學習筆記

TL;DR

AI 短劇要能穩定製作，關鍵不只是生成畫面，而是把故事、角色與場景資產、鏡頭、關鍵幀和剪輯交付串成可重複管理的流程。

快速結論

AI 短劇常見的瓶頸是角色變臉、場景接不上、鏡頭動作難以掌握，讓每段影片都像重新抽卡。BigBanana AI Director 的主要做法，是將前置規劃、角色與場景定裝、分鏡、關鍵幀及交付放進同一個工作流，讓生成結果能回到同一個故事、同一批角色與同一條時間線。

這套流程的價值在於把人的判斷放在不同節點：先規劃故事與資產，再挑選分鏡、調整關鍵幀，最後整理成片。逐字稿認為，對需要持續製作同一角色或系列內容的人來說，這種流程有助於重用資產、減少反覆對設定的成本；實際效果仍需要透過品質檢查確認。

公開版的部署、模型接入與授權也有界線：逐字稿提到可透過 Docker Compose 啟動相關服務、使用相應 API 接入模型；模型成本、帳號與供應商依賴需自行評估。倉庫標示 CC BY-NC-SA 4.0，逐字稿指出商業用途須另外授權。

這支影片在說什麼

影片介紹 BigBanana AI Director，一個面向 AI 短劇與 AI 漫劇製作的導演工作台。它想處理的問題，是從靈感或小說片段到可觀看成片之間，角色、場景、鏡頭與剪輯容易失去連貫性。影片依序說明專案與故事規劃、一致性資產、鏡頭與關鍵幀、成片交付，以及公開版的部署、模型和授權資訊。內容較適合短劇創作者、系列影片製作者，以及想把小說整理成企畫或樣片的人參考。

最重要的 3-5 個重點

1. 短劇製作的難點在連續性，不只在單張畫面。 角色容易變樣、場景與鏡頭接不上，會讓各段影片像彼此無關的生成結果。
2. 先規劃故事與設定，能讓後續生成有所依據。 專案中心與故事規劃會整理劇本、角色、場景、道具和鏡頭，也可設定語言、目標時長、風格與模型組合。
3. 角色、場景與道具應先建立可重用的參考資產。 定裝照、場景概念圖與道具參考能供後續鏡頭使用；影片也提到可批次補齊缺少的資產。
4. 關鍵幀與人工挑選保留了創作者的控制點。 系統可先產生 Start Frame 和 End Frame，再由影片模型補出中間過渡；九宮格分鏡則提供多個構圖選項供挑選或微調。
5. 流程化不代表免除檢查與成本評估。 角色一致性、鏡頭銜接、模型費用與素材權利仍需 QA；公開版的商業授權限制也必須留意。

知識架構

1. 專案與敘事規劃

• 以專案管理內容。
• 導入小說或大綱，整理成可拍攝的單集。
• 設定世界觀、角色、地點、區域與音樂風格。
• 將故事大綱整理為劇本、角色、場景、道具與鏡頭規劃。
• 設定語言、目標時長、整體風格與模型組合。

2. 一致性資產

• 為角色建立定裝參考。
• 為場景建立概念圖。
• 將房間、街道、武器與小物等道具整理成資產。
• 讓後續生成鏡頭讀取並重用這些參考。
• 批次補齊缺少的資產，以利開始製作。

3. 鏡頭製作

• 逐鏡檢視角色、場景、道具、動作與上下文。
• 以 Start Frame 和 End Frame 設定鏡頭起點與終點，再生成中間過渡。
• 使用九宮格分鏡探索構圖，再選擇或調整結果。
• 逐字稿提到兩種影片生成路徑：一種較快但畫質較差；另一種較適合需要明確收束的動作。[資訊不足：逐字稿中的兩種路徑名稱辨識不清。]

4. 成片交付與維護

• 在時間線中整理影片。
• 追蹤渲染狀態。
• 使用逐字稿提及的「CADOS 風格促漸」功能。[資訊不足：此功能名稱與用途無法從逐字稿確認。]
• 匯出影片與素材包。
• 若角色或鏡頭持續不穩，可回到上游模板調整，再重新生成。

關鍵概念

• Script-to-Asset-to-Keyframe：影片用來概括工作流的說法，指從故事規劃，到角色與場景資產，再到關鍵幀的製作順序。
• 一致性資產：角色定裝、場景概念圖、道具參考等可在多個鏡頭重複使用的素材。
• Start Frame / End Frame：鏡頭的起始與結束畫面。先設定兩端，再讓影片模型補出中間過渡。
• 九宮格分鏡：一次產生九個視角或構圖選項，供

創作者挑選或作為手動調整起點。

• 人工審核節點：預審、選擇分鏡、調整關鍵幀與最後剪輯等需要人判斷的步驟。
• 提示詞管理：在角色或鏡頭生成不穩時，回到上游提示詞或模板修正。[資訊不足：逐字稿沒有完整說明管理介面或版本控制方式。]

重要例子與細節

• 短劇製作痛點：角色變臉、場景接不上、不知道鏡頭如何移動，導致每段生成結果像重新抽卡。
• 小說拆集：創作者可能只有大綱或小說片段；系統可先整理成可拍攝的單集，再進行後續規劃。
• 設定與配置：可設定語言、目標時長、整體風格與模型組合；逐字稿指出這些表單是穩定性的來源之一。
• 預審與分鏡：在批量生成前，系統先提供方案，使用者可選九宮格分鏡或手動調整路徑。
• 資產重用：角色定裝、房間、街道、武器或小物可作為後續鏡頭參考，減少每集重新對設定的工作。
• 影片生成路徑：逐字稿描述一條路徑速度較快、畫質差異較明顯；另一條較適合需要明確收束的動作，但路徑名稱無法辨識。
• 部署與授權：影片提到 Docker Compose 會啟動 Web、Media Proxy、New API Proxy 與 Cutl… API 等元件；名稱辨識不完整。倉庫標示 CC BY-NC-SA 4.0，影片指出商業使用需另外授權。
• 適用情境：需要連續製作短劇、漫劇或固定角色系列內容的人，可能較能從流程與資產重用受益；偶爾生成單支影片的人可能覺得流程較重。

可學習的洞察

1. 把生成問題拆成可管理的節點。 從故事、資產、分鏡到成片逐步檢查，比只靠一次生成處理所有問題更容易定位斷點。
2. 連續性依賴前置設定與素材重用。 若角色、場景和道具每鏡都重新生成，系列內容較難維持一致。
3. 讓人保留選擇與修正的位置。 預審、挑分鏡、調關鍵幀及剪輯等節點，能讓創作者參與決策。
4. 流程工具的價值會隨重複製作增加。 當同一批角色與設定要反覆使用時，資產庫可能減少每集重做設定的成本。
5. 自動化仍需品質與權利檢查。 生成流程不能取代角色一致性、鏡頭銜接、成本與素材權利的確認。

可行動的整理

• 規劃短劇時，先整理故事大綱、角色、場景、道具與各鏡頭需求。
• 為固定角色與常用場景建立可重用的參考資產，並在生成每個鏡頭時檢查是否有引用。
• 生成鏡頭前，先確認起始畫面、結束畫面、動作與情緒方向。
• 對批次生成結果安排人工預審，逐鏡檢查角色、場景與時間線連貫性。
• 使用工具前確認模型供應商、帳號需求、成本，以及素材的使用權利。
• 若要研究或採用 BigBanana AI Director，回看影片或專案文件，確認逐字稿辨識不清的模型路徑、部署元件名稱與成片功能。

複習問題

1. 影片指出，AI 短劇常見的連續性問題有哪些？
2. BigBanana AI Director 如何把小說或大綱整理成可製作的內容？
3. 角色定裝、場景概念圖與道具參考可以如何幫助後續鏡頭？
4. Start Frame、End Frame 與九宮格分鏡各自提供什麼控制方式？
5. 為什麼使用自動化流程後，仍需檢查品質、成本與素材權利？

待確認資訊

• 兩種影片生成路徑的名稱、模型與具體差異；逐字稿僅能辨識出速度與畫質、動作收束方面的比較。
• Docker Compose 啟動元件中的 API 名稱，以及逐字稿提及的影片入口名稱。
• 「CADOS 風格促漸」的正確名稱與功能。
• 逐字稿提到「後續版本只透過刀可競相發布，不再持續公開統部員馬」；此句辨識不清，無法確認其對公開版本與後續開發的具體說明。
• 影片對公開版功能、模型接入與授權的描述，仍應以專案實際文件及授權條款為準。