用 LLM 把小说拆成 30 个分镜：AI 短剧剧本结构化的完整方案-优快云博客

1. 痛点：为什么"一键生成分镜"总是翻车

做 AI 短剧的人几乎都踩过同一个坑：把一段小说丢给大模型，让它"拆成分镜"，结果出来的东西看着像模像样，一拿去生成画面就崩了。

典型问题有三个：

分镜数量不稳定：同一段文本，跑两次一次给 12 个镜头，一次给 47 个，没法批量生产。
字段结构不统一：这次返回 shot，下次返回 scene，下游解析代码天天改。
角色描述漂移：第 3 个镜头写"穿红裙的少女"，第 8 个镜头变成"红衣女子"，生成出来的角色完全不是一个人。

这篇文章不讲"我们的产品多强"，而是把从自由文本到结构化分镜表这条链路拆开，给出可复现的方案、可运行的代码，以及我们真实踩过的坑。

2. 方案总览：三段式流水线

整体思路是"先切分、再结构化、最后校验"，把一次大模型调用拆成三个职责清晰的阶段：

这样拆的好处是：每个阶段都能单独测试、单独重试，出错时能定位到具体是哪一步的问题，而不是"模型又抽风了"。

3. 第一步：场景切分，别让模型一次吃整本小说

很多人失败的第一步就错了——直接把几千字丢进去。上下文一长，模型对后半段的注意力就下降，分镜质量断崖式下跌。

正确做法是先按叙事单元切分。这里不需要多复杂的算法，按段落 + 长度阈值切即可：

def split_scenes(text: str, max_chars: int = 800) -> list[str]:
    """按空行切段，再合并到不超过 max_chars 的场景块"""
    paragraphs = [p.strip() for p in text.split("\n") if p.strip()]
    scenes, buf = [], ""
    for p in paragraphs:
        if len(buf) + len(p) > max_chars and buf:
            scenes.append(buf)
            buf = p
        else:
            buf = f"{buf}\n{p}" if buf else p
    if buf:
        scenes.append(buf)
    return scenes

关键参数是 max_chars。我们的经验值是 600–900 字：太短会导致一个场景被切碎、上下文不足；太长则模型开始"自由发挥"。

4. 第二步：结构化抽取，用 JSON Schema 锁死输出

这一步是整个方案的核心。不要用"请返回 JSON"这种口头约束，而是用模型的结构化输出能力（如 JSON Mode / Function Calling）把字段固定下来。

先定义 Schema：

STORYBOARD_SCHEMA = {
    "type": "object",
    "properties": {
        "shots": {
            "type": "array",
            "items": {
                "type": "object",
                "properties": {
                    "shot_id": {"type": "integer"},
                    "scene_desc": {"type": "string"},
                    "characters": {"type": "array", "items": {"type": "string"}},
                    "camera": {"type": "string"},
                    "dialogue": {"type": "string"},
                    "duration_sec": {"type": "number"}
                },
                "required": ["shot_id", "scene_desc", "characters", "camera"]
            }
        }
    },
    "required": ["shots"]
}

再写抽取函数：

import json
import requests

def extract_shots(scene_text: str, api_key: str) -> dict:
    """把单个场景文本抽取为结构化分镜"""
    prompt = (
        "你是短剧分镜师。请把下面的场景拆成 3-8 个镜头，"
        "每个镜头给出画面描述、出场角色、机位、台词与预估时长。\n\n"
        f"场景原文：\n{scene_text}"
    )
    resp = requests.post(
        "https://api.jifeng.ai/v1/chat/completions",
        headers={"Authorization": f"Bearer {api_key}"},
        json={
            "model": "jifeng-storyboard",
            "messages": [{"role": "user", "content": prompt}],
            "response_format": {"type": "json_schema", "schema": STORYBOARD_SCHEMA},
            "temperature": 0.3,
        },
        timeout=60,
    )
    resp.raise_for_status()
    return json.loads(resp.json()["choices"][0]["message"]["content"])

两个细节值得强调：

temperature 调到 0.3 左右。分镜是结构化任务，不需要创意发散，低温能显著提升字段稳定性。
在 prompt 里给出镜头数量区间（3–8 个），比"拆成 30 个"这种全局数字更可控——全局数量由场景数自然累加得到。

5. 第三步：Schema 校验与自动修复

即使有 JSON Schema，模型偶尔还是会漏字段或类型不对。所以拿到结果后必须校验，失败就带着错误信息重试一次：

def validate_and_repair(data: dict, scene_text: str, api_key: str, retries: int = 1) -> dict:
    """校验分镜结构，失败时把错误回传给模型修复"""
    try:
        assert isinstance(data.get("shots"), list) and data["shots"], "shots 为空"
        for s in data["shots"]:
            assert isinstance(s.get("shot_id"), int), "shot_id 类型错误"
            assert s.get("scene_desc"), "scene_desc 缺失"
        return data
    except AssertionError as e:
        if retries <= 0:
            raise
        repair_prompt = (
            f"上一次输出不符合要求：{e}。请基于原文重新输出合法 JSON。\n原文：{scene_text}"
        )
        # 复用 extract_shots 的调用逻辑，此处省略重复代码
        fixed = extract_shots(repair_prompt, api_key)
        return validate_and_repair(fixed, scene_text, api_key, retries - 1)

这一步能把我们的解析失败率从约 8% 压到 1% 以下。不要指望一次成功，要设计好失败路径。

6. 第四步：角色一致性，靠词典而不是靠模型记忆

角色漂移是最难缠的问题。我们的做法是：不让模型自由命名角色，而是先建角色词典，再让模型从词典里选。

流程是：

第一遍抽取时，收集所有 characters 字段的原始描述；
用一次轻量调用把同义描述聚类（“红裙少女” / “红衣女子” → char_01）；
后续所有抽取都要求模型只能输出词典中的 ID。

def normalize_characters(raw_names: list[str], api_key: str) -> dict[str, str]:
    """把角色描述聚类归一，返回 原始描述 -> 角色ID 的映射"""
    prompt = (
        "下面是一组角色描述，请把指代同一角色的描述归为一组，"
        "每组分配一个 ID（char_01、char_02...），返回 JSON 映射。\n"
        + "\n".join(f"- {n}" for n in set(raw_names))
    )
    resp = requests.post(
        "https://api.jifeng.ai/v1/chat/completions",
        headers={"Authorization": f"Bearer {api_key}"},
        json={"model": "jifeng-lite", "messages": [{"role": "user", "content": prompt}],
              "response_format": {"type": "json_object"}},
        timeout=30,
    )
    resp.raise_for_status()
    return json.loads(resp.json()["choices"][0]["message"]["content"])