。

7. 生成并审核场景静帧

使用获批参考图进行 Muse 编辑，并按以下结构组装提示词：

global style + identity (when present) + location lock + framing + scene state + continuity

如有面部参考，先附上面部参考，再附上相关场景底图和道具参考，最多使用三张参考图。获批的早期镜头可作为更精确的地点／状态参考。明确标注各参考图的用途。保存完整提示词、参考图分配和生成结果。

在制作场景动态之前，先与用户一起审核联系表和单独的细节裁剪图。 检查身份、手部、道具数量／尺寸／方向、光线、背景人物、杂散文字，以及每种效果的物理成因。如果瑕疵在静帧中已经可见，先修复静帧。将修正内容反馈到圣经的连续性规则和受影响的行中。

8. 修改片段表并批准结束帧

静帧审核后，如果一个摄像机设置能在模型的时长限制内覆盖连续的动作单元，就合并相邻节拍。保留歌词时间窗口。如果取景、地点或动作无法连贯地编排在一起，则拆分。Small Room 从计划的 26 个镜头调整为最终 17 个片段；这个数量是参考，不是每部影片都要达到的目标。

为每个片段指定获批的起始静帧。如果计划中的变化需要结束帧，则使用同一摄像机位置和取景对起始静帧进行编辑来制作结束帧。只改变预期状态。在投入动态制作前，将起始帧和结束帧并排展示。对于保持不变的状态，Small Room 有时会重复使用起始帧作为结束锚点；部分行没有使用结束帧。不要要求每个片段都必须生成新的结束帧。

将修订后的表格标记为当前版本，并归档已取代的行／静帧。当前表格、渲染时间线和生成清单必须保持一致。不要让旧版构建检查清单悄悄恢复已取代的镜头数量。

9. 先测试插值，再生成并审核动态

先生成一个有代表性的起始帧／结束帧片段。Small Room 使用开场的 M01（13 秒）测试插值。在批量制作场景前先审核该片段。

使用MiniMax H3 Max Turbo、768P、5–15 秒的整数时长，以及 prompt_expansion_mode: disabled，并遵循 references/small-room-production.md 中已验证的路线和获批支出范围。请求的片段时长要足以覆盖指定时间窗口，然后在剪辑时修剪。

动态提示词 = 行动作 + 适用的移动锁定 + 锁定摄像机或指定的摄像机运动 + 项目专属的连续性排除项。不要重复描述外观。没有可见人物的镜头省略人物动作／面部相关条款。对可能出现风险的道具几何形状和灯光状态作出明确约束。

检查动态和提取帧，留意面部漂移、额外肢体、凭空出现的灯光／物体、非预期的摄像机运动和连续性错误。保留有用的片段；只在获批的重试预算内修正失败的行。如果某个镜头持续失败，就修改或移除该镜头并更新表格，不要反复为同一个有问题的动作投入资源。Small Room 移除了 C14 并延长了 M12，同时保留歌曲时间线。分别保存保留和驳回的片段，并记录模型、提示词、起始／结束参考图及请求／实测时长。

10. 组装、检查、渲染并交付

使用 HyperFrames 0.7.5，这是 Small Room 使用的版本。如果有经过测试的本地视频工具链，请沿用其结构和字体；Small Room 使用的是 LETAL XLUG 工具链。清除其中的旧媒体、字幕、文案和时间设置。否则，搭建相同的固定版本；运行此技能不需要私有参考项目。 阅读随附的 references/composition-and-verification.md，了解相关设置和必需的宿主功能。搭建时请关闭 Whisper 自动转录和额外的技能安装；保留已批准的 Scribe 时间设置和现有宿主环境。

将选定的片段放在已批准的歌曲时间段，静音片段音频，并根据带时间戳的转录稿添加字幕。使用唯一的媒体 ID，并明确指定起始时间和时长。若转录内容与歌词不符，请标记并告知用户；Small Room 明确批准了书面歌词字幕覆盖，这并不代表今后的影片可以在不告知用户的情况下修改字幕。

运行 lint、validate 和 inspect，然后为重要时刻和字幕转场制作快照：

npx [email protected] lint .
npx [email protected] validate .
npx [email protected] inspect .
npx [email protected] snapshot --at <review-times> --describe false .

渲染前请检查这些图像。渲染影片后，使用 FFmpeg 通过实测线性增益将已批准的母版与影片复用，并再次测量成品音频。Small Room 使用了 −1 dB；请根据本片的实测电平计算增益。保持母版不变；不要应用 loudnorm。如果已批准片尾卡，请明确追加其时长，并且只在片尾卡的音频尾部补静音。

从成品 MP4 中读取剪辑点、字幕处和此前有问题的镜头画面；既要检查画面，也要检查实际运动。确认歌曲完整覆盖、视频连续、字幕时间准确且结尾正确。渲染完成不代表视觉检查通过。记录检查内容和任何未解决的问题。交付可播放的影片、实测时长、源文件素材，以及实际成本（如有报告）；估算值须标明为估算。取得用户最终观看批准。

完成后停留在已批准的素材。发布需要用户另行提出请求，明确指定发布目标和账号，并且需要已授权的发布连接，以及对发布结果的核验。仅有视频批准并不意味着授权发布。