OnlyShot-ai-short-drama-skill

Industrial-grade AI Short Drama Production Skill for Claude Code 一句"粗糙想法" → 工业级 5 步流程 → 可发红果/抖音的完整短剧（剧本 + 分镜图 + 视频段 + 剪辑包）

它是什么

把你扔过去的一句话——

"996 程序员重生为哮天犬，开局触发反 PUA 系统"

——变成可以直接发红果/抖音的整套短剧成品：

Phase 1：创作

市场情报扫描（搜近 30 天红果/番茄/抖音热什么、避开衰退题材）
IP 简报 + 故事架构 + 设定圣经（角色弧光 + 视觉母题 + 反差点）
节奏地图（每 grid 精确到秒：cold_open / twist / satisfaction / cliffhanger）
逐集脚本（24 集精华 / 36 grid × 4-10s 变奏 / 中文对白 + 潜台词）
工业级 ref 库（80-150 张：每角色 5-8 张含动作/表情，每场景 3-5 张多角度，关键道具 30-50 张）

Phase 1.5：分镜图（v0.3.0 工业级核心）

每 grid 1-4 张候选关键帧（text2image，3 积分/张）
静态图先确认构图 → 满意才出视频（修改成本是视频的 1/18）
关键 grid（爆点/反派/心声）生首尾帧 → frames2video 锁死过渡

Phase 2：出片

4 模视频生成（auto 按文件存在自动选）
- image2video（默认主用 80%）：分镜图首帧 + 动作 prompt
- frames2video（关键爆点 10%）：首帧 + 尾帧 → AI 插值
- multiframe2video（复杂动作 5%）：2-20 关键帧一镜到底
- multimodal2video（fallback 5%）：9 image + 3 video + 3 audio
dreamina CLI 集成（multimodal2video 全能参考 / Seedance 2.0 Fast VIP / 9:16 / 720p）

不是"AI 编剧助手"。是 爆款短剧产品经理 + 编剧 + 分镜师 + 制片 + 出片工程师 的合体角色。

为什么做它

短剧赛道月活 1.7 亿、人均 101 分钟/天（红果 2026 数据）。AI 短剧的真正瓶颈不在剧本，在出片质量。

市面上的 AI 短剧 skill 普遍存在：

通病	本 skill 改进
跳过市场扫描直接写剧本	强制阶段 0 市场情报扫描（WebSearch + 反同质化建议）
节奏全凭感觉	`节奏地图.json` 精确到秒级，红果必爆 7 招校准（对抗式开场 / 30s 爆破 / 60s 爽点 / 90s 反转 / 120s 爽点 / 150s 钩子 / 180s 倒计时）
全 5s 死板节奏	36 grid × 4-10s 变奏（4×11 + 5×14 + 6×5 + 7×3 + 8-10×3）
只出剧本不出视频	集成 dreamina CLI，4 模视频生成自动按文件存在选
直接 prompt → 视频，构图随机	加 Phase 1.5 分镜图层：分镜图 = 视频首帧（image2video），构图固定
修改成本高（视频 55 积分/段）	分镜图 3 积分/张 = 1/18 成本，先改图再出视频
ref 库 5-20 张随便糊	工业级 80-150 张（动作/表情/场景多角度/道具细节）
单 prompt 100 字泛泛而谈	300-500 字镜头级（动作物理/表情拆帧/灯光/字幕规格/物体材质）
bash 调 dreamina 中文 quoting 假死	Python subprocess args list（避免 server 静默丢弃任务）
角色档案空壳	弧光（起/拐/终）+ 视觉母题 + 反差点强制
一次出稿走人	阶段 5 6 维度自我批判 + 必改清单
路径写死	自动检测 cwd，可移植

安装

方法 1：克隆到 Claude Code 全局 skills 目录

hljs language-bash

# Windows
git clone https://github.com/A-cat-with-carrots/OnlyShot-ai-short-drama-skill "$env:USERPROFILE\.claude\skills\ai-short-drama"

# macOS / Linux
git clone https://github.com/A-cat-with-carrots/OnlyShot-ai-short-drama-skill ~/.claude/skills/ai-short-drama

方法 2：作为项目本地 skill

hljs language-bash

cd <your-project>
mkdir -p .claude/skills
git clone https://github.com/A-cat-with-carrots/OnlyShot-ai-short-drama-skill .claude/skills/ai-short-drama

依赖

Claude Code（Windows / macOS / Linux）
dreamina CLI（即梦官方 AGENT 工具，用于 ref 图 + 视频生成）：
hljs language-bash
```
curl -fsSL https://jimeng.jianying.com/cli | bash
dreamina login
```
Windows 用户在 Git Bash 跑（不是 PowerShell）

重启 Claude Code（或新开会话），技能自动加载。

用法

在 Claude Code 里说一句：

hljs language-markdown

> 我想做一部短剧：996 程序员重生为哮天犬，开局触发反 PUA 系统

技能自动触发，按工业级 5 步流程跑：

hljs language-scss

┌─ Phase 1：创作（成本低，反复迭代）─────────────────┐
│  阶段 0：市场情报扫描                              │
│  阶段 1：IP 简报（5 子步）                         │
│  阶段 2：故事架构 + 节奏地图（4 子步）             │
│  阶段 3：设定圣经（4 子步）                        │
│  阶段 3.5：ref 图自动生成（dreamina text2image）   │
│  阶段 5：批判 refine                              │
└──────────────────────────────────────────────────┘
                      ↓
┌─ Phase 1.5：分镜图（v0.6.0 工业级核心）⭐ ──────────┐
│  3A：写该集分镜.json（v0.3.0 字段：video_mode +   │
│       first_frame_path + last_frame_path）         │
│  3B：python scripts/ref完备性检查.py              │
│  3C：python scripts/生成分镜图.py（每 grid        │
│       1-4 张候选关键帧 = 视频首帧）                │
│  3D：人工选图（grid01_候选3.png → grid01.png）    │
│  3E：关键 grid 生首尾帧（gridXX_首.png + 尾.png） │
└──────────────────────────────────────────────────┘
                      ↓
┌─ Phase 2：出片（成本高，按集解锁）────────────────┐
│  4A：python scripts/生成分集视频.py              │
│       auto 模式按文件存在自动选 4 模               │
│  4B：用户在剪映拼接 + 配音 + BGM + 字幕            │
└──────────────────────────────────────────────────┘

每阶段产出独立文件，最终目录：

hljs language-scss

SD-001_<slug>/
├── 01_市场情报.md
├── 02_IP简报.md           ← 含视觉指纹（ref 阶段 append；v0.6.0 起分镜图阶段用 --no-fingerprint 关闭）
├── 03_完整剧本.md         ← 24 集精华 + v2.1 7 招校准
├── 04_节奏地图.json       ← 每集 beats + 7 招节点
├── 05_角色圣经.md
├── 06_场景圣经.md
├── 07_道具圣经.md
├── 08_自我批判.md
├── ref图/                 ← 工业级 80-150 张
│   ├── 角色/             (5-8 张/角色：基础 + 动作 + 表情)
│   ├── 场景/             (3-5 张/场景：多角度 + 多光线)
│   └── 道具/             (30-50 张：关键道具全角度)
└── 分集/
    ├── 第01集_<集名>/
    │   ├── 剧本.md
    │   ├── 分镜.json     ← 含 video_mode + first_frame_path + last_frame_path
    │   ├── 镜头清单.md
    │   ├── 即梦批量包.md
    │   ├── 分镜图/       ← v0.3.0 新增（Phase 1.5 产物）
    │   │   ├── grid01_候选1.png
    │   │   ├── grid01_候选2.png
    │   │   ├── grid01.png        ← 用户选定（视频首帧）
    │   │   ├── grid05_首.png     ← 关键 grid 首帧
    │   │   ├── grid05_尾.png     ← 关键 grid 尾帧
    │   │   └── ...
    │   └── 视频段/       ← Phase 2 产物
    │       ├── 段01.mp4
    │       └── ...
    └── ... (EP02-EP24)

即梦 / Seedance 2.0 出片对接

每个分镜的 jimeng_prompt 已按 v0.6.0 工业级 8 段 SOP 拼好（CHARACTER / BACKGROUND / ACTION / SCENE / CAMERA / LIGHT / TEXT / STYLE），开箱即用：

✅ prompt 字数自动控制 ≤ 1500 字符（即梦 5.0 实测上限；ref 段 300-500 字，分镜图段 1200-1500 字）
✅ (@角色_ref.png) 引用 + 全角中文 ） regex 兼容（v0.2.0 修）
✅ 视觉指纹分阶段隔离（ref 阶段 append neutral/flat；分镜图阶段用 --no-fingerprint 关闭，防 ref 风格词污染 dramatic 光，v0.6.0）
✅ NOT humans 子句自动加（每个主角单独 STYLE 段，防即梦 5.0 拟物化 → chibi 人体偏置）
✅ 敏感词预检（--check-sensitive 扫反派词 / 暧昧词 / 中文敏感词，命中 warn，v0.6.0）
✅ ref 完备性预检（生视频前自动扫描，缺图就 exit 1）
✅ 9:16 竖屏强制 + 字幕中文括号 + AIGC 标识
✅ multimodal2video stuck 自动检测（提交后 check queue_status=Generating，否则 fallback list_task 找回 submit_id）

每集额外产 即梦批量包.md：36 段 prompt 顺序排好 + ref 引用清单 + 剪映拼接规范 + 故障排查表（v0.6.0 共 17 失败模式：v0.2.0 基础设施 13 + v0.6.0 即梦内容 4）。

工业级 5 步流程速览

Step 1：剧本（LLM）

红果必爆 7 招校准 + 36 grid × 4-10s 变奏 + 24 集精华版

Step 2：分镜（grid + 动作 + 对白）

每 grid 含 _duration / video_mode / first_frame_path / last_frame_path

Step 3：分镜图（v0.6.0 工业级核心）

hljs language-bash

# 标准跑（推荐）
python scripts/生成分镜图.py <项目目录> 01 --candidates=1 --no-fingerprint --check-length --auto-pick-first
# 36 grid × 1 候选 = 36 张 × 3 积分 = 108 积分 ≈ ¥7.7

# 关键爆点单 grid 4 候选
python scripts/生成分镜图.py <项目目录> 01 13 --candidates=4 --no-fingerprint

v0.6.0 必加 flag：

--no-fingerprint：防 ref 风格词 neutral/flat/NOT cinematic 污染分镜图 dramatic 光
--check-length：跑前 prompt > 1500 字 warn（即梦 5.0 硬上限）
--check-sensitive：扫反派词 / 暧昧词 / 中文敏感词

人工选图：mv grid01_候选3.png grid01.png

Step 4：视频段（4 模 auto 选）

hljs language-bash

python scripts/生成分集视频.py <项目目录> 01 5    # B 试水前 5 段
python scripts/生成分集视频.py <项目目录> 01      # 全跑

Step 5：剪辑

剪映 9:16 / 1080×1920 / 30fps + 配音（豆包 TTS）+ BGM（Suno）+ SFX（剪映音效库）+ AIGC 标识

4 模视频生成选择矩阵

模式	触发条件	占比	用途
image2video	`分镜图/gridXX.png`	80%	默认主用 - 分镜图作首帧 + 动作 prompt
frames2video	`分镜图/gridXX_首.png` + `gridXX_尾.png`	10%	关键爆点 - 首帧 + 尾帧锁定过渡
multiframe2video	`分镜图/gridXX_帧1.png` ~ `帧N.png`（≥2）	5%	复杂动作 - 一镜到底
multimodal2video	无分镜图 fallback	5%	多 ref 综合（角色 + 场景 + 道具同时锁定）

红果必爆 7 招（每集必上）

招	节点	落地
招 1：对抗式开场	0-3s	角色被外力施压（甩咖啡/耳光/砸杯/推搡），不要自残式（吐血/晕倒）
招 2：30s 爆破点	25-32s	视觉/物理冲击（踢飞 / 玻璃碎 / 雷劈）+ 必爆鼓点
招 3：60s 第 1 爽点	55-65s	小赢（点头 / 表扬 / 反派愣 / 模块解锁）
招 4：90s 第 2 反转	85-95s	隐藏信息揭露（伏笔显形 / 反派起疑）
招 5：120s 第 2 爽点	115-125s	大赢（升职 / 反派打脸 / 联盟成立）
招 6：150s 终极钩子	145-160s	反派狠话 / 主角神秘瞳孔 / 心声穿透
招 7：180s 倒计时	终结前 4-9s	屏幕红色倒计时数字 + 字幕「未完待续」

详见 references/v21-97-percent-rules.md（24 集校准模板）。

文件结构

hljs language-csharp

ai-short-drama/
├── SKILL.md                           # 主入口（5 步流程编排）
├── README.md
├── LICENSE
├── references/
│   ├── market-pulse.md                # 阶段 0 深度
│   ├── ip-strategy.md                 # 阶段 1 深度
│   ├── archetype-catalog.md           # 短剧角色 / 题材原型库
│   ├── story-architecture.md          # 阶段 2 深度
│   ├── character-design.md            # 阶段 3 深度
│   ├── scripting-craft.md             # 阶段 4A 深度
│   ├── storyboard-craft.md            # 36 grid × 4-10s 变奏（v0.2.0，v0.6.0 prompt 模板部分废弃）
│   ├── storyboard-frames-craft.md     # 分镜图工艺 + 4 模选择（v0.3.0）
│   ├── storyboard-frame-industrial.md # ⭐ v0.6.0 分镜图 8 段 SOP（CHARACTER/BACKGROUND/ACTION/SCENE/CAMERA/LIGHT/TEXT/STYLE）
│   ├── ref-prompt-industrial.md       # ⭐ v0.6.0 ref 工艺 6 段 identity block
│   ├── jimeng-failure-modes.md        # ⭐ v0.6.0 即梦 5.0 故障排查 + 敏感词清单
│   ├── jimeng-cli-guide.md            # dreamina CLI 集成指南（v0.6.0 加 --no-fingerprint flag 说明）
│   ├── jimeng-handoff.md              # 即梦 / Seedance 2.0 对接
│   ├── visual-consistency-sop.md      # 视觉一致性方法论（v0.6.0 已大幅瘦身归档）
│   ├── critic-checklist.md            # 阶段 5 深度
│   ├── cliche-detector.md             # 反套路检测器
│   ├── genre-flavors.md               # 6 流派定调（v0.4.0 加 F 抽象拟人流，v0.6.0 加古建筑铁律）
│   ├── red-fruit-data.md              # 红果实战数据
│   ├── v21-97-percent-rules.md        # 红果必爆 7 招 + 24 集校准
│   ├── troubleshooting.md             # 13 失败模式 + 解法
│   └── schemas.md                     # 所有 JSON 结构
├── scripts/
│   ├── 生成分镜图.py                  # Phase 1.5 - 每 grid 1-4 张候选 ⭐ v0.3.0
│   ├── 生成分集视频.py                # Phase 2 - 4 模 auto 选 ⭐ v0.3.0
│   ├── ref完备性检查.py               # 生视频前预检 ⭐ v0.2.0
│   ├── 派生分集文件.py                # 从分镜.json 派生即梦批量包/镜头清单
│   ├── extract_prompts.py             # 视觉指纹抽取
│   ├── setup-jimeng.sh                # dreamina CLI 安装
│   ├── 生成分集视频.sh                # 旧 bash（deprecated）
│   └── 生成参考图.sh                  # ref 图批量生成
├── assets/templates/                  # 12 份模板（项目元数据 + 分镜.json + 9 圣经/剧本）
└── evals/evals.json                   # 测试用例 + 18 条断言

默认参数（v0.6.0）

项	默认值	来源
单集时长	180-195s	红果实测最优（不严卡 180）
集数	24 集精华 / 72 集（常规）	24 集省成本 + 紧凑爆点
单集分镜数	36 grid × 4-10s 变奏	multimodal2video 最低 4s
时长变奏分布	4×11 + 5×14 + 6×5 + 7×3 + 8-10×3	v2.1 红果必爆铁律
视频比例	9:16 竖屏	红果/抖音/快手统一
视频默认模式	image2video（基于分镜图）	v0.3.0 工业级核心
字幕	开（中文括号包 + AIGC 标识）	红果强制
ref 库目标	80-150 张（工业级）	含动作/表情/场景多角度/道具细节
单 prompt 字数	ref 段 300-500 字 / 分镜图段 1200-1500 字	v0.6.0 区分（即梦硬上限 1500）
分镜图候选数	关键 grid 4 / 标准 1-2（v0.6.0 实测单跑通过率高）	v0.6.0
流派	互动选	红果纯爽 / 精品悬疑 / 漫剧奇观 / 沙雕轻喜 / 年代爽剧 / F 抽象拟人流（v0.4.0 新）

17 失败模式（已沉淀解法）

v0.2.0 基础设施层（13 模式）：

#	问题	解法
1	bash eval 中文/特殊字符 quoting → multimodal task 假死	Python subprocess args list
2	awk seg_num UTF-8 字节切错（"段 �"）	substr 整段 + gsub 去非数字
3	multimodal stuck 任务无报错	提交后 check queue_status，fallback list_task
4	ref 引入新元素无新 ref	`ref完备性检查.py` 强制预检
5	regex 漏全角中文 `）`	加 `）` 到 stop 字符
6	Python stdout UTF-8 截断	`sys.stdout.reconfigure(encoding='utf-8')`
7	Win Store python3 stub	`python \|\| python3` + verify
8	--poll exit code 异常	不依赖 exit code，看文件落盘
9	风格漂移（ref 阶段）	视觉指纹自动 append（仅 ref 阶段，分镜图阶段用 `--no-fingerprint`）
10	多视图重复（ref 阶段）	"4 distinct angles, no duplicate views"（仅 ref 阶段适用）
11	文字 vs 乱码混淆	文字 OK，乱码才是问题，去无意义数字
12	角色名误删	工牌 / 字幕 / 对白点名
13	网页端 multimodal 不可见	在「视频生成 → 全能参考 → 历史」tab

v0.6.0 即梦内容层（4 模式） — 详见 references/jimeng-failure-modes.md：

#	问题	解法
14	prompt > 1500 字 → `ret=1046 InvalidNode`	严守 ≤ 1500，理想 1200-1400
15	反派词 / 暧昧词 → `generation failed`（内容审核）	sinister → moody / blush on cheeks → rose tint
16	视觉指纹 `neutral/flat` 污染分镜图 dramatic 光	分镜图阶段 `--no-fingerprint`
17	ref 库工艺偏置（古建筑必出 chibi 人体）	前期 IP 设计阶段避坑：选玻璃塔 / 简单几何，避复杂古建筑

详见 references/troubleshooting.md（v0.2.0 13 模式）+ references/jimeng-failure-modes.md（v0.6.0 4 模式 + 反派词替换表 + 4 grid case）。

版本历史

v0.6.1（2026-05-16）⭐ 当前

AI 短剧专家 subagent 审报告修复 16 项（信度 disclaimer + 主流程引用 + 古建筑铁律）
ref 70%/30% 权重等无证据断言加 disclaimer
NOT humans 子句从「必加」改「建议加（边际 ~30%）」
反派词替换表加触发语境列（情感 vs 物理描述）
3 个 storyboard 文档合并整理（避免新手混乱）
visual-consistency-sop.md 大幅瘦身归档

v0.6.0（2026-05-16）

⭐ 分镜图 8 段 prompt SOP（storyboard-frame-industrial.md）：CHARACTER/BACKGROUND/ACTION/SCENE/CAMERA/LIGHT/TEXT/STYLE
⭐ 即梦 5.0 故障排查 + 敏感词清单（jimeng-failure-modes.md）：3 类 fail 区分 + prompt 1500 字硬上限 + 反派词/暧昧词替换表
⭐ ref 库工艺偏置铁律：现代摩天楼易拟物 / 古建筑必出 chibi 人体
⭐ NOT humans 子句（每个主角单独 STYLE 段）
scripts/生成分镜图.py 加 3 个预检 flag：--no-fingerprint / --check-length / --check-sensitive
max_workers 8 → 4 + timeout 加倍 + 2 次重试（即梦限流防）
F 抽象拟人流加古建筑避坑硬约束（genre-flavors.md）
来源：SD-002《城市恋综》EP01 36 grid × 3 轮（v2.5/v2.6/v2.7）实战反推

v0.3.0（2026-05-08）

加 Phase 1.5 分镜图层（修改成本 3 积分 vs 视频 55 积分 = 18 倍便宜）
4 模视频生成（image2video / frames2video / multiframe2video / multimodal2video auto 选）
关键 grid 首尾帧锁定（爆点/反派/心声）
ref 5-8 最优（仅 multimodal2video 适用，分镜图 1-2 ref；v0.6.0 澄清）
@ 指令显式职责语法
新增 生成分镜图.py + storyboard-frames-craft.md

v0.2.0（2026-05-08）

bash → Python subprocess（避中文 prompt quoting 任务静默丢弃）
36 grid × 4-10s 变奏（替代 60 × 3s 死板）
红果必爆 7 招校准（对抗式开场 / 30s 爆破 / 60s 爽点 / 90s 反转 / 120s 爽点 / 150s 钩子 / 180s 倒计时）
工业级 ref 库 80-150 张（动作 / 表情 / 多角度 / 道具细节）
单 prompt 300-500 字（ref 段；v0.6.0 分镜图段升至 1200-1500）
13 失败模式 + 自动 ref 预检 + multimodal stuck 自动检测
新增 troubleshooting.md + v21-97-percent-rules.md + 3 个 Python 脚本

v0.4.0（2026-05-16）

加 F 抽象拟人流（genre-flavors.md）：5 流派 → 6 流派
来源：2026 年 3-5 月《Fruit Love Island》等水果剧爆款公式拆解

v0.1.x（2026-04）

初版 5 阶段创作流程（市场情报 → IP 简报 → 故事架构 → 设定圣经 → 批判）
60 grid × 3s 默认
5 流派定调（红果纯爽 / 精品悬疑 / 漫剧奇观 / 沙雕轻喜 / 年代爽剧）
反套路检测 + 自我批判

路径处理

技能自动选择项目目录：

用户当前在某项目里且有 projects/ 子目录 → 用 <cwd>/projects/
用户明确指定 → 用指定路径
都没有 → 创建 <cwd>/short-drama-projects/ 并告诉用户

绝不写死 /data/dongman/ 这类绝对路径。

当前已知热点参考（2026 年 5 月）

技能每次开始都会联网更新，下表仅供静态参考。

女频（占红果 81.7%）

题材	状态
老年女性觉醒/复仇	🔥 上升
重生复仇 + 商战	🔥 稳定爆款
神医/相师/命格	🔥 上升
离婚追妻火葬场	🟡 平稳
霸总虐恋（纯虐）	🔻 衰退
穿越宫斗（无新意）	🔻 衰退

男频

题材	状态
职场反 PUA + 系统流	🔥 新兴黑马（v0.3.0 SD-001 实战）
都市脑洞 + 响指系统	🔥 男频天花板
都市修真种田	🔥 完读 Top3
悬疑民俗 / 风水	🔥 上升黑马
赘婿逆袭	🔻 已饱和

详见 references/market-pulse.md + references/red-fruit-data.md。

贡献

PR 欢迎。重点方向：

增加题材原型库（特别是男频、漫剧、出海 TikTok）
优化即梦 / Seedance 2.0 prompt 模板（Phase 1.5 分镜图工艺）
4 模视频生成的 best practice 沉淀
更新市场情报快照（每月一次）
添加测试用例

致谢

原始灵感：zhaihao118/Micro-Drama-Skills
工业级方法论参考：腾讯云《AI漫剧制作流程深度解析》/ 即梦官方 CLI 体验指南
7 招红果必爆铁律：woshipm 业界硬数据 + 红果 TOP100 EP01 拆解
dreamina CLI 集成：字节跳动即梦官方 AGENT 工具

本 skill 在原始灵感基础上增加了：

工业级 5 步流程（剧本 → 分镜 → 分镜图 → 视频 → 剪辑）
4 模视频生成自动选（image2video / frames2video / multiframe2video / multimodal2video）
红果必爆 7 招校准（v2.1）
17 失败模式沉淀（v0.2.0 基础设施 13 + v0.6.0 即梦内容 4）
工业级 ref 库标准（80-150 张）
分镜图 8 段 prompt SOP（v0.6.0）：CHARACTER/BACKGROUND/ACTION/SCENE/CAMERA/LIGHT/TEXT/STYLE
ref 6 段 identity block（v0.6.0）：IDENTITY/BODY/FACE/ATTIRE/LAYOUT/STYLE
即梦 5.0 故障排查 + 敏感词清单（v0.6.0）：3 类 fail 区分 + 1500 字硬上限 + 反派词替换表
ref 库工艺偏置铁律（v0.6.0）：现代摩天楼易拟物 / 古建筑必出 chibi 人体
bash → Python subprocess（避中文 quoting 任务静默丢弃）
36 grid × 4-10s 变奏
F 抽象拟人流（v0.4.0）：6 流派定调

License

MIT — 见 LICENSE

OnlyShot

OnlyShot-ai-short-drama-skill

它是什么

为什么做它

安装

方法 1：克隆到 Claude Code 全局 skills 目录

方法 2：作为项目本地 skill

依赖

用法

即梦 / Seedance 2.0 出片对接

工业级 5 步流程速览

Step 1：剧本（LLM）

Step 2：分镜（grid + 动作 + 对白）

Step 3：分镜图（v0.6.0 工业级核心）

Step 4：视频段（4 模 auto 选）

Step 5：剪辑

4 模视频生成选择矩阵

红果必爆 7 招（每集必上）

文件结构

默认参数（v0.6.0）

17 失败模式（已沉淀解法）

版本历史

v0.6.1（2026-05-16）⭐ 当前

v0.6.0（2026-05-16）

v0.3.0（2026-05-08）

v0.2.0（2026-05-08）

v0.4.0（2026-05-16）

v0.1.x（2026-04）

路径处理

当前已知热点参考（2026 年 5 月）

女频（占红果 81.7%）

男频

贡献

致谢

License

Similar Packages

Tags

Original Author

Publisher