企业官网建设流程全解析

如何给 AI 短剧写剧本：shuohao-skills novel-script 的节拍流、确定性时长折算与 TTS 台词本实战

【免费下载链接】shuohao-skillsAI 短剧制作的 skill 集合：拆角色、排大纲、出场景与道具设定、写剧本、切分镜 | Agent skills for AI short-drama production — character bibles, adaptation outlines, art bibles, screenplays, storyboards. Runs in Claude Code & codex.项目地址: https://gitcode.com/gh_mirrors/sh/shuohao-skills

shuohao-skills是一个 AI 短剧制作的 skill 集合，其中的novel-script专门负责"写剧本"这一环：把大纲的分集梗概落成场次 + 节拍流（动作与台词交替的结构化数据），按语速确定性折算每集时长，并按角色聚合成可直接对接 TTS 的台词本。本文面向新手，用大白话讲清它的设计思路、质量门和一条命令跑通的全过程。

一、剧本在整个 AI 短剧管线中的位置

novel-script 不是孤立的，它处在一条完整管线的中间：小说原文 → 改编大纲 →剧本+ 场景设定 + 角色设定（三者同步迭代）→ 分镜 → 批量生成。

其中有一条刻在骨子里的原则：剧本管戏，分镜管拍。台词要反复推翻重写，如果绑上镜头分解，每改一句台词都得重排镜头。所以这一层只有"集、场次、节拍流"，没有镜号——镜头和画面提示词是下一层 novel-storyboard 的活。

上游 novel-outline 产出的outline.json（分集梗概、爽点落点、单集时长）就是剧本的直接输入。

二、一键安装：在 Claude Code 和 codex 中跑起来

前置条件只有两条：Node ≥ 18（脚本零 npm 依赖，不用install）和模型额度（用你当前会话的额度，不需要任何 API key）。

git clone https://gitcode.com/gh_mirrors/sh/shuohao-skills cd shuohao-skills ./scripts/install.sh

scripts/install.sh 会自动检测本机装的是 Claude Code 还是 codex，把所有 skill 以软链方式挂过去——以后git pull立刻生效，不用重装。只想装剧本这一个 skill 的话：

./scripts/install.sh novel-script

装好后，在 agent 会话里说一句"给《渡口》写第 1–3 集剧本"就会触发它（触发词包括：写剧本、出剧本、写台词、场次等，见 SKILL.md 头部元数据）。

三、节拍流：台词是结构化数据，不是散文

novel-script 的底线是：台词必须是结构化数据。每句台词是独立条目（说话人 + 台词 + 语气），每个动作是独立节拍，一场戏的flow就是动作节拍与台词节拍交替出现的序列：

{ "speaker": "C01", "line": "不劳烦。它跟我。", "delivery": "声音很轻，却没商量" } { "action": "老周看了她一眼，没说话。他收了跳板，撑篙离岸，栈桥缩回雾里。" }

为什么非这样不可？

• 台词逐句对接 TTS：每句带说话人和语气（delivery），配音引擎可以直接逐句生成，画外音统一标VO，谁的心声写在语气栏里；
• 动作节拍就是画面要发生的事：它天然就是给视频生成模型的"这场戏画面里要演什么"，下游分镜层直接继承；
• 混成散文，两头都喂不进管线——这正是 script-pass.md 里反复强调的。

写戏的几条硬规则（完整清单在 script-pass.md）：

四、确定性时长折算：一集三分钟就是三分钟

短剧是按秒卖钱的。novel-script 的时长不是"大概三分钟"，而是确定性折算 + 当场拦截：

• 台词秒数 = 非空白字符数 ÷ 语速（默认 4.5 字/秒，标点算时间——停顿也是时间）
• 动作秒数 = 动作节拍数 × 2.5 秒/拍
• 每集预估时长必须落在目标秒数 × (1 ± 15%)内，写超写欠当场拦下，不流到生成环节才发现

规则细节和参考体量都写在 schema.md 的"时长折算"一节：三分钟（180 秒）一集约 45–55 个节拍、台词 30 句上下；两分钟（120 秒）约 35 拍、台词 20 句上下。配音语速不同？调params.charsPerSecond即可，四个参数（语速、节拍秒数、容差、单句字数上限）都可覆盖。

五、10 道质量门：交给代码，不交给模型自觉

仓库的一贯主张是"checklist 交给模型自觉是靠不住的"。novel-script 有10 道质量门全部由脚本确定性检查（引擎在 novel-script.mjs），摘几道关键的：

校验命令只有一条：

node skills/novel-script/scripts/novel-script.mjs validate script.json \ --outline outline.json --art art.json

有违规就逐条修、改完重跑，直到通过。写超了先砍动作节拍再压台词；写欠了补冲突不补寒暄。

六、台词本：带音色提示词，直接跑 TTS

跑render出单页评审报告 script-report.html，双击就能开，零外部依赖、离线可用。

报告五个区块，对 TTS 最有用的是台词本：

• 一排两个，按角色聚合全部台词，每句带集/场引用；
• 组头显示句数、字数、约合秒数，附"复制全部台词"按钮，整组台词一键复制直接喂 TTS；
• 给了--cast参数（来自 novel-characters 的角色资产）后，每个角色组头还带音色提示词按钮——台词和音色一页配齐；
• VO心声单独成组，配音时好区分。

其余区块：时长仪表（每集条形图打在目标区间绿带上，超时欠时红字点名差几秒）、分集剧本（一排两集，台词悬停单句复制）、场次总表（自动汇总，模型不写）、质量门面板和导出 JSON（下载的就是script.json原样，改完能喂回render/validate）。界面默认中文，加--lang en出全英文界面。

七、往下一层：从剧本到分镜

剧本过了质量门，就接力给分镜 skill：镜号、单镜头时长（2–5 秒硬门）、首帧提示词、生成批次单都在那边。分镜只做输出不做新决定，剧本层改一句台词不会连带重排全部分镜——这正是"剧本管戏，分镜管拍"的红利。

仓库自带的 渡口-script.json 是《渡口》全 6 集完整剧本（9 场 123 句台词，每集冷开场兑现钩子、全部落在 120 秒 ±15% 内），全部质量门通过，可以直接打开当质量基准对着读。

八、常用文件速查

上手建议：一次只写 ≤ 3 集——剧本是全管线改得最凶的一层，小批量出、快拍板、再往下写。🎬

【免费下载链接】shuohao-skillsAI 短剧制作的 skill 集合：拆角色、排大纲、出场景与道具设定、写剧本、切分镜 | Agent skills for AI short-drama production — character bibles, adaptation outlines, art bibles, screenplays, storyboards. Runs in Claude Code & codex.项目地址: https://gitcode.com/gh_mirrors/sh/shuohao-skills