Why it exists
先把视频生产变成工程，后面才有继续升级的空间
这页你最该记住的不是“我做了一个生成器”，而是生成引擎 V1让视频生产第一次具备了可复用的数据协议。它把生成、编排、写稿和导入统一到同一套结构里。
问题：手工做视频时，素材、字幕、音频、草稿和时间线总是分散在多个工具里。
做法：先定义固定 JSON 分镜，再按镜头批量生成素材，最后写入剪映工程目录。
结果：输出的不只是 mp4，而是一套后续还能继续编辑、替换和复盘的工程结构。
流程图
生成引擎 V1 流程图
固定分镜输入，跑通图、视频、音频和剪映草稿。
01｜输入Input
storyboard JSON / 镜头 / 字幕 / 时长
↓
02｜生成Process
图片 / 视频 / TTS / 字幕批量产出
↓
03｜编排Process
素材路径 / 时间线 / 剪映草稿写入
↓
04｜输出Output
可编辑草稿 / 成片 / 批量目录
流程快照
这版流程做什么
我的职责
我负责的是工程闭环
不是单纯调模型，而是把分镜数据、素材生成、剪映草稿结构和可导入工程串起来。
Keywords
关键词要直接看到
Python、JSON schema、剪映草稿结构、素材编排、TTS、字幕、FFmpeg、自动化导入。
关键问题
可追问的问题
怎么对齐时间线？怎么写入草稿？素材路径如何管理？为什么输出工程比输出 mp4 更有价值？
What it unlocks
它给后两代留下了什么
统一输入协议
后续系统可以围绕固定数据模型继续扩展。
工程输出能力
把内容生成推进到真实工程文件。
分镜可复用
固定镜头结构让后续故事分镜更容易升级。
人可继续编辑
工程能接住人工复审和二次创作。
Generation case
这段视频是生成引擎 V1的实际案例
它证明生成引擎 V1不是“只会出图”，而是能把分镜、素材、草稿和成片链路跑通。
分镜 JSON
素材生成
剪映工程
成片输出
Core flow
生成引擎 V1的工作流其实很清楚
Step 1
固化分镜
先把视频拆成稳定的镜头数据结构。
Step 2
生成素材
图片、视频、音频、字幕和封面批量产出。
Step 3
写入草稿
把素材映射到轨道、片段和时间线。
Step 4
继续编辑
输出可导入、可复审、可迭代的工程目录。
技术栈
生成引擎 V1的完整技术栈
前端工作台
Streamlit / 表单式界面 / 本地脚本工作流。
视频工程
剪映草稿结构、轨道、片段、JSON 工程文件。
素材层
图片、视频、TTS、字幕、封面和中间素材。
工程工具
Python / JSON / FFmpeg / 本地目录编排。