techdou/AI-Werbevideo-Skill

KI-Werbevideo-Skill

End-to-End-Pipeline für KI-generierte Werbevideos. Verwende diesen Skill, wenn der Benutzer ein Marketing-/Brand-/Werbevideo mit KI-Videogenerierungstools planen, schreiben und produzieren möchte.

Was dieser Skill abdeckt

Der vollständige 4-Phasen-Workflow:

1. Modellrecherche – Untersuchung von Videogenerierungsmodellen (primär doubao-seedance), Erstellung von Fähigkeitsberichten
2. Marketingtexte – Positionierung, Wertversprechen, Differenzierung, Handlungsaufforderungen
3. Voiceover-Skript – Skript im Sprechstil für einen digitalen Menschen oder Erzähler, mehrere Längenversionen für verschiedene Kanäle
4. Shot-für-Shot-Prompts – konkrete Videogenerierungs-Prompts nach den offiziellen Schreibkonventionen des Modells

Wann auslösen

Auslösen, wenn der Benutzer Folgendes möchte:

• Ein Werbe-/Marken-/Marketingvideo mit KI-Tools erstellen
• KI-Videogenerierungsmodelle recherchieren (seedance, Sora, Kling, Runway usw.)
• Voiceover-/Erzählskripte für Videos schreiben
• Shot-für-Shot-Prompts für KI-Videomodelle schreiben
• Eine End-to-End-KI-Videoproduktion planen

Nicht auslösen bei: gewöhnlichen Videobearbeitungsaufgaben, Bildschirmaufnahme-Tutorials, Nicht-KI-Videoarbeit oder reiner Texterstellung ohne Videokontext.

Allgemeinheitsprinzip (wichtig)

Dieser Skill ist ein Framework, keine Vorlage, die an ein bestimmtes Produkt, eine Branche oder Marke gebunden ist. Wenn du an einem Projekt arbeitest:

• Beispiele in Referenzdateien sind Veranschaulichungen, keine zu kopierenden Vorlagen. Passe die Struktur an die tatsächliche Zielgruppe, Stimme und Produktkategorie des Projekts an.
• Gehe nicht von B2B, B2C, Bildung oder einer bestimmten Vertikalen aus. Frage den Benutzer zuerst nach Zielgruppe und Produkt, wenn der Projektkontext dies nicht offensichtlich macht.
• Verwende die eigenen Markenwerte des Projekts – übernehme Farben, Stimme, Referenzen aus der Projekt-README und dem Markenordner; gehe niemals von bestimmten Werten aus.
• Die folgenden Stilregeln (反 KI-Müll) sind Standardeinstellungen, keine Gebote. Zeige sie dem Benutzer, wenn das Projekt eine andere Stimme erfordert (z. B. eine Klickköder-Anzeige könnte ehrlich gesagt 震惊体 wollen), ansonsten behalte sie bei.

Kernprinzip: Ausgabe in Projektdokumente

Alle Ergebnisse (Forschungsberichte, Texte, Skripte, Prompts) sollten als Markdown-Dateien unter docs/promo/ des Projekts (oder gleichwertig) geschrieben werden, damit sie über Sitzungen hinweg erhalten bleiben und von Menschen überprüft/ bearbeitet werden können. Gib Inhalte nicht einfach in den Chat aus.

Routing nach Benutzerabsicht

Benutzer fragt	Phase	Was tun
"帮我调研 XX 视频模型" / "seedance 怎么用"	Recherche	references/research-template.md lesen, einen Recherche-Subagenten einsetzen, Bericht unter docs/promo/00-{model}-调研报告.md speichern
"帮我写宣传文案" / "广告文案"	Text	assets/copy-template.md lesen, den Benutzer kurz befragen (Zielgruppe, Markenwerte, Hauptunterscheidungsmerkmale), in docs/promo/01-宣传文案.md schreiben
"写口播稿" / "数字人念稿"	Voiceover	assets/voiceover-template.md lesen, dem Kanal entsprechende Längenversionen erstellen, in docs/promo/02-口播稿.md speichern
"视频 prompt 怎么写" / "分镜脚本"	Shot-Prompts	references/shot-prompt-template.md + die modellspezifische Anleitung (z. B. references/seedance-guide.md) lesen, Prompts pro Shot in docs/promo/03-{model}-视频prompt.md schreiben
"从零做一支 AI 宣传片"	Alle vier Phasen	Phasen der Reihe nach ausführen, jedes Artefakt speichern, von docs/promo/README.md aus verlinken

Phase 1: Modellrecherche

Ziel: ein strukturierter Bericht über die Fähigkeiten des gewählten Modells, Prompt-Konventionen, API, Preise und Fallstricke.

1. Frage den Benutzer nach dem Modell (Standard: doubao-seedance-1-0-pro-250528; für Budget-Overlays pro fast in Betracht ziehen, lite für Markenvideos vermeiden). Wenn der Benutzer Sora / Kling / Runway / andere erwähnt, setze einen Recherche-Subagenten für dieses Modell ein – die Berichtsstruktur in references/research-template.md ist modellunabhängig.
2. Lese references/research-template.md für die Untersuchungsstruktur.
3. Setze einen Recherche-Subagenten (Typ researcher) mit expliziten Anweisungen ein, echte URLs zu zitieren und nicht verifizierte Behauptungen mit „需核实“ zu markieren. Erfinde niemals Preise, API-Felder oder Veröffentlichungsdaten.
4. Speichere den Bericht unter docs/promo/00-{model-slug}-调研报告.md.
5. Hebe 3-5 wichtige Einschränkungen hervor, die spätere Phasen beeinflussen (z. B. „Modell kann keine zuverlässigen Texte generieren → alle Untertitel müssen in der Nachbearbeitung eingefügt werden“).

Wenn das Ziel doubao-seedance ist, lies auch references/seedance-guide.md – es enthält die validierte 5-段式 Prompt-Struktur, Kameravokabular und bekannte Fallstricke. Bei anderen Modellen ist der Forschungsbericht aus Schritt 4 die maßgebliche Referenz.

Phase 2: Marketingtexte

Ziel: ein Haupttextdokument, auf dem nachgelagerte Voiceover- und Shot-Prompts aufbauen.

1. Lese assets/copy-template.md.
2. Sammle Eingaben (frage nur, was fehlt; übernehme aus Projekt-README, Markenordner, früheren Dokumenten):
   • Zielgruppe(n) und ihre Schmerzpunkte – könnte ein oder mehrere Segmente sein; nicht annehmen
   • Produkt-/Markenunterscheidungsmerkmale (3-5)
   • Markenstimme und -ton
   • Markenvisuelle Identität (Farben, Logos, vorhandene Assets) – übernehme Hex-Werte aus der tatsächlichen Markenkonfiguration des Projekts, verwende keine Platzhalter
   • Handlungsaufforderung (kann Enterprise / Consumer / Partner / Install / Signup sein – hängt vom Produkt ab)
3. Schreibe den Text nach der Struktur der Vorlage: Ein-Satz-Positionierung → Wertversprechen → Haupterzählung → Unterscheidungsmerkmale → Daten/Referenzen → Handlungsaufforderungen.
4. Speichere in docs/promo/01-宣传文案.md.

Stilregeln (Standard – dem Benutzer zeigen, wenn das Projekt etwas anderes erfordert):

• Klare Sprache statt Schlagwörter. Verwende alltägliche Metaphern; behalte Fachbegriffe nur bei, wenn sie dem Leser etwas beibringen.
• Zeigen, nicht behaupten. Zitiere echte Referenzen, Ranglisten, Zahlen – niemals aufblähen.
• Sätze, die laut vorgelesen werden können. Lies jeden Satz mental laut vor; wenn er sich wie eine Pressemitteilung anhört, schreibe ihn um.

Phase 3: Voiceover-Skript

Ziel: ein Skript im Sprechstil für einen digitalen Menschen oder menschlichen Erzähler, strukturiert für TTS und Videobearbeitung.

1. Lese assets/voiceover-template.md.
2. Basieren auf dem Haupttext aus Phase 2 – erfinde keine neue Botschaft.
3. Frage den Benutzer nach dem Verbreitungskanal (抖音/视频号/公众号/官网/B站/朋友圈/开屏 usw.) – der Kanal bestimmt die benötigten Längenversionen. Die Vorlage listet typische Versionen (Langfilm 60s+, Mittelfilm 30s, Kurzfilm 15s) als Standard, nicht als feste Anforderungen.
4. Mit Lesehinweisen versehen: Sprechgeschwindigkeit, Pausen, Betonungsmarkierungen (▲ für Betonung, ▼ für leise, … für gehalten), Zahlen in chinesischer Lesart.
5. Eine Shot-für-Shot-Zuordnungstabelle (Zeit → Voiceover-Abschnitt → visueller Vorschlag) bereitstellen.
6. Speichern in docs/promo/02-口播稿.md.

Stilregeln:

• Kurze Sätze. Eine Idee pro Zeile, aufteilbar in unabhängige Sätze.
• Konversationell, nicht geschrieben. „我们做的事，就是把这两边拉到一起“ schlägt „本平台致力于实现人才与企业的精准对接“.
• Betonungs- und Pausenmarkierungen sind wichtig – sie steuern den TTS-Rhythmus und den Videoschnitt-Takt.

Wenn der Benutzer das Skript in mimo TTS oder ähnliches einspeist, erstelle auch eine segments.json nach assets/segments-template.json – ein Segment pro Shot, mit Stilhinweisen pro Segment.

Phase 4: Shot-für-Shot-Videoprompts

Ziel: konkrete, kopierbare Prompts für das gewählte Videomodell, einer pro Shot, bereit für Batch-API-Aufrufe.

1. Lese references/shot-prompt-template.md und die modellspezifische Anleitung (references/seedance-guide.md für seedance; bei anderen Modellen der Forschungsbericht aus Phase 1).
2. Ordne das Voiceover-Skript Shots zu (typisch 5-10s pro Shot; Gesamtshotzahl skaliert mit der Gesamtlaufzeit, etwa 1 Shot pro 5-8 Sekunden).
3. Schreibe für jeden Shot einen vollständigen Prompt nach der offiziellen Struktur des Modells. Für seedance ist das die 5-段式:
   • 整体风格与氛围
   • 主体（含一致性约束）
   • 场景（环境/光照/道具）
   • 时间轴动作（0-N 秒）
   • 运镜 + 技术参数
   • 一致性约束（无文字水印 logo、五指完整）
4. Füge API-Aufrufparameter (Modell, Auflösung, Seitenverhältnis, Dauer, Seed) und ein Code-Snippet für die Batch-Übermittlung hinzu.
5. Speichere in docs/promo/03-{model}-视频prompt.md.

Harte Regeln für seedance (diese stammen aus echten Fehlern):

• 字幕、品牌名、Logo 一律后期合成 – seedance 1.0 Textrendering ist schwach.
• Kein eigenständiges negative_prompt-Feld – Verneinungen in positive Einschränkungen einbetten („无文字“ statt „不要文字“).
• Ein Prompt = ein Shot. Nicht versuchen, mehrere Shots in einem einzigen Prompt zu erzählen; im Schnitt trennen.
• Für Charakterkonsistenz über Shots hinweg: Image-to-Video mit einem First-Frame-Ankerbild verwenden, nicht Text-to-Video.
• Immer explizit „无文字、无水印、无 logo、人物五指完整“ am Ende anhängen.

Bei anderen Modellen der offiziellen Prompt-Struktur und den Einschränkungen des Modells folgen, wie im Forschungsbericht aus Phase 1 dokumentiert.

Fallstricke aus echten Produktionsläufen

Dinge, die bei diesem Skill schiefgelaufen sind (alle allgemein, nicht projektspezifisch):

• Boson higgs-avatar Preview-Version-Wasserzeichen – Videos enthalten am unteren Rand „This digital avatar is generated by AI“. Mit ffmpeg in der Nachbearbeitung zuschneiden: ffmpeg -i in.mp4 -vf "crop=W:H-30:0:30,scale=W:H" out.mp4. Das Wasserzeichen wird bei der Videogenerierung hinzugefügt, nicht durch das Quellbild.
• Parameterverwirrung zwischen Skills – --skip-check existiert in mimo-lecture-audio-skill, aber NICHT in boson-ai-skill. Immer das eigene --help des Skills überprüfen, bevor Flags übernommen werden.
• Audio-Längenbegrenzung bei Avatar-Diensten – boson begrenzt einzelnes Audio auf 60s. Längere Skripte in ≤60s-Segmente aufteilen und Videos in der Nachbearbeitung zusammenführen.
• Bild-API-Relay trennt gelegentlich die Verbindung bei qualitativ hochwertigen großen Batches (RemoteProtocolError). --count 1 pro Aufruf und Schleife verwenden oder auf --quality medium zurückfallen.
• Videomodell-Aufgabenwarteschlange – längere Videos (10s) benötigen 3-5x länger als kürzere (5s) auf demselben Modell. Bei Iterationen für Wiederholungen einplanen.
• Image-to-Video ist konsistenter als Text-to-Video – für jeden Charakter, der in mehreren Shots gleich aussehen muss, zuerst ein Standbild generieren und als erstes Bild wiederverwenden.

Übergabe an Ausführungsskills

Dieser Skill erstellt Pläne und Prompts; er führt die API-Aufrufe nicht selbst aus. Nach Phase 4 den Benutzer auf die Ausführung verweisen:

• Bildgenerierung (Avatar/Produktshots) → image2-api Skill
• Voiceover TTS → mimo-lecture-audio-skill (Chinesisch) oder boson-ai-skill (mehrsprachig)
• Digital-Human-Video → boson-ai-skill (higgs-avatar, Audio-zu-Video-Modus)
• B-Roll / Szenenshots → Videomodell-API direkt aufrufen (noch kein Wrapper-Skill für seedance/Sora/Kling)

Ausgabe-Indexdatei

Nach allen vier Phasen docs/promo/README.md als Index pflegen – jedes Artefakt, die Ausführungsreihenfolge, Budgetschätzung und offene Entscheidungen auflisten. Dies ist die Datei, die der Benutzer in der nächsten Sitzung öffnet, um fortzufahren.

Stil für alle Ausgaben (反 KI-Müll-Standards)

Diese Regeln spiegeln eine Präferenz für ehrliche, Anti-Müll-Inhalte wider. Sie sind Standardeinstellungen – zeige sie dem Benutzer, wenn das Projekt eine andere Stimme erfordert, ansonsten behalte sie bei.

• Überschriften klar, nicht klickködernd. Kein „震惊！“ oder „竟然发现...!“.
• Schlussfolgerungen zuerst, Details danach. Aufzählungen vor Absätzen, wenn der Benutzer auf Basis der Punkte handeln wird.
• Unsicherheiten ehrlich vermerken. Nicht verifizierte Fakten mit „需核实“ markieren; niemals URLs, Preise oder Funktionen erfinden.
• KI-Müll-Wörter standardmäßig streichen: „赋能“, „抓手“, „闭环“, „生态“, „一站式", „行业领先", „致力于". Jedes durch ein konkretes Verb oder eine spezifische Behauptung ersetzen.
• Keine falsche Begeisterung in Berichten. Kein „太棒了“, „很惊喜". Die Ergebnisse berichten Fakten.
• Die Sprache des Benutzers spiegeln – Chinesisch rein, Chinesisch raus.