scenario-seedance-music-video

Scenario Seedance 音乐视频

概述

分五步：歌曲、歌词、故事、画面、视频。提供的母带是唯一配乐，不会为任何镜头另写配乐。scripts/build.py 会在最后一次性将母带铺到剪辑上，并通过哈希验证文件未被改动。scripts/song.py 会读取母带，使剪辑落在歌曲结构上。脚本需要 PATH 中有 ffmpeg 和 ffprobe，并且 song.py 需要 numpy。

关于连接和核心生成循环，请参阅此仓库中的 scenario 技能。关于 Seedance 参数约定和条件设置陷阱，请参阅 scenario-seedance 技能。如果你可用的技能中缺少此处提及的同级技能，请让用户安装（npx skills add scenario-labs/skills --skill <name>）；若无人值守，请根据工具架构继续操作，并标明这一缺口。

两种音轨

在镜头内创作的音乐会在每次剪辑时以新调重新开始，因此配乐来自视频模型之外：提供的母带。Seedance 生成的是附着在画面上的声音。此选择会设置每个镜头的 generateAudio，所以请在生成前确定：

• 只有歌曲：所有地方都设为 generateAudio: false。只要 MP4 支持，build.py 就会对母带进行流复制，因此交付的音轨与提供的文件逐位相同。
• 歌曲叠加镜头自身的声音：设为 generateAudio: true，每条提示词都要在 "diegetic sound only:" 后写明场景本身发出的声音（湿漉漉的沥青上高跟鞋的声音、房间底噪），除此之外不写其他内容，并在剪辑文件中设置 "sound": 0.2。不要提及任何乐器或曲风，不管它们与曲目多么契合；也不要添加 "no music" 之类的排除描述：提到乐器会引入配乐，有一次运行因输出音频内容检查发现额外添加了 "distant guitar" 而失败，排除描述也未能通过该检查。build.py 会将每个片段的音频剪裁到其对应时段，以指定增益混入母带，并拒绝会导致削波的混音。交付文件随后会经过一次 AAC 编码，以声音效果换取逐位相同的保证；母带文件仍会接受哈希校验。

快速参考

步骤	调用	说明
1. 歌曲	python3 scripts/song.py master.mp3 -o song.json	哈希、时长、响度、节奏、段落、剪辑候选点
2. 歌词	用于转录的 recommend，以及 model_run	优先使用提供的歌词；演唱人声转录仅为草稿
3. 故事	一页，先展示给用户	犯错成本最低的环节；写明哪些内容不能偏离
4. 画面	使用与交付画幅比例一致的图像模型	参考静帧，每种造型一张，用于保持一致
5. 镜头	Seedance model_run，音频按上述选择处理	先运行 dry_run；设置 wait=false；使用 pending_job_ids 调用 jobs_wait
6. 剪辑	python3 scripts/build.py edit.json out.mp4	一次 ffmpeg 处理：统一规格、拼接、铺上母带、验证

开始前只询问一次：团队和项目、曲目授权、画幅比例和时长、歌曲下是否叠加声音、必须出现和不得出现的内容、预算上限。若无人回答，就选择只有歌曲，并直接写下故事，而不是等待展示。然后不中断地继续操作。

实例：一段主歌，三个镜头

1. python3 scripts/song.py master.mp3 -o song.json。段落是镜头边界，切点是候选剪辑点；请先试听，再决定是否采用。
2. 上传母带：使用 multipart upload_asset，然后调用 upload_asset_complete（参见 scenario 技能）。调用 recommend 推荐转录模型（将用户自己的需求表述为 prompt），再依次调用 model_schema_get、model_run、jobs_wait。转录文本是作业资源 ID 中的一个文本资源：如果 hasFullPreview 为 true，asset_get 会在 metadata.preview 中返回完整文本（编写本文档时，基于 Whisper 的工具会写入 SRT 格式的定时文本块）；否则调用 asset_download 获取文件。如果是纯伴奏，就说明这一点，然后继续。
3. 写一页内容：讲清楚发生了什么、地点在哪里，以及情节如何随着各段落推进；并点明结尾画面。先给用户看，再花费任何资源。
4. 使用图像模型（通过 recommend）按交付宽高比为每种视觉风格生成一张参考静帧。查看这些图：它们将决定后续内容的角色身份和调色板。要让同一角色贯穿多个镜头，请参见 scenario-consistency 技能。
5. 对每个镜头，决定如何进行条件控制：如果开场状态很重要，就传入首帧 image；如果只需确定角色身份和世界设定，就传入 referenceImages（参见 references/shots.md）。每个镜头的生成时长要比对应时段多一到两秒，以便留出剪辑余量。若要让某个动作在镜头内的某个节拍上发生，请从片段起点开始计算时间码：该节拍在母带中的时间减去镜头的 at，再加上计划的片头裁剪量 in（未计划的裁剪会使每个节拍都发生偏移）。在这些时间码内保持同一运镜和地点；与情绪词不同，带时间码的动词在生成时更能保留下来。
6. 编写 edit.json，然后运行 python3 scripts/build.py edit.json out.mp4：

{
  "master": "master.mp3",
  "fps": 24,
  "width": 1280,
  "height": 720,
  "sound": 0.2,
  "shots": [
    { "clip": "clips/01.mp4", "at": 0.0 },
    { "clip": "clips/02.mp4", "at": 12.5, "in": 1.0 }
  ]
}

每个镜头都会持续到下一个镜头开始，最后一个镜头则持续到母带结束，因此不会出现空档；每个 at 都会对齐到最近的一帧。in 是可选的片头裁剪量。sound 是片段自身音频的增益：在已完成母带处理的曲目下方，设为 0.1 到 0.3；片段声音较小时，最高可设为 1.0（build.py 接受 0 到 4）；如果只使用歌曲音轨，则删除这一行。若片段太短、混音会出现削波，或交付音频不是母带，构建会明确报错。

常见错误

• 让镜头自行计分：每次剪切时，它的计分都会重新开始。
• 未试听每个片段就开启 sound：generateAudio 是针对整条音轨的一个开关，因此，如果某个片段漏出了音乐，应将其设为 generateAudio: false，而不是在提示词中添加排除内容。
• 自行裁剪、标准化、淡入淡出或重新编码母带：build.py 会复制母带或以原始音量使用它，并会在两种情况下都校验文件哈希。
• 轻信指定的宽高比：静帧和片段生成的宽高比会接近指定值，但不会完全一致；build.py 会补齐差异。请先裁剪到交付宽高比。
• 在参考模式下提示开场状态：它不会出现；请传入首帧 image。
• 根据稀疏的联系表判断片段：连续运镜看起来会像硬切；先测量（参见 references/shots.md）。
• 轻信节拍网格：段落和切点都只是建议，请根据听到的内容进行检查。
• 不带声音看过交付成品就认定完成；之后还要静音观看。