在「带货口播短视频」的基础上,开场钩子和收尾号召换成资产库里的一位人物出镜说出来(用它的脸和嗓子),中间每一拍仍是带商品的画面,口播用同一个嗓子念、对齐每一拍的开头,按画外音铺字幕,导出竖屏成片(带「AI 生成」标识)。运行前在「挑一位主播」上选好人物;人物要先在资产库里有正面图和音色;真人要有授权声明,克隆音色也要声明是谁的。视频模型可用时中间各拍动起来(和「带货口播短视频」同一个做法,开场和收尾本来就是主播出镜的视频):每拍多一次付费视频生成,拍数约为目标时长减去开场和收尾、再除以开始节点的 beat_seconds(每拍几秒)。这一份带着「把这一拍动起来」:开始节点的 beat_seconds 是每一拍几秒,挑的视频模型要出得了这个时长。没有视频模型的话,导入后在画布上打开逐拍的那个循环,删掉「把这一拍动起来」「归档这一拍的视频」「这一拍的视频不出声」三个节点,再把「出这一拍的画面」的结果连到「按这一拍的时长铺上去」的素材那一格 —— 每一拍就按 beat_seconds 铺一张静图。也可以在应用的模板库里直接添加:没有视频模型时建出来的就是静图版。
输入一个主题,生成创意主旨、脚本和视觉圣经;角色和场景先到资产库里认,已有的直接用它的参考图,新出现的才画三视图 / 设定图并存成资产,按分镜自动搭 3D 白模并摆好每一镜的机位与运镜;再逐镜按白模画首帧(需要时加尾帧)或直接用三视图与白模运镜视频做参考生成视频,按顺序组装、配上口播字幕并导出。台词按分镜写的说话人配音:角色在资产库里带着音色就用它的嗓子,旁白和没带音色的角色用开始节点的那一把;有能出音乐的模型时再生成一首配乐,垫在对白底下。花费量级:默认最多 8 镜,每镜一次视频生成外加 1~2 张关键帧,另有最多 7 张角色三视图与场景设定图(库里已有的不再画)、5 次对话、逐镜配音和一首配乐——是所有模板里最贵的一条,开始节点的 max_shots 就是镜头数的上限,shot_seconds 是每镜几秒(建图时按所选视频模型取它能出的、最接近默认的那一档)。
拍漫剧(短剧)的一集:和「从主题到完整视频」同一条流水线 —— 认资产库里的角色和场景、分镜、3D 白模机位、逐镜关键帧 ——但剧本和分镜按对白推动来写(旁白只交代时间地点),对白镜头对着说话的人;角色的台词由视频模型出片时一起念出来,语气跟着这一镜的表情和情绪走(需要 MiniMax H3 这类会出原生人声的视频模型),旁白另配。主题里可以直接贴一份逐镜剧本(画面、谁说、台词)。先用「连续剧 · 系列设定」把角色和场景建进库,再一集一集拍。花费量级:同「从主题到完整视频」。这一份带着「用角色的嗓子演这一句」(对白模型,收首帧和参考音频,例:ComfyUI 范例「H3 对白 · 角色嗓音」):导入后在那一格挑好模型,同一个角色几镜之间嗓音一致。没有这种模型的话,删掉「说话的角色带着嗓子吗」「用这个角色的嗓子念一句参考」「用角色的嗓子演这一句」三个节点,对白照旧按文字描述念。应用里有这种模型才带这一支。
做漫剧、连续剧的第一步:填剧名、梗概和集数,角色和场景想自己定就一行一个写上(名字、身份、长相、想要什么嗓子都行),不写就由 AI 按梗概补。生成分集大纲和画风,给每个角色画三视图、配一把嗓子,给每个场景画设定图,全部存进资产库,设定文档存成笔记。之后每一集用「从主题到完整视频」拍:角色和场景按名字从库里认出来,同一张脸、同一把嗓子。花费量级:1 次对话,外加每个新角色一张三视图、每个新场景一张设定图(库里已有的不再画)。