凤希AI 技能操作手册
33 个技能，怎么用

00怎么用这本手册

别从头读到尾。按你此刻手里有什么来查。

这 33 个技能不是按「技术模块」分的，是按最终产出什么分的。所以查法也只有三种：

01开工前的四条前提

这四条不满足，后面所有技能都会以一种很奇怪的方式失败。

1 · 一份全局配置，所有技能共用

路径固定在 ~/.workbuddy/fxai_global.json。技能不各自存配置，全部读这一份：

2 · ComfyUI 是「服务端模式」——这条最容易踩

所有要 GPU 的技能（生图、四视图、场景图、MV、短剧、写歌）都不自己启服务，只按地址发 HTTP。

• 本机优先：先探 127.0.0.1:8188，通了走本机（不计费），探不通才走云（按秒计费）。
• 本机探不通 ≠ 我来启动。服务由「凤希本地AI控制台」或启动器管，技能只负责报错让你去启。
• 资源在不在只认服务端。你在本机 ls 看到有，不代表服务器上有；反过来也一样。
• 产物是「下载」语义。本机部署从 output\ 复制进项目，远端走下载接口拉。

3 · 一个选题一个目录

目录结构是固定契约，好几条流水线会按名字找文件：

目录本身就是备份。不用另建归档，一个选题一个文件夹，做完不删。

4 · 两条硬规矩，违反会静默失败

02全景：六摊分工

按「最终产出什么」分，刚好六摊。前三摊是原料，第四摊是组装，后两摊是地基和体检。

这一摊的产出有一个共同点：全是「能喂给下一个技能的格式」。口播稿的段落天然适合 TTS，分镜天然适合出图，提示词天然适合视频生成。不是巧合，是写完就在互相喂。

只有 4 个，但这 4 个是首尾相接的：写歌出一首歌 → 人声分离拆出纯净人声 → 送给 TTS 改音色 → 改完的音频被 whisper 转写回文字。一个小闭环。

这一摊有个隐藏的主角：角色库。生图、四视图、换脸都从角色库取参考图，所以出来的脸才是同一张。先有角色，才有稳定的图。

这一摊分两类：四条成片产线（数字人 / 幻灯片 / MV / 短剧，各自从头到尾）和三个叠字工具 + 一个剪辑（能套在任何视频上，不假设项目结构）。

四条成片产线

三个叠字工具 + 一个剪辑（能套任何视频）

这四个不假设项目结构，给个 mp4 就能用。做数字人、做 MV、做客户给的片子，都能直接调。

这一摊平时不直接叫，但前面四摊全踩在它上面。出问题时第一个要查的就是这里。

07四条端到端流水线

不想自己拼技能的时候，照这四条顺序走。每条都是「上一道的产物就是下一道的输入」。

A · 一篇公众号图文

1. 选题 + 写稿　产出 正文.md。想不出写什么就先聊，别硬凑。
2. 排版　把 md 排成 article/news.html。章节标题、正文、金句框、图注都有固定样式。别叫「正文.html」，会被安全策略锁读。
3. 画封面　make_cover.py --title "A|B" --motif cloud → 1152×512。先写到非 image 目录再用 ASCII 名 cp 过来。
4. 导正文图　export_figures.py --dir image → 宽 1152 的发布版 JPEG。HTML 里 src 写绝对路径。
5. 建草稿　wx_api.py draft-add。到这一步就该打开手机预览了。
6. 发布　只有你说了「发布」才走 publish。

B · 一条数字人口播视频

1. 写口播稿　fxai-voiceover-script → 口播文案_标签.md。人称用「我」。
2. 配音　fxai-voiceover 按标签逐段念，拿回分段 wav。
3. 跑产线　dh_pipeline.py --project --script，走 S0→S3。
4. 场景图拷回本地　S1.5 这步不能省，图只留在服务端缓存 = 没交付。
5. 收尾　finalize.py 叠标题卡 + 封面 → check_delivery.py 全绿。
6. 交付　成片_最终_{W}x{H}.mp4。

C · 一支 MV

1. 写歌　fxai-yue2，风格 + 带 [Verse]/[Chorus] 标签的歌词。
2. 第一段　produce_song.py --phase music：出歌 + 歌词对齐 + 分镜草稿。
3. 人工改写分镜　这是故意留的口子。逐条改 分镜剧本.md，别直接进下一步。
4. 第二段　--phase render：出图 + 出片 + 烧字幕。字幕复用，不重跑 whisper。

D · 一集短剧

1. 剧本 + 分镜　fxai-short-drama-script，打斗镜先找 fxai-combat-design 取招式术语。
2. 角色建档　fxai-fourview-gen 出三视图，喂给多参考模式，脸才不飘。
3. 自检　drama_pipeline.py --check，确认 ComfyUI 在线、模板在。
4. 出片　逐镜出片 → 合并 → --burn 烧台词。
5. 叠字　需要就加标题卡 / 信息贴片；不需要就跳过。

08某个镜头做坏了，只重做那一镜

数字人 / 短剧 / MV 走同一套返修机制；幻灯口播是本地渲染，单段整片都随便。

先分清手里这条视频是哪一类——两类出片方式不同，返修策略正好相反。

A · 数字人 / 短剧 / MV：单镜返修是唯一正解

这三条是同一套机制，判据和定位都在 fxai-common/rework.py，别在某个技能里另写一套——两边判据迟早走岔。

上表是简化写法。完整命令还要带项目 / 分镜表参数：

先确定是第几镜

1. 从秒数倒推　用户说「第 42 秒人物侧脸不对」，rework.shot_no_of(42) 直接给镜号。
2. 看改动了哪几镜　改完分镜表不确定影响范围，rework.changed_shots(项目, 分镜表) 对比上次渲染签名，返回清单。
3. 要命令，不要自己拼　rework.refix_command(项目, [7]) 返回该跑的那条命令，省得手抄参数。

多镜一起返修，一次提交

三段都有问题就一次交三段，别分三回手动跑：

模板里的 {shot} 是 1 起镜号，{seg} 是 0 起段号，{pos} 是本次第几个——按各技能的基准选，别混用。只看计划不跑加 --plan-only，只验命令拼得对不对加 --dry-run。

断了之后：从第 N 镜跑到结尾

跑到一半断了——超时、断网、关机、进程被掐——不用从头再来。给一个起始镜号，结束索引写 -1，后面所有段一次跑完。

先让程序告诉你断在哪，别自己数文件：

它会打「已生成 N 镜 / 缺失第 X 镜 / 下一镜 第 N 镜 / 续跑参数 start_index=N」。要机器读加 --json，拿 next_index（0 起索引）和 next_shot（1 起镜号）。

拿到起始索引后，按产线投一次区间任务（下面以「从第 7 镜跑到结尾」为例）：

区间提交还是逐镜串行？看缺的镜连不连续：

• 缺的是连续一段（从第 7 镜往后全没出）→ 用区间 --end-index -1，一次投完、只回一条成片，最省心。
• 缺的是零散几镜（只缺第 3、7、9 镜）→ 用 rework_batch.py --shots 3,7,9 逐镜串行，断了只丢一镜。

幻灯口播没有这套机制：它是本地渲染，断了直接整片重录，几分钟的事，不用算索引。

三条铁律：违反任一条，成片里就有旧段

1. 必须串行　服务端每渲完一段，都会拿其它段的缓存拼一条完整成片回来。并行提交 → 互相覆盖对方刚生成的段。
2. 只认最后一段渲完那次　中途几次返回的成片都是半成品，别拿去发。
3. 全部渲完才准收尾　字幕、封面、标题卡、交付自检都排在最后一段之后。提前做等于白做。

怎么确认「真在返修」，而不是被跳过

看日志。这两行出现才算数：

没有这两行，说明参数被「已有产物 → 跳过」吃掉了——命令跑完、退出码 0、成片一个字节没变。数字人真出过这事：10 镜里只有第 7 镜侧脸不对，本该只重渲 9.42 秒，结果整片 88 秒重跑了 70 分钟。

两个容易踩的细节

• MV 的产物是裸片，不是成片　时间从 0 起，必须 rework.splice_segment(成片, 裸片, 段号) 拼回原位，再烧字幕。忘了这步，交付的是缺段成片。
• 短剧单镜提交会阻塞等合并　6~10 分钟常超过命令默认超时，进程被掐、日志也丢。但此时 pid 已写进 ep{N}_pid_single_shot={N}.txt、任务已进队列，提交是成功的——先核对这两处再决定要不要重投，盲目重投会重复占 GPU。

B · 幻灯口播：不用纠结，单段整片都行

它不走服务端视频生成，是 HTML 精确画图 + 配音 + ffmpeg 拼接，纯 CPU、不吃 GPU、几分钟出片。所以这里没有「9.4 秒一段」的概念，「一段 = 一图 = 一音频」天然可拆。

• 只有一段不对　改 segments.json 那一段 → 重渲该段的图 / 音 → splice_segment(成片, 新段, 段号) 拼回，几十秒。
• 好几段都不对，或改了大结构　直接整片重录，也就十几分钟。比一段段拆拼更省心，也更不容易出错。

09视频里的四种字，别混

这四个东西看起来都是「往画面上加字」，但跟的东西不一样，做的人也不一样。

最容易搞错的是「信息贴片」。它不是从口播里提炼关键词，而是另外写的配合内容——名词解释、操作提示、注意事项、补充说明。半透明形状，不抢主体。

而且它是一次性 overlay：本地画好透明 PNG，ffmpeg 一把叠上去，不逐帧编辑视频。所以改贴片不用重渲染整条片子。

1012 个真实的坑

全是踩过的，不是想象的。碰到奇怪失败先扫这一节。

11附录 · 一页速查表

33 行，按六摊排。打印出来贴墙上也够用。

一 · 写作与脚本

二 · 声音

三 · 图像

四 · 视频

五 · 基础设施

六 · 规范与复盘