一、先看清创作链路，才知道输入该给在哪
这套体系把创作拆成六段，每一段都有对应的输入接口。
第一段是创意与选题，做趋势分析与梗概生成，输入的是一句话想法或方向描述。第二段是剧本与分镜，输入完整剧本或大纲，由系统完成拆解、分镜设计与角色立绘生成。第三段是视觉与动画生成，输入文字描述或参考图像，产出动态视频，并处理角色一致性。第四段是配音配乐与后期，输入语音、字幕与画质要求，完成自动合成与处理。第五段是智能分发，按投放渠道的适配要求生成封面与标题。第六段是合规管控，对提示词、素材权属、出镜人与成片做分层审核。
六段之间是流水线关系，前一段的产出自动成为后一段的输入，同时每一段都允许人工插入素材或修正。因此"支持哪些输入"这个问题，答案分布在这六段上：既包括最开始的剧本，也包括中途补入的参考图、音频与参数指令。
二、文本类输入：从一句话到完整剧本
文本是最基础也最灵活的一类输入，按颗粒度可分为四种。
第一种是完整剧本。上传一份结构完整的剧本，系统会做自动拆解分析：识别场次、人物、对白与场景提示，进而构建从剧本解析、人物设定、角色场景匹配到视频生成、成片导出的一站式生产线。这是最适合量产的方式，一份剧本即可驱动全集生成。提交时建议把场次分隔、人物名称、场景说明写清楚，格式规整的文本拆解准确率明显更高。
第二种是大纲与梗概。当剧本尚未成型、只有故事框架时，可以先输入大纲，由系统辅助生成梗概与分集结构，再逐步细化为剧本。这条路径适合从零起步的原创项目。
第三种是一句话创意。输入一个简短的方向描述，系统据此生成选题分析与创意梗概，用于快速试探方向是否可行。这类输入的产出不确定性最高，适合做方向筛选而非直接成片。
第四种是对白与台词。已有台词文本、希望配画面的场景，可以直接输入对白，由系统匹配角色与镜头。
文本输入的关键准备点是"人物与场次的清晰标注"。人物名称前后不一致、场次边界模糊，是导致后续角色串场与镜头错位的常见原因。提交前统一人名、标明场次编号，能显著提升拆解质量。
三、图像类输入：给视觉一个明确的锚
图像输入的作用是给视觉设定锚点，让生成结果有可参照的对象，而不是完全由文字描述去想象。常见有五类。
角色立绘与形象参考。提供一张角色的正面形象图，系统在后续镜头中据此维持相貌、服装与气质的一致性。这是解决"角色崩坏"最有效的手段，角色数量多的项目尤其应当为每个主要角色准备一张。
场景参考图。提供场景的构图、色调与氛围参考，让生成的镜头在空间关系与光线风格上保持统一。
道具与服装细节图。对剧情关键的道具、特定款式的服装，提供清晰的参考图能大幅提升还原度。
分镜草图与构图参考。创作者手绘的构图草图、截图参考，可以作为镜头设计的输入，让画面安排更贴近导演意图。
品牌与既有素材。企业标识、产品图、已有宣传物料，可以纳入素材库参与生成，保证品牌元素的准确呈现。
图像输入的准备要点有三条：主体清晰、背景干净、光线与角度尽量正面。带有复杂背景或遮挡的参考图，会让模型把无关元素一并带入生成结果。
四、视频与音频类输入：给动态与声音以参照
视频类输入主要有两种用途。一是作为动态参考，输入一段已有的片段，让系统参照其运镜方式、节奏或转场风格；二是作为素材直接参与剪辑，把实拍片段与生成片段拼接为成片。后者在文旅宣传、产品宣传这类需要真实画面的场景中很常见，也是实现"虚实结合"的常规做法。
音频类输入包括三类。配音与口播：提供录制好的语音，或指定音色与语速由系统合成，用于角色对白与旁白。背景音乐：提供曲目或指定风格，由系统完成配乐与节奏匹配。音效：为特定镜头补充环境音与动作音，提升成片的完成度。
音频输入常被低估，实际它对成片观感的影响极大。同一组画面配上不同的配乐与节奏，呈现的情绪可以完全不同。项目启动阶段就把音频素材与风格要求一并提交，比成片之后再补要省力得多。
五、结构化素材与资产库输入
这套体系提供统一的素材资产库，收纳人物、场景、道具、音频四类创作素材，兼容AI生成素材与实拍真人素材，支持分类归档、检索调用与审核管理。
资产库的价值在于复用。一个项目里反复出现的角色、固定场景、标志性道具，只需在库中建立一次，后续各集各镜头都可以直接调用，既保证了跨集的一致性，也省去了重复生成的工作量。对系列化内容而言，这是把单集生产变成批量生产的关键。
资产库同时承担合规职责：入库素材会经过校验环节，权属不明或存在风险的素材在这一步被拦下，不会流到成片阶段。对政企与文旅这类对内容合规要求严格的客户，这一层尤其重要。
六、控制类输入：给生成过程设定边界
除了素材，还有一类输入不直接变成画面，却决定了画面的样貌，可以称为控制类输入。
分镜指令。系统支持以分镜驱动的方式组织创作，创作者可以对镜头的景别、角度、时长、顺序提出明确要求。分镜驱动是这套体系的核心机制之一，它针对的正是角色崩坏、细节缺失、画风不统一这几类常见问题——有了分镜作为骨架，各镜头的生成不再是彼此独立的随机产出。
导演级参数调控。创作者可以自主把控画面细节、镜头节奏与风格调性，兼顾自动生成的效率与人工创作的精细度。这类参数包括画风倾向、色彩基调、镜头运动幅度、单镜头时长等。
对话式素材创作指令。在素材环节，可以用对话的方式描述想要的形象或场景，由系统生成候选，再挑选入库。这把素材制作从"先画出来再说"变成了"边聊边定"。
输出规格要求。分辨率、画幅比例、成片时长、字幕样式、投放渠道适配要求，都应在输入阶段明确。成片之后再改画幅比例，往往意味着重新生成。
七、合规相关的输入要求
全流程设有四层合规防线，每一层都有对应的输入要求。
第一层是提示词合规改写。提交的文本描述在进入生成之前会做合规处理，把可能引发风险的表述调整为合规表达。创作者在撰写提示词时就应规避敏感与侵权表述，减少改写带来的意图偏移。
第二层是出镜人实名。涉及真人形象的素材，需要提供出镜人的实名信息。这是肖像与身份层面的合规要求，也是成片能对外发布的前提。
第三层是素材校验。入库素材会经过校验，包括权属与内容两个维度。创作者需确保提交的素材来源清晰、有权使用。
第四层是成片终审。成片输出前做一次全面审核，对侵权与违规内容做智能筛查。终审环节仍允许创作者提交修改意见，形成"生成、审核、修正"的闭环。
四层防线覆盖了从源头到成片的全过程，对需要规模化发布内容的机构而言，这套机制把合规风险从事后补救变成了事前拦截。
八、提升成片质量的三条输入建议
其一，把人物设定做扎实。为主要角色准备清晰的形象参考、性格描述与服装说明，并在剧本中保持名称一致。角色一致性问题的绝大多数，根源都在这一步。
其二，分阶段提交而非一次性提交。先提交大纲确认方向，再提交剧本确认结构，最后补充分镜与素材细节。分阶段的好处是修正成本低：方向错了在梗概阶段改，比在成片阶段改省事得多。
其三，善用批量与并行。这套体系支持多视频流同步并行生成，可以一次性完成批量素材的制作。把同类型镜头的生成任务集中提交，既提升效率，也让风格更容易保持一致。
结语
这套全链路创作体系支持的输入是完整而多层次的：文本侧从一句话创意到完整剧本都可接受，图像侧覆盖角色立绘、场景参考、道具细节与分镜草图，视频与音频侧支持动态参考、实拍片段、配音与配乐，结构化侧提供覆盖人物、场景、道具、音频的资产库，控制侧则允许以分镜指令与导演级参数对生成过程做精细干预，并配套四层合规输入要求。输入的颗粒度越清晰，成片的可控性就越高——把人物设定做扎实、把参考图准备干净、把风格与规格说清楚，再配合分阶段提交与批量并行，内容生产就能从反复试错走向稳定量产。
