AirSpark/PRD.md

Air Spark — PRD

v0.4 | 2026-03-04

---

1. 产品定位

AI 驱动的动画自动化生产平台。导演通过对话生成剧本，系统自动串联图片生成 → 视频生成 → 拼接，输出完整成片。

先供 Air Spark 内部使用，架构支持未来扩展为 SaaS。

---

2. 用户角色

角色	核心需求
导演	对话写剧本 → 一键触发流水线 → 审核成片
管理员	管理成员、API Key、Skill 配置

---

3. 内容层级

项目（Project）       ← 一部动画 IP，建立时选内容类型 → 自动加载 Skill 包
├── 资产库（Asset Library）  ← 角色/场景图，跨集跨阶段复用
└── 剧集（Episode）   ← EP01, EP02 ...
    ├── 剧本（script.md）
    ├── 流水线状态
    └── 各阶段输出文件

---

4. Agent + Skill 架构

核心设计原则：模型 + Skill = Agent

Skill 是系统提示词（System Prompt），定义 Agent 的行为规则和输出格式。 扩展内容类型 = 新增 Skill，不需要改代码。

screenplay-skill   →  生成符合 Seedance 输入格式的剧本（△行即提示词）
storyboard-skill   →  按场景生成 Keyshot 宫格图（空间位置锚点）
segmentation-skill →  按内容逻辑将剧本切分为 Seedance 片段（内容驱动，非机械按秒切）

两条并行线，都以剧本为输入，互不依赖：
  剧本 → storyboard-skill  → Keyshot 图（空间参考）
                                         ↘
  剧本 → segmentation-skill → 片段提示词  → Seedance（提示词 + 参考图）
                                         ↗
  剧本 → 参考图生成（Banana Pro）→ 人设图、场景图

---

5. 七阶段流水线

Stage 1  剧本对话
         只加载 screenplay-skill
         导演与 Claude 对话，生成符合 Seedance 格式的剧本
         满意后点「确认剧本」→ 保存 script.md
         ↓ [手动确认]

Stage 2  资产 & 分镜规划（Claude · storyboard-skill）
         读取 script.md → 输出：
           · characters.json   角色列表 + 英文提示词 + 标记性特征
           · scenes.json       场景列表 + 英文提示词 + 每场估算时长
           · keyshots.json     每场景的 Keyshot 规划：
                               - 格数（4格/9格，按时长自动选）
                               - 每格的空间位置描述（英文）
                               - 宫格图生成提示词
         时长估算规则（与 segmentation-skill 共用）：
           对白：3-4字/秒；普通动作：2-3秒；复杂动作：4-5秒
         格数规则：
           场景 ≤ 45秒 → 4宫格（2×2，每格~11秒）
           场景 45秒-2分钟 → 9宫格（3×3，每格~8-13秒）
           场景 > 2分钟 → 拆成两个9宫格（在自然剧情节点分割）
         ↓ [可选审核]

Stage 3  参考图生成（Banana Pro API · text2img）
         每类图片生成规则：
           人设图 × N（每角色两步生成）：
             Step 1：生成正面立绘（白色背景）→ character_{id}_front.jpg
             Step 2：以正面立绘 + 固定三视图模板后缀为输入，生成三视图
                     → 输出一张 16:9 图：包含正面胸像（左）+ 正面全身 + 侧面 + 背面
                     → 最终存入资产库：character_{id}.jpg
             小提示词后缀（固定模板，后续由用户提供）：
               "生成这个角色的三视图，包括：正面胸像（位于画布最左侧），正面视角、侧面视角、背面视角，浅灰色无缝背景，干净且简约"
           场景图 × M（每场景1张，最佳角度，不含角色）
           道具图 × K（重要道具，按需）
         → 存入资产库（命名与 characters.json / scenes.json 的 id 一一对应）
         ↓ [人工审核：动画前期必须确认人设]

Stage 4  Keyshot 宫格生成（Banana Pro API · text2img）
         读取 keyshots.json：每个场景 → 1次 API 调用
         输入：宫格提示词 + 该场景人设图 + 场景图（来自资产库）
         生成尺寸：
           4宫格 → 2560×1440（裁切后每格 1280×720）
           9宫格 → 3840×2160（裁切后每格 1280×720）
         PIL 精确裁切（本地，零成本）：
           → keyshot_{scene_id}_{keyshot_index}_{cell_num}.jpg
         Keyshot 映射：
           每段 Seedance 片段按起始时码查找对应 Keyshot cell
           cell_num = floor((seg_start - scene_start) / cell_duration) + 1
         ↓ [可选审核：快速扫一遍，确认空间位置无明显错误]

Stage 5  剧本切分（Claude · segmentation-skill）
         读取 script.md → 按内容逻辑切分（非机械按秒）：
           依据：场景边界（必切）、镜头切换点、对话节奏、情绪节点
           上限：每段 ≤ 15秒（Seedance 2.0 最大时长）
           输出：segments.json
             每段包含：
               - 时码、时长、场景ID、出场角色ID
               - Seedance 提示词文本（剧本原文，一字不改）
               - 参考图列表（语义声明）：
                   [{"type":"character","id":"char_001"},
                    {"type":"scene","id":"scene_002"},
                    {"type":"keyshot","scene_id":"scene_002","keyshot_index":1,"cell_num":3}]
             不使用 prev_frame（上一段尾帧）：
               - prev_frame 依赖上一段视频已生成，强制串行，破坏并发
               - Seedance 2.0 参生机制（人设图+场景图+keyshot+提示词）已保障角色一致性
               - keyshot cell 图承担空间位置锚点，替代尾帧的连续性职责
               - 不同场景之间本就是"硬切"，不需要尾帧衔接
         ↓ [可选审核]

Stage 6  视频生成（Seedance 2.0 · 全并发）
         前置条件：Stage 3（参考图）+ Stage 4（Keyshot 格图）+ Stage 5（segments.json）均完成
         所有片段同时提交，无任何顺序依赖
         Seedance API 请求结构（火山引擎 Ark）：
           content 数组（按顺序排列）：
             1. {type: "text", text: <完整提示词>}
             2. {type: "image_url", image_url: {url: <图1>}, role: "reference_image"}
             3. {type: "image_url", image_url: {url: <图2>}, role: "reference_image"}
             ...（最多 12 张，每张 role 均为 "reference_image"）
           其他参数：generate_audio: true，duration: 片段时长，ratio: 项目视频比例
         提示词结构（后端自动拼装）：
           {script_text（剧本原文，一字不改）}

           {渲染风格}，[图1]是{角色名}，[图2]是{场景名}，[图3]是{keyshot位置}，[图N]是{道具名}，
           你是一位专业的动画导演，自行安排分镜设计，切镜充满电影感，画面氛围也有电影感，不要有背景音乐，但要有音效。
           （动作戏追加：动作戏可以有一点荷兰式倾斜镜头，动作戏的镜头具有视觉张力和空间感。）
           注意：[图N] 序号与 content 数组中 image_url 的顺序严格对应，由后端拼装时自动编号
         参考图拼装顺序（固定）：角色人设图（按 character_ids 顺序）→ 场景图 → keyshot cell 图 → 道具图
         任务队列（Celery + Redis）：
           - FastAPI 接受触发请求 → 推入 Redis 队列
           - Celery Worker 消费队列 → POST 提交所有片段到 Seedance API
           - 统一异步轮询所有 job_id → 下载完成的片段
           - 任务状态持久化在 Redis，服务重启不丢失，支持断点续跑
         错误处理：自动重试3次（指数退避 1s/4s/16s），429 按响应头等待，超限后人工介入
         断点续跑：跳过已 completed 片段，只重跑 failed/pending
         过渡期（API 未开放前）：使用 Seedance 1.5 Pro API，仅 model_id 不同，逻辑一致
         ↓ [可选审核：单段重跑时可修改提示词]

Stage 7  剪辑审核 & 导出（时间轴 UI + FFmpeg）
         可视化时间轴界面（类 Medeo / 剪映简化版）：
           · 底部时间轴：每个片段一个缩略图块，标注时长和场景名
           · 拖拽排序：拖动片段调整顺序，自动更新 concat 序列
           · 单片段预览：点击片段 → 中间预览区播放该片段
           · 右键菜单：重新生成 / 编辑提示词后重跑 / 删除片段
           · 「预览全片」：服务端 FFmpeg concat → 返回预览 MP4（数秒内完成）
           · 「导出成片」：最终 FFmpeg concat -c copy → final-epXX.mp4
         FFmpeg 拼接命令：
           ffmpeg -f concat -safe 0 -i concat.txt -c copy final-ep01.mp4
           无损拼接，保留 Seedance 原生音画同步

流水线模式（项目级设置）：

• 全自动：每阶段自动通过（Stage 1、Stage 3 除外，两处必须人工确认）
• 逐步审核：每阶段完成后等待导演批准
• 自定义：每个 Stage 单独配置是否需要审核

---

6. 审核门

每阶段完成后，导演可以：

• 批准 → 继续下一阶段
• 重跑（原提示词） → 重新执行本阶段
• 编辑提示词后重跑 → 修改后重新生成
• Stage 3、4、6 支持单个资产/片段重跑，不用整阶段重来

---

7. 错误处理与断点续跑

每个原子任务（单次 API 调用）有独立状态：pending / running / completed / failed

• API 超时 / 5xx → 自动重试，最多3次（指数退避 1s / 4s / 16s）
• 429 限速 → 按响应头等待后重试
• 重试耗尽 → 标记 failed，审核门提示人工处理
• 断点续跑：查询当前 Stage 所有任务，跳过 completed，只重跑 failed / pending
• 任务状态持久化在 Redis，服务重启后状态不丢失

---

8. 资产库

• 存储：人设图、场景图、道具图、Keyshot 图
• 命名规范：{asset_type}_{id}.jpg，与 JSON 中的 id 字段严格对应
• 跨集复用：同项目下新剧集自动引用已有资产，可手动替换单张
• 操作：查看 / 编辑提示词 / 重新生成

---

9. Skill 系统

架构原则：Skill = 系统提示词，定义 Agent 的行为和输出格式。扩展内容类型只需新增 Skill，不改代码。

现有已验证 Skill（输出格式改造为 JSON，逻辑不变）：

• screenplay-skill：剧本生成/优化，输出符合 Seedance △行格式的剧本
• storyboard-skill：场景/人设/Keyshot 提取，输出 characters.json / scenes.json / keyshots.json
• segmentation-skill：剧本切分，输出 segments.json（含语义化参考图声明）

Skill 改造重点：

• 现有 Skill 输出的是人类可读 Markdown，自动化需要输出程序可解析的 JSON
• 改造原则：只改输出格式，不改提示词逻辑和规则
• @图x 占位符改为语义声明（type + id），由后端查表解析为实际文件路径

项目类型 → Skill 包：

内容类型	自动加载
原创动画	screenplay + storyboard + segmentation
自定义	手动勾选

---

10. 技术选型

层	选型	备注
前端	Next.js 14 (App Router)	SSR，TypeScript，生态成熟
后端	Python FastAPI	AI 生态（PIL/异步），Skill 调用
任务队列	Celery + Redis	管理 Stage 3/4/6 的并发 API 任务，状态持久化，断点续跑
数据库	PostgreSQL	流水线状态、资产元数据、Skill 配置
实时通信	Server-Sent Events	流水线进度推送
AI	Claude API (Opus 4.6)	可配置 base_url，支持第三方代理
图片生成	Banana Pro 第三方 API	适配器可替换，TBD 具体服务商
视频生成	Seedance 2.0（火山引擎 Ark）	参生模型，过渡期用 1.5 Pro，升级只改 model_id
视频拼接	FFmpeg concat -c copy	无损，保留原生音画同步
图片裁切	Python Pillow（PIL）	本地执行，零成本，精确
文件存储	本地文件系统 → S3/OSS	初期本地，后期迁移

---

11. 不做的事（MVP 范围外）

• 片头片尾 / 主题曲管理（单独规划）
• 视频转场特效
• 多租户 / 账号体系（先单团队使用）
• 计费功能
• 移动端

---

12. 待确认

1. Banana Pro API：具体服务商和接口文档（影响 Stage 3/4 实现）；各类图片的"小提示词"后缀模板，用户接入 API 后逐个提供
2. Claude API 代理：具体用哪家（设计为可配置，不阻塞开发）
3. 视频比例：项目创建时设定（16:9 / 9:16 / 21:9），影响宫格生成尺寸
4. Seedance 并发限制：火山引擎 Ark 的并发配额，影响 Stage 6 Celery Worker 并发数设置