LijianVideo
从故事源、九格分镜到生成、后期和发布的 AI 视频生产系统，用成本 gate 与完播反馈持续淘汰无效机制。
当前状态主力 P-B 生产线持续迭代
可验证证据交互架构图、成片与完播复盘
01
真实问题
AI 视频很容易做成“能生成，但不能稳定生产”。缺少成本和完播反馈时，无效机制会不断堆积。
02
关键判断
把视频当成分层生产体系而不是单次灵感：源头、工位、命名流水线分层选型，用成本 gate 卡住浪费，用完播反馈淘汰无效环节。
03
系统结构
- 01故事源头层微信读书划线、公版文学、诗词等矿脉喂选题；好故事比工艺更稀缺
- 02工位层选题 → 风格 → 分镜 → 视频 → TTS → 文字 → 后期 → 发布，各节点有工具货架
- 03流水线层P-A…P-G 按用量分层：主引擎 P-B，副线 P-D/P-E，尾部与停用线显式降级
- 04案例层作品索引可下钻故事内核与成片；默认落 P-B（怪物奇谭）
- 05播放数据层观众验证闭环；目前仍弱，路线判断先靠工艺验证再靠完播
04
关键设计
- 先选线，再烧钱生成前打流水线启动卡：钉死跑哪条线、工位选型与成本上限。跨线混用必须显式写出。
- 不是八条等权线实测是一条主引擎（P-B）加偶尔的第二模态；新片默认 P-B，除非明确做口播或航拍。
- 源头层要维护故事从哪来比工具怎么接更稀缺。启动卡必填源头，优先从 story_bank 取，别每次从零。
- 用完播淘汰机制，而不是堆功能留下的不是“还能生成什么”，而是“哪条链路真的让人看完”。
05
真实证据
- 可缩放架构图覆盖源头 / 工位 / 命名流水线 / 案例 / 播放数据五层
- 主力 P-B 生产线持续迭代，而不是一次性 demo
- 成本 gate 作为硬门槛，避免无效生成无限扩张
06
仍在推进
- 哪些分镜步骤最该标准化，哪些必须保留人工导演感
- 完播反馈怎样更快回流到故事源选择