剧本智能拆解

剧本拆解的常见痛点

手动拆解剧本时，结构边界模糊、节拍定位混乱，角色动机与关系梳理零散，情节节奏全靠主观判断，诊断环节缺乏量化标准，导致创作迭代无章法、优化方向不明确，尤其面对长剧本时耗时耗力，还容易出现漏检逻辑漏洞、节奏失衡等问题。

核心能力与工作流

五大拆解维度覆盖全维度分析

• 结构层：基于菲尔德三幕剧识别宏观结构，用 Save the Cat 15节拍表 精准定位开场画面、催化事件、中点转折等核心节拍，输出结构完整性评分并标注薄弱节拍。
• 角色层：提取角色内在/外在动机、成长轨迹，构建亲密度、冲突矩阵，解析对话表面含义与深层潜台词。
• 情节层：按场景粒度切分，标注冲突强度与情绪值，梳理事件因果链，生成情节密度曲线数据。
• 时空层：重建时间线（标注正序/倒叙/闪回），统计室内/室外、日夜等空间场景分布。
• 诊断层：检测节奏拖沓或过快段落，诊断角色戏份失衡，扫描时序矛盾、行为不一致等逻辑漏洞。

五阶段标准化工作流

1. 文本预处理：识别剧本格式（标准剧本/小说体/梗概），提取标题、类型等元信息，预估规模。
2. 结构拆解：定位三幕边界与15节拍，生成结构评分并标注缺失项。
3. 角色拆解：角色分类去重，生成包含弧光轨迹的卡片，构建关系网络数据。
4. 情节与节奏拆解：场景切分标注，输出双轴曲线数据，标记关键转折点。
5. 诊断与输出：生成节奏、角色功能、逻辑一致性报告，给出场景级改进建议。

适用边界与注意点

• 需提供完整剧本文本（全文/大纲/梗概），拆解深度可选快速概览、标准、深度诊断，默认标准。
• 剧本类型（电影/电视剧/短剧等）会影响节拍参照标准，建议明确输入以匹配对应框架。
• 深度诊断依赖输入文本的信息完整性，若剧本缺失关键情节或角色描述，诊断结果可能受限。