description: 从素材(新闻、故事、段子等)自动生成 classic 互动剧本(含角色图、场景图)并写入数据库
create-drama — 从素材自动生成完整 classic 互动剧本
根据用户提供的内容素材(新闻、故事、段子、历史事件等),生成一个完整的 classic 类型互动剧本,包括:
- 剧本数据(角色、台词、表情、动作、语音情感指令)
- 角色立绘图(AI 生图 → 去背景 → 上传 OSS)
- 背景图和封面图(AI 生图 → 上传 OSS)
- 写入数据库 + 生成 bundle.json 上传 OSS(创建后立即可播放)
输入
用户会在 $ARGUMENTS 中提供内容素材。素材可能是:
- 一段新闻报道
- 一个故事/段子
- 一个历史事件描述
- 一个创意想法
- 一个文件路径(需要先读取文件内容)
执行步骤
第 1 步:分析素材
仔细阅读用户提供的素材内容。如果是文件路径,先用 Read 工具读取文件。
第 2 步:生成完整剧本 JSON
根据素材内容,你自己(Claude)直接生成剧本数据 JSON。��要调用任何外部 LLM API。
生成的 JSON 必须严格遵循以下格式:
{
"name": "剧本名称(简短,2-6个字)",
"title": "显示标题(可以带 emoji,稍微长一点)",
"subtitle": "— 副标题 —",
"description": "剧本简介(一句话概括)",
"systemPrompt": "用于后续 AI 续写的系统提示词(详见下方规则)",
"isPublic": false,
"userId": 1,
"tags": "标签1,标签2,标签3",
"language": "内容语言:en / zh / multi",
"i18n": {
"name": { "en": "...", "ja": "...", "es": "...", "pt": "...", "id": "..." },
"title": { "en": "...", "ja": "...", "es": "...", "pt": "...", "id": "..." },
"subtitle": { "en": "...", "ja": "...", "es": "...", "pt": "...", "id": "..." },
"desc": { "en": "...", "ja": "...", "es": "...", "pt": "...", "id": "..." },
"sysPrompt": { "en": "...", "ja": "...", "es": "...", "pt": "...", "id": "..." }
},
"characters": [
{
"name": "角色名",
"nameI18n": { "en": "...", "ja": "...", "es": "...", "pt": "...", "id": "..." },
"gender": "male 或 female",
"voiceId": "音色 ID(从6个可用音色中选择)",
"imagePrompt": "角色立绘生图 prompt(详见下方规则)"
}
],
"script": [
{
"character": "角色名(必须在 characters 中定义过)",
"dialogue": "台词内容",
"dialogueI18n": { "en": "...", "ja": "...", "es": "...", "pt": "...", "id": "..." },
"avatar": "表情文件名",
"instruction": "(可选)语音情感指令",
"action": "动画效果",
"position": "left 或 right"
}
],
"backgroundPrompt": "背景图生图 prompt",
"coverPrompt": "封面图生图 prompt"
}
生成规则
角色 (characters)
- 数量:2-5 个
- 每个角色必须有 name、gender、voiceId、imagePrompt
- voiceId 选择:当前仅有 6 个豆包复刻音色可用,全部支持中英日西印葡多语言,无需单独设置 voiceIdEn
- 所有复刻音色统一支持 9 种情感(happy/sad/angry/surprised/fear/hate/excited/coldness/neutral)
- 音色 ID 均以
S_开头,使用seed-icl-2.0引擎 - 可用音色列表:
S_Ex8na7LH1— Howard(男,适合搞笑/技术宅/配角)S_Dx8na7LH1— Sheldon(男,适合毒舌/学霸/较真角色)S_Cx8na7LH1— Penny(女,适合活泼/女主/社交达人)S_Bx8na7LH1— Leonard(男,适合温和男主/理性角色)S_Ax8na7LH1— Amy(女,适合知性/认真/学术型女性)S_zx8na7LH1— Raj(男,适合害羞/异域/感性角色)- 根据角色性格匹配合适的音色,尽量让不同角色使用不同音色
角色立绘 imagePrompt
每个角色必须生成 imagePrompt,遵循以下要求:
核心任务不是"画一个泛泛的二次元人物",而是"忠实还原这个角色属于什么时代、什么身份、什么年龄、什么气质"。
必须遵守:
- 视觉设定必须优先服从剧本时代与角色身份。古风就必须是古风,宫廷就必须是宫廷,未来赛博就必须是未来赛博,不能偷懒改成现代校园或日常制服。
- 年龄和性别必须明确可见。中年、老年、男性、书生、工人、贵族等,必须在服装、体态、发型、配件上看得出来。
- 不要默认把角色美化成"年轻少女"或"学生妹"。除非角色描述里明确是学生、少女、校服,否则禁止擅自加入校服、百褶裙、水手服、青春校园感等元素。
- 角色描述里出现的职业、阶层、材质、年代、配色、配件、道具、发型、体型,都要尽量保留进提示词。
- 风格统一为沙雕动漫风格(meme style),2D简笔画,线条清晰粗犷,色彩平涂,带一点夸张幽默感,但不能牺牲角色设定本身。
- 角色必须是全身站立立绘,纯色干净背景,方便抠图。
- 脸部必须是无脸纯肤色留白,只保留完整发型、头饰、头部轮廓。绝对不要画出眼睛、鼻子、嘴巴、眉毛等五官。
提示词至少覆盖:人物身份/时代背景/文化语境、年龄感/体型/性别气质、发型/发色/头饰、服装层次/材质/配色/配件、手持道具、站姿动作、无脸要求和纯色背景要求。
用自然中文写提示词,用词具体,避免"好看、精致、漂亮"等空话。如果剧本和角色描述已经足够明确,就不要自己乱补成别的题材。
背景图 backgroundPrompt
横版宽屏场景背景图,卡通风格,适合互动剧背景。场景:[根据剧本内容描述场景]。不要人物,色彩鲜明,气氛感强。绝不要含有任何文字或英文字母。
封面图 coverPrompt
剧目封面海报。展示[角色名]等角色的剪影轮廓,色彩鲜明,卡通风格。绝不要包含任何文字、字母或文案覆盖。
台词 (script)
- 数量:10-20 句(根据素材丰富度调整,尽量多一些,让剧情完整)
- avatar 可选值:
normal.png,happy.png,very_happy.png,angry.png,sad.png,cry.png,shock.png,smirk.png,speechless.png - action 可选值:
none— 默认,无动画shake— 震动,适合愤怒/惊吓/强调jump— 跳跃,适合惊喜/激动spin— 旋转,适合混乱/搞笑zoom-in— 放大,适合重要台词/特写
- instruction(可选):语音情感指令,用自然语言描述这句台词的语气/情绪/表达方式
- 如:
"用愤怒的语气说"、"ASMR 低语"、"质问的语气"、"开心地大喊" - 会传给 TTS 引擎增强语音表现力
- 对于情绪强烈的台词建议添加此字段
- 如:
- position: 每个角色应该有固定站位(left/right),2个角色时一左一右,3个以上轮替
- 台词要生动有趣,符合互动剧的沙雕风格
- 对话要有戏剧冲突和反转
- 每句台词不要太长,控制在 30 字以内
systemPrompt
- 要详细描述世界观和角色设定
- 包含语言风格指导(用于后续 AI 续写对话)
- 至少 200 字
tags
- 1-3 个标签,逗号分隔
- 如:
搞笑,职场,反转
language
- 内容语言标识:
en(英文)、zh(中文)、multi(混合) - 根据素材语言自动设置
多语言翻译 (i18n)
创建剧本时必须同时生成 5 种目标语言的翻译(排除基础语言本身)。目标语言:en(英文)、ja(日文)、es(西班牙语)、pt(葡萄牙语)、id(印尼语)。
需要翻译的字段:
- 剧本级(
i18n对象):name、title、subtitle、desc(对应 description)、sysPrompt(对应 systemPrompt) - 角色级(每个角色的
nameI18n):角色名的翻译/音译 - 台词级(每条台词的
dialogueI18n):台词内容的翻译
翻译要求:
- 如果基础语言是
zh,则i18n中包含 en/ja/es/pt/id 五种翻译 - 如果基础语言是
en,则i18n中包含 zh/ja/es/pt/id 五种翻译(把zh加入目标) - 角色名翻译:对于有明确含义的名字要意译,对于人名要音译
- 台词翻译:保持原文的语气、幽默感和情绪强度,不要过度直译
- systemPrompt 翻译:保持指令的准确性和完整性
第 3 步:写入临时 JSON 文件
将生成的 JSON 写入临时文件 /tmp/drama_<timestamp>.json
第 4 步:生成图片并上传 OSS
找到本 skill 的目录路径(即本文件 SKILL.md 所在目录),执行图片生成脚本:
node <skill目录>/generate-images.js /tmp/drama_<timestamp>.json
该脚本会:
- 为每个角色生成立绘图(Jimeng → fallback Nano Banana Pro)
- 自动去背景(rembg)
- 为剧本生成背景图和封面图
- 全部上传到阿里云 OSS
- 将 URL 写回 JSON 文件(更新 characters[].bodyUrl, coverUrl, backgroundUrl)
注意:该脚本需要 ali-oss, sharp npm 包以及 rembg Python 工具。如果 rembg 未安装,会跳过去背景步骤。
第 4.5 步:立绘补救(失败重试)
脚本执行完成后,必须检查 JSON 文件中每个角色是否都有 bodyUrl。
读取更新后的 JSON,遍历 characters 数组:
- 如果所有角色都有
bodyUrl→ 跳过此步,进入第 5 步 - 如果存在没有
bodyUrl的角色 → 执行以下补救流程
补救流程(每个失败角色,最多重试 2 次):
分析失败原因:通常是
Text Risk Not Pass(内容审核)或 API 限流/超时。重写 imagePrompt:针对审核失败,对该角色的 imagePrompt 做脱敏改写:
- 去掉真实人物特征:不要出现任何可识别的现实人物描述(如"金黄色蓬松发型梳向后方"对应某政治人物)。改用虚构的、泛化的外貌特征。
- 去掉政治/敏感��签:不要出现"总统""白宫""国旗徽章"等。改用中性职业描述(如"一位穿深色西装的中年胖男子")。
- 保留角色辨识度:改写后仍要保留角色的性别、年龄感、体型、服装风格、配色方案、手持道具等核心视觉特征,确保角色在剧中仍可辨认。
- 保留无脸/背景等技术要求:无脸纯肤色留白、纯色背景等生图规范不能丢。
改写示例:
❌ 原始:一位70多岁的美国总统形象,金黄色蓬松发型梳向后方...系超长鲜红色领带...
✅ 改写:一位70多岁的圆胖商人形象,浅黄色蓬松卷发,穿深蓝色西装,系红色领带...
- 更新 JSON 并重试:用 Edit 工具更新该角色的
imagePrompt,然后重新运行生图脚本:
node <skill目录>/generate-images.js /tmp/drama_<timestamp>.json
脚本会自动跳过已有
bodyUrl的角色,只为缺失的角色生成图片。
- 检查结果:再次读取 JSON 检查
bodyUrl。如果仍然失败,再脱敏一次重试(第 2 次也失败则放弃该角色,后续使用默认偏移)。
第 5 步:表情对齐(Agentic Face Alignment)
对每个成功生成立绘图的角色,执行面部检测 + 表情对齐,确定表情贴图在角色身上的精确位置。
你(Claude)自己就是 VLM 审阅者。 流程如下:
对于每个角色(characters 中有 bodyUrl 的):
- 初始检测:运行像素引擎获取面部区域 + 生成带标尺的预览图
node <skill目录>/face-align.js --base <角色立绘本地路径> --out /tmp/align_<角色名>
脚本会自动下载默认表情图,输出:
/tmp/align_<角色名>.png— 纯净合成图/tmp/align_<角色名>_marked.png— 带标尺线的调试图- stdout 中的
__RESULT__{...}__END__包含faceOffset和渲染参数
- 审阅标尺图:用 Read 工具查看
/tmp/align_<角色名>_marked.png
以沙雕二次元漫画的宽容审美来判断:
- 表情是否大致在脸部中央?
- 大小是否合适(不要溢出脸颊,也不要太小)?
- 不需要完美精确,只要看起来协调自然即可
- 如需调整:带修正参数重新运行
node <skill目录>/face-align.js --base <角色立绘本地路径> --out /tmp/align_<角色名> --dx <左右像素> --dy <上下像素> --ds <缩放比>
--dx: 正数往右,负数往左--dy: 正数往下,负数往上--ds: 0.95 缩小,1.05 放大,1.0 不变
再次 Read 标尺图审阅,最多 3-4 轮即可收敛。
- 采用结果:将输出的
faceOffset写入 JSON 对应角色:
{
"name": "角色名",
"bodyUrl": "...",
"faceOffset": { "top": "32.50%", "left": "48.20%", "width": "25.00%" },
"voiceId": "..."
}
注意:face-align.js 只需要
sharp依赖。如果 sharp 不可用,跳过此步骤,使用默认偏移量{ top: "8%", left: "35%", width: "30%" }。
第 6 步:写入数据库 + 生成 Bundle
执行入库脚本:
node <skill目录>/insert-drama.js /tmp/drama_<timestamp>.json
脚本会在事务中创建:
dramas表记录(剧本元数据,含 language, tags)drama_characters表记录(角色配置 + 身体图 URL + 中英文音色 voiceId/voiceIdEn)drama_emotions表记录(默认表情映射,9种表情 → 9种 TTS 情感对齐)drama_scripts表记录(台词序列,含 instruction 语音情感指令)
事务提交后,脚本还会:
- 构建完整 i18nData(合并基础语言 + 翻译数据,含角色名和台词翻译)
- 将 i18nData 写入 Drama 记录
- 生成 bundle.json(含完整 6 语言翻译的播放器配置文件)
- 上传 bundle.json 到 OSS(
dramas/{dramaKey}/bundle.json) - 剧本创建后立即可播放,且支持多语言切换
第 7 步:清理并输出结果
- 删除临时 JSON 文件
- 告知用户:
- 剧本名称和 dramaKey
- 角色列表及音色
- 台词数量
- 图片生成结果(成功/失败)
- Bundle.json 上传状态
- 简要剧情概述
配置说明
脚本会自动从以下位置加载配置(按优先级):
--env <path>参数指定的 .env 文件- 环境变量
DRAMA_ENV_PATH指定的 .env 文件 - skill 目录下的
.env文件 - 已有的环境变量
所需配置项:
# 数据库
DB_HOST=127.0.0.1
DB_PORT=3306
DB_USER=root
DB_PASSWORD=xxx
DB_NAME=shadiao_drama
# 阿里云 OSS(图片 + bundle.json 上传)
OSS_REGION=oss-cn-beijing
OSS_ACCESS_KEY_ID=xxx
OSS_ACCESS_KEY_SECRET=xxx
OSS_BUCKET=xxx
OSS_ENDPOINT=https://oss-cn-beijing.aliyuncs.com
# 万界生图 API
WANJIE_API_KEY=xxx
注意事项
- 自动检测语言:根据素材的语言自动决定输出语言。中文素材生成中文内容,英文素材生成英文内容,并在 JSON 中设置对应的
language字段(zh/en/multi) - 当前 6 个复刻音色均支持多语言(zh/en/ja/es/id/pt),无需为不同语言切换音色
- 风格偏沙雕搞笑,但要保留素材的核心信息
- 如果素材是严肃新闻,可以用吐槽/解说风格改编
- 角色名字要有趣,符合素材主题
目录结构
.claude/skills/create-drama/
├── SKILL.md # Skill 定义(本文件)
├── reference.md # 完整音色参考文档
├── insert-drama.js # 数据库入库 + bundle.json 生成上传脚本
├── generate-images.js # 图片生成 + 去背景 + OSS 上传脚本
├── face-align.js # 角色表情对齐引擎(像素检测 + 合成 + 标尺图)
└── .env # 数据库 + OSS + 生图 API 配置
Additional Resources
- 完整音色列表及情感参数:reference.md