Andrew Arrow 用 Rust 写了一个 AI 视频工作室 AIVS，它能把剧本拆成拍摄计划并在 Apple Silicon 上逐段渲染和拼接，内置场景 Last Light 的早期计划总时长为 27 秒。
AIVS 的开发围绕一个五句对白的小场景展开。Sue 和 Joe 被困在荒漠公路旁，Joe 打开引擎盖后告诉 Sue 车出了问题。Andrew Arrow 想换演员来演这两个人，却不想因此重写角色的名字和对白，于是角色与演员被拆开：Sue 是角色，Ava 可以演她。
脚本最初把两个人直接命名为 Ava 和 Eli，与保存的角色档案同名，改成 Sue 和 Joe 后，演员库与故事里的人名互相分离。现在用户把 Ava 的肖像拖到任意一个 Sue 的对白块上，所有 Sue 台词都会分配给她，Eli 拖到 Joe 同理。点击对白块会打开一个选择器，也能清除指派。实现上 每个角色存一条绑定，而不是每行对白存一条，两个角色都完成绑定后，Generate video 按钮才会启用。
旧版本把演员信息嵌进一长段提示词。当前 Rust 端把剧本文本和结构化 cast 绑定发给 Python，绑定里按角色给出演员名，例如 JOE 对应 eli、SUE 对应 ava。Python 显式加载已保存的角色档案，角色名 Ava 不会因为与演员库共享同一个名字而被自动指派给自己。对白继续保留角色名，渲染时在名字下加入外貌和声音描述；指派只在一个会话内生效，GUI 剧本仍只是预览而不是脚本编辑器。
首版拍摄估算五句对白需要 14 秒，加入动作后总时长增至 32 秒，但长片段仍要模型自己构想整个场景。AIVS 于是把拍摄计划作为剧本和视频生成之间的独立步骤。Python 解析剧本为有序的动作和对白节拍，Codex 提出时长 4 到 12 秒 的镜头，每个镜头带提示词、起始状态、结束状态，并决定是否延续前一镜头。这一计划由三个镜头组成，分别 7 秒、11 秒、9 秒，覆盖车与 Joe 入场、海洋对白与明信片交接、合上引擎盖和走开。
Codex 决定机位，但 Python 会在开拍前检查计划。每个来源节拍必须且只能出现一次，顺序保持一致，镜头不能跨场景边界。对白经由 {{line_3}} 这样的占位符填入模板，Python 负责补回原始说话人、台词提示和文字，重复占位符、带引号的裸对白、时长不足以及超过 1,024 Gemma tokens 的提示词都会被拒绝。校验失败有一次修正机会，仍然失败就终止任务。
下一批改动来自渲染报告。Joe 从车里出来时没有开门动作，第一段镜头末尾出现乱码，一份合法镜头列表没有让表演在物理上变得合理。在第六秒画面上，要求的红色岩石荒漠变成了绿树成行的路。目前的导演指令文件要求 Codex 把开场画面和后续每个动作都纳入考虑：Joe 已经站在支起的引擎盖旁，车门关着，他绕过挡泥板入镜；场景若需要穿过关闭的车门离开，计划必须包含开门动作。明信片同样有要求：Sue 把明信片交给 Joe，后来又把它放回口袋，因此计划里要有人再把明信片还给 Sue。这些规则只存在于 director-instructions 文件中，改进场景安排时不需为特定车辆或道具修改 Python 代码。
start_state 和 end_state 字段只是连续性检查备注，模型实际收到的是组装后的提示词，所以开场位置、道具归属和安静结尾都要写进提示词本身。上一帧延续可以帮助保持构图，不能补上缺失的物理原因。GUI 现在显示已用时间，并流式输出 Codex 的规划过程，命令行可传入其他剧本走同一套计划、校验和渲染流程。
· END ·