video-gen

SEN 教学视频生成流水线：剧本 → 结构化场景 → ComfyUI 工作流 → 视频。

第一阶段

步骤 1：拆解角色

python3 scripts/extract_characters.py --plan 1

输出：data/parsed/story_001_characters.json

步骤 2：拆解场景

python3 scripts/extract_scenes.py --plan 1

输出：data/parsed/story_001_scenes.json（含 locations 场景参考图 prompt + scenes 分场信息）

步骤 3：生成角色/场景参考图

# 默认：全部 location 用 Flux2 Klein T2I
python3 scripts/generate_refs.py --story story_001

# 仅重生收银内景，并对比 T2I 与图像编辑两种方案
python3 scripts/generate_refs.py --story story_001 --only loc_cashier --method both

• 读取：data/parsed/story_001_characters.json、story_001_scenes.json

• 室外场景（如门口）：Flux2 Klein T2I → loc_store_front.png

• 室内场景 T2I（方案 A）：修正后的 interior prompt → loc_cashier.png

• 室内场景编辑（方案 B）：从门口图 Flux2 dev ReferenceLatent 改视角 → loc_cashier_edit.png

• --method t2i|edit|both；--only loc_cashier 只重生指定地点

• 清单：data/parsed/story_001_refs_manifest.json（记录 method、prompt、path）

• 需 ComfyUI 运行于 http://127.0.0.1:8188

• 输入：data/影视剧本生成.txt（步骤 2 会自动读取已生成的 *_characters.json）

• 本地模型：默认 Ollama qwen3-vl:30b

• 可选：--plan 2、--model <名称>、LLM_BASE_URL=http://127.0.0.1:1234/v1

目录

路径	说明
data/	剧本与解析结果
prompts/	给本地 LLM 的系统提示词
pipeline/	核心逻辑
refer-workflows/	已验证的 ComfyUI 工作流
scripts/	命令行入口