复刻：台词和配乐是怎么从原片里读出来的、最后进到你这一集的是什么

Q: 原片的音乐会复用吗？

不会。描述它的性质，各段自己生成。

Q: 人群的喊声为什么没有台词？

群体噪声当背景声，不当台词。

一句话： 原片的每一镜听两遍：先由专门的语音识别回答「有没有人在说、说了什么」，再由描述这一镜的模型拿着识别出的字来写。台词因此是引用、不是按口型猜，没人说话的镜写成无对白。原片有配乐，读片记下它的性质，你生成的每一段带同一句简短的配乐要求，和广告一样。台词一律中文：原片说别的语言就译过来。识别不出的台词就是缺了；对照原片，等分镜生成后在编辑器里补到那一镜。

SceneMixer 生成的 AI 短剧《班师》成片画面（6 个角色、1 集） — 样片《班师》：真人写实高清画质 · 1 集，由 SceneMixer 流水线从剧本直接生成 · 看整集

读完后在第三步打开这一集看梗概：每个场景块以「说话人：台词」列出台词。

台词怎么听

语音识别在每一镜自己的音频上跑。听到的字交给镜头描述当「这里说了这些话」；描述者再按脸认说话人、把台词写进那一镜。配乐下面的说话能处理；人群里喊、重口音、很轻的话是它失手的地方，这些宁可空着也不编。台词随后像剧本一样出现在梗概里：剧本里台词怎么写。

一段分镜：地点 / 时间 / 天气字段，然后是带秒数、资产药丸和台词的逐镜正文 — 每一镜都听一遍；听到的原话引进读取，最后成为梗概里的台词。

为什么引用不猜

放任一个视觉模型回答「这里说了什么」，同一镜它有时听到有时听不到，不确定时还会编合理的台词。把识别出的字钉进描述两样都止住；这一镜每次描述用的都是同样的话。

配乐

读片问一次原片有没有音乐、什么样的。有的话，你生成的每一段带一句和它相配的配乐要求，生成的段就有同一性质的音乐；原片的音轨本身从不使用。环境声记下但不带。音乐从哪来。

台词语言

大陆站的复刻台词一律中文。听到的别的语言译成中文；梗概、设定图、分镜都用中文写。第一步没有台词语言的选项。读完之后。

漏了或听错了

梗概本身不能编辑，分镜会逐字照抄它的台词。先生成分镜，再打开台词该在的那一段，把台词连同说话人补上或改正；说话人认错了也这样改。编辑免费。生成分镜。

原片里	读片里	你的这一集里
一句清楚的台词	引用，标说话人	梗概里的一句台词
没人说话	镜头标无对白	没有台词
说不清的话	空着	在那一段里手动补
配乐	记下性质	每段同一性质的音乐
环境声	记下	不带；分镜自己写

常见问题

为什么少了一句？

识别不出来。对照原片，分镜出来后在那一段里补。

原片的声音会用吗？

不会。声音来自角色的音色设置，和任何项目一样。

原片说的不是中文怎么办？

读片时台词译成中文。

原片的音乐会复用吗？

不会。描述它的性质，各段自己生成。

人群的喊声为什么没有台词？

群体噪声当背景声，不当台词。

听到、引用、写下

原片里说的，就是你这一集说的。

开始复刻

更新于 2026 年 9 月 27 日