Agent Skills
› ddcat-ai/open-ai-canvas
› 影视剧作工坊-09-音效
影视剧作工坊-09-音效
GitHub指导影视剧作中音效模块的创作与提示词编写，涵盖对白、环境音、配乐及口型同步四层音频轨道的并行描述、内联/块法写法、卡点剪辑及防覆盖策略。
Trigger Scenarios
需要生成或优化视频提示词中的音频部分
处理影视脚本中的声音设计与口型同步
Install
npx skills add ddcat-ai/open-ai-canvas --skill 影视剧作工坊-09-音效 -g -y
SKILL.md
Frontmatter
{
"name": "影视剧作工坊-09-音效",
"description": "音效 模块——背景音 \/ 对白 \/ 配乐 \/ 对白与口型（独立一级模块）；四层音频（对白\/音效\/环境音\/BGM）、内联法与专门块法、逐模型音频实践、口型同步与词预算、卡点与静默纪律。",
"agent_created": true
}
音效（模块 09）
主链定位：背景音 / 对白 / 配乐 / 对白与口型（独立一级模块）。
做什么
把声音当作与画面平等的一等元素来导演，产出可进入提示词的并行音轨，而不是给画面配一个背景垫。
四条纪律贯穿本模块：
- 音频是并行轨道，不是画面附庸——对白、音效、环境音、BGM 四层分开描述，各自点名内容、时机与空间感；混成一团"有氛围的音乐"会让模型随机分配。
- 音乐不铺满——场景音乐过满、无源音乐起止随意会让观众疲劳，并削弱画面自身的判断力；留出安静的时刻让环境声与画面自己说话。
- 只在情绪手段做不到的地方才引入音乐——用音乐去修补、粉饰失败素材是最庸俗也最无效的做法；理想状态是"一两个非常鲜明的音符"。
- 信赖现实本身的音响——自然音响（風声、浪涛、发报机、树叶声）优先于专门谱写的配乐；声音不必与画面形象对应，只需与心理效果对应。
基础引擎
本模块的底层方法论源：engine/E09-音效.md（本模块目录内，20 条，来自 book02/book04）。
执行本模块前先查阅该引擎，取其判断依据、创作准则与反模式清单；引擎为只读源层，本模块负责执行流程。
其中几条对本模块最关键：主题音乐重复出现 + 分段变奏（同曲在不同叙事阶段改节奏、唱词与嗓音质地）、组织音响空间而不是谱写音乐（作曲家的任务是构造整片的音响总谱）、用真实声音的变形构造另一个世界（铁轨撞击声→合成器分解→回声）、沉默是结构性的（主动让人物失语，语言缺席本身承担意义）、剪接点配合重音（台词不停顿时转换镜头，剪接点落在重音词上）。
数据层（audio/）
| 文件 | 管什么 |
|---|---|
audio/01-对白.md |
对白轨道——四层音频的定位、内联法（短提示词首选）与专门块法（复杂音频）、按语言的对话同步词预算（15 秒片段：英语约 16–20 词 / 中文普通话同步最强 / 俄语约 10–15 词 / 日韩测试不足）、逐模型音频实践（Kling 3.0 与 3.0 Omni / Seedance 1.5 Pro / Seedance 2.0 / Veo 3 与 3.1 / Grok Imagine Video）、[AUDIO: Xs] 脚本块、Cinema Studio 3.0 音频 |
audio/02-环境音.md |
环境声（Ambient）轨道——背景声景写法、元素最多 2–3 个（再多就浑浊）、用声学描述空间（"混响明显的教堂大厅""局促的车内"）、用声音与寂静的对比制造冲击（"死寂。然后——一声脚步。"）、音频作为提示元素（SCELA） |
audio/03-配乐.md |
BGM 轨道——描述配器·速度·情绪而非流派标签（"紧张的弦乐，逐渐推进"优于"悬疑音乐"）、音乐进出时机、NO BGM 是规格而 no music 只是偏好、枚举与否定词规则的冲突提示、Beat sync（节拍同步）——音频为画面编舞、卡点剪辑（把分开生成的片段组装到一条轨上）、15 秒提取问题（选好窗口，别直接上传整轨）、场景音频生成 Seed Audio 1.0、Standalone Audio 标签页与生成后配音工作流 |
audio/04-口型对白匹配.md |
口型同步轨道——Lip-Sync 该做/不该做、多角色对白的变通办法（分开生成 + 画中画 + 线性遮罩 15% 羽化 / 聆听者用静态图片）、[AUDIO: Xs] 脚本块、常见音频故障与修复、何时可以不加音频 |
audio/05-后期音乐与声音设计.md |
后期音乐与声音设计（script-writing-studio）——后期 BGM / 配乐 / AI 音乐 / 音效 / 静默点 / 声音方案设计 |
audio/06-声音与BGM.md |
声音与 BGM 落地规则——对白 / 配乐 / 音效的落地规则 |
执行流程
- 定声音层档位与分工 —— 先声明输出档位：
- 全量档（默认）：⑧对白 + ⑨背景音 + ⑩BGM 三轨齐全，打开即成品；
- 去配乐档：拿掉 ⑩BGM、保留 ⑧⑨，为后期配乐留出音区——⑩ 写
NO BGM（规格级），不是省略（Seedance 2.0 自带音效/配乐，不声明 ≠ 不生成）；该档不得残留任何音乐类 token（除NO BGM本身）。 再决定这个镜头需要几层，不存在的层显式写"无"（无对白 / 无 BGM），而不是省略。
- 选写法 →
audio/01/audio/03短提示词走内联法；复杂音频（多层 + 时机）走专门块法（视觉内容在前，Audio:块在后分轨罗列）。 - 写对白 →
audio/01对白要短——每个角色每镜头 1–2 句；指明情绪语气（"急切地说""低语""隔着房间喊"）；非英语指明语言与方言（She speaks in Cantonese: "走啦"）。按语言核词预算（15 秒英语约 16–20 词；超预算就把次要台词转成身体行为——保留主导权翻转的那句）。 - 写环境音与 SFX →
audio/02环境声元素 2–3 个封顶；描述空间的声学而不只是元素清单；需要冲击时用"声音—寂静"的落差。音效记法事件@秒。 - 写 BGM →
audio/03描述配器 + 速度 + 情绪，不给流派标签；点名音乐进出时机；明确压制音乐时写NO BGM（规格级），不要只写no music（偏好级）。卡点类内容写"剪切卡在强拍上""运动在 drop 处达到峰值"。 - 过口型同步 →
audio/04对白片段保持 3–8 秒（准确率最佳区间）、用中近景或更近取景、每镜只有一张说话的脸、机位锁locked-off static camera或slow Dolly In；头部/面部运动 token 与对白不能同镜。多于一个角色要说话时走变通办法，不在一条提示里硬塞。 - 防覆盖 —— 上传音频被生成式音频引擎覆盖时，加时间戳锚定（"音频 @Audio1 从 0 秒到结尾严格按上传内容播放"）并删掉所有环境音/音效/音乐 token。
- 交下游 —— 音频纪律的最终校验（口型不同步、BGM 压过对白、填充嘟囔）归 13 交付文件审核（
review/13-失败诊断.md§三音频两症、§4.7 填充嘟囔）；L 切/J 切用声音桥磁化接缝归 10（editing/05-剪辑与连续性词汇.md）。
与其他模块的关系
- 上游 05 人物表演 —— 台词的情绪语气、说话的节拍与身体行为由 05 定；本模块只负责把它落成音频轨道与口型策略。一张脸的静息嘴部事实（"双唇静息""下颌闭合，呼吸抬起胸口"）是跨 05/09/13 的共同要求。
- 下游 13 —— 音频两症（口型不同步、BGM 压过上传对白）与填充嘟囔的排查与修复在 13
review/13-失败诊断.md；负面约束成表归 13 的负面约束总库（时序部分，待补）。 - 交叉 10 —— L 切/J 切与声音桥归 10
editing/05。 - 交叉 12 —— 音频描述进入最终提示词前经 12 净化；
prompt/12-提示词结构.md§10 明确"音频作为一等元素"。
硬规则速记
- 声音层输出档位默认「全量」（⑧对白 + ⑨背景音 + ⑩BGM）；可切「去配乐」档给后期配乐让路——此时 ⑩ 写
NO BGM，不是省略。 - 四层分开写（对白 / 音效 / 环境音 / BGM），不存在的层显式写"无"。
- 环境声元素 2–3 个封顶——再多就浑浊。
- BGM 描述配器 · 速度 · 情绪，不给流派标签。
NO BGM是规格，no music只是偏好。- 对白片段 3–8 秒、中近景以上、一镜一张说话的脸、机位锁定或慢推。
- 头部/面部运动 token 不与对白同镜。
- 上传音频被覆盖时：时间戳锚定 + 删除所有环境音/音效/音乐 token。
- 音乐不铺满——留出安静让环境声与画面自己说话；只在情绪手段做不到处引入音乐。
- 剪接点配合重音——台词不停顿时转换镜头，剪接点落在重音词上。
Version History
- 550980e Current 2026-10-18 18:55
