需先将本地视频/图片上传至s3（禁用sse-s3加密），再通过ecs触发帧提取与nova pro标注，生成/output/下的图像及jsonl数据，最后在sagemaker或bedrock启动微调训练，部署端点验证角色一致性。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要用Nova AI微调模型，但手头只有本地视频或图片素材，不知道怎么把它们变成训练可用的数据集——这一步卡住就无法进入后续角色一致性建模，整个分镜生成流程会直接中断。
准备原始素材并上传至S3存储桶
打开Amazon S3控制台，创建一个新存储桶（名称必须全局唯一，建议含日期和项目缩写，如“nova-picchu-202607”）。
将本地视频文件拖入该存储桶根目录；若已有裁剪好的角色图集，可直接上传JPEG/PNG格式图像，单张分辨率不低于512×512像素。
【必须关闭S3服务器端加密（SSE-S3）】，否则后续ECS任务无法读取文件——这是实际部署中最常被忽略的权限陷阱，会导致步骤3降采样任务静默失败。
触发自动化帧提取与标注流水线
在Amazon ECS控制台中，找到预配置的FuzzyPixel处理集群，点击“运行新任务”。
在任务配置中，将环境变量INPUT_BUCKET设为刚才创建的S3桶名，FRAME_INTERVAL设为1（即每秒抽1帧），ROLE_NAME设为“Mayu”或“Mother”等你希望微调的具体角色名。
提交后，ECS会自动启动容器执行三步操作：①从S3下载视频→②按设定间隔解帧→③调用Nova Pro对每帧生成结构化描述文本（含角色位置、服饰、表情关键词）。
用户要生成可打印的中文字帖/练习纸、导出多页 A4 PDF 报告，或把 SVG 设计稿零误差还原到 Canvas 时使用。本技能是「Canvas 内容工厂闭环」的总控，编排：网格渲染引擎(13 种教育网格+拼音标注) → 多页 PDF 导出(A4 合成) → SVG 精准复刻(坐标误差<0.001px)。触发词：生成字帖、练习纸、导出 PDF、SVG 转 Canvas、印刷级还原、A4 报告、米字格田字格。
全部处理完成后，原始帧截图与对应JSON标注文件将自动存入同一S3桶下的/output/子目录，路径形如s3://nova-picchu-202607/output/mayu_00123.jpg + mayu_00123.json。
在SageMaker中启动微调训练任务
方法一：使用预置笔记本（推荐新手）
进入Amazon SageMaker Studio，打开GitHub代码库中提供的02-character-consistent-fine-tuning-with-amazon-nova-canvas/notebook/train_nova_canvas.ipynb，依次执行单元格。
方法二：直接调用API（适合CI/CD集成）
在本地终端或CloudShell中运行以下命令：
aws bedrock create-model-customization-job \
--job-name "mayu-v2" \
--role-arn "arn:aws:iam::123456789012:role/NovaFineTuneRole" \
--input-data-config '{ "inputDataS3Uri": "s3://nova-picchu-202607/output/", "dataFormat": "JSONL" }' \
--output-data-config '{ "outputDataS3Uri": "s3://nova-picchu-202607/fine-tuned-models/" }' \
--model-id "amazon.nova-canvas-v1"
训练耗时约12小时，期间可在Bedrock控制台查看job状态；成功后生成的定制模型ID形如arn:aws:bedrock:us-east-1:123456789012:model-customization/mayu-v2。
验证微调效果并部署推理端点
在Bedrock控制台选择刚生成的定制模型，点击“部署为实时端点”，选择实例类型ml.g5.xlarge（最低要求，确保GPU显存≥24GB）。
部署完成后，复制端点ARN，在Postman中构造POST请求：目标URL为https://runtime.bedrock.aws.amazon.com/model/custom/amazon.nova-canvas-v1:mayu-v2/invoke，Body选raw→JSON，填入{"text":"Mayu wearing red hoodie, smiling, standing in Tokyo street at night"}。
收到响应后检查返回图像中角色发型、瞳色、服装细节是否与训练集一致——若出现明显偏差（如训练集中Mayu无雀斑但生成图有），说明标注数据中存在误标帧，需回到S3的/output/目录删除对应JSON文件并重跑微调任务。
