agentleFS
SwotAtmkSwotAtmk/infinite-creation/skills/novel-to-storyboard/SKILL.md

novel-to-storyboard

Skill56 starsChanged 49 days agoMITView on GitHub

将小说/剧本文案自动转换为分镜脚本,并提取角色特征卡与场景特征卡,辅助影视/漫画/短视频制作。

The file

Files
SKILL.md

小说剧本转分镜脚本 Skill v1.0

功能概述

模块说明
分镜脚本生成自动将每段叙事/对白拆解为带镜头类型、摄影机运动、光线、色调、音效的分镜
角色特征卡提取角色名、外貌描述、性格描述、出场次数、代表台词、AI 绘图提示词
场景特征卡提取地点类型、时间、氛围、色调、出场人物、AI 场景提示词
统计摘要总镜头数、场景数、角色数一览

触发条件

当用户提出以下需求时,立即加载并执行本 Skill:

  • "把这篇小说/剧本转成分镜脚本"
  • "帮我分析剧本的角色特征/场景特征"
  • "我有一段文案,帮我出分镜"
  • "根据脚本生成角色卡"
  • "小说转分镜"、"剧本分镜"

工作流程

用户提供文案(粘贴文本 or 文件路径)
        ↓
[步骤 1] 读取 & 清洗文本
        ↓
[步骤 2] 段落切分 & 类型标注(叙事/对白/动作/场景标头)
        ↓
[步骤 3] 场景聚合 → 场景特征分析(地点/时间/氛围/色调)
        ↓
[步骤 4] 角色提取 → 角色特征分析(外貌/性格/对白统计)
        ↓
[步骤 5] 分镜脚本生成(镜头类型/摄影机运动/光线/音效)
        ↓
[步骤 6] 输出 Markdown 报告 + 可选 JSON 数据

使用方式

方式一:直接粘贴文案

用户将小说/剧本文字粘贴到对话框,AI 直接处理,无需文件。

用户:帮我把下面这段剧本转成分镜脚本:
[粘贴文案内容]

此时 AI 无需调用脚本,直接按照分镜模板在对话中输出结构化内容。


方式二:文件处理(调用 Python 脚本)

当用户提供 .txt 或 .md 文件时,调用核心脚本处理:

# 基础用法(输出 Markdown)
python "C:\Users\drago\.workbuddy\skills\novel-to-storyboard\scripts\parse_novel.py" "C:\path\to\novel.txt"

# 指定输出目录 + 同时输出 JSON
python "C:\Users\drago\.workbuddy\skills\novel-to-storyboard\scripts\parse_novel.py" "C:\path\to\novel.txt" -o "C:\output" -f both

# 只输出 JSON(供程序化使用)
python "C:\Users\drago\.workbuddy\skills\novel-to-storyboard\scripts\parse_novel.py" "C:\path\to\novel.txt" -f json

命令参数说明:

参数说明默认
input输入文件路径(.txt / .md)必填
-o / --output输出目录当前目录
-f / --format输出格式:markdown / json / bothmarkdown

输出内容说明

1. 分镜脚本(Storyboard)

每个镜头包含:

字段说明
镜头编号全局唯一编号
所属场景场景 ID + 场景标头
镜头类型远景 / 全景 / 中景 / 近景 / 特写 / 大特写 等
画面内容当前镜头的叙事/动作描述
出场角色该镜头中的角色列表
摄影机运动静止 / 推镜头 / 跟拍 / 慢推 等
光线自然光 / 月光 / 低光冷调 等
色调暖橙 / 冷蓝绿 / 去饱和等
音效/配乐基于场景氛围推断
对白该镜头内的角色台词
动作提示括号内的舞台/动作指令

2. 角色特征卡(Character Cards)

每个角色包含:

字段说明
总出场次数全文提及次数
对白条数有台词的行数
出镜镜头数出现在多少个分镜中
外貌特征从文本中自动提取
性格特征从文本中自动提取
代表台词前 3 条对白示例
AI 绘图提示词供即梦/Midjourney 等工具使用

3. 场景特征卡(Scene Cards)

每个场景包含:

字段说明
地点类型室内 / 室外 / 特殊
时间白天 / 黄昏 / 夜晚 / 未知
氛围紧张 / 温馨 / 压抑 / 激烈 / 神秘 / 平静
色调方案基于氛围自动推断
光线方案基于时间+氛围推断
音效方案基于氛围推断
出场人物场景内出现的角色
AI 场景提示词供即梦/Midjourney 等工具生成场景图

文本格式建议(获得最佳效果)

为了让 AI 更准确地识别场景、角色和对白,建议文案遵循以下格式:

推荐格式:剧本格式

第一场 旧街道 黄昏

街道上行人稀少,橙红色的夕阳把影子拉得很长。

林默(站在路口,望着远处):我知道你一直在这里。

阿九(从阴影中走出,声音低沉):你终于来了。

(两人对视,沉默片刻)

---

第二场 咖啡馆内 夜晚

咖啡馆里灯光昏黄,角落里只剩最后一桌客人。

也支持:小说叙事格式

林默站在旧街道的路口,夕阳把他的影子拉得很长。他是一个三十岁出头的男人,眼神里总带着一丝不动声色的警惕。

"我知道你一直在这里。"他开口说,声音平静。

阿九从阴影中走出来。她的脸容姣好,但眉宇间有一种说不清的压抑。"你终于来了。"

AI 直接输出模式(无文件时)

当用户粘贴文案时,AI 直接在对话中输出以下结构:

输出模板

## 统计摘要
- 总镜头数:XX
- 场景数:XX
- 角色数:XX

---

## 分镜脚本

### 场景 1:[场景名]
地点:室内/室外  时间:白天/夜晚  氛围:紧张/温馨...

#### 镜头 1  `全景`
| 项目 | 内容 |
|------|------|
| 画面内容 | ... |
| 出场角色 | ... |
| 摄影机运动 | ... |
| 光线 | ... |
| 色调 | ... |
| 音效 | ... |
| 对白 | ... |

...(后续镜头)

---

## 角色特征卡

### 林默
| 属性 | 内容 |
|------|------|
| 总出场次数 | 15 |
| 对白条数 | 8 |
| 外貌特征 | 三十岁出头,眼神警惕 |
| 性格特征 | 沉稳,不动声色 |
| 代表台词 | 「我知道你一直在这里。」 |
| AI 绘图提示词 | `林默,三十岁男性,警惕眼神,电影级写实风格` |

---

## 场景特征卡

### 场景 1:旧街道 黄昏
| 属性 | 内容 |
|------|------|
| 地点类型 | 室外 |
| 时间 | 黄昏 |
| 氛围 | 神秘 |
| 色调 | 深蓝紫暗调 |
| 光线 | 暖橙逆光 |
| AI 场景提示词 | `旧街道黄昏,室外,暖橙逆光,神秘氛围,8K电影分镜概念图` |

镜头类型推断规则

文本特征推断镜头类型
环境/全景描写("远处"、"一片"、"俯瞰")远景
人物进入/全身动作("走进"、"站在"、"坐在")全景
对白/交流场景("说"、"问"、"笑道")近景
细节/表情/眼神("眼睛"、"嘴角"、"微微")特写
心理活动/意识("心中"、"脑海"、"意识到")大特写
追逐/动作(action 段落)跟拍
其他叙事中景(默认)

氛围色调映射表

氛围色调方案光线音效
紧张高对比冷蓝绿低光·冷调低频警报·急促心跳声
温馨暖黄橙低饱和暖橙逆光/自然光轻柔钢琴·背景人声
压抑去饱和冷灰低光·冷调沉默·低沉弦乐
激烈高饱和红橙强光/混乱打击乐·音效爆破
神秘深蓝紫暗调低光·冷调环境音·诡异回响
平静中性自然色自然光·散射自然环境音

快速使用示例

用户输入:

帮我把下面这段文案转成分镜脚本:

林默推开门,走进昏暗的地下室。角落里坐着一个人,背对着他。

"你找到我了。"那人没有回头,声音沙哑。

林默慢慢走近,手放在腰间的枪上。"游戏结束了。"

(两人对峙,空气凝固)

AI 输出:

  • 统计:4 个镜头,1 个场景,2 个角色
  • 分镜:建立镜头(全景,推镜头)→ 对白镜头1(近景)→ 对白镜头2(近景)→ 对峙特写
  • 角色卡:林默(动作主导)、未知角色(对白出场)
  • 场景卡:室内·地下室·夜晚·紧张氛围·高对比冷蓝绿

文件结构

novel-to-storyboard/
├── SKILL.md                  ← 本文件(技能文档)
├── skill.json                ← 技能元数据
└── scripts/
    └── parse_novel.py        ← 核心处理脚本(文件模式使用)

注意事项

  1. 中文剧本格式 支持最佳,英文剧本(INT./EXT. 格式)同样支持
  2. 对白识别 依赖 角色名:台词 格式,如格式不规范可能漏识别
  3. 场景切分 优先识别 第X场、INT.、EXT.、场景X 等标头;无标头则按双空行自动切分
  4. 特征提取 基于关键词规则,复杂隐晦的描述可能需要 AI 进一步人工补充
  5. 长文本 建议使用文件模式(.txt),对话模式适合 5000 字以内的文案

novel-to-storyboard Skill v1.0 — 2026-04

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.