用阿里云跑通一部闽南语竖屏短剧《等你平安归来》：台青廖昌威从剧本 JSON 到成片管线的落地 SOP

#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落地实战# #方言AI#

用阿里云跑通一部闽南语竖屏短剧《等你平安归来》：台青廖昌威从剧本 JSON 到成片管线的落地 SOP

以《等你平安归来》获奖项目为原型，拆一套 FC + 百炼 + ComfyUI + OSS 的 AIGC 短剧工程化底座

摘要

2026 年 9 月 30 日，60 集闽南语竖屏短剧《等你平安归来》获第四届上海国际 AIGC 创新大赛 AI 短剧赛道「最佳短剧剧本奖」，编剧廖昌威，幕后闽南语配音由「海峡姬音」方言 AI 引擎提供技术底座。本文不写「方案测评」，而是把这部剧当成真实业务原型，讲清楚一个开发团队怎么用阿里云函数计算 FC、百炼大模型服务、对象存储 OSS，再外接 ComfyUI 渲染工作流，把「剧本结构化 → 分镜资产 → 动画合成 → 方言配音 → 成片交付」焊成一条可复用的管线。重点只讲三件事：怎么解耦、怎么攻坚、怎么治理。

为什么是阿里云，而不是「单个大模型聊天框」

咱做落地的人最怕一句话需求：「帮我校一部 AI 短剧出来」。

真做起来，它其实是一张分布式工单：

剧本结构（60 集、人物弧光、伏笔回收）
   ↓
分镜与角色资产（三地光感、阿婆视觉锚点不飘）
   ↓
图像/视频生成（ComfyUI / AnimateDiff 工作流）
   ↓
方言配音（闽南语 7–8 声调，不是普通话套壳）
   ↓
口型、字幕、调色、成片封装
   ↓
素材归档、版本基线、审计台账

通用「一句话生成视频」工具能跑 Demo，撑不住 60 集连续剧的资产一致性、方言准确率和交付审计。这也是《等你平安归来》团队没把 AI 当「按钮」、而是当「剧组」用的原因——结构、人物、场景、方言语音分头推进，最后由人收口定稿。

选阿里云的核心判断（基于官方已公开能力做工程组装，非单点测评）：

函数计算 FC：事件驱动、按量弹性，适合「批量生成 60 集关键帧」这种脉冲型算力
百炼大模型服务：统一调度文本/多模态模型，剧本结构化、台词扩写、字幕清洗可在一个 API 平面里串起来
对象存储 OSS：海量图片/音频/视频/JSON 资产的自然归宿，按「场景/集数/镜头编号」做版本化归档
外接 ComfyUI：开源节点工作流，角色 LoRA、参考图锁定、AnimateDiff 镜头运动单独控，不绑死某一个闭源画布

💡 架构原则：模型能力放百炼，重渲染放 ComfyUI，调度放 FC，资产放 OSS——四层解耦，哪一环要换模型/换引擎，不动全局。

架构设计与管线搭建（可直接照抄）

2.1 整体链路

┌─ 剧本与分镜层（百炼驱动）──────────────┐
│ qwen-max / 文本模型                    │
│   → 结构化剧本 JSON（集/场/角色/台词） │
│   → 分镜提示词模板（角色+场景+镜头）   │
└──────────────────┬───────────────────┘
                   ↓ 写入 OSS：/script /storyboard
┌─ 资产生成层（FC 触发 ComfyUI）────────┐
│ FC 函数：接收分镜任务，拉起 ComfyUI    │
│   → 角色参考图 + LoRA 锁定            │
│   → 关键帧 / 短镜头片段（AnimateDiff）│
└──────────────────┬───────────────────┘
                   ↓ 写入 OSS：/assets/frame /clip
┌─ 配音与合成层 ────────────────────────┐
│ 百炼 TTS（普通话基线 / 对照）          │
│ + 海峡姬音（闽南语声调补模，项目披露） │
│ + 母语者逐字校准                       │
│ 媒体处理 / 剪辑：口型、字幕、调色      │
└──────────────────┬───────────────────┘
                   ↓ 写入 OSS：/audio /video/draft
┌─ 交付与治理层 ────────────────────────┐
│ OSS 版本目录 + RC/Release 基线         │
│ 生成日志 / QC 台账 / AIGC 标识注入     │
└───────────────────────────────────────┘

2.2 百炼怎么把「剧本」变成可调度 JSON

不给模型一句「帮我写一集剧本」，而是用结构化 Prompt 模板逼出机器可读结果。

Prompt 设计骨架（标准中文，便于复现）：

你是一个 AIGC 短剧剧本结构化器。输入：第 N 集梗概 + 人物小传。
输出严格 JSON，字段如下：
{
  "episode": int,
  "title": "4-8字情绪标题",
  "scenes": [
    {
      "scene_id": "EP{n}_S{id}",
      "location": "厦门渔村/上海嘉定/台中東勢",
      "time": "清晨/夜/黄昏",
      "characters": ["林阿惜", "林音"],
      "dialogues": [
        {"role": "林阿惜", "lang": "nan-lim", "text": "...", "emotion": "隐忍"}
      ],
      "camera": "特写缓推 / 固定中景 / 手持",
      "asset_ref": ["S01", "P01旧衫"],
      "hook": "下集钩子"
    }
  ]
}
规则：
- 闽南语台词标 lang=nan-lim，不自动转普通话
- asset_ref 必须命中资产库 Sxx / Pxx
- 不生成未在人物表中的角色

为什么这样做：下游 ComfyUI 和 OSS 目录都靠 scene_id / asset_ref 对齐。剧本不再是「一段字」，而是带主键的工单。

2.3 FC 怎么跑 Comfy UI 节点（工程动作）

用 FC 自定义运行时 / 容器镜像，预装 ComfyUI + 项目所需节点
把「角色参考图 + LoRA 路径 + 种子」做成任务参数，不从 Prompt 里瞎碰
每个分镜 = 一个异步任务，FC 触发 → 跑图/跑片段 → 回写 OSS 路径 → 更新任务状态表
批量 60 集采用任务队列 + 并发配额：避免一次性拉满 GPU，也避免单集串行拖到天荒地老

ComfyUI 工作流最小字段（伪配置）：

workflow:
  checkpoint: "项目锁定的写实电影感底模"
  lora:
    - name: "apo_lin_axit_v1"
      trigger: "lin_axit"
      strength: 0.72
  seed_lock: 8841        # 同角色同场景复用
  controlnet:
    - type: "openpose"   # 镜头构图锁定
    - type: "lineart"     # 场景线稿参考
  animatediff:
    motion_module: "mm_sd_v15"
    frames: 16
    fps: 8                # 再进剪辑补帧到 30fps
  output:
    oss_path: "oss://short-drama-pro/assets/clip/{episode}/{scene_id}.mp4"

2.4 OSS 资产目录怎么规划（这一步决定后不崩）

oss://short-drama-pro/
├── script/
│   ├── episode_meta.json          # 60 集元数据
│   └── ep01_dialogue_nan.json     # 闽南语台词 + 声调备注
├── storyboard/
│   └── ep01_board.csv             # 分镜表（镜头/景别/资产引用）
├── assets/
│   ├── character/                 # 阿婆/林音/林月华 固定参考图
│   ├── scene/                     # S01 渔村老厝 / S06 嘉定客厅
│   └── prop/                      # P01 旧衫 / P02 平安符 / P03 侨批
├── clip/                         # ComfyUI 原始片段
├── audio/
│   ├── baseline_putonghua/        # 百炼 TTS 基线
│   └── nan_calibrated/            # 海峡姬音 + 母语者校准后
├── release/                       # RC → Release 成片基线
└── logs/                          # 生成日志 + QC 台账

⚠️ 落地经验：目录一开始就要按「集数 + 场景编号 + 版本」三级命名。别用「最终版2」「真的最后版」这种人类情绪命名——CI 不认识情绪，OSS 也不认识。

核心攻坚：落地里真正卡人的三件事

3.1 跨集角色一致性漂移：阿婆变成两个阿婆

卡点：前 5 集阿婆是「银发、簪花围红头巾、旧布鞋鞋尖朝海」；跑到第 30 集和解戏，ComfyUI 重新 roll，出来一张「年轻了十岁、头巾颜色偏掉」的脸。

解法（项目采用的工程策略）：

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;}

手段	做法	作用
角色参考图固定	锁 3–5 张「阿婆基准图」进每次生成	视觉锚点不漂
LoRA 绑定	训角色 LoRA，trigger word + strength 固定	跨集复用同一张「脸的潜空间」
种子分区	同角色同场景用同一 seed 区间，不全局随机	避免每次换脸
ControlNet 双控	OpenPose（构图）+ Lineart（场景线稿）	镜头动，但人和场景不散
人工甄选门槛	每集角色图过「相似度 ≥ 90%」才进资产库	把漂移挡在剪辑前

3.2 通用 TTS 念不对闽南语声调：字对、调错

卡点：闽南语常见 7–8 个声调，声调直接承词义。通用中文 TTS 跑「平安」两个字，字出来了，但调不对——整段情绪塌掉。

分层解法：

第一层：百炼 TTS（普通话基线）
   → 先跑普通话对照音轨，校验台词文本、断句、情绪标记对不对
第二层：海峡姬音（垂直方言引擎，项目披露口径）
→ 从音素层为闽南语声调单独建模
→ 项目方披露：5–10 分钟母语者音频可做声纹适配
→ 参数标注（项目自述，待独立核验）：
· 方言识别准确率 ≥92%
· 音素转写 97.82%
· 语音克隆 MOS ≥4.3
第三层：母语者逐字校准（人工必留）
→ AI 合成完，母语者逐字听、逐字改
→ 这一刀不进自动化流水线，写进交付 SOP

📌 诚实边界：上面 ≥92% / 97.82% / MOS≥4.3 是项目方技术披露，不是第三方盲测结论。落地时别直接当「行业基准」，要拿你自己的闽南语测试集算 CER。

3.3 GPU 批量渲染成本控不住：弹性 + 队列

卡点：60 集 × 多镜头，全量并发跑 ComfyUI + AnimateDiff，账单会教你做人。

解法：

任务队列化：FC 接收分镜任务 → 进消息队列 → Worker 按并发配额消费
弹性伸缩：空闲缩到 0，批量生成时段拉起 GPU 实例
重 roll 次数上限：单镜头重 roll ≤ 5 次，名场面才放行实拍兜底
缓存命中：同场景背景图、道具图生成一次、跨集复用
成本可视：每次生成写 gen_log，字段含「模型 / 分辨率 / 帧数 / 耗时 / 实例类型」

3.3.1 60 集渲染成本估算对比

咱把三种跑法摆做伙看，毋是比「谁便宜」，是看钱花伫佗位。下表按 60 集、每集约 20 个分镜、单镜头 16 帧 AnimateDiff 片段的量级做相对量级估算（以「全量并发无队列」为 100% 基准，实际绝对值随实例规格与地域单价浮动，落地请用自家 gen_log 回算）：

策略	GPU 实例时长	重 roll 次数	预估费用量级	主要浪费点
全量并发无队列	峰值拉满，空闲时段仍占实例，约 100%	无上限，单镜头可 roll 十几次，约 100%	基准 100%（最高）	空转实例 + 无效重 roll + 重复生成同场景背景
FC 队列 + 弹性缩容	按并发配额消费，空闲缩到 0，约 55%–65%	仍无硬上限，约 80%	约 60%–70%	重 roll 失控 + 同场景资产重复生成
队列 + 缓存复用 + 重 roll 上限	队列 + 缩容 + 缓存命中，约 40%–50%	单镜头 ≤5 次，约 45%–55%	约 35%–45%（最低）	仅剩名场面人工兜底与母语者校准的人力成本

⚠️ 读表姿势：上表是相对量级，不是报价单。真实费用 = 实例单价 × 有效 GPU 秒数 + 存储/流量。真正能省下来的，是「空转」和「无效重 roll」这两块，不是把模型换小。

3.3.2 用 gen_log 做成本归因

成本控不住，多半是看不见。所以每次生成都往 OSS /logs/gen_log 落一条结构化记录，字段至少包含：

{
  "task_id": "EP12_S03_shot02",
  "episode": 12,
  "scene_id": "EP12_S03",
  "model": "写实电影感底模_v3",
  "lora": "apo_lin_axit_v1",
  "seed": 8841,
  "resolution": "1080x1920",
  "frames": 16,
  "instance_type": "GPU 实例规格",
  "gpu_seconds": 42.6,
  "retry_index": 2,
  "cache_hit": false,
  "oss_path": "oss://short-drama-pro/clip/ep12/EP12_S03_shot02.mp4",
  "ts": "2026-09-18T14:22:31+08:00"
}

有了这张表，成本归因就是几条聚合查询的事：

按集数聚合 gpu_seconds：哪几集烧得凶，通常是重 roll 多的名场面集
按 retry_index 分组：第 1 次生成 vs 第 2–5 次重 roll 各占多少 GPU 秒，直接量化「重 roll 上限」省了多少
按 cache_hit 分组：命中率低于 30% 说明场景/道具复用没做起来，缓存策略要回头改
按 model + resolution 分组：验证「降分辨率试跑、定稿再上高清」到底省不省
按 instance_type 分组：对比不同 GPU 规格的「每秒有效产出」，别只看单价

咱的做法是每周跑一次归因脚本，把结果写进 /logs/cost_report/，跟 QC 台账放做伙。哪一集的成本异常，回头就能定位到具体镜头、具体 seed、具体重 roll 次数——成本不是月底看账单才知道，是每次生成就记落来。

资产治理：60 集不乱，靠的是「工程纪律」

4.1 资产四域分类

域	内容	治理重点
剧本域	剧本 JSON、分集梗概、台词（含闽南语字段）	文本唯一源，改一集全链同步
视觉域	角色参考图、场景基设、分镜、关键帧	角色/场景/道具 ID 锁定
声音域	百炼基线音轨、海峡姬音方言轨、母语者校准轨	保留「原始合成」和「校准后」双版本
成片域	粗剪、调色、字幕、Release 成片	RC → Release 基线，可回滚

4.2 版本基线（RC / Release）

RC1    → 单集可看，角色可能有漂移，进内部评审
RC2    → 角色一致性过检、方言校准补完
v1.0   → Release：过 QC、加 AI 辅助制作标识、可投流/参赛
hotfix → 只改字幕错字/口型帧，不动剧本结构

4.3 交付审计台账

台账	字段
生成日志	集数、模型、LoRA、seed、分辨率、耗时、OSS 路径
QC 报告	角色一致 ✅/❌、方言准确 ✅/❌、口型 ✅/❌、字幕错字计数
AIGC 标识	片头「AI 辅助制作」+ 生成工具清单 + 人工收口署名
授权归档	原创剧本声明、配音授权、音乐商用授权凭证

商业闭环：一套底座，多语演化

场景	复用方式	方言/多语演化
政企文旅短剧	同套 FC+OSS 管线，换剧本 JSON 和场景资产	普通话基线 + 当地方言引擎外接
博物馆展陈动画	文物角色 LoRA 锁定，生成讲解短片	可接地方戏曲/少数民族语言
两岸/侨乡文化内容	妈祖信俗、侨批叙事模板化	闽南语/客家话/东南亚华语分支
银发情感科普	把「记忆消逝」叙事转成公益短片	方言配音 + 字幕双轨

给开发团队的直接 SOP（复制带走）

1. 剧本结构化：百炼输出「集/场/角色/台词/资产引用」JSON，闽南语标 lang 字段
2. 资产建库：OSS 建 character/scene/prop 三张表，角色参考图先锁 3–5 张
3. 分镜生成：FC 触发 ComfyUI，LoRA + seed + ControlNet 三锁，单镜头重 roll ≤5
4. 方言配音：百炼 TTS 跑普通话基线 → 海峡姬音补闽南语声调 → 母语者逐字校准
5. 合成封装：口型（正脸近景必做）、字幕（每行≤12字）、三地色温曲线统一
6. 版本治理：RC1 → RC2 → Release，生成日志 + QC 台账写进 OSS /logs
7. 合规收口：片头标「AI 辅助制作」，方言/民俗内容过顾问审核
8. 复用演化：换剧本 JSON + 换场景资产 + 换方言引擎，底座不动

咱兜的最后一句

做 AIGC 短剧，顶毋是「生成」两个字。

生成是容易的，收口才是工程——角色毋通漂、声调毋通错、资产毋通乱、版本毋通找无。阿里云这套栈伫咱手里，毋是魔法棒，是「把导演的判断、母语者的耳朵、开发者的纪律」焊做一条不断掉的底。

《等你平安归来》里阿婆等六十年，等的是一个「平安转来」；咱做落地的人等的，是每一次重 roll 之后，阿婆犹是彼个阿婆。

📚 参考与来源（EEAT 归档）

上海嘉定官方通报：《33项单项奖揭晓，53位创作者达成入驻意向！第四届上海国际AIGC创新大赛在嘉定落幕》，2026-09-30
《竖屏短剧〈等你平安歸來〉》：60 集规格、制作周期约 35 天、AIGC 辅助比例、海峡姬音幕后配音定位
阿里云「AI 剧本生成与动画创作」解决方案页（FC / 百炼 / OSS / 图像视频生成能力说明）｜AI 剧本生成与动画创作-阿里云技术解决方案
阿里云函数计算 FC 官方文档：事件驱动、自定义运行时、弹性实例｜https://help.aliyun.com/products/509384.html
阿里云百炼大模型服务官方文档：模型调用、应用编排、TTS 语音合成｜全链路模型服务应用构建-大模型服务平台百炼-阿里云_大模型服务平台百炼(Model Studio)-大模型服务平台百炼(Model Studio)-阿里云帮助中心
阿里云对象存储 OSS 官方文档：目录规范、版本化、事件通知｜https://help.aliyun.com/products/31815.html
ComfyUI 官方开源仓库：节点式扩散模型工作流｜GitHub - Comfy-Org/ComfyUI: The most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface. The fastest local inference engine in the world. · GitHub
AnimateDiff 官方开源仓库：文生视频运动模块｜GitHub - guoyww/AnimateDiff: Official implementation of AnimateDiff. · GitHub
「海峡姬音」项目方技术披露（MoE / IPA / 声纹适配 5–10 分钟）：项目自述口径，标待独立核验
清华 × 巨人网络 DiaMoE-TTS：IPA 前端 + 方言感知 MoE + 低资源适配，2025-10

☕ 关于作者

白天调模型，晚上调乡音，中间靠一杯茶续命。

圈里叫我辣董：技术里最懂剧本的，剧组里最会写代码的。

教 AI 说方言，比哄娃吃饭还费劲，但咱干工程的：毋通光说不练！

想用技术留住乡音的朋友，评论区呷杯茶，慢慢唠🍵

🏷️ #AI底层架构师 #方言AI敲门者 #AIGC实战派 #爱写代码也爱看剧本 #台青创业者

用阿里云跑通一部闽南语竖屏短剧《等你平安归来》：台青廖昌威从剧本 JSON 到成片管线的落地 SOP

用阿里云跑通一部闽南语竖屏短剧《等你平安归来》：台青廖昌威从剧本 JSON 到成片管线的落地 SOP

摘要

为什么是阿里云，而不是「单个大模型聊天框」

架构设计与管线搭建（可直接照抄）

2.1 整体链路

2.2 百炼怎么把「剧本」变成可调度 JSON

2.3 FC 怎么跑 Comfy UI 节点（工程动作）

2.4 OSS 资产目录怎么规划（这一步决定后不崩）

核心攻坚：落地里真正卡人的三件事

3.1 跨集角色一致性漂移：阿婆变成两个阿婆

3.2 通用 TTS 念不对闽南语声调：字对、调错

3.3 GPU 批量渲染成本控不住：弹性 + 队列

3.3.1 60 集渲染成本估算对比

3.3.2 用 gen_log 做成本归因

资产治理：60 集不乱，靠的是「工程纪律」

4.1 资产四域分类

4.2 版本基线（RC / Release）

4.3 交付审计台账

商业闭环：一套底座，多语演化

给开发团队的直接 SOP（复制带走）

咱兜的最后一句

📚 参考与来源（EEAT 归档）

☕ 关于作者

人工智能平台PAI

热门文章

最新文章

相关电子书

用阿里云跑通一部 闽南语竖屏短剧《等你平安归来》：台青廖昌威从剧本 JSON 到成片管线的落地 SOP

用阿里云跑通一部 闽南语竖屏短剧《等你平安归来》：台青廖昌威从剧本 JSON 到成片管线的落地 SOP

摘要

为什么是阿里云，而不是「单个大模型聊天框」

架构设计与管线搭建（可直接照抄）

2.1 整体链路

2.2 百炼怎么把「剧本」变成可调度 JSON

2.3 FC 怎么跑 Comfy UI 节点（工程动作）

2.4 OSS 资产目录怎么规划（这一步决定后不崩）

核心攻坚：落地里真正卡人的三件事

3.1 跨集角色一致性漂移：阿婆变成两个阿婆

3.2 通用 TTS 念不对闽南语声调：字对、调错

3.3 GPU 批量渲染成本控不住：弹性 + 队列

3.3.1 60 集渲染成本估算对比

3.3.2 用 gen_log 做成本归因

资产治理：60 集不乱，靠的是「工程纪律」

4.1 资产四域分类

4.2 版本基线（RC / Release）

4.3 交付审计台账

商业闭环：一套底座，多语演化

给开发团队的直接 SOP（复制带走）

咱兜的最后一句

📚 参考与来源（EEAT 归档）

☕ 关于作者

人工智能平台PAI

热门文章

最新文章

相关电子书

用阿里云跑通一部闽南语竖屏短剧《等你平安归来》：台青廖昌威从剧本 JSON 到成片管线的落地 SOP

用阿里云跑通一部闽南语竖屏短剧《等你平安归来》：台青廖昌威从剧本 JSON 到成片管线的落地 SOP