51.5 秒 1920 × 1080 成片,品牌名第 50 秒揭示
13 + 3 13 段 5 秒生成镜头 + 3 段字幕黑场
v1 → v9 按审美反馈改参数重跑,9 轮迭代

At a glance

案例速览

要解决的问题
传统品牌片的每一次修改(配乐低一点、字幕停久一点)都要剪辑师重新对时间线,迭代成本高、难以复现。
约束条件
生成平台对 prompt 长度与参数组合有限制(长 prompt 会被风控拒绝、混合参数会报错);13 段素材异步生成、回包乱序;最终要统一成一种规格才能拼接。
我的职责边界
负责分镜与品牌策略输入,由 Claude Code Agent 编排生成、下载、字幕、配乐、拼接全流程,并按审美反馈驱动迭代。
结果
分镜文档进、成片 MP4 出;审美迭代从手工改时间线变成改脚本参数,换一份分镜文档即可复用整条流水线。

Overview

项目说明

这个项目的本质不是「做了一支品牌片」,而是用代码搭出了一条「分镜文档进 → 成片 MP4 出」的视频生产流水线:素材生成、字幕渲染、配乐调音、规格归一、拼接编码——传统上需要剪辑师手工操作的环节,全部脚本化、可复现、可回滚。

三层价值

可复用:换一份分镜文档就能跑出第二支片。同一品牌的季节片、不同 SKU 的介绍片,只要替换输入端的分镜与 prompt 模板,后端的提交、轮询、下载、字幕、配乐、拼接代码都不必改。

可调试:客户说「配乐再低一点、字幕停久一点」,只需改配乐 envelope 的两个数字或字幕停留参数,几分钟就能跑出新版本。审美迭代从手工劳动变成了参数调整。

角色重构:Claude Code Agent 在这里不只是写代码的助手,而是同时承担了自动化导演、制片协调与后期工程师的工作——读分镜、拆任务、写脚本、调用 API、诊断失败、修改重试、按反馈迭代。

Stack

技术栈与工具

  • Claude Code Agent
  • LibTV OpenAPI
  • Seedance 2.0
  • ffmpeg(drawtext / concat / amix)
  • Python · numpy · wave
  • Edge TTS
  • Pixabay 配乐

Process

制作流程

不只展示结果,也展示每一步的判断与取舍是如何形成的。

  1. 分镜文档 → Agent 任务拆解

    以品牌策略和分镜文档为输入,Claude Code Agent 把整支片拆成 13 段独立的 5 秒镜头(S1–S13)+ 3 段字幕段(M5 / M8 / M13)+ 1 段品牌片尾,并为每段写出独立的英文 Seedance prompt。

    Claude Code 终端输出截图:分段时长表与配乐音量 envelope 表
    Claude Code 终端输出截图:分段时长表与配乐音量 envelope 表
  2. 自动提交、长轮询与乱序回包重排

    脚本通过 LibTV OpenAPI 用 Bearer Token 鉴权,一次性提交 13 段生成任务,参数锁定为 720p / 16:9 / 5 秒 / 关闭音频以避免参数错误。随后每 30 秒轮询一次会话状态,解析消息流抽取每段视频地址,用关键词指纹把乱序回包重新映射回 S1–S13 的顺序并批量下载。

  3. ffmpeg 渲染三段字幕黑场

    用 ffmpeg 的 drawtext 滤镜 + Cormorant Garamond 衬线字体,在暗紫底上以透明度渐入渐出做出三段字幕:「What hands shape, life inherits.」「Curated from every land, for your day.」「Real craft. / Curated beauty. / Your everyday light.」。每段同时挂空音轨,保证后续拼接时音视频结构不错位。

    项目文件结构截图:scripts/ 下的提交、轮询、字幕、配乐、拼接脚本与 _build/ 中间产物
    项目文件结构截图:scripts/ 下的提交、轮询、字幕、配乐、拼接脚本与 _build/ 中间产物
  4. numpy 逐采样绘制配乐 envelope

    没有用复杂的 ffmpeg 滤镜表达式,而是把配乐 loop 成 60 秒立体声 WAV,用 Python wave 读取 PCM,再用 numpy 逐采样乘以一条手工绘制的音量曲线:开头淡入、字幕段轻拉低、剪影段上扬、结尾沉降到品牌片尾。每一帧的音量都对应一个可读的数值,可复现、可调试。

  5. 规格归一 → 拼接 → 混音

    13 段 720p 素材 + 3 段字幕 + 片尾全部归一为 1920×1080 / 30fps / H.264 / yuv420p / AAC 48kHz,用 ffmpeg concat 串成无配乐版,再用 amix 混入处理后的配乐输出最终成片;同时保留无配乐版,客户要换配乐时一键替换。

    Claude Code 最终交付报告截图:成片规格、响度与各段校验结果
    Claude Code 最终交付报告截图:成片规格、响度与各段校验结果
  6. 多轮反馈驱动 v1 → v9

    项目并非一次成型:从 Pexels 实拍素材切到 Seedance 生成 → 加配乐 → 修复旁白失真 → 换低沉男声 → 删开场 logo → 延长字幕留白 → 最终去掉人声、只留配乐与最后的品牌揭示。Agent 每次按反馈改脚本参数、重跑流水线、重新交付。

Thinking

创作思路

说明为什么这样做,而不只是列出做了哪些动作。

关键帧素材清单截图:窗边端碗的女子剪影
Q1

「弱身份」叙事:让物说话,让人退场

全片没有一张正面人脸——只有手(老人揉皮革的手、设计师勾线的手、女子端碗的手)、侧影、背影、剪影。Mélange Éclat 卖的是器物,不是代言人;让人退场,物才能成为绝对主角。

Q2

三双手的共创隐喻

镜头 2 / 3 / 4 分别是老匠人揉陶、做皮与设计师勾线——三双手对应「工艺 — 制作 — 设计」三段产业链。不需要旁白,观众自然理解这个品牌是「匠人 + 设计师」的合作产物。

Q3

品牌名最后揭示:反广告语法

50 秒的纯氛围铺陈 + 1.5 秒的品牌揭示,在传统广告里几乎是大忌;但对高端选品品牌,观众先建立「很美、很安静、很考究」的情绪记忆,品牌名出现时是恍然大悟而不是被推销。

Q4

字幕分段是叙事的「换气口」

三个匠人镜头 → 字幕停顿 → 四段晨光器物 → 字幕停顿 → 四段黄昏侧影 → 三行宣言收束。每隔 7–12 秒让画面「安静一次」,观众的注意力被持续重置。

Q5

约束设计就是风格设计

13 段 prompt 写得短、独立、参数严格合规,是因为长 prompt 会被平台风控拒绝、混合参数会报错。每段 5 秒不是因为美,而是因为这是模型在自由度与稳定性之间的平衡点——把机器约束翻译回审美,就成了这支片的节奏。

Result

交付与结果

交付内容

  • 51 秒品牌主片(1920×1080,带配乐与无配乐两个版本)
  • 13 段原始生成素材 + 3 段字幕段(支持二次剪辑)
  • 项目源工程:scripts/ + _build/,可整条流水线重跑

项目结果

  • 从分镜文档到最终 1080p 成片,几乎无人工干预
  • 「配乐再低一点、字幕停久一点」只需改两个参数重跑,几分钟出新版本
  • 同一套提交、轮询、下载、字幕、配乐、拼接代码可直接用于下一支片

Retrospective

复盘

这支片真正的产出是那条流水线:做一支片是项目,做一条流水线才是产品。也正因为没有任何环节由不同的人接力,审美一致性是天然的——这是传统团队最难做到的事。

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。