选素材库里的一条视频,先用代码量出刀口和每一镜的动静(不花钱、不是模型猜的),取每镜两帧拼成联系表;可选转写口播,把台词按时间分给每一镜;再让视觉模型逐镜判景别、运镜、转场、节奏,写画面描述和照着重生的分镜提示词(每批最多 25 镜一次调用,代码对账:表外的词当场清掉、声称在动而实测没动的运镜被拦下并记下);最后代码出镜头表报告,模型写拆解总结(结构、节奏曲线、钩子、可复用的手法),存成笔记交付。花费量级:一镜不多花,25 镜一次视觉调用 —— 一条 1 分钟、30 镜的视频是两次视觉调用,加写总结的一次对话。起点是素材库里已有的视频;想拆链接里的片子,先用「从链接导入」把它下载进素材库。
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。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 次对话和逐镜配音——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）。
先去除底噪，再将视频转为带时间码的逐字稿，识别停顿、口头禅与重复内容，生成裁切方案和整理版视频。保留原素材。适合 30 分钟以内的口播、访谈；更长的素材先分段再整理。
把一段视频逐句转写、逐句翻译，按原时间码铺上译文字幕，再逐条配音并变速压回原段落长度。目标语言在「逐句翻译」一步上选（默认英文）。原声里的人声拆出去、背景音乐留着；开始前需装好人声分离引擎。
