原创短篇《凌晨两点的空杯》30 秒配音配图样片
小说推文看起来像“摘一段原文，配张图，加段配音”，真正开工前要先确认你有没有权利把这段文字改编成视频并发布。下面用原创虚构故事《凌晨两点的空杯》做一个 30 秒样片：先把故事拆成 4 镜，再生成配图和旁白，最后合成竖屏视频。示例不引用现有小说，不代表番茄小说或抖音活动已经批准，也不承诺播放量或佣金。
开始前先把授权范围写下来
如果素材来自别人的网文，先拿到适用于短视频改编和公开传播的许可。把作品名、权利人、允许使用的章节或字数、改编方式、发布平台、使用期限、地域、报酬和署名要求写进确认记录。只有阅读权限、转载许可或“可以分享链接”，都不能直接当成视频改编和商业推广授权。
一条视频里不只有小说文字。配图、封面、配音、音效、背景音乐、字体和片尾素材也要分别确认来源与使用范围。抖音协议明确要求发布的文字、图片、音视频及其中音乐、声音、台词等组成部分为原创或已获合法授权；著作权法也分别规定改编权和信息网络传播权。你不确定某段材料是否获准时，先停在事实卡和原创练习，不要上传试探。
番茄小说的作者福利页介绍的是符合条件的作者计划和活动，不等于每位短视频作者都能拿小说推广佣金。账号是否能参加、推广哪本书、怎样归因、比例和结算周期，都以你账号内当期官方活动页及协议为准。本文没有登录创作者后台或申请活动，因此不提供固定佣金数字。
准备一张事实卡
本例只使用原创的虚构故事。先把人物、动作、道具和结尾写成事实卡，再让模型压成分镜。这样你能逐条检查它有没有编出新情节。完整事实卡在练习包里。
故事叫《凌晨两点的空杯》。烘焙店店主许禾打烊后，在后门雨棚下给流浪猫留一杯水。连续几天早上纸杯都是空的。第七天，杯子被洗干净，放到了雨棚里侧。许禾晚上等在窗边，才发现夜班清洁员把杯子移进去，怕大雨淋到猫。第二天，许禾换成宽口碗；雨停后，猫来喝水，两人隔着玻璃点头。
用 Qwen 把故事拆成 4 镜
在 Ollama 安装并启动本地 Qwen 后，把练习包里的 prompts/storyboard-prompt.txt 复制到你的聊天工具。提示词要求模型只输出四镜、合计 30 秒，并给每个动作标事实编号。若你用的是已授权网文，尽量先写自己的情节摘要，只提交许可范围内必要的短段落；不要把整本书或账号资料上传给不明服务。
本机进阶路线可以运行：
python3 scripts/run_qwen_outline.py prompts/storyboard-prompt.txt qwen-output.json qwen3.8-27b:latest
python3 scripts/check_storyboard.py qwen-output.json脚本只访问本机 Ollama 的 127.0.0.1:11434，不会下载模型。把模型名换成本机已安装的版本。检查器会检查镜头数、时间码、事实编号和旁白长度；它不能判断模型是否真的遵守事实卡。逐句核对动作、对白和因果，发现未支持内容就删掉或改写，不要因为 unsupported 是空数组就直接发布。
先做 4 张图，再合成视频
在 ComfyUI 里使用已安装的图像模型，每镜生成一张竖屏插图。先在练习包 prompts/scene-prompts.json 里复制对应画面描述，保持店主、清洁员、雨棚和纸杯的外观相同；提示词不要让模型画字幕、品牌、书名或平台 Logo。生成后逐张检查人物数量、纸杯位置、天气前后关系和错误文字。图画错了就重生成这一镜，不要让后面的视频继续沿用错误画面。若在本机复现，可在练习包目录运行 python3 scripts/render_scenes.py；脚本只请求本机 127.0.0.1:8188，不会下载模型。
想用手机剪辑 App 的读者，可以把 4 张检查过的图和旁白导入剪映等当前版本的编辑器，按分镜表排序，设置 9:16 画幅，添加字幕，逐字检查后导出。不同版本的按钮和导出规格会变；本文实测的是本机 FFmpeg 合成，未验证剪映当前界面。练习包提供 FFmpeg 命令，适合想要可重复导出的读者。
配旁白和字幕
CosyVoice 可在本机把旁白合成为语音。模型支持参考音等不同推理方式；如果选声音克隆，只能使用你自己或已明确授权用于该用途的参考音频。不要拿小说作者、演员、主播或客户的声音样本来试。先合成一小段，听清人名、停顿和句尾，再跑全稿。练习包中的本地脚本按每行一个镜头合成，超过 7.5 秒会停止；它只用已有 CosyVoice 权重和 WeText 缓存，缓存缺失时退出，不会在线补下载。
字幕从最终旁白稿生成，不要直接采用自动识别结果。逐句播放核对专名、否定词、数字、标点和时间码；字幕与画面不一致时先改稿再导出。
导出前按表检查
| 检查项 | 通过条件 |
|---|---|
| 授权 | 网文改编、视频传播、配图、声音、音乐和字体的许可范围有记录 |
| 故事 | 每个镜头都能对应事实卡或明确获准的原文信息 |
| 画面 | 人物、道具和场景前后一致；没有错误文字或无关 Logo |
| 配音 | 用的是有权使用的声音；试听没有漏字、错名或突然截断 |
| 字幕 | 逐字复核，时间码与旁白同步 |
| 发布 | 打开平台当前 AI 内容标识选项；不遮挡或删除生成内容标识 |
| 推广 | 账号内活动规则写清资格、链接归因、结算和限制；没有就不宣称分佣 |
《人工智能生成合成内容标识办法》自 2025 年 9 月 1 日起施行。抖音协议也要求对生成式 AI 制作的非真实音视频显著标识。发布前使用平台提供的标识功能，并保留原始文件和授权记录。
实测范围
本地实测使用 Qwen3.8-27B、ComfyUI/Z-Image-Turbo、CosyVoice 和 FFmpeg。Qwen 两次分镜输出只有 64、67 字，未达到提示词的 80–100 字要求；人工修订稿为 84 字并通过结构检查。四张插图中两张因人物连续性问题重生成；最终图经目视和 OCR 检查。旁白按四镜分别生成并补静音到 30 秒，CosyVoice 对第 2、3 段发出短于参考提示文本的质量提示；尚未进行人耳试听。最终样片为 720×1280、24fps、30 秒，画面内带 AI 生成标识。样片只演示原创故事流程，不是已获授权的小说推广，也不是平台收益或流量测试。创作者活动资格、佣金归因、平台审核和读者反馈均未验证。
工具清单：
- Qwen3.8：本地文本模型，通过 Ollama 运行；需要先在 Ollama 安装适合设备的模型。https://ollama.com/library
- ComfyUI：本机节点式图像工作流；需本地已有模型文件。https://www.comfy.org/
- CosyVoice：本地语音合成工具；使用前查看模型卡、许可和声音参考素材权利。https://github.com/QwenAudio/CosyVoice
- FFmpeg：本地视频处理工具；本例只用它拼接画面、字幕和旁白。https://ffmpeg.org/