AI短剧系列 | 第 14 天：MiniMax H3 剧本驱动——输入剧本自动生成分镜与镜头

在上一篇文章里，我们完成了 MiniMax H3 平台的开通流程，并了解了它作为「全自动导演」的核心能力。今天，我们要真正把这份能力用起来：把一份文字剧本丢给 MiniMax H3，让它自动拆解出分镜脚本、生成每一个镜头，最终拼成一条可播放的短剧片段。这是整个 AI 短剧生产链条里最关键的一环——一旦「剧本 → 分镜 → 镜头」这条链路跑通，你就能用极低的成本批量生产短剧内容。

一、什么是「剧本驱动」？为什么它比手工分镜更高效

传统的短剧制作流程里，编剧写完剧本之后，还需要导演、分镜师把文字翻译成一个个画面：谁在说话、镜头从哪个角度拍、景别是近景还是特写、演员走位如何。这个「翻译」过程极度依赖人工，一部几十集的短剧，光是分镜脚本就要耗费大量时间。

MiniMax H3 的「剧本驱动」能力，本质上是让大模型自动完成这个翻译工作。你输入的是自然语言写成的剧本，它输出的是结构化、可直接用于生成视频的分镜表。每一行分镜都包含了：

镜头编号：按时间顺序排列的镜头序号；
画面描述：这个镜头里应该出现的场景、人物、动作；
景别与运镜：特写、中景、远景，以及推、拉、摇、移等运镜方式；
台词/旁白：这个镜头对应的对白或画外音；
时长：预估的镜头持续时间。

一个典型的剧本输入示例如下：

场景：夜晚的城市天台，男主和女主在争吵。
男主（愤怒）：你为什么要骗我？
女主（哭）：我没有骗你，是你从来不相信我！
男主转身离开，女主拉住他的手腕。

MiniMax H3 拿到这段文字后，会自动拆解出大约 4 到 6 个镜头，并给出每个镜头的画面与运镜建议。你不需要再手动去「设计」镜头，只需要对生成结果做少量微调即可。

二、核心概念：分镜脚本的数据结构

要理解剧本驱动的输出，先要搞清分镜脚本在 MiniMax H3 里的数据结构。它通常以 JSON 形式呈现，方便后续流水线自动消费。下面是一个简化的分镜脚本示例：

{
  "storyboard": [
    {
      "shot_id": 1,
      "scene": "夜晚城市天台，背景是霓虹灯和远处的高楼",
      "characters": ["男主", "女主"],
      "camera": "中景，正面平拍，轻微推进",
      "dialogue": "男主：你为什么要骗我？",
      "duration": 3.5
    },
    {
      "shot_id": 2,
      "scene": "女主脸部特写，眼含泪水",
      "characters": ["女主"],
      "camera": "特写，固定镜头",
      "dialogue": "女主：我没有骗你，是你从来不相信我！",
      "duration": 4.0
    },
    {
      "shot_id": 3,
      "scene": "男主转身，背影走向天台边缘",
      "characters": ["男主"],
      "camera": "中景，跟随男主转身，缓慢摇移",
      "dialogue": "",
      "duration": 2.5
    },
    {
      "shot_id": 4,
      "scene": "女主快步上前，抓住男主手腕",
      "characters": ["女主", "男主"],
      "camera": "近景，侧面，强调手部动作",
      "dialogue": "",
      "duration": 3.0
    }
  ]
}

可以看到，每一个分镜都自带场景、角色、运镜、台词、时长五个维度的信息。这套结构化的数据，就是后续「镜头生成」「自动剪辑」「配音字幕」的基础。理解了它，你就理解了整个自动化生产管线的「中间产物」。

三、实战步骤：从剧本到镜头生成全流程

下面我们把完整流程拆成可操作的步骤。假设你已经完成了第 13 天的平台开通，并且拿到了可用的 API Key。

3.1 准备剧本

把剧本整理成纯文本，一行一句对白，用「角色（情绪）：台词」的格式。情绪标注会帮助模型理解表演语气，进而影响运镜和节奏。

场景：咖啡店内，阳光透过玻璃窗洒在桌上。
小美（轻松）：终于等到周末了。
阿强（微笑）：是啊，这周加班加到我怀疑人生。
小美（认真）：不如我们下个月一起出去玩吧。
阿强（惊喜）：真的吗？去哪儿？

3.2 调用剧本拆解接口生成分镜

在 MiniMax H3 平台的控制台里，把剧本粘贴进「剧本驱动」模块，或通过 API 提交。这里用一个伪代码示例说明调用思路（具体端点以平台文档为准）：

import requests

API_URL = "https://api.minimax.example.com/v1/h3/storyboard"
headers = {"Authorization": "Bearer YOUR_API_KEY"}

script = """场景：咖啡店内，阳光透过玻璃窗洒在桌上。
小美（轻松）：终于等到周末了。
阿强（微笑）：是啊，这周加班加到我怀疑人生。"""

payload = {
    "script": script,
    "options": {
        "style": "都市情感",
        "aspect_ratio": "9:16",
        "auto_split": True
    }
}

resp = requests.post(API_URL, json=payload, headers=headers)
storyboard = resp.json()["storyboard"]

for shot in storyboard:
    print(shot["shot_id"], shot["camera"], shot["duration"])

3.3 校对分镜脚本

模型生成的分镜不是 100% 完美，重点检查三点：

角色是否串场：确认没有把两个角色搞混；
台词是否完整：对白有没有遗漏或张冠李戴；
运镜是否合理：连续两个特写可能让观众晕眩，适当改成「特写 → 中景」。

可以用一个简单的 Python 脚本做字数与镜头数校验：

def validate_storyboard(shots, script_lines):
    dialogue_total = sum(len(s.get("dialogue", "")) for s in shots)
    script_chars = sum(len(l) for l in script_lines)
    if dialogue_total < script_chars * 0.5:
        print("警告：台词覆盖率偏低，可能漏镜头")
    if len(shots) < 3:
        print("提示：镜头数量过少，建议细化剧本")
    return dialogue_total, len(shots)

3.4 批量生成镜头

分镜确认无误后，进入「生成」阶段。平台会按 shot_id 顺序逐帧生成，最终合成一条成片。这一阶段耗时较长，建议在控制台里勾选「自动排队生成」，并开启「失败自动重试」。

# 批量生成配置示例
generation:
  mode: batch
  shots_per_batch: 2
  retry_on_fail: true
  max_retries: 3
  output:
    format: mp4
    resolution: 1080x1920
    fps: 24