多锚点记忆与跨章衔接
角色性格、场景设定、埋下的伏笔被写进类型化联想图,随剧情多跳召回进下一章生成——第 3 卷的回收,来自第 1 卷真的被记住,而非上下文里碰运气。
把小说、剧本、短片到视频收进一条链,让长篇也能跨章成立、角色长期在线。
角色性格、场景设定、埋下的伏笔被写进类型化联想图,随剧情多跳召回进下一章生成——第 3 卷的回收,来自第 1 卷真的被记住,而非上下文里碰运气。
大纲 → 分卷 → 章节 → beat → 正文 → 剧本 → 分镜 → 视频,八段结构逐层展开、层层可回改;每一层都带着上层的设定与记忆,不是各写各的拼贴。
面向 45 秒短片的时长纪律与三段律叙事:按起、转、落组织结构,镜头与节奏按成片时长反推,直接进入分镜与出片,不做无法落地的长篇。
为角色生成正/侧/背三视图设定图锁定形象,配以声纹 TTS 配音;分镜近景取景 + 音画同生,让人物在成片里形象一致、开口即角色。
八段结构逐层展开,每一层都带着上层的设定与记忆——改一处,下游随之对齐。
通过记忆检索、一致性检查与创作过程记录,支持长篇写作及多阶段协同。技术服务于故事表达,也让修改和问题定位有据可查。
跨章一致,来自真被召回的记忆
角色、场景、伏笔沉淀为类型化联想图;每次生成经多跳检索(multi-hop retrieval)+ 语义/图混合排序,把该记住的召回进上下文——锚点层级按每次查询实时计算,边界为每本书。
memory_anchors · graph_propagate · hybrid_rank · 多跳检索
辅助检查故事一致性
结合规则检查与模型评估,辅助识别人物设定、时间线及伏笔中的冲突,为修改和复核提供依据。
L-det 确定性质检 · L-judge 抽样判官 · 校准门 calibration-gate
以评估反馈改进创作流程
结合创作反馈与回放评估验证更新,在效果不足时保留既有版本。持续改进以实际项目结果为依据。
进化棘轮 Ratchet · 金标准回放回测 · 全链路 Trace
立项 · 生成结构 · 逐章成稿 · 转片出镜——全程记忆守一致、评估器把质量。
定题材、主角与世界设定;角色三视图与声纹在此锚定,成为后续全链引用的记忆原型。
一句话立意展开为大纲与分卷,章节与 beat 逐层铺开;结构支持回改,修改后需检查相关章节与下游内容。
按 beat 生成正文,利用多锚点记忆与评估辅助检查跨章一致性,关键设定、情节和伏笔由作者复核。
正文转剧本与分镜,近景取景 + 声纹配音 + 音画同生,短片模式下按时长纪律一路到成片。
织梦是 LoomVerse 数字生命底座在「故事」试验田里长出的产品世界。传统 AI 写作是一次性的对话——写到第三卷,第一卷的设定早已遗忘;织梦不同:它把角色、世界与伏笔沉淀为可召回的长期记忆,把创作拆成可回改的八段链,再由专属评估器守住每一段的一致性。你负责讲什么,织梦负责让它跨章成立、直到成片。
创作效果取决于项目设定、输入素材与所选模型,关键内容需人工复核。