观象纪 · 视频生产 Pipeline

单一权威源。流程、工具栈、6 件套、缺口清单都在这里维护，CLAUDE.md 只做指针。 最后更新：2026-06-19

一、工具栈（本地优先 · 4090 24GB）

通用基础设施

生图：Z-Image-Turbo（深度调用规格）

模型配件路径

核心特性

• 6B 参数 / 16GB VRAM / Apache 2.0 商用许可
• 中英双语 prompt（Qwen3-4B 文本编码器）
• 强 instruction following（指令依从性 SOTA 级）
• 文本渲染顶级（海报字幕、中英文均清晰）
• distilled 模型：不需要 CFG / negative prompt
• 4090 24GB：1024×1536 / 9 步 ≈ 10-15 秒/张

官方推荐参数（必背）

推荐分辨率

调用方式（ComfyUI API）

Runner 脚本：~/guanxiangji/scripts/zimage_comfy.py

# 启动 ComfyUI server（一次）
cd /media/deano94/A65C09506151882F/ai-storage/ComfyUI
~/nexus/.venv-wan/bin/python main.py --listen 127.0.0.1 --port 8188

# 跑一张图
python3 ~/guanxiangji/scripts/zimage_comfy.py \
  --prompt "勒泰塔从巴黎黑暗街道升起，铁件覆盖薄霜" \
  --width 1280 --height 720 \
  --seed 42 --steps 9 \
  --out ~/guanxiangji/topics/<slug>/images/scene_01.png

ComfyUI Workflow JSON 结构（10 节点，已 verified）

UNETLoader(z_image_turbo_bf16) → ModelSamplingAuraFlow(shift=3)
                                       ↓
CLIPLoader(qwen_3_4b, type=lumina2) → CLIPTextEncode(prompt) → ConditioningZeroOut (作 negative)
                                       ↓
EmptySD3LatentImage(w, h) ────────────→ KSampler(steps=9, cfg=1, res_multistep/simple, seed=N)
                                       ↓
VAELoader(ae) ──→ VAEDecode ──→ SaveImage

Prompt 写作指南（实测推荐）

1. 中英文都行 — Qwen3-4B 双语理解强
2. 长 prompt 友好 — 600-1000 字也 OK（约 800-1333 tokens，自动启用 max_sequence_length=1024）
3. 图像中要出现的文字 用双引号 "" 包围，如 '招牌上写着 "观象纪"'
4. 没有 negative prompt — distilled 模型不需要
5. 风格描述：可以详细描述材质 / 光照 / 镜头 / 景深，模型理解能力很强
6. 海报场景：可以指定字体大小排版

升级路径

• Z-Image-Base（完整版）：50 steps + cfg，质量更高，未来发布
• Z-Image-Edit（图像编辑版）：用于修图 / 局部重绘，未来发布
• 官方计划 ControlNet / LoRA 训练教程跟进

i2v：Wan 2.2 14B I2V（fp8 + Lightning 4-step LoRA）

• 14B fp8 + Lightning 4-step（极速）
• 横屏 1280×720（注意 16 的倍数）
• 16 fps 原生 → 后期 ffmpeg fps 滤镜上 30 fps
• B-roll 短插入：49 帧 = 3 秒
• 氛围长垫：81 帧 = 5 秒
• 渲染时间 5s 视频 ≈ 5-8 分钟（4090）
• 默认 seed 42（同 seed 表情/动作演化一致）
• 参考 runner：~/nexus/assets/broll/i2v_comfy.py（横屏适配后即可用）

其他工具

二、四段流水线（21 步）

┌─ 内容层 (claude code · ~/guanxiangji) ──────────────────────┐
│ ① 选题 → ② 调研 → ③ 文稿 → ④ TTS → ⑤ ASR → ⑥ 交付包      │
└────────────────────────────────────────────────────────────┘
                            │
                            ▼ handoff.md
┌─ 生产层 (本地 ComfyUI / 4090) ──────────────────────────────┐
│ ⑦ 分镜 → ⑧ 图片 → ⑨ i2v → ⑩ 光流 → ⑪ 合片                │
└────────────────────────────────────────────────────────────┘
                            │
                            ▼ 主轨
┌─ 装饰层 (本地 ffmpeg) ──────────────────────────────────────┐
│ ⑫ 字幕 → ⑬ 关键词 hit → ⑭ 图片卡 → ⑮ BGM → ⑯ SFX → ⑰ 片头/片尾 │
└────────────────────────────────────────────────────────────┘
                            │
                            ▼ 成片
┌─ 发布层 (人工) ─────────────────────────────────────────────┐
│ ⑱ 封面 → ⑲ 标题/描述/标签 → ⑳ 发布 → ㉑ 数据回写         │
└────────────────────────────────────────────────────────────┘

每步产出/工具详见第四节"每步规格"。

三、内容层"6 件套"铁律（写文稿 / 选题时必须满足）

不是 codex 老套路 — 我们重新设计的。每条视频都要全部覆盖：

1. 前 3 秒钩子

• 必用公式之一：反事实 / 极端尺度 / 未解 / 反常识 / 时间跨度 / 数字震撼 / 第一视角
• 没钩子 = 没完播率

2. Cold open（开头 5-10 秒密集闪屏）

• 整集最炸 5-8 张画面快速闪过 + 钩子句
• 用户在前 5 秒就看完"这一集值不值"

3. 留人锚 60-90 秒一次

• 中段每隔 60-90 秒插一句 "等下我们看 X" / "但你以为这就完了？"
• 防中段跳出

4. 章节小标题（中间字幕）

• 长视频每章打 2-4 字小标题（"8 分 20 秒"、"-200°C"、"深海"）
• 结构感 + 锚记忆点

5. Cutaway / B 卷镜头计划

• 每章主轨外另列 1-2 个 B 卷镜头（讲铁塔时插铆钉特写、讲热泉时插发光虾）
• 防视觉疲劳，提完播率

6. 系列钩子结尾

• 末世三部曲、未解之谜系列 等 — 结尾埋下一集，IP 化
• 用户主页关注转化关键

四、每步规格（产出 / 工具 / QC）

内容层（claude code · ~/guanxiangji/topics/<YYYYMMDD_slug>/）

生产层（本地 · ~/codex/guanxiangji_video_projects/<YYYYMMDD_slug>/）

装饰层

发布层

五、真实剩余缺口（5 项 · 这周补齐）

按 ROI 排序：

1. ⬜ A/B 钩子测试（dou+ 小测）— 第 2 集开始
2. ⬜ 数据回写自动化（TikHub 拉自己视频 24h/72h/7d）
3. ⬜ 多平台版本改造（抖音→ B 站 8-15 分钟 / 小红书 90s 竖屏）
4. ⬜ 评论区运营脚本（每集发布前出 engagement.md）
5. ⬜ 系列封面统一模板（末世三部曲三集一次性出模板）

已做完的： - ✅ TikHub 同选题对标扫描（scripts/scan_keyword.py） - ✅ 限流/被禁红线表（rules/选题红线核查表.md） - ✅ Fish 克隆音色沉淀（memory/reference_fish_audio_clone.md）

六、上下游边界

切换点：交付包 handoff.md 写完那一刻 → 进入生产层

七、目录约定

~/guanxiangji/topics/<YYYYMMDD_slug>/
├── brief.md           选题一句话/钩子
├── benchmark.md       TikHub 同选题扫描
├── research.md        调研笔记 + 来源
├── forbidden.md       禁说清单
├── retention.md       留人锚（每 60-90 秒一锚）
├── emotion.md         情绪曲线（指导 BGM/SFX/画面）
├── script_v1.txt      文稿 v1
├── script_v2.txt      改稿定稿
├── title.md           标题候选
├── engagement.md      评论区运营
├── handoff.md         给下游的对接说明（最终产物）
├── audio/
│   ├── voice.mp3
│   └── tts_report.json
├── asr/
│   ├── words.json
│   ├── chars.json
│   └── timeline.html
└── analytics/
    ├── 24h.md
    ├── 72h.md
    └── 7d.md

下游 ~/codex/guanxiangji_video_projects/<slug>/ 自由组织（默认 storyboard/images/clips/edit/delivery 五层）。

八、流水化目标

"下一集从立项到发布，不超过 5 个工作日"

第 1 集磨流程，第 2 集后压到 5 天。

九、第 1 集（太阳熄灭地标）当前状态

✅ ① 选题 / ② 调研 / ③ 文稿 v1（1574 字 / 5.5 分钟）
✅ 工具栈本地化（Z-Image + Wan 2.2 14B 路径 + runner 脚本 verified）
⬜  你审稿 → v2 定稿  ← 当前阻塞点
⬜  ④ TTS（Fish 克隆音 D）
⬜  ⑤ ASR
⬜  ⑥ handoff.md（交付下游）
⬜  补完 brief.md / benchmark.md / emotion.md / engagement.md / retention.md（v2 后并行）
⬜  ⑦-㉑ 进入生产层

阅读 URL： - 文稿：https://files.beacon.xin/guanxiangji/topics/20260619_solar_blackout_landmarks/ - Pipeline（本文档）：https://files.beacon.xin/guanxiangji/pipeline/

十、收工日志