《回声》是一支 全流程 AI 生成的情感剧情短片——2 分 17 秒 / 21 个镜头 / 5 位角色 / 5 处场景，由一人独立完成编剧、分镜、模型编排、生成与剪辑。
故事：母亲离世后，女儿委托 AI 影像修复服务复原了母亲的动态影像，带回家陪伴独居的父亲。父亲从抗拒到接受，最终能对着屏幕里的老伴，安静地吃完一顿饭。全片不炫技——所有技术难度只服务于一条情绪线。
工具链分工
| 工具 | 承担的工序 | 关键能力 |
|---|---|---|
| Claude | 剧本 / 人物小传 / 分镜镜头表 / 镜头级提示词 / 成片质检清单 | 把「用 AI 影像让逝者陪伴生者」拆成可执行的三幕结构与 21 场镜头表 |
| gpt-image-2 | 角色定妆图与场景锚点图 | 2K 输出、单提示多图一致、人脸跨图一致——先把「人和屋子长什么样」钉死成资产 |
| Seedance 2.0 | 图生视频、多镜头序列规划、原生同期声 | 多模态参考锁定外貌 / 服装 / 空间；视频延长接续长镜头；定向重生成只修不合格片段 |
情绪曲线：六段，一条线
全片情绪拆成六段，逐段标注时长配额与强度，作为后续所有生成的唯一依据：
缺席 → 委托 → 抗拒 → 松动 → 接受 → 团圆
关键帧一览
八格关键帧依次为：开场空间 · 女儿与影像 · 母亲的记忆片段 · 落泪 · 委托修复 · 独食特写 · 父女相握 · 院中团圆。
方法论：资产锚定 + 分镜驱动 + 质检回环
这支片子真正想验证的，不是某一个模型多强，而是一套能把 AIGC 影像做成「工业化流程」的方法：
- 资产锚定：先用 gpt-image-2 把 5 位角色、5 处场景钉成定妆图与空间锚点图，让「人和屋子长什么样」在生成之前就是确定的；
- 分镜驱动：用 Claude 把整部片拆成 21 场结构化镜头表与镜头级提示词，镜头语言先于生成成立；
- 质检回环：用统一清单逐镜复核一致性与连续性，不合格镜头回去改提示词而非重抽——把「修」而不是「赌」变成迭代方式。
正因为整条链路是这样跑出来的，《回声》才能在 21 个镜头里守住角色、道具与空间的一致，也把父亲那条「回避 → 接受」的表演曲线做得连贯不跳。技术都退到画面背后，留在台前的只有情绪。
