10 段 脚本化流水线,支持断点重跑
2 × 15s 分段生成后标准化拼接为 30s
9 维 Claude 成片视觉审查 rubric
5 种 交付规格:16:9 / 9:16 / 1:1 / 缩略图 / teaser
- 要解决的问题
- 电商需要大量短广告片,但传统拍摄周期长、成本高;而随手用 AI 生成的片子不可复现,也说不清每一步用了什么参数。
- 约束条件
- 生成模型按次计费、结果随机;Seedance 对 15 秒片段比 30 秒稳定;多模型产出的视频编码参数不一致,直接拼接会出兼容问题。
- 我的职责边界
- 设计并实现十段 CLI 流水线、三 provider 封装、Claude Code 集成、分层 prompt 模板与广告类型机制、ffmpeg 标准化与多规格交付。
- 结果
- 换一份产品目录即可复跑出下一支同类广告;每次 run 的 prompt、参考图、seed 与日志全部留档,可复现、可对比。
Ad-Factory 是一条把「商品三视图 + 一页品牌说明」自动转成 15 / 30 秒可交付广告片的 Python 命令行流水线。它不追求一次性生成完美成片,而是把生产拆成十个可复现、可断点重跑的阶段,每个阶段的 prompt、参考图、seed 与输出都落在 runs/<run-id>/ 目录里。
代表作与迭代证据
后续演进
这条流水线后来演进成了可视化的 AI 视频「中央厨房」工作台:同样的 step 思想,换成 React 工作台 + Hono orchestrator,并把 provider 做成可插拔。
- Python 3.10+
- pyproject CLI 包化
- openai SDK
- fal-client
- Pillow
- GPT-Image-2
- Seedance 2.0(fal.ai)
- Runway(可选 provider)
- Claude Code CLI
- ffmpeg / ffprobe
- global.yaml 配置
Build
实现过程
按实现顺序拆开关键模块:每一步解决什么问题、为什么这样做。
-
01
输入:商品三视图 + 一页品牌说明
每个产品是一个 inputs/<product-id> 目录:前 / 侧 / 背三视图、brand_context、广告类型(ad_mode)与时长。init 把这些输入序列化成 run 快照,保证同一个 run 的所有版本只在「创意选择 + tag」上有差异。
藤编托特包产品三视图:前 / 侧 / 背 -
02
phase1 / select:Claude Code 做创意 brief
本机 Claude Code CLI 读入品牌说明、广告类型、时长与三视图,依次完成产品视觉解构 → 趋势侦察 → 15–20 个概念发散 → 打分 → 输出 brief;select 选定最终概念。
-
03
phase2 / phase3:Hero 锚点与双分镜
GPT-Image-2 先生成 1536×1024 的 Hero shot 作为全片视觉锚点,后续分镜与视频都以它为参考;30 秒按 part1 / part2 拆成两份 15 秒分镜,各自把 Hero 写进 input_refs,保证两段之间产品形态、人物与环境不漂移。
GPT-Image-2 生成的 Hero shot:全片视觉锚点 -
04
draft:Seedance 2.0 两段 15 秒
经 fal.ai 调用 Seedance 2.0 reference-to-video,每段以 Hero + 对应分镜为参考、固定 seed,限 2 张参考图并关闭音频以保画面稳定;两段可独立交付,也可作为剪辑素材包。
part1 分镜图:15 秒镜头规划 -
05
review:九维视觉审查
ffmpeg 抽帧后生成 review prompt,交给 Claude Code 按 9 个维度逐项 Pass / Fail:人物一致性、产品真实性、手部与产品交互、服装连续性、场景一致性、Hook、Climax、无音频策略、广告有效性。
Claude 视觉审查结果截图:九维逐项结论 -
06
final / variants / manifest:标准化与多规格交付
两段 15 秒统一重编码为同一 fps / 画幅 / 像素格式 / H.264 后拼接;再产出 16:9、9:16、1:1、缩略图与 teaser,最后写 manifest 清单。
Decisions
关键决策
说明为什么这样做,而不只是列出做了哪些动作。
Q1 2 × 15 秒,而不是一次生成 30 秒
Seedance 对 15 秒片段的稳定度明显高于 30 秒。把 30 秒定义为两个 15 秒基础单元,既守住模型的稳定区,也让前一段「建立」、后一段「释放」各有完整的镜头弧,交付时还能拆开单独投放。
Q2 把审美约束翻译成模板里的硬约束
分镜里给人看的箭头和标注会被视频模型误抄进画面。修复方式不是「多看一眼成片」,而是在分镜模板里明确禁止箭头、编号、手写注释与示意线;写进模板之后,所有后续 run 都自动获益。
Q3 保留失败版本,才有判断依据
流水线默认「序列化、不覆盖、以 tag 区分」,v1 草稿和 v2 交付版并存。只有能并排对照,才能说清楚「为什么改成现在这样」。
交付内容
- 十段 CLI 流水线:init → phase1 → select → phase2 → phase3 → draft → review → final → variants → manifest,支持 seed 复现与
--tag 断点重跑多版本 - 统一封装 GPT-Image-2 / Seedance / Runway 三个 provider,run 目录全程留档
- Claude Code 集成:创意 brief(趋势分析 + 概念评分)与成片九维视觉质检(抽帧 + review checklist + 广告有效性 rubric);claude 可执行文件多路径解析(env / PATH / npm root -g)
- 分层 prompt 模板(hero / storyboard / timeline / review)与广告类型机制(real_lifestyle / playful_effects)
- ffmpeg 交付集:16:9 / 9:16 / 1:1 / 缩略图 / teaser + manifest
项目结果
- 30 秒由两段 15 秒经 ffmpeg 重编码标准化(统一 fps / 画幅 / 像素格式 / H.264)后拼接,规避多模型片段编码不一致
- 通过广告类型机制把策略统一注入各阶段,从根上消除「真实生活类广告混入不合理特效」
- download_url 流式写盘避免大视频爆内存;dry-run 省掉付费 API 调用;Seedance 限 2 张参考图并关闭音频以保画面稳定
- v1 草稿暴露的卡顿问题被拆成三项系统级修复,全部沉淀进模板与工具函数
这条流水线让我意识到,AIGC 里最有价值的产出往往不是某一支片,而是让下一支片更便宜的那些约束和模板。后来的「中央厨房」工作台,就是在这个基础上把 step 可视化、把 provider 做成可插拔。
References
方法与参考
本案例用到的工程模式与模型能力,附权威出处,方便核对。