方案 D：电影级 AI 短片（Agent 流水线）

CrewAI / LangGraph / Claude Agent SDK

编排「编剧 → 导演 → 制片人 → 质检」Agent：编剧出剧本与三层规划（事件 / 场景 / 镜头）；导演出分镜表与多机位方案；制片人筛选参考图并做跨镜头一致性校验；质检并行生成候选并用 VLM 打分迭代。可参考开源 ViMax（导演/编剧/制片人分工）、storyforge、ArcReel 的架构。

💡关键创意决策点让 Agent 请求你批准，别让它全自主「拍脑袋」；预算上限与逐操作审批阈值要写进编排。

Midjourney / 即梦

先做全片角色定妆照（Anchors）作为跨镜头一致性参考，再为每场据此生成一张首帧图。首帧是后续生成的「锚」，决定物理与光影基调。

💡锚点图要正、侧、背多视角；背景简单；后续所有镜头都引用同一组锚点。

ElevenLabs / MiniMax + Suno

选定角色声线，先出全片配音、BGM 与环境音。音频先行让后续画面严格对齐声轨，也便于直接做预演——专业长片都「声音先于画面」。

💡给配音标情绪标签；音乐、环境音、人声三层分开，混音时各自独立控制。

FFmpeg / 剪映

用「分镜静图 + 全片音频」组装预演，确认节奏、镜头衔接与总时长。这一步几乎免费，所有节奏问题都在此迭代完毕，再进入烧钱的生成阶段。

💡预演通过后再批量生成，能省一半以上 API 费用；这是成本治理的第一道闸。

Seedance 2.0 / 可灵 / Higgsfield CLI

输入 = 首帧图 + Anchors + 声音参考。Prompt 优先级：构图 → 主角 → 镜头运动 → 整体氛围。控制并发上限，生成失败优先改首帧重试；长片用关键帧模式或首尾帧续接，避免「短片段硬拼」的碎片感。

💡每镜多抽候选再选优；manifest 记录 prompt / seed / 模型版本，方便复现与回溯。

FFmpeg + 自定义 assemble 脚本

用时间线清单（film_spec：切点 / 音乐跨度 / 环境音 / 调色 / 淡入淡出）驱动 FFmpeg 组装。Director notes 逐条用最便宜的修复方式：只换某句音轨用 dub 工具、只重渲某镜、音调错配用 F0 筛查。QC 三重门禁：ASR 回验 ≥0.85、CLIP 一致性、ffprobe 成片自审。

💡中间产物（storyboard / voice samples / manifest）刻意保留做回归；渲染支持断点续跑，防中断丢进度。