《如梦令·常记溪亭日暮》：Codex指挥Muse 制作全流程复盘与可复用 SOP

留言里有很多兄弟说要问一下整个的 Codex 指挥 Muse 制作这个视频的全部流程。

那我这一篇，也是让 Codex 去整理他整个制作流程，然后我在此基础上看了一下，又稍微改了一下。大部分都是 Codex 帮我整理的。 本身我在视频制作这方面没有什么经验，所以整个视频制作可以说非常初级。我也只是想体验一下，把我的想法和结果直接告诉 Codex，看它能不能完成这个任务，并且超出我的预期。

实际上，它做出来的这一版视频，虽然在很多大佬眼里还有很多问题，但我觉得目前已经超出我的预期了。而且，在整个视频中，我自己也发现了一些细节问题。但我没有说要非要制作一个非常精良的片子再发出来，所以就把制作出来的第一版——也就是目前只有这一版——直接发出来了。

1. 这次究竟怎样协作

不是给 Muse 一句“拍一首词”就等结果，而是三方分工： 我确定作品目标、提供既有脚本与视觉母版并给出反馈； ChatGPT 前期整理故事、角色及场景设计； Codex 接收上下文、操作 Muse、检查真实文件、提出具体返工、保存交付； Muse 承担视频生成、重做镜头、剪辑合成与混音。

2. 从词到影片：先固定叙事骨架

末尾月夜是既有分镜的视觉延展，保留原项目故事，不当作词的逐字释义。色彩弧为金黄→橙粉→粉紫→青蓝→蓝紫→月银；节奏为慢→缓→乱→急→爆→静。

3. 实际制作顺序

第一步：恢复上下文，不重新策划

在 ChatGPT 里面，聊完剧本并绘制完人物分镜图和人物定妆照之后，就把这个任务直接交给 Codex。

提供两张 PNG 后，复制至 Codex对话框，保留桌面源文件。检查角色正侧背、面部表情、服饰发饰细节和 C1–C10 场景是否齐全。

第二步：把图片变成不可随意改变的制作标准

锁定女主：高而蓬松的松挽髻、鬓边碎发、粉白花饰珠串；轻透浅绿外层、米白淡粉花卉内裙、明显粉色腰带；自然淡妆、微醺少女感。文字中简化的“浅绿色襦裙”不能替代图片。

两张母版的小舟有差异：角色集含带篷舟，故事分镜使用敞口木舟。实际制作统一采用分镜里的敞口木舟，防止同一旅程中突然换船。两张图是含字拼图，不能直接把整张拼图当电影画面。后来返工要求 Muse 从正式母版裁出无字人物参考并真正挂载生成。裁图挂载执行细节主要来自 Muse 自述，最终是否有效以下载后的画面为依据。

第三步：进入原 Muse 项目，上传正式母版

沿用原聊天“如梦令视频分镜策划”，核对登录和项目身份，通过浏览器上传两张母版，确认消息中出现两个附件，再提交制作要求。

此时 Muse 已称 C1–C6 生成，C2–C5 为竖屏。操作重点是补 C7–C10、修画幅和人物，不清空项目重做。所有镜头要求16:9横屏、约10秒、无对白旁白字幕，保留已有候选。

第四步：按 C1–C10 制作和接续

高风险预判：C3固定机位光线变化、C9鸟群；中风险：C7俯拍转特写、C8水下。备选属于原脚本风险方案，不能在复盘里写成全部实际执行过。例如 C3可后期调色、C8可保留纯水面版，但不能据此宣称本片一定用了这些备选。

第五步：下载 v1，独立验收并返工

10月10日00:22取得 v1，实测95.125秒、1920×1080、24fps、H264/AAC，约92.5MB。先以5秒间隔抽帧，发现多个人物镜头变成直顺披背半扎发、浅绿交领长袍，与母版明显不同。Muse说“一致”不构成通过证据。

00:27提交六个人物镜头 C2/C3/C4/C7/C8/C10 重制；C5远景核对，C1/C6与C9候选保留。要求从正式母版取参考，补核剧情节拍，另用一条连续器乐替换全部原生音轨，生成 v2并保留v1。

00:32 Muse报告五条人物片段修好，但C3仍有直顺垂发，并因当时单消息六条生成上限等待继续。Codex接着发“继续C3”指令，避免把管线限制变成用户必须反复说继续。00:42 Muse报告C3第三版修好并输出无声v2；当时尚未下载，仍只记为待验证。

第六步：解决音乐来源与连续配乐

逐段模型原生音会产生曲风、响度和衔接问题，也难以保证没有人声。因此要求删去所有原生声音，采用一条连续录音。Muse承认没有独立古琴/箫生成能力，并提出已有《阳关三叠》文件，但其自写来源记录不足以证明许可。

Codex搜索找到确切 Commons 来源，要求 Muse下载原件、与已有录音逐字节比对、核实演奏者和许可证，并附署名。Muse报告字节相同；这是其自检报告，不应写成Codex亲自比对了源音频。

录音为 Charlie Huang（Charles R Tsua）的古琴实录，来源与许可见 OUTPUT/liqingzhao_rumengling_v2_AUDIO_CREDITS.md。处理方案：截取00:00–01:35.1，2.5秒淡入、约73.8–76.4秒压低、末3秒淡出。本次没有独立听觉验收能力，不能把文件名、频谱或“古琴独奏”页面描述当作亲耳排除人声；这一点已向用户披露。

第七步：修复“已经生成但拿不到”的交付问题

09:12看到Muse带BGM版本与署名文件，署名可下载，但114.2MiB的1080p文件打开报“这项影音内容无法显示”，下载禁用。09:22要求检查真文件/符号链接、权限、字节、完整解码和MP4 faststart，保留画面，只修交付。

Muse此前称资源库整理成符号链接导致不可读，后又称大文件客户端限制。两者不能合并成一个已经独立确证的根因；Codex确证的是页面故障和无法取得文件。最终Muse另提供约32MB的1080p完整压缩交付版，10:22成功下载。

第八步：更密地检查 v2画面与拼接

对下载文件完整解码，检查95.125秒/1080p/24fps，并生成全片0.5秒间隔图序列。确认十段完整、发型服装修复、酒盏/解绳/俯拍/划桨水下/惊鸟/月夜主要节拍出现；抽样未见明显形变、字幕或水印。8处叠化、C8→C9硬切、尾部淡黑可见。

这里必须纠正一个检查方法问题：5秒抽帧会错过开头0.5秒左右的酒杯、解绳、俯拍。不能用“没在抽样图中看到”直接认定“没有发生”；应对关键动作加密抽样再决定返工。0.5秒图序列仍不等于逐帧实时观看，不能保证每一帧无瑕疵。

第九步：发现实际静音，单独修声音

10:22版本虽然有可解码AAC轨道，后来用户在Muse反馈无BGM。14:22本地测得mean/max均-91.0dB，9,129,984样本全部落入静音桶。结论：存在音轨≠有音乐。此前只查音轨与解码不够，这是一项应前移的验收。

给Muse提交测量证据，要求检查混音输入和映射，保留所有画面，只修音频。Muse确认混音步骤将整轨清零。14:42修复完成，14:55下载并独立复测：mean=-24.7dB、max=-2.6dB；-50dB、1秒静音检测仅开头淡入约1.402秒，无全片静音。

同时比较修复前后视频流以及解码后画面的SHA256，两者均一致：实际画面没有变化。全片解码正常。修复文件以独立名字保存，旧静音版与v1保留，不覆盖故障证据。

最终文件：OUTPUT/liqingzhao_rumengling_v2_1080p_music_fixed.mp4，95.125秒，1920×1080，24fps，33,967,531字节，H264/AAC48kHz双声道。已向用户提供本地播放和下载。用户本轮确认制作完成，停止检查；这不改写此前没有亲耳试听的事实。

4. 哪些地方改了：问题—原因—动作—结果

不把“六个人物片段重制”说成“整片重做六遍”；不凭日志编造总生成次数、实际成本或总耗时。

5. 每十分钟到底检查什么

十分钟是调度间隔，不是每十分钟完整看片一次。每轮先读项目状态，只有新素材才进入深入验收。

1. 访问与身份：Mac是否可操作，登录是否有效，是否在指定原项目，是否误入苏东坡等其他聊天。

2. 任务状态：Muse在生成、等待继续、已交付、报错，还是无变化。界面停止按钮/正在输入表示进行中；同一任务未完不重复发送。

3. 新结果：新增的是文字、单镜头、无声母版还是完整文件。没有真实可取文件，不能标记完成。

4. 画面验收：人物脸、发型、服饰；横屏构图；剧情动作；手桨船与鸟群；是否混入文字。依据具体新素材决定检查范围。

5. 剪辑验收：C1–C10顺序、八处叠化、C8→C9硬切、尾部淡黑、总时长、色彩与节奏延续。

6. 音频与交付：可下载、真字节、完整解码、非零音量、连续BGM、来源署名；实际试听另列，不用有轨代替听验。

7. 决策与记录：进行中等待；确有问题提交一次具体返工；已完成下载检查交付；无变化不生成；需要用户解锁等才通知。

实际限制：很多轮只查到锁屏，或Chrome用户交互保护拒绝切换，根本没有读到Muse新状态。这些不是完成了人物一致性检查。网页UI依赖登录、解锁和可操作窗口，因此本次不能宣传为“睡觉锁屏也能全自动持续验片”。用户同时在其他页面编辑草稿时没有抢占输入。自动监控不应长时间无效唤醒：下次应把不可访问与待人工试听明确设为等待条件，只有恢复或新反馈才继续深入动作。

6. 下次直接照着走的 SOP

A. 开工包

必须有目标、正式母版、逐镜脚本和资产状态。把“已有”“未验证”“缺失”分开。确定画幅、时长、人物数量、声音、输出规格和转场。图片冲突要做一次明确决定并记录。保留原始母版，裁图只做派生参考；不要重新设计已确认人物。

B. 先校准，再扩展

这是下次改进，并非本次已经完整采用：先做一个露脸镜头和一个动作镜头，检查脸/发髻/衣服/舟/16:9。通过后沿同样参考生成其他镜头。不要先批量生成十条才发现参考无效。

每个镜头建立记录：镜号、版本、参考图、目标动作、生成状态、原文件、时长/尺寸、抽帧证据、结论、下一步。合格候选与废弃候选分别标记，文件都保留。

C. 逐镜验收

普通镜头查首中尾；多节拍镜头查开头0.5秒附近并加密；手部、登船、桨、鸟翼等看连续帧或实时播放。人物参考按脸、发型、外层、内裙、腰带、饰物逐项比较。远景看不清脸时只给远景尺度能支持的结论。

D. 精确返工

每次只包含：镜号/版本→故障位置或时间码→与母版的差异→要改变什么→保留什么→怎样验收。不给“优化一下”“更像一点”这种无法验收的要求。

E. 合成与音频

按实际片段时长计算。十条10秒、八处0.8秒重叠约93.6秒，再加尾部黑场约95.1秒；95.125为实际文件实测值，不用粗算替代探测。八处叠化，C8→C9硬切。删全部片段原音，独立处理连续BGM；记录来源、截取、淡化、许可证及署名。

F. 最终文件验收

下载交付端实际文件，依次确认：大小非零、时长与画幅正确、完整解码、全片镜头与转场、音轨非零且无意外长静音、试听人声/爆音/听感、许可说明、可播放链接。只修声音时比对视频哈希，避免悄悄改画面。不能确认的项明确列出。

G. 交付和关闭

保存最终版、母版、署名及QA报告；提供可播放文件。版本命名区分v1/v2/修声版。用户确认完成或全部约定验收完成后停掉定时任务。结束时更新当前状态，不让“缺原图”等历史描述继续冒充现状。

7. 可直接复制给 Muse 的三种指令（当然，这个指令你也可以直接给他 Codex）

接续制作

指令 · 接续制作继续当前项目，不重新策划。正式角色母版与分镜已附。先列出现有C1–C10的真实文件、版本、画幅、时长和待修项，保留合格素材。按母版真实挂载参考：同一脸、高松挽髻、粉白花饰珠串、轻透浅绿外层、米白淡粉花卉内裙、粉腰带，统一敞口木舟。逐镜生成16:9横屏约10秒，遵守各镜动作节拍，无对白旁白字幕文字。每批完成回报真实文件与未通过项；管线上限后下一条接续，不等待重新确认剧情。

镜头返工

指令 · 镜头返工C{镜号} v{版本}在{时间码}出现{具体错误}，与正式母版的{特征}不符。只重做该片段，使用母版的{参考裁图}挂载；必须出现{动作节拍}，保持{已正确内容}。保留其他合格候选及旧文件。输出新版本真实文件；验收看{首中尾/加密连续动作/尺寸}，不能只文字称一致。

合成与交付故障修复

指令 · 合成与交付故障修复合成C1–C10约95–100秒，八处0.8–1.2秒叠化，C8→C9唯一硬切，尾黑约1.5秒。移除全部原生音，采用已核实连续器乐并做首尾淡化，附来源与许可。对最终交付路径的文件检查实际字节、完整解码和非零音频响度。提供可下载1080p完整文件；大文件不能取时另做完整压缩交付版，保留原母版。只修声音时复制画面流，不重新生成镜头。

8. 本次留下的经验

• 参考图片要进入生成流程；发了附件或写了颜色不能证明一致性已经锁住。

• 先校准一两个代表镜头，比整批完成后重修更稳。

• 生成状态、素材合格、剪辑完成、文件可取、最终可听可播是五个不同状态。

• 粗抽帧可查整体形象，加密抽帧查动作节拍，连续观看查动态；不能互相替代。

• 音频验收必须测非零能量，这项应在第一次下载时执行，不等用户发现静音。

• 不要每轮重复整套提示，不要整片重做，只改有证据的问题并保留合格成果。

• 记录证据层级：Muse自述、页面观察、本地实测、人工试听，不能把一种写成另一种。

• 监控必须有退出条件。此次确认完成后已停止自动检查；之前待试听期间持续唤醒较多，下次应收敛为有变化再行动。

9. 证据索引

• SOURCE_CONVERSATION.md：原始五轮来源对话、16镜重组与角色/场景设计说明。

• ASSETS/originals/：两张正式角色和分镜母版。

• STORYBOARD.md / CHARACTER_BIBLE.md：导演脚本与角色要求。

• MUSE_EXECUTION_LOG.md：上传、接续、返工、下载、锁屏与交互阻碍时间线。

• QA/REVIEW_V1.md：v1人物偏差未通过。

• QA/REVIEW_V2.md：密集画面抽查、静音失败与修声复测。

• QA/v2_sequence_01.jpg–04.jpg：0.5秒间隔图序列。

• QA/v2_music_fixed_audio.txt：修复版音频测量。

• QA/v2_old_video.hash、QA/v2_music_fixed_video.hash：解码画面一致性证据。

• OUTPUT/liqingzhao_rumengling_v2_AUDIO_CREDITS.md：原始配乐来源与许可说明。

• OUTPUT/liqingzhao_rumengling_v2_1080p_music_fixed.mp4：最终完整配乐修复版。