AI 開工包

這章做完，你手上會有一份依設備選好的製作路線、可以整段貼給 AI 的開工指令，以及能存成檔案使用的通用腳本。把前面各章和這章一起交給 Claude Code、Codex 或 ChatGPT，再告訴它你的設備，就能從劇本開始，逐步留下角色圖、每鏡第一格、有聲片段、粗剪、正式影片與封面。

貼給你的 AI 的開工總指令

先把課程內容附給你的 AI，再整段貼上下面的指令。【】裡尚未決定的內容可以先留著，由 AI 帶你填。若使用的 AI 無法讀取電腦或執行程式，就請它給你當下需要的操作，做完再回報畫面或檔案；它只能依收到的材料判斷進度。

請擔任我的直式 AI 短劇製作助教。我已附上這門課，請先讀完，再照課程帶我做出同類型的影片。我沒有寫程式的經驗，請用繁體中文、台灣用語說明，每次交代目前做什麼、會產出什麼、如何確認完成。

我的故事：【故事想法，還沒有就先協助我整理】
我的專案資料夾：【位置，尚未建立就協助建立】

開始前，先問我以下設備資訊。已提供的項目請直接沿用，缺的才問：
作業系統與版本、晶片或處理器、記憶體總量、顯卡型號與顯存、可用硬碟空間。Mac 請辨認是否為 Apple Silicon，記憶體是否共用。也確認我能否使用 ChatGPT 生圖，以及 Veo 或 Seedance 的實際入口。
有本機讀取能力就協助查詢，沒有就教我從系統資訊查看。不能用型號猜記憶體，也不能把電腦 RAM 當成 NVIDIA 顯存。

收到設備資料後才選路線：
Apple Silicon Mac 記憶體 64GB 以上，可先評估 ComfyUI＋MiniMax H3。本課案例使用 unet fl2va／ref2va Q8_0，各約 21GB；qwen3vl_32b 文字編碼器 Q4_K_M 約 18GB；另需 video／audio VAE、fl2v 8 步 LoRA 與相容節點。
案例實測：124 格約 13 分鐘、約 36GB；192 格約 25 分鐘、約 46GB；226 格約 32 分鐘，這筆沒有提供記憶體紀錄。這些數字只代表案例，不保證我的設備相同。磁碟還要容納模型、原片、放大片與逐格暫存，請依實際檔案估算，不編最低空間。
NVIDIA 路線需另查 CUDA、顯存、模型量化與卸載方式，先試一鏡，不沿用 Mac 的速度與記憶體結論。
一般筆電或本機試做無法負擔時，用已確認的第一格走 Veo 或 Seedance。查閱正在使用的入口是否支援圖片參考、中文有聲對白及下載；若需另外配音，將配音與嘴型檢查列入第五步。H3 的標籤與格數不要直接套用線上工具。

請依序帶我做以下七步，每步保存產物與採用版本：

第一步：劇本與分鏡。
產出 script.md、project.json。每鏡有原分鏡編號、成片順序、時間地點、出場角色、完整台詞、第一格構圖與表情、後續動作、視線、服裝、道具起訖狀態和預估長度。H3 格數遵守 17k＋5。
完成條件：台詞已試唸、動作能接續、文字沒有互相衝突。停下來給我確認劇本與分鏡，我同意後才生圖。

第二步：角色設定。
產出 characters/ 裡的角色設定圖與固定描述。外貌、髮型、服裝和配件固定，當場情緒逐鏡另寫。
完成條件：我確認臉、髮型與服裝，保存採用設定圖和生圖對話位置。

第三步：每鏡第一格。
產出 prompts/ 的圖片提示詞、images/ 的第一格與圖片總覽。在同一個 ChatGPT 對話參考角色圖，依鏡號保存，一次回多張時逐張辨認，避免下一輪誤存舊圖。
完成條件：每鏡圖檔、提示詞與鏡號對得上，人物已在指定動作途中。每張停下來讓我確認，不能收到圖片就直接批次生成影片。

第四步：查圖與重畫。
把完整劇本、角色設定、相鄰鏡頭與提示詞交給第二個 AI 模型（例如 ChatGPT 或 Codex），產出 review-images.md。
完成條件：臉、服裝、手、道具、門內外、人物視線與情緒順序已核對，影響敘事的問題已修正。重畫後再查整張圖，我確認採用的每鏡第一格後才往下。

第五步：圖生有聲影片。
產出 h3p/ 的影片提示詞、clips/ 的有聲原片、生成設定與紀錄。本機先跑一個有人說話的簡單鏡頭，確認通過後才排其餘鏡頭。
本課呼叫 h3_i2v.py 的參數是 --image --prompt-file --frames N --width 736 --height 1312 --steps 8 --lora on --seed 7 --out；必要時 --last 指定尾幀。h3_i2v.py 是自備包裝，依賴實際工作流程與輔助檔，請先確認存在與可執行，不能假裝它是 ComfyUI 內建指令。若缺少，先在介面跑通，再依目前的 API 工作流程建立包裝。
完成條件：逐鏡聽完，台詞完整、口音可用、輪流說話和嘴型正確、動作能接上。用 ffprobe 記錄實際尺寸、幀率、片長與音軌；若包裝程式自動對齊尺寸，依輸出紀錄，不把輸入參數當成實際尺寸。

第六步：放大。
產出 up/ 的 1080×1920 片段。用 RealESRGAN_x2plus.pth＋spandrel，Mac 可用時走 MPS；其他設備依實際環境選 CUDA 或 CPU。
完成條件：與原片對照，人物比例、細節、幀率、片長與對白同步都通過。線上片段已達交付尺寸時，先比較畫質再決定是否需要放大。

第七步：剪輯與包裝。
先產出 build/trims.json 與無配樂 rough.mp4，靜音偵測只提供建議，無台詞鏡保留必要動作。給我看粗剪，修正後固定鏡序、原速入出點與每句字幕時間。
再產出中英字幕、時間地點字卡、自訂台標、封面、純音樂、片尾問句及 final.mp4。字幕先依原片標時間，扣掉入點，疊上畫面後讓畫面與人聲一起加速 1.12 倍；配樂之後以原速加入。逐鏡先統一音訊格式再串接，避免中後段失去聲音。
完成條件：第二個 AI 模型（例如 ChatGPT 或 Codex）檢查整片，我從頭看完、聽完，確認故事、聲音、字幕、封面與問句。停下來讓我確認成片；有問題就修到通過，再保存交付版。

遇到錯誤，先停在失敗的步驟，保留完整指令、錯誤訊息、鏡號與採用設定。說明可能原因，只改必要部分後重試同一鏡，驗收成功才續跑。缺模型先查載入設定；缺節點查目前文件；記憶體不足先釋放其他模型或改可負擔路線；無聲或漏詞回第五步，第一格有錯回第三、四步。不要無限重試、覆寫原片或用空白檔冒充完成。
已有輸出也要確認能播放且有音軌。重做另存版本，最後列出採用檔案；不要以檔案存在作為唯一完成條件。不能看圖、聽音訊或執行時，請明說目前能查到哪裡，交給我做需要人工確認的部分。

現在請先收集設備資料，等資料齊了再選路線，不要直接下載整套模型。