AI 视频的分镜级控制：片段、画面帧与编辑模式

在 Nureta 上，超过 15 秒的视频都会渲染成由多个镜头拼接的场景。问题在于镜头表由谁来写。API 给了三种答案。auto 模式（默认）：内置导演根据一条提示词规划并渲染全部内容。advanced 模式：你传入自己的 segments[] 分镜，立即开始渲染。edit 模式：导演（或你传入的片段）先起草分镜，任务停在 planned 状态，直到你批准才渲染。三种模式都适用于 16–180 秒的场景。

在成人叙事里，节奏本身就是产品，所以控制尤为重要。一个场景需要先铺垫再到高潮，每个镜头里都得是同一批角色，服装和场景不能漂移。大多数提示词用 auto 模式就处理得很好；另外两种模式是为需要可预期、可复现结果的工作室和应用准备的，比如固定角色的系列作品，或者剧情节拍必须落在特定秒数上的节目格式。

在 advanced 模式下，你在普通的文本项之外再发送一个 segments 数组。每个片段是一个会被拼接的镜头，包含 script、可选的 duration_seconds（4–15，默认 9）、可选的 first_frame 和 last_frame，以及 explicit 标记。所有片段加起来必须是 16–180 秒，这个总数就是视频的时长和价格。示例："segments":[{"script":"她走上天台，身后是城市灯火","duration_seconds":8,"explicit":false},{"script":"他走到栏杆边站在她身旁，两人接吻","duration_seconds":10,"explicit":false},{"script":"高潮镜头","duration_seconds":12,"explicit":true}]。

每个片段只写一个视觉节拍：画面里有谁、发生了什么变化、镜头在哪里。每个片段只有几秒钟来表达一个意思，所以简短具体的脚本比大段文字渲染得更稳定。如果你已经在用 API 的 $0.01 seahorse-script 任务生成脚本，返回的每个场景（setting、beat、durationSeconds）几乎可以一对一映射成一个片段。

explicit 标记在每个镜头上回答一个问题：这个镜头里是否真的发生了性行为？视频模型本身没有解剖学知识，所以标为 explicit: true 的镜头会走一条单独的解剖参考管线。要让它生效，该镜头的脚本必须具体描述动作；如果 explicit 镜头只写一句含糊的"两人越靠越近"，就不会附加任何参考，画面会渲染得很含蓄。

标为 explicit: false 的镜头是铺垫或剧情镜头，比如一个眼神、一次触碰、宽衣或事后温存，只根据文字渲染，不附加解剖参考。正是这样，场景才能保持电影般的节奏：前戏保持暗示，高潮才露骨，而不是每个镜头都被平均成同一种基调。在 edit 模式下，导演会替你设置这个标记，你也可以逐个镜头覆盖。

锁定 first_frame 或 last_frame 后，该镜头会以画面帧为条件渲染：这张图成为开头或结尾的画面，适合对齐缩略图、从上一个片段接续，或精确落在某个最终构图上。画面帧可以在单个片段中通过图片的 role 字段设置，也可以设置在单个分镜片段上，或在 edit 模式的方案里设置。

锁定的画面帧会替换该镜头的角色和背景参考，两者不能同时使用。镜头里的人物和样子将由画面帧本身决定，所以要么锁定已经包含你角色的画面帧，要么不设画面帧，让共享的角色参考保持每个镜头一致。单个片段也是同样规则：要么发画面帧，要么发参考图（最多 9 张），不能两者都发。

以 "mode":"edit" 提交，并把 duration 设为超过 15 秒。任务在提交时扣费，起草分镜后停在 planned。此时 scene 字段包含 segmentCount、characterImage 预览，以及 segments——每个都有 index、script、durationSeconds、explicit 标记、不含人物的 backgroundImage 预览和已设的画面帧。如果设置了 callback_url，草稿进入 planned 时会尽力发送一次草稿就绪事件。

修改草稿有两个端点。PUT …/tasks/:id/plan 按 index 修改原始字段（脚本、时长、画面帧；传 null 清除画面帧）。推荐使用 PUT …/tasks/:id/plan/structured：你只改每个镜头的简短节拍，由服务器重新扩写；segments 数组是权威列表，因此可以自由重排、增加或删除镜头；每个镜头可以指定 background_image 背景板；顶层的 world、wardrobe 和 character 可覆盖共享风格。重新扩写是异步的：调用返回 202，然后轮询到场景再次变为 planned 且 reexpandStatus 为 ready。

编辑永远不会改价。已支付的总时长锁定为 scene.lockedDurationSeconds，编辑和渲染都会拒绝镜头时长总和偏离它的方案，所以缩短一个镜头就要加长另一个。方案确定后，调用 POST …/tasks/:id/render 开始渲染。如果之前改了主意，调用 POST …/tasks/:id/cancel 会立即全额退款，任务以 cancelled 结束。从未渲染的草稿会自动退款，渲染失败也会退款。

价格从预付余额按秒计：480p 每秒 $0.1888，720p 每秒 $0.2773，1080p 每秒 $0.5428，所以一个 60 秒的 480p 分镜无论改多少次都约 $11.33。Nureta 应用也向个人用户提供同样的分镜编辑器（逐镜头脚本、时长、画面帧、背景、共享的 World、Wardrobe 和 Character，以及标记露骨镜头的逐镜头开关），但应用价格不同：每个 5 秒 480p 视频 $1.29，用 USDC 支付。