production-evolution.md 23 KB
制作方法演进 v1→v6 与避坑清单
提炼自
kb-raw/06-制作方法演进/与kb-raw/08-成品案例库/。 价值：这些坑我踩过了，你不用再踩。凡是文档没直接支撑、属推断的判断，均标注「（推断）」。
一、演进主线一览
| 版本 | 核心方法 | 技术通道 | 代表案例 |
|---|---|---|---|
| 版本1 · 数字人 | 数字人口播解说（讲稿 → 配图 → 数字人） | 即梦 OmniHuman + 图片轮播 | VOC 推广片、脱敏案例版 |
| 版本2 · PPT翻页式 | PPT 翻页 + 口播（分析方案型内容） | 图生图白底/信息图 + 口播配音 | 乳酸菌素片儿童版、江中肝纯片 |
| 版本3 · 分块式提示词 | 四步流程雏形：对标 → 仿写 → 分镜 → 素材 | getVideoV3_720p（method=2/3）、getImgV4、yt-dlp + Whisper |
正新鸡排、瑞幸 1.0/1.1、全季酒店、张雪机车 |
| 版本4 · SOP案例 | 漏斗式 SOP 实跑 | 全套生成/重试脚本链 | 申通快递《一堂三百万的课》、始祖鸟「基因决定命运」 |
| 版本5 · 动态式数字人解说 | 数字人 + 多场景素材混剪，主攻「AI 味」 | 文生图/图生图 + getImg2ImgV3 清晰化 |
饲料客户案例 |
| 版本6 · 真人版VOC竖版 | 真人感竖版（真人感 prompt + nano 图 + 对口型） | OmniHuman 主体识别 + 音频驱动口型，9:16 | 元气森林（= voc11.0） |
演进逻辑：人工感递减、拟真度递增、流程分块化 —— 每版都在补上一版最刺眼的那块短板。
v1 数字人（像AI，静态图+画外音）
→ v2 PPT翻页（有商业骨架，但仍像配了音的PPT）
→ v3 分块提示词（质量稳定化转折点，但失败率高需人工重试）
→ v4 SOP案例（能重复出片，但脚本硬编码不可移植）
→ v5 攻AI味（提示词四层结构 + 运动真实）
→ v6 真人感竖版（底片先做呼吸微动，再音频驱动口型）
二、逐版本详解
版本1 · 数字人
核心做法：五段式手工流水线 —— ① 截客户正面照，生成「正视全身图」；② 截口播视频 MP4→MP3 取音频，克隆音色； ③ 把对标视频链接丢给 AI 拿文案并仿写，同时让 AI 依据口播照片写动作提示词（「手部微微张开」「身体微微倾斜」）； ④ 用户照片 + 文案 + 动作提示词 → 即梦出片。
技术通道（数字人）：generate-digital-human.js 是标准链路 ——
上传图/音 → /getOhIdentifyMain 主体识别（轮询到 isContinue）→ /getOmniHuman（pe_fast_mode:true）→ 轮询 → 下载。
解决了什么：把「要真人出镜」的门槛降为零，老板不出镜也能产出 20–60s 口播。
遗留问题：成片本质是静态图 + 画外音，无镜头运动、无场景切换。 会议纪要直接点名：数字人口播「虽能到 60–70 分，但缺乏真实感与信任度，难以支撑高客单价转化」。
→ 本技能对应能力：
fmode-mv jimeng digital-human（数字人三步流程，¥1/秒）。
版本2 · PPT 翻页式
核心做法：把「产品定位分析方案」直接当脚本 —— 完整的市场分析长文，
再由 VOC脚本prompt.md 转成人物设定 + 照片生成表 + 视频生成表。
技术通道：横屏 16:9，深色科技风（#121212 + 金 #FFD700 + 红 #FF4444），
画面是信息图/数据图，靠配音推进（一张脚本的照片表 12 张，全是「办公楼航拍」「数据屏特写」「词云」）。
解决了什么：让视频有了可复用的商业论点骨架（VOC 分析逻辑）； 单张信息图由文生图批量出，成本极低。
遗留问题：页与页之间硬切，没有连续空间，观感仍是「配了音的 PPT」。
→ 版本3 的「首帧必须是楼外空旷场景、第一段推镜入室内」正是为治这个病而设。
版本3 · 分块式提示词（★ 质量稳定化的转折点）
核心做法：把整条链路拆成四段独立 prompt，逐级固化：
1-对标文案获取/抖音文案获取流程.md：抖音链接 → URL 解析 aweme_id → TikHub API 取直链 → yt-dlp 下载 → Whisper(base, zh, beam_size=5) 转写 → 文案 txt2-脚本仿写/文案仿写prompt.md：输入参考文案，输出 10 个仿写版本（内含 15 节拍表短视频压缩版、10 种爆款故事类型、黄金三秒 5 技巧、嘴替式开场三步法）3-分镜生成/分镜prompt1.1.md：把文案转成「场景逻辑描述 + 照片生成表格 + 视频生成表格」，并强制输出格式模板4-素材生成/：1-照片生成.md/2-视频生成prompt.md（生成 + 查询 + 下载三段脚本要求）/3-封面生成.md
技术通道：POST /getVideoV3_720p，method=2（首帧单图）/ method=3（首尾帧，传 [first,last] 数组）；
帧数公式 frames = 24 × 秒数 + 1；统一 720p 省成本。
解决了什么：文案 → 分镜 → 素材分层确认后，任一环节崩了只需重跑该层； 「对标先行」杜绝了凭空编造。
遗留问题：产出目录里堆着 retry-videos.js、retry-4-6.js、retry-video6.js、retry-video6-dynamic.js
—— 说明失败率高、需要反复人工重试，自动化程度不足。
→ 本技能把重试逻辑内置进 provider（并发退避、
<!DOCTYPE检测、ImagineWork兜底查询、幂等跳过）。
版本4 · SOP 案例
核心做法：把版本3 的流程固化成可交付 SOP，并用两个真实商单跑通验收。
技术通道：完整脚本组 ——
generate-photos-4k.js（getImgV4，sizeDate 5404×3040）→
generate-photos-retry.js（重试版降到 2048×2048）→
resize-images.js（缩到 1280×720）→
generate-videos-720p.js / generate-videos.js / generate-videos-final.js。
9 段视频，仅第 1 段与第 9 段用 method=3（首尾呼应：城市远景 ↔ 黄昏同景），中间 7 段 method=2。
解决了什么：从「能出片」升级为「能重复出片」。含重试脚本、断点续跑（existsSync 跳过已存在文件）、结果落盘。
遗留问题：脚本里硬编码了绝对路径与 token（E:\公司\voc-workshop-promo\...、Bearer r:f03...），
完全不可移植，也违反密钥不入代码的规范；resize-images.js 里的 PowerShell 命令实际只做了「另存为 PNG」，
并没有真正缩放（推断）。
→ 本技能的做法：所有路径走参数、所有凭据走运行时读取、所有产物路径可配。
版本5 · 动态式数字人解说（★ 主攻「AI 味」）
核心做法：数字人 + 多场景素材混剪，每一组素材 ≈ 3 秒镜头 + 对应口播 （一组案例给出 8 组：店门口 / 饲料袋特写 / 装袋称重 / 喂鸡 / 背影情绪 / 送货车 / 客户交谈 / 收尾金句，总口播约 24 秒）。
技术通道（双文档提示词方法论），五步 SOP：
①「照片 + 口述 → 外形身份描述.md」；② 脚本；
③ 依 去掉AI味-笼统.md + 去掉AI味道-精.md + 外形身份描述.md 写提示词生成照片；
④ 同法生成视频；⑤ 配音。
另有 sharpenImage.js 走 getImg2ImgV3（prompt: enhance clarity，scale:0.3）做原图清晰化。
解决了什么：直击版本1 遗留的「AI 味」。提出提示词四层结构：
Identity Lock（锁人）→ Scene（换场景）→ Cinematic Logic（锁真实感）→ Reality Layer（防 CG 感）
视频侧从「画面真实」转向「运动真实」：手持微抖动而非丝滑漂浮、眨眼呼吸重心转移、 motion blur、时间连续性、环境动态。
遗留问题：混剪仍是「每段独立生成再拼接」，跨镜头人物一致性靠提示词约束、无硬性技术锁定； 为一刀切地「统一选 5s（备选 8s），便于拼接剪辑」而妥协了叙事节奏。
→ 本技能的
character-sheet工序正是这条短板的技术解法：先把人物锁定成多视图资产， 再拿它做图生图参考。
版本6 · 真人版 VOC 竖版（当前最优路径）
核心做法：竖屏 9:16，真人感数字人主讲 + 故事场景穿插 + 画中画 （分段结构：段1 数字人正面 → 段2 场景 → 段3 数字人侧身 → … → 段7 画中画 + 混剪 32s → 段9 结尾金句）。
技术通道：
① 真人感prompt.md（中英双语，适用豆包/即梦/可灵/MJ/Flux/SD/Runway）提供「真人感提示词结构」；image2.3-nano.md 走 nano 出图；
② generate-video-lipsync.js 先生成「口型合成底片」 —— 固定机位、绝对不晃、嘴唇微张松弛准备说话状态、241 帧（10s）@720p；
③ generate-omnihuman.js 用 OmniHuman v1.5 音频驱动口型，含并发 50430 重试（最多 5 次、退避 10s × (retry+1)）。
解决了什么：解决版本5 仍「一眼数字人」的问题 —— 先用图生视频做出呼吸/微动作的真实底片，再由音频驱动口型，观感向真人靠拢；同时改用竖屏适配抖音。
遗留问题：脚本顶部 IMAGE_URL / AUDIO_URL 写死为公网测试图床（test.fukit.cn、litter.catbox.moe），
依赖外部临时存储，链接失效即不可复现；docs/api.md 仅有 45 字节，接口文档基本空缺。
→ 本技能的默认路径吸取了版本6 的结论：竖屏/横屏可选，人物资产先锁定， 视频侧走即梦 V3，需要「真人对口型」时用
fmode-mv jimeng digital-human。
三、踩坑清单（21 条，现象 / 原因 / 解决）
| # | 现象 | 原因 | 解决 | 出处 |
|---|---|---|---|---|
| 1 | method=3 提交后无 workId、任务失败 |
首尾帧需 2 张图，只传了单张/传法不对 | config.binary_data_base64 = [firstFrame, lastFrame] 数组；首帧单图才传单值 |
retry-video6.js 头注释「修复首尾帧需要2张图片的问题」 |
| 2 | 某分镜只有一张可用图，却必须走首尾帧 | 分镜设计时未为 method=3 备好尾帧 | 应急：['photo6.png','photo6.png'] 同图两传；后改为 method=2 动态效果版 |
retry-video6.js vs retry-video6-dynamic.js |
| 3 | 视频提交报错、帧数不合法 | 24×秒+1 算出的值超出接口允许区间 |
帧数限制 [121, 241]，且 ≡1 mod 24 | retry-4-6.js 头注释「帧数限制: [121, 241]」 |
| 4 | 连续提交后接口失败 | API 限流 | 每段之间 await sleep(15000)；重试脚本「增加请求间隔避免限流」 |
generate-videos-v2.js、retry-videos.js |
| 5 | OmniHuman 返回 status === 50430 |
API 并发限制 | 判定 error.message.errmsg.status === 50430 后重试，退避 10000*(retry+1)，上限 5 次 |
版本6/scripts/generate-omnihuman.js |
| 6 | 轮询接口返回 HTML 而非 JSON（<!DOCTYPE） |
服务端错误 | 检测 <!DOCTYPE / <html 后等 30 秒重试，不解析 |
generate-videos-v2.js |
| 7 | fetch failed / 网络中断导致整批停摆 |
无异常隔离 | 记录日志后 continue 下一个，不中断整批 | flow/4-素材生成/2-视频生成prompt.md |
| 8 | 抽卡后拿不到成品 | 任务完成但 videos 数组为空 |
三级兜底：/getDataByTask02 查 isFinish → 无 videos 再查 GET /parse/classes/ImagineWork/{workId} |
同上 |
| 9 | 下载/重跑时覆盖已有成果 | 无幂等 | 下载前与生成前均 fs.existsSync 检查，已存在即跳过 |
各 generate-* 脚本统一写法 |
| 10 | 同一人物在不同分镜「换脸」 | AI 只按当前提示词统计特征重画，没有身份 ID | 身份锚点优先：骨相（脸长/颧骨/下颌/下巴/眼距/鼻骨）→ 五官比例与不对称 → 肤质 → 气质，写在提示词最前 | 版本5/去掉AI味道-精.md |
| 11 | 人物/画面有塑料感、CG 味 | 堆砌「perfect face / ultra smooth skin / extremely detailed / hyper sharp / HDR / overly cinematic / symmetrical face」 | 反向清单少用；改写真不完美：毛孔、细纹、油光、肤色不均、手持构图微偏、Kodak Portra 400、muted colors | 去掉AI味-笼统.md 第五、六节 |
| 12 | 视频动作假、镜头漂浮 | 无物理规律与惯性 | 强制加：手持微抖动（非丝滑漂浮）、自然眨眼呼吸、motion blur、consistent identity & lighting、环境动态；动作不过于均匀同步 |
去掉AI味-笼统.md 视频 7 维度 |
| 13 | 场景跨度大时首尾帧生成崩坏 | 首尾帧要求同一场景；室内→室外/人物→空镜差异过大 | 硬规则：场景变化过大时改用首帧模式；首尾帧只用于同场景连续动作、相似场景过渡、数据/状态渐变 | 3-正新鸡排/prompt-3/分镜prompt.md「⚠️ 重要规则」 |
| 14 | 首段拼不上、观感割裂 | 缺少进入镜头的动线 | 首帧强制「楼外/空旷外部场景」，第 1 段强制「推镜（室外推入室内）」，末帧与首帧呼应闭环 | 同上 |
| 15 | 相邻画面色调跳、拼在一起不连贯 | 各图独立生成，光色不统一 | 相邻照片保持场景与色调连续性；统一暖调/蓝灰调；白平衡与原片统一、不偏色；色彩克制拒绝 HDR | 分镜prompt.md |
| 16 | 口播与画面对不上、听不清 | 文案字数与时长不匹配 | 每 10 秒视频最多 50 个中文字符，语速 ≤4 字/秒；>35 字→至少 10s，>25 字→至少 8s，第一段至少 10s；优先 5/8/10 秒 | flow/3-分镜生成/分镜prompt1.1.md |
| 17 | 拍了一堆照片没有对应视频 | 照片数与视频段数未先对齐 | 分镜表必须带「用到的分镜序号/对应镜头」列做交叉校验；先定视频段数再定照片数（推断） | 分镜脚本输出格式模板.md |
| 18 | 大图上传失败/请求体过大 | 4K 图转 base64 后体积超限 | 先缩图再转 base64：统一缩到 1280×720；生图尺寸由 5404×3040 降至 2048×2048；视频统一 720p | 版本4/resize-images.js |
| 19 | 文案有「AI 报告腔」 | 书面语、推销味重 | 禁用「值得注意的是…」；开头 3 秒不得自我介绍；讲买点不讲卖点；做脱敏检测；用大白话讲深情感 | 3-正新鸡排/prompt-3/prompt-detailed.md |
| 20 | 数字人僵硬如蜡像 | 动作过大导致穿帮 | 锁定「人物居中、上半身固定、肩膀水平不晃动、仅极轻微点头、手势小不遮面」 | 版本1/2-1/视频.md |
| 21 | 长轮询挂死 | 无超时 | 统一 600000ms（10 分钟）超时；OmniHuman 放宽到 900000ms，超时保留 workId 供手动查询 |
各 waitForTask() |
3.1 本次接入即梦时新发现的两个坑（KB 未记载）
| # | 现象 | 原因 | 解决 |
|---|---|---|---|
| 22 | getImgV4 提交返回 200 + workId，轮询 15 秒后才报错 height or width invalid |
getImgV4 要求宽高积 ≥ 1024²，传 1280×720（921,600）不达标 |
本地预检：assertValidSize() / resolveSize('imgV4', …) 取推荐尺寸（最小 2560×1440 / 1440×2560） |
| 23 | frames=122 提交后被拒 x2v pipeline: frames % 24 should be 1 |
frames 必须 ≡ 1 (mod 24)，不只是落在 [121,241] |
合法值只有 121/145/169/193/217/241，即 5~10 秒整数秒；本地预检 assertValidFrames() |
坑 22/23 的共同教训：即梦对参数错误是「先收下、后拒绝」， 不在提交时报错，要等一轮轮询。所以必须本地预检，否则每错一次白等 30 秒 + 一次往返。
四、成本测算汇总
4.1 API 单价
| 项目 | 单价 | 出处 / 实测 |
|---|---|---|
| 即梦文生图 / 图生图 | ¥0.20/张 | 实测 usage.cost = 0.2 |
即梦 getImgV4 |
¥0.22/张 | 文档 |
| 即梦智能超清 | ¥0.40/张 | 文档 |
| 即梦视频 720p | ¥0.28/秒 | 实测 121 帧（5s）实扣 ¥1.41 |
| 即梦视频 1080p | ¥0.63/秒 | 文档 |
| 即梦视频 Pro | ¥1.00/秒 | 文档 |
即梦动作模仿 2.0 getActorV2 |
¥0.40/秒（单条 ¥3.2–5） | 10s-变装跳舞视频/readme.md |
即梦动作模仿 1.0 getActor |
¥0.50/秒（单条 ¥4–6） | 同上 |
即梦数字人 getOmniHuman |
¥1.00/秒 | 文档 |
| 生图（旧口径） | ¥2/张 | 10s-变装跳舞视频/readme.md |
平台积分换算：1 credit = ¥0.1（实测
credit: 2↔cost: 0.2）。
4.2 单条成本实测
| 场景 | 成本 | 出处 |
|---|---|---|
| 换装跳舞（8–12s，自建链路） | ¥15–24/条（高效 18–24）：人工 10 + 照片 2 + 视频 3.2–5 | 10s-变装跳舞视频/readme.md |
| 换装跳舞（直接用即梦/可灵） | ¥15–20 | 同上 |
| 5 秒带货视频（童装/中老年服饰） | 约 ¥25/条 | docs/5-15会议纪要.md |
| AIGC 视频综合 | ¥3–5/秒；60 秒约 ¥300；月更 30 条约 ¥9,000 | 同上 |
| AI 微人物传记（60s） | 照片 10 张 + 视频 10 个 + 人工 20 元，约 ¥50–100/条 | AIGC视频时长赛道调研.md |
| 客户采购价（对比） | ¥40–50/条 | 5-15会议纪要.md |
4.3 分时长人工成本
（人工基准：初级 ¥8K→¥45/h、熟练 ¥12K→¥68/h、资深 ¥15K→¥85/h）
| 时长 | 人工/条 | 工具/月 | 月产 | 月综合成本 |
|---|---|---|---|---|
| 5–10s | ¥10–15 | ≈免费 | 1000–2000 条 | ¥10K–30K |
| 15–20s | ¥23–50 | ¥150–500 | 300–400 条 | ¥8K–22K |
| 30s | ¥68–170 | ¥300–1,000 | 120–160 条 | ¥9K–30K |
| 60s | ¥20–40 | ¥400–1,200 | 40–80 条 | ¥5K–15K |
| 3 分钟 | ¥680–2,040 | ¥600–2,000 | 15–22 条 | ¥10K–46K |
⚠️ 数据打架：同文档 60 秒「成本对比总表」写人工 ¥20–40/条，但「60 秒详细成本」写 需策划 + 分镜(6–10 镜) + 多轮修改 ¥170–340/条；另一处又写「人工 20 元」。三处口径不一致，引用时须注明。
4.4 商业侧
- ROI 测算：单月成本控制在 ¥1,000 以内，实现 ¥5,000 GMV（约 100 单）即盈亏平衡。
- 对赌产品：¥19,800 包 3 个置顶视频，无效退款（南昌线下工作坊）。
- 变现天花板（调研）：5–10s ¥5K–30K；15–20s ¥5K–50K；30s ¥5K–100K；60s ¥10K–100K；3 分钟 ¥50K–500K（月）。
4.5 本技能跑一遍的典型花费
| 流程 | 花费 |
|---|---|
character-sheet --limit 1（定妆照 3 张候选） |
¥0.60 |
character-sheet（完整四步 9 张） |
≈ ¥1.98 |
scene（1 镜：场景图 + 关键帧） |
¥0.42 |
video --limit 1（1 镜 5 秒） |
¥1.41 |
| 一条 8 镜 MV 的视觉部分（人物资产 + 8×(场景+关键帧+视频)） | ≈ ¥2 + 8×0.42 + 8×1.41 ≈ ¥17 |
五、成品案例库（08）索引与结构范式
5.1 目录索引
| 分组 | 文件 | 对应成品 |
|---|---|---|
| VOC 商业洞察分镜文案 | voc9.0-未来商店-分镜文案.md |
创作/成品/VOC商业洞察/voc9.0-未来商店-钟杰/ |
voc10.0-米哈游-分镜文案.md |
…/voc10.0-米哈游-钟杰/ |
|
voc11.0-元气森林-分镜文本.md |
…/voc11.0-元气森林-钟杰/ |
|
| （voc1.0~8.0 无文案） | 创作/成品/VOC商业洞察/ |
|
| AI 人物微纪录片 | 无文档 | 创作/成品/AI人物微纪录片/（1.0 / 2.0） |
| 最后一个做梦的人 | 1-脚本.md、2-主镜设计.md、2-2分镜设定表.md、分镜1/2-故事板prompt.md、主角-人物形象生成提示词.md |
25 张分镜图 + 8 段视频 |
| 视频创作 | 剧本.md、人物和故事梗概.md、1.md |
AI 剧本过程稿 |
08/README.md说明：成品视频共 4.4G，保留在原目录创作/成品/；知识库只收录分镜文案与文档。
5.2 范式 A · VOC 商业洞察分镜文案（voc9/10/11 同一套模板）
固定五段结构，可直接作为分镜文案模板：
- 头部元信息：标题（悬念式，如「可口可乐和农夫山泉都想不通的问题，被他一个外行人解决了」）+
话题标签+总时长（约 80/114/120 秒）+风格 - 场景逻辑描述：用箭头串起
Photo1(首帧·楼外) → Video1(首尾帧·推镜入室内) → Photo2 → … → Photo10(末帧·楼外·与首帧呼应)，一眼看清「照片—视频」对应与首尾闭环 - 照片生成表格：
分镜序号 | Prompt（英文） | 场景说明 - 视频生成表格：
视频段号 | 时长 | 生成方式 | 运镜 | prompt（中文） | 旁白/字幕 | 用到的分镜序号。生成方式写明「首尾帧+prompt」或「首帧+prompt」；运镜写明推镜/缓推/环绕/横移/拉远 - 分镜设计说明：
人物视觉弧光（开端—中段—呼应）、三层冲突的视觉表现（内心/个人/外界）、景别变化（大远景→中景→特写→…）、转场设计
voc11 的细化程度最高，可作首选参照：10 张照片、9 段视频，其中第 7 段 B 是 30s 数据混剪；旁白列直接写完整口播句。
5.3 范式 B · 微纪录片分镜（最后一个做梦的人/）
2-2分镜设定表.md是更「电影化」的范式：分镜序号 | 场景 | 出场人物 | 画面图片提示词 | 视频动态/音效/BGM， 最后一列用 0-15s / 15-30s / 30-45s / 45-55s 时间轴逐段拆分动作，并分别标注BGM与音效。 这是「AI 短片」与「商业解说」在分镜颗粒度上的关键差别。主角-人物形象生成提示词.md给出人物一致性方案：文字版「角色设定卡」 （面部特写模块 / 三视图模块 / 结构化面部数据 JSON 永久锁定 / 穿搭道具 JSON）， 再配一段视觉角色设定板 prompt（三视图 + 服饰拆解 + 发型展示 + 六种表情排列）。 → 先文字锁数据，再视觉卡出参考图。这是解决「换脸」问题的工程化答案， 也是本技能character-sheet工序的思路来源。分镜1/2-故事板prompt.md是故事板生成模板：主体描述 / 镜头语言 / 环境光影 / 画质修饰四段- 网格化制作板要求（共享创意指导、角色与风格参考、环境与场景设计、故事板帧、灯光情绪风格、情绪关键词、音频音调、电影摄影笔记）。
5.4 范式 C · 剧本过程稿（视频创作/）
剧本.md：标准场次格式 ——场1-1/夜 内 地点/出场人物/△动作行/【空镜/字幕】/ 角色对白（含vo、os标注）人物和故事梗概.md：集数、故事类型、目标受众、核心梗、一句话故事 + 人物小传（视觉形象/核心标签/成长弧线）1.md：以{{Mixed N}}占位符引用素材的分镜片段写法（0-2 秒 / 2-4 秒逐段给景别、机位、音效），适合「图生视频」直接喂 prompt
六、给技能仓的四条硬结论
- 默认通道选版本6 的思路：真人感底片（图生视频做呼吸/微动）+ 音频驱动口型，
是目前唯一同时解决「AI 味」与「竖屏适配」的路径 → 本技能对应
fmode-mv jimeng digital-human。 - 三条必带硬规则：首帧楼外/空旷外部场景 + 第一段推镜入室内 + 末帧与首帧呼应； 场景跨度大时禁用 method=3；每 10 秒视频文案 ≤ 50 字。
- 必须内置的健壮性：15s 段间隔防限流、50430 并发重试（指数退避）、
<!DOCTYPE检测、ImagineWork兜底查询、existsSync幂等、10 分钟超时、尺寸与帧数本地预检。 - 必须消除的技术债：源材料中所有脚本都硬编码了
Bearer r:f03...token 与 Windows 绝对路径 —— 迁移到技能仓时一律改为环境变量 / 运行时读取，不得带入。