扣子（coze）高级实战-从“一张图”到“多镜头影视解说”

先看结果

关注我，免费领取1月“plus”会员

升级前后对比

📌 涉及改动的节点

以下节点与MVP版本完全不变，不再重复介绍：

• 第一步：创建工作流、开始节点
• 第六步：中的 compile_image_audio、audio_to_subtitle和add_subtitles
• 第七步：结束节点与测试发布

本次只改三处：

1. 第二步：大模型提示词（改为输出分镜JSON）
2. 新增循环结构（循环体内：TTS + 图像生成 +compile_image_audio）
3. 新增代码节点（收集小视频URL） +concat_videos拼接

开始(电影名) ↓ 大模型 ↓ ┌─────────────────────────────────────────────┐ │ 循环节点 │ │ ↓ 循环体内： | ├─ 代码节点（提取大模型分镜头） │ │ ├─ TTS(当前分镜 narration → 该段音频) │ │ ├─ 图像生成(当前分镜 visual_prompt → 图片) │ │ └─ compile_image_audio(图片 + 音频 → 小视频) │ └─────────────────────────────────────────────┘ ↓ concat_videos(拼接成完整视频) ↓ audio_to_subtitle(语音自动转字幕) ↓ add_subtitles(叠加字幕) ↓ 结束(输出完整视频URL)

改动一：第二步——大模型输出分镜脚本

把原来生成整篇文案的提示词，替换为以下内容。关键是输出一个JSON对象，包含分镜数组。

# 角色设定 你是一个拥有千万粉丝的抖音影视解说博主，风格犀利、口语化、善于埋钩子、制造悬念。同时你也是一名专业的分镜师，能将解说文案拆分为分镜脚本。 # 任务 请根据电影名称，生成一篇影视解说文案，并拆分为3-5个分镜。整体篇幅适合40-60秒口播。 # 输入数据 电影名称：{{movie_name}} # 输出要求 请严格输出一个JSONs数组，不要加任何额外说明，不要使用代码块标记。格式如下： [ { "index": 1, "narration": "第1个分镜的旁白文本", "duration": 10, "visual_prompt": "用于AI生成图片的画面描述，英文，详细描述场景、人物、光影、构图" }, { "index": 2, "narration": "第2个分镜的旁白文本", "duration": 12, "visual_prompt": "..." } ] # 约束规则 - 所有内容必须基于电影真实情节，严禁编造。 - 全程用“你”“我”对话感，像是在跟朋友聊天。 - 禁止出现“大家好”“欢迎收看”等套话。 - visual_prompt必须用英文，适合AI绘画工具理解，描述要具体（场景、人物、光影、构图）。 - duration单位为秒，每个分镜建议8-15秒。 - 分镜数量控制在3-5个。 - 不要重复我的要求，不要重复规则，开头3秒钩子这种话就不要返回了，不要推理内容，我只要结果

💡关键：输出的是一个纯JSON。因为每个分镜的旁白就是独立文本，不再需要整段文案。

改动二：搭建循环结构（核心升级）

新增节点1：循环节点

• 🔍操作解读：添加“循环”节点，连接在大模型节点之后。
• 🧩配置循环数据：点击循环节点，在“循环数据”输入框中，通过“添加变量” → “节点引用” → 选择大模型节点输出的 output 字段（即分镜数组）。循环次数留空，自动按数组长度执行。

新增节点2：循环体内提取分镜头详细信息

由于大模型生成输出的是数组，TTS只需要单镜头的旁白，照片生成只需要提示词，所以要用代码解析一下:

• 输入：为单次循环的item，也就是分镜头
• 输出：为四个字段：index、duration 、narration 、visual_prompt

✍️ 代码：

async def main(args): # 当前循环的是 单个对象（item） item_str= args["params"]["input"] #item_str=json.loads(item) # 直接取 title 和 url index = item_str["index"] duration = item_str["duration"] narration = item_str["narration"] visual_prompt = item_str["visual_prompt"] return {"index": index,"duration":duration,"narration":narration,"visual_prompt":visual_prompt}

新增节点3：添加TTS节点

• 🔍操作解读：双击循环节点进入内部画布。
• 🧩配置TTS：
  • input：引用循环当前项的narration字段。
  • 具体操作：点“添加变量” → “节点引用” → 选择“循环” → 当前项 →narration。
  • voice_id、speaking_rate、format等参数与MVP完全一致。
• 📦 TTS输出该分镜旁白的独立音频URL。

新增节点4：循环体内添加图像生成

• 🔍操作解读：和TTS并行，添加“Doubao-图像生成（自接入版）”插件（或与TTS节点并行，节省时间）。
• 🧩配置图像生成：
  • prompt：引用循环当前项的visual_prompt字段。
  • req_schedule_conf、height、width等与MVP一致。
• 📦 输出图片URL，存放在data.data.image_urls数组中。后续需要提取第一个URL。

新增节点5：循环体内合成小视频

• 🔍操作解读：在提取图片URL的代码节点后，添加“视频剪辑工具”的compile_image_audio工具。
• 🧩配置：
  • image_url：引用上一步代码节点的image_url。
  • audio_url：引用循环体内TTS节点的音频URL。
• 📦 该节点输出这个小分镜的视频URL，可直接引用其data或video_url字段。

✅ 至此，循环体内一次执行就完成了一个分镜的“配音+出图+合成小视频”。循环执行完毕后，每个分镜都会输出一段小视频。

改动三：收集小视频URL并拼接

新增节点6：拼接视频（concat_videos）

• 🔍操作解读：在代码节点后，添加“视频剪辑工具”的concat_videos工具。
• 🧩配置：
  • video_urls：引用代码节点输出的video_urls数组。
• 📦 该节点输出拼接后的完整视频URL。

后续步骤

拼接后的视频进入audio_to_subtitle→add_subtitles→ 结束节点。与MVP完全一致。

🧪 测试要点

• 试运行输入“《肖申克的救赎》”，观察：

  • 大模型是否输出标准JSON（无代码块包裹）
  • 循环是否执行了预期次数（可在循环节点上看到迭代次数）
  • 每个分镜的小视频URL是否有效（检查循环输出或代码节点输出）
  • 拼接后的视频时长是否合理，画面是否随旁白切换

• 如果循环内TTS或图像生成失败，检查插件是否正常工作；可先在循环外单独测试单个分镜的TTS+出图。

• 如果拼接后只有第一段有声音，检查concat_videos是否保留了音频轨（默认会保留），必要时检查每个小视频是否包含音频。

⚠️ 升级版常见踩坑

🚀 后续再升级方向

• 精确控制分镜时长：目前每个分镜的音频时长由TTS自动决定，后续可在分镜脚本中指定精确时长，或利用TTS返回的音频实际时长来统一节奏。
• 转场效果：若concat_videos支持，可配置转场动画。
• 数字人出镜：将静态图替换为蝉镜数字人口播视频。

现在你已经从“有声幻灯片”升级到“多镜头影视解说”。

初版建议用简化音频方案先跑通，确认多画面切换效果后再做精确同步。