用阿里云落地「AI 剧本生成与动画创作」：台青廖昌威短剧《等你平安归来》60 集方言短剧执行方案

用阿里云落地「AI 剧本生成与动画创作」：台青廖昌威短剧《等你平安归来》60 集方言短剧执行方案

从剧本到成片的五段流水线怎么搭、怎么跑、怎么控成本——一份可直接照做的落地执行方案

摘要：本文把阿里云「AI 剧本生成与动画创作」解决方案拆成一份可执行的落地手册：以函数计算 FC 为编排底座，串联百炼模型服务、ComfyUI 图像工作流、对象存储与自建方言声库，按「剧本—插图—配音—字幕—成片」五段流水线给出环境准备、模块配置、任务编排、批量生产、质量与成本控制的具体步骤，并附 60 集短剧的排期表、成本控制口径与风险预案。核心思路是：通用环节交给阿里云方案提速，方言声调与声乐环节自建补齐，用一条流水线把 35 天周期跑通。

AI 剧本生成、动画创作、落地执行方案、函数计算 FC、百炼、ComfyUI、短剧 AIGC、方言语音

#AI剧本生成与动画创作# 解决方案评测 ｜ #阿里云开发者社区#

一、方案总览：一条流水线，五个工位

先把结论摆出来：这套方案落地的本质，是把短剧生产拆成五个可独立交付的工位，每个工位绑定一个云产品或自建能力，再用函数计算 FC 把它们串成一条可重跑的流水线。工位之间只通过对象存储交换产物，任何一个工位出问题都可以单独重跑，不影响上下游。

<!--br {mso-data-placement:same-cell;}--> td {white-space:nowrap;border:0.5pt solid #dee0e3;font-size:10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;}

flowchart LR
    A["① 剧本工位 / 百炼"] --> B["② 插图工位 / ComfyUI"]
    A --> C["③ 配音工位 / 通用语音 + 自建方言声库"]
    C --> D["④ 字幕工位 / 识别 + 校对"]
    B --> E["⑤ 成片工位 / FC 编排"]
    D --> E
    E --> F["对象存储 / 产物归档"]
    F -.重跑.-> A

图注：五个工位通过对象存储解耦，FC 只负责调度与状态管理，不承载重计算；虚线为重跑链路，单集返工不影响其他集。

二、落地前置：账号、资源与目录规范

2.1 环境准备清单

<!--br {mso-data-placement:same-cell;}--> td {white-space:nowrap;border:0.5pt solid #dee0e3;font-size:10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;}

2.2 对象存储目录规范（先定规范，再跑生产）

目录规范是批量生产的地基。建议按「项目／集数／工位」三级建目录，产物文件名带版本号，返工只新增版本不覆盖旧文件，方便回溯与对比。

oss://short-drama/
├── project-a/
│   ├── ep001/
│   │   ├── script/      ep001_script_v3.json
│   │   ├── image/       ep001_shot01_v2.png
│   │   ├── audio/       ep001_line01_v1.wav
│   │   ├── subtitle/    ep001_v1.srt
│   │   └── final/       ep001_final_v1.mp4
│   └── ep002/ ...
└── _shared/
    ├── character/       角色参考图与 LoRA
    ├── style/           三地光线规范与提示词模板
    └── voice/           方言声库音色配置

三、工位一：剧本生产怎么落地

剧本工位的目标不是「让模型写一部剧」，而是把创作意图固化成结构化模板，让模型按模板批量产出可被下游消费的 JSON。落地分三步。

3.1 第一步：把创作规范写成系统提示词

把剧集设定、人物关系、方言用词规范、情感节点全部写进系统提示词，作为每次调用的固定前缀。这样模型输出的对白风格才能跨 60 集保持一致。

import json
from openai import OpenAI
client = OpenAI(
api_key="<你的百炼 API Key>",
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
SYSTEM_PROMPT = """你是闽南语竖屏短剧的编剧助手。
硬性约束：
每集时长 2-2.5 分钟，对白 18-24 句；
对白使用闽南语口语，附普通话释义；
情感节点必须落在指定集数，不得提前或延后；
输出严格为 JSON，字段：episode, title, scenes[], lines[]。
"""def gen_episode(episode_no: int, outline: str) -> dict:
resp = client.chat.completions.create(
model="qwen-plus",
messages=[
{"role": "system", "content": SYSTEM_PROMPT},
{"role": "user", "content": f"第 {episode_no} 集大纲：{outline}"},
],
response_format={"type": "json_object"},
temperature=0.7,
)
return json.loads(resp.choices[0].message.content)

3.2 第二步：分集批量生成与人工卡点

不要一次性生成 60 集。建议按「10 集一批」推进，每批生成后由编剧做一次人工卡点，确认情感节点与方言用词，再进入下一批。这样返工成本可控，也避免风格漂移累积。

<!--br {mso-data-placement:same-cell;}--> td {white-space:nowrap;border:0.5pt solid #dee0e3;font-size:10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;}

3.3 第三步：产物落库与下游对接

每集剧本生成后写入 OSS 的 script/ 目录，同时把分镜提示词拆出来写入 image/ 目录的待处理队列。下游插图工位只读队列，不直接调剧本接口，保证工位解耦。

四、工位二：插图与动画怎么落地

4.1 ComfyUI 工作流的三层结构

插图工位最容易失控的地方是「角色不一致」。落地做法是把工作流拆成三层：基础模型层、角色一致性层、场景风格层，每层用固定参数固化，只让提示词在场景层变化。

<!--br {mso-data-placement:same-cell;}--> td {white-space:nowrap;border:0.5pt solid #dee0e3;font-size:10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;}

4.2 三地光线规范写成提示词模板

把视觉规范固化成可复用的提示词片段，避免每张图重新描述光线，这是保证 60 集画面统一的关键。

LIGHT_PRESETS = {
    "xiamen": "blue-grey morning mist, soft diffused light, seaside, muted cool tones",
    "jiading": "cold neon glow, warm window light contrast, urban night, cinematic",
    "taizhong": "golden-red dusk, warm rim light, nostalgic tone, film grain",
}
def build_prompt(scene: dict) -> str:
light = LIGHT_PRESETS[scene["location"]]
return f"{scene['character']}, {scene['action']}, {light}, vertical 9:16, consistent character design"

4.3 批量出图与废片率控制

按我方经验，插图环节按 1.5 倍出图量预留（每集约 40 张有效图，实际调用约 60 次），废片主要来自角色走形与手部畸变。落地时在 FC 函数里加一道自动质检：用图像相似度比对角色参考图，低于阈值自动重绘，最多重试 2 次，避免人工逐张筛。

五、工位三：方言配音怎么落地

这是整套方案里唯一不能完全交给通用能力的一环，也是落地成败的关键。执行上分两条腿走。

5.1 通用语音能力负责什么

通用语音合成负责旁白、环境音提示、普通话对照音轨，以及方言声库未覆盖的次要角色。这部分直接调阿里云语音合成接口，按调用次数计费，接入成本低。

5.2 自建方言声库负责什么

主角对白、情感高潮段落必须走自建方言声库。落地方式是把声库封装成独立 HTTP 服务，与 FC 编排层对接，接口协议与通用语音保持一致，这样编排层不需要区分调用来源。

import requests
def synthesize(line: dict) -> bytes:
"""按角色路由到不同语音后端，接口协议统一。"""if line["role"] in ("grandma", "agiang"):
# 主角对白走自建方言声库
resp = requests.post(
"https://voice.internal/synth",
json={"text": line["dialect"], "voice": line["role"], "emotion": line["emotion"]},
timeout=30,
)
else:
# 次要角色走通用语音能力
resp = requests.post(
"https://dashscope.aliyuncs.com/api/v1/tts",
json={"text": line["mandarin"], "voice": "general"},
timeout=30,
)
resp.raise_for_status()
return resp.content

5.3 配音质量卡点

• 声调校验：每集抽检 20% 对白，人工听辨声调是否准确，错误率超阈值整集重合成。
  
• 情感对齐：情感高潮段落（第 45 集转折、第 60 集收尾）必须人工全量听辨。
  
• 音画同步：音频时长与分镜时长偏差超过 0.5 秒的，回退调整对白长度而非拉伸音频。
  

六、工位四与工位五：字幕与成片怎么落地

6.1 字幕：识别 + 规则校对双保险

方言字幕的难点是同音字误写。落地做法是识别后加一层规则校对：用闽南语常用词表做匹配替换，再输出「方言原文 + 普通话释义」双语 SRT。

DIALECT_FIX = {
    "阮": "我们", "逐家": "大家", "代志": "事情",
    "佮": "和", "拢": "都", "踮": "在",
}
def proofread(srt_text: str) -> str:
for dialect, mandarin in DIALECT_FIX.items():
srt_text = srt_text.replace(dialect, f"{dialect}（{mandarin}）")
return srt_text

6.2 成片：FC 编排的状态机

成片工位不写业务逻辑，只做状态机调度：检查五个工位产物是否齐全 → 调用合成 → 转码竖屏 → 写回 OSS → 更新集数状态。任何一步失败，状态标记为待重跑，不阻塞其他集。

STAGES = ["script", "image", "audio", "subtitle", "final"]
def run_episode(ep: str) -> dict:
status = {}
for stage in STAGES:
if not exists(f"oss://short-drama/project-a/{ep}/{stage}/"):
status[stage] = "missing"return status  # 缺料即停，等待上游补齐
status[stage] = "ok"
compose(ep)          # 合成
transcode_vertical(ep)  # 竖屏转码
status["final"] = "done"return status

七、批量生产排期：35 天怎么排

把五个工位映射到 35 天排期，关键是让工位并行而不是串行等待。剧本先行 10 天，插图与配音在剧本批次产出后立即启动，成片在单集五料齐全后即可合成。

<!--br {mso-data-placement:same-cell;}--> td {white-space:nowrap;border:0.5pt solid #dee0e3;font-size:10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;}

八、成本与资源怎么控

落地阶段最需要盯的不是 tokens，而是插图、配音、合成这三段的调用次数。按 60 集、每集 2.5 分钟估算，调用量级如下。

<!--br {mso-data-placement:same-cell;}--> td {white-space:nowrap;border:0.5pt solid #dee0e3;font-size:10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;}

成本口径说明：以上为按官方口径与我方生产参数推算的调用量模型，非实测账单；试用点 3 点起/小时、建议试用 1 小时为官方体验口径，量产时长需按实际生产小时数换算，精确成本以实际账单为准。

在配音环节，通用云能力与自建方言声库并非二选一，而是按环节分工。两者的成本与效果对比如下。

<!--br {mso-data-placement:same-cell;}--> td {white-space:nowrap;border:0.5pt solid #dee0e3;font-size:10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;}

选型结论：通用云能力负责旁白与次要角色，用低接入成本快速起量；自建方言声库只覆盖主角对白与情感高潮，用一次性投入换取声调准确率。两者按角色路由、协议统一，才能在 60 集规模下兼顾成本与方言质感。

九、风险与预案

<!--br {mso-data-placement:same-cell;}--> td {white-space:nowrap;border:0.5pt solid #dee0e3;font-size:10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;}

十、上线检查清单

1. 五个工位目录已在 OSS 建好，命名规范统一。
   
2. 百炼 API Key、FC 触发器、OSS 权限均已验证可用。
   
3. ComfyUI 工作流三层参数已固化，跑通 3 张测试图且角色一致。
   
4. 方言声库服务接口与通用语音协议一致，编排层无需分支判断。
   
5. 单集全流程已端到端跑通一次，产物齐全且可重跑。
   
6. 成本监控已接入，单集调用次数可实时查看。
   
7. 审核规则已前置到剧本工位，成片阶段只做抽检。
   

十一、总结

这套执行方案的核心不是「用了多少 AI」，而是把一条 60 集的生产线拆成五个可独立重跑的工位，用对象存储解耦、用 FC 编排、用自建声库补齐方言短板。通用环节交给阿里云方案提速，方言声调与声乐环节自建保质，两者组合才能把 35 天周期真正跑通。方案中标注「待实测」的环节，建议在首批 10 集跑完后回填真实数据，再据此调整排期与预算。

十二、参考来源

<!--br {mso-data-placement:same-cell;}--> td {white-space:nowrap;border:0.5pt solid #dee0e3;font-size:10pt;font-style:normal;font-weight:normal;vertical-align:middle;word-break:normal;word-wrap:normal;}

• AI 剧本生成｜动画创作｜落地执行方案｜函数计算 FC｜百炼｜ComfyUI｜短剧 AIGC
  
• #AI剧本生成与动画创作#｜#解决方案评测#｜#阿里云开发者社区#｜#AIGC#｜#短剧创作#｜#云原生AI#