BV1aw326mE3x，2:57.66）image_basic_v5_2k，余额全程 1130）| 产物 | 位置 | 规格 |
|---|---|---|
| MV v2（全水墨合成版） | 04-动态预览/说书人-MV-v2-全水墨.mp4 | 1920×1080 / 30fps / 173s / 82MB / 含音轨 |
| 合成镜头 12 张 | 06-合成镜头/ | 2560×1440，人物×场景 |
| 水墨人物 10 张 | 02-人物设定/ | 2560×1440 |
| 水墨场景 13 张 | 03-场景设定/ | 2560×1440 |
| 音源 + 逐句时间轴 | 05-音频/ | WAV 48kHz + 实测时间码 |
| 提示词 42 个 | prompts/ | 可完整复现 |
访问地址
shuoshuiren-mv/| 版本 | 人物 | 场景 | 结论 |
|---|---|---|---|
| v1 | 电影级写实 | 国风水墨 | ❌ 写实人物与水墨场景割裂、出戏，已弃用 |
| v2 | 水墨 | 水墨 | ✅ 全片水墨统一，人物由 image2image 合成进场景 |
弃用的 10 张写实人物已移入
02-人物设定/_已弃用-写实版/（保留可对比，未删除）。
单靠文生图拿不到「指定人物出现在指定场景」的画面。做法是用即梦 image2image： 上传 2 张参考图（参考图1 = 场景，参考图2 = 人物）+ 一段「把图2人物融入图1场景」的编辑提示词。
dreamina image2image \
--images 03-场景设定/场景-路边茶楼-水墨.png \
--images 02-人物设定/说书人-设定图-水墨.png \
--prompt "$(cat prompts/合成-01-说书人×路边茶楼.txt)" \
--ratio 16:9 --resolution_type 2k --model_version 5.0关键提示词骨架（12 张共用，只换中间的动作描述）：
把参考图2中的人物自然地融入参考图1的场景：〈动作与位置〉。严格保持参考图1的宣纸质感、 墨色晕染、留白构图与整体色调，人物同样以水墨线描与淡笔着色表现，与场景的光影氛围自然融合， 人物比例与场景透视协调，不能出现剪贴拼贴感或风格割裂。
12 个合成镜头：说书人×路边茶楼 / 说书人×戏台 / 天山女子×枯城 / 昆仑痴儿×雪山 / 侠女×桃花林 / 游子×酒剑随马 / 判官×戏台 / 看客×路边茶楼 / 天山女子×桃花林 / 游子×街市吆喝 / 侠女×楼阁夜 / 说书人×江山风雨
效果：模型不仅融合了人物，还会自动补出合理道具（说书人脚下多出说书台、看客身旁多出茶桌）， 大幅提升画面完整度。风格统一性实测良好，无剪贴感。
音源总长 177.66s，但音乐实际在 2:52.85 结束，之后是静音尾巴。逐句时间码通过两法互证：
fps=1/1.5 抽 118 帧 → 做成带时间码的 4×4 对照表 → 直接读字幕，得到每句起止（误差 ≤1.5s）。wave+array 手写） 按 50ms 窗口算 RMS，定位显著能量变化点 → 确认「前奏 0:00–0:09.25 弱起， 正片 0:09.25 进入，2:52.85 结束」。完整逐句时间码：05-音频/时间轴-音源字幕实测.md
⚠️ 本翻唱版与原始歌词有出入：尾声副歌省略了 4 句（江山易老嘛 / 痴儿侠女 / 酒剑随马 / 白衣不见），从「谈笑一段」直接跳到「这江山风雨」。MV 按音源实际内容排镜。
复现：
cd ~/Downloads/dl-hub/52-说书人MV/04-动态预览
python3 build_mv.py # 完整成片
python3 build_mv.py --preview # 只渲前 3 镜自检SLOW SQL 日志行里也含有 { （commerce_info="{...}"）。原先用贪婪正则 0 .* 1 会从日志里的 { 开始匹配 → 解析必然失败 → 触发兜底逻辑 → 频繁误取上一条任务。 修复：改为 t.rfind("\n{\n")，从「行首单独一个 {」开始的最后一段解析。 修复后第 4 轮（6 人物 + 12 合成）零重试、零兜底。context deadline exceeded）时，原兜底会取 list_task 最新任务； 若本次根本没提交成功，就会把上一条的图当成本次产物——实测导致 天山女子-写实 与 说书人-写实 md5 完全相同。 护栏：提交前记录 PREV_SID → 失败先重试 3 次 → 仍失败才兜底，且兜底值必须 ≠ PREV_SID。 已实证生效：场景-城中楼阁-夜 提交失败被正确拒绝（而非复制上一张）。list_task 会混入别的会话提交的任务（曾见 1728×2304 竖版，非本项目）。 兜底必须带 PREV_SID 护栏。drawtext 的 text='0:01.5' 冒号会被当选项分隔符截断（须写 0\:01.5）； xstack 的 layout 行高必须累加（h0+h1），只写 h0 会行重叠； -frames:v 1 必须放在输出文件之前。get_history_by_ids failed: ret=1015：轮询报错但任务已提交、积分照扣。切勿重复提交。tesseract/numpy/PIL/ImageMagick，只有 ffmpeg。 OCR 靠多模态读图，图像合成与对照表全用 ffmpeg filter 完成。本片为粉丝向非商用同人作品。音源来自 B站 UP 主「咻咻满」的翻唱（BV1aw326mE3x）， 原词曲版权归 古道背棺人 / 暗杠 / 寅子 所有。对外发布请保留片尾署名并注明非商用。