ninglinLiu/文字-转-视频-Skill

Text-zu-Video-Workflow

Das vom Benutzer ausgewählte Projektverzeichnis wird als Produktions-Stammverzeichnis verwendet. Es gelten die geltenden Projektanweisungen und das langfristige Benutzer-Feedback. Zuerst prüfen, welche Renderer, Schriftarten, Sprach- und Audio-Tools bereits vorhanden sind. Das Repository stellt die ersten Animationskomponenten sowie ein ausführbares vollständiges Kapitelbeispiel bereit; zuerst wiederverwenden, dann bei Bedarf fehlende Szenen ergänzen.

Der Benutzer gibt jeweils nur den Originaltext, einen Link oder ein Thema vor; der Agent ist für die nachfolgende Erstellung, Prüfung und Fehlerbehebung verantwortlich und gibt die Freigabe für jedes einzelne Bild oder jeden Schnitt nicht an den Benutzer zurück. Nur wenn der eigentliche Text, Materialien oder echte Lizenzen benötigt werden, werden konkrete Lücken aufgezeigt. Ohne einen Sprachsynthesedienst oder überprüfbare Fakten wird kein vermeintlich erfolgreiches fertiges Video generiert.

Umfang und Spezifikationen

• Standard task-short: 9:16, 1080×1920, 30 fps, 60–90 Sekunden, 5–8 Einstellungen, H.264, Video-Bitrate mindestens 8 Mbps, AAC-Sprachausgabe, mit der Sprachausgabe synchronisierte SRT, Quellenangaben und Kostenprotokoll. Die Abnahme der Aufgabe erfordert außerdem ein in 剪映/PR/FCP bearbeitbares Projekt und eine entsprechende Öffnungsanleitung; Remotion-Quellcode ersetzt dies nicht.
• Wenn der Benutzer ausdrücklich eine längere Version oder den 3-Minuten-Modus wünscht, wird erweitert verwendet: 165–195 Sekunden. Die erweiterte Version darf nicht als Standard-Kurzvideo-Abnahme ausgegeben werden.
• Wenn der Benutzer zunächst ein Kapitel für ein langes Video validieren möchte, wird chapter-proof verwendet: 90–150 Sekunden, 1920×1080, 30fps, H.264/YUV420p, AAC, SRT. Das aktuelle Beispiel verwendet CRF18; eine feste hohe Bitrate darf nicht als Ersatz für die visuelle Prüfung verwendet werden. Vor der Erstellung von Kapiteln oder langen Videos Langvideo-Kapitel-Workflow lesen. Die Qualität von vollständigen 8–10-minütigen Videos ist noch nicht validiert; die Dauer dieses Auftrags wird nicht automatisch verlängert.
• Feste visuelle Richtlinien und Prüfmethoden siehe Produktionsspezifikationen. Primärfarbe, Schriftarten, Untertitelbereich, Sound und Bewegungsgrammatik sind festgelegt; Inhalt und erklärende Aktionen variieren je nach Artikel. Der Standard-Stil-Rahmen ist in style-lock.json definiert, wird an die bestehenden Markenvorgaben des Benutzers angepasst und gesperrt; diese Konfiguration allein beweist keine ästhetische Freigabe.
• Es erfolgt keine Audioausgabe. Für die Vorschau wird eine MP4 ohne Tonspur verwendet, standardmäßig pausiert; die Version mit Sprachausgabe wird separat gespeichert. Die Auslieferung erfolgt in das vom Benutzer angegebene Verzeichnis; eine Veröffentlichung oder Weitergabe an Dritte erfordert die Autorisierung des Benutzers.

Ein Einstiegspunkt, interne Iteration

1. Eingabe und Nachweise: Originaltext und Quellenangaben speichern. Wenn ein Link nicht gelesen werden kann, darf die Autorenmeinung nicht anhand des Titels erfunden werden; unabhängige Forschungsthemen sind erlaubt, müssen aber klar mit Quellenangaben versehen werden. Schlüsselargumente, Zahlen, Einschränkungen, originäre Rechenbeispiele und Primärnachweise dokumentieren.
2. Inhaltsgestaltung: Eine konkrete Frage, einen Mechanismus, eine Reihe überprüfbarer Rechenbeispiele und den Gültigkeitsbereich entwickeln. Kurzvideos standardmäßig mit einem einzigen Mechanismus; erweiterte Versionen erlauben eine vollständigere Argumentation. Die Sprachausgabe wird erst nach der Faktenprüfung des Skripts synthetisiert.
3. Geschichte und Aktionen: Basierend auf dem Inhalt werden aus der festgelegten Grammatik erklärende Aktionen ausgewählt (z.B. Vergleiche, Neugruppierung, Kumulation, Filterung). Für jede Einstellung die Objektidentität, den Start-/Endzustand, die Echtzeit der Aktion und wie die nächste Einstellung nahtlos anschließt, notieren. Nicht nur Titel, Symbole oder untere Untertitel ändern.
4. Wiederverwendung in der Produktion: TTS, WordBoundary, Schriftarten, Remotion und FFmpeg aus den letzten erfolgreichen Projekten wiederverwenden; nur die für den Inhalt benötigten Szenen schreiben. Die Basis-Engine nicht neu erstellen, keine node_modules-Verknüpfungen kopieren. Die Sprachausgabe als ganzes Stück synthetisieren; nach Änderungen am Skript die Timeline neu ausrichten. Der Cache-Schlüssel umfasst Manuskript, Stimme und Sprechgeschwindigkeit.
5. Interner Validierungszyklus: Zuerst 8–13 Sekunden rendern, die erklärende Aktionen und Übergänge enthalten. Auf einem handygroßen Bildschirm prüfen: aufeinanderfolgende Frames, Text, Objektstatus, Zahlen und Mundbewegungssynchronisation. Zeitcode-Probleme klar auflisten, lokal reparieren und erneut prüfen. Dann das gesamte Video rendern und die endgültige codierte Datei prüfen. Maximal drei Iterationen derselben lokalen Reparatur; bei weiterhin schlechter Qualität klar als „zu reparieren“ markieren, nicht als erfolgreich ausgeben.
6. Auslieferung und Status: Das Abnahmeskript ausführen, den Status der einzelnen Punkte speichern. Technische Prüfung, visuelle Prüfung durch den Agenten und ästhetische Freigabe durch den Benutzer trennen. Ausliefern: Sprach-MP4, stumme Vorschau, SRT, bearbeitbarer Quellcode, segmentierte Bilder, separate Audiodatei, Quellen und Protokoll. Wenn der Benutzer explizit bestätigt hat, den Editor manuell zu überprüfen, und keine erneute Prüfung wünscht, die Benutzerbestätigung und den Geltungsbereich dokumentieren und direkt mit der Produktion fortfahren; 剪映/PR nicht starten und auch nicht vortäuschen, dass der Agent ein neues Projekt geöffnet hat. XML als Austausch-Timeline markieren.

Musik und Materialien

Materialien nach Verwendungszweck auswählen: Daten liefern Nachweise, Rechenbeispiele erklären den Mechanismus, Illustrationen etablieren die Szene; für jedes Element Quelle, Lizenz, Nutzungsintervall und das entsprechende Argument notieren. Das öffentliche Beispiel enthält Schriftarten, Sprachausgabe, saubere segmentierte Bilder, begrenzte Auszüge aus wissenschaftlichen Arbeiten; der vollständige Originaltext, vollständige Arbeiten, originale Referenzvideos und nicht lizenzierte weiterverbreitete Musik werden nicht in das öffentliche Paket aufgenommen.

Wenn der Benutzer eine bestimmte Referenzmusik vorgibt, zuerst die vollständige Videolänge, die Länge des Musiktitels und die tatsächliche Audio-Spurlänge überprüfen. Eine als „original“ gekennzeichnete 6-Sekunden-Datei auf einer Plattform belegt nur den Erwerb eines 6-Sekunden-Ausschnitts, nicht, dass der Originalsong nur 6 Sekunden lang ist. Wenn der Quellentitel nicht ausreicht, weiter suchen; eine Tonspur mit Voiceover aus dem Originalvideo nicht als reine Hintergrundmusik ausgeben. Eine Schleifenfunktion nur verwenden, wenn der Benutzer die Wiederverwendung von Ausschnitten akzeptiert hat; nicht automatisch eine kurze Schleife als Ersatz für vollständige Musik verwenden. Nach Erhalt verfügbarer Musik den Sound- und Material-Workflow lesen und das lokale Mischwerkzeug verwenden.

Wiederverwendbarer Einstiegspunkt und tatsächliche Fähigkeiten

Das bereits vorhandene oder vom Benutzer ausdrücklich ausgewählte Produktionsprojekt verwenden. Remotion, Canvas oder andere Tools, die deterministisches Rendern unterstützen, können eingesetzt werden; die spezifischen Befehle für Sprachausgabe und Export werden von diesem Projekt bereitgestellt. Die Verzeichnis- und JSON-Konventionen des Abnehmers siehe Eingabeprotokoll. source/script.json ist die vom Agenten adaptierte Eingabe, nicht ein beliebiges Modell, das automatisch aus Originaltext Einstellungen generiert.

Diese Skill ist ein Orchestrierungs-Einstiegspunkt für einen Agenten, kein unbeaufsichtigtes, deterministisches Volltext-zu-Video-Programm. Themenauswahl, Storyboard und visuelle Prüfung werden weiterhin vom Agenten durchgeführt; der Benutzer muss nicht schrittweise Anweisungen geben. Erst wenn drei neue, zuvor nicht getestete Artikel fehlerfrei durchlaufen wurden und das vollständige Reparaturprotokoll vorliegt, kann ein festgelegter Bereich der Pipeline als validiert gemeldet werden; eine perfekte Erstausgabe für beliebige Artikel darf nicht versprochen werden.