ninglinLiu/script-to-video-skill

Flujo de trabajo: texto a video

Toma el directorio del proyecto seleccionado por el usuario como raíz de producción y cumple con las instrucciones del proyecto aplicables y los comentarios a largo plazo del usuario. Primero, haz un inventario de los renderizadores, fuentes, voces y herramientas de audio existentes. El repositorio proporciona los primeros componentes de animación y un caso de capítulo completo ejecutable; reutiliza primero, luego complementa las escenas que el contenido requiera.

El usuario proporciona el texto original, un enlace o un tema de una sola vez; el agente se encarga de la creación, verificación y corrección posteriores, sin devolver al usuario la aprobación de cada toma o muestra. Solo informa carencias específicas cuando se necesita texto completo, materiales o autorización legítima. No generes un video final falso sin un servicio de voz o evidencia sólida.

Alcance y especificaciones

• Por defecto task-short: 9:16, 1080×1920, 30 fps, 60–90 segundos, 5–8 planos, H.264, tasa de bits de video de al menos 8 Mbps, AAC para locución, SRT alineado con voz real, registro de origen de materiales y costos. La aceptación de la tarea también requiere un proyecto editable en剪映/PR/FCP y las instrucciones para abrirlo; el código fuente de Remotion no lo reemplaza.
• Cuando el usuario solicite explícitamente una duración mayor o utilice el modo de tres minutos, usa extended: 165–195 segundos. No hagas pasar una versión extendida como un video corto de tarea para su aceptación.
• Cuando el usuario necesite verificar capítulos de un formato largo, usa chapter-proof: 90–150 segundos, 1920×1080, 30fps, H.264/YUV420p, AAC, SRT. El caso actual usa CRF18; no uses una tasa de bits fija alta para omitir la inspección visual. Antes de hacer capítulos o un video largo, lee Flujo de capítulos largos. La calidad completa de 8–10 minutos aún no se ha verificado; no amplíes automáticamente la duración de esta tarea.
• La referencia visual fija y el método de revisión se encuentran en Especificaciones de producción. Los colores principales, la tipografía, el área de subtítulos, el sonido y la gramática de movimiento son fijos; el contenido y las acciones explicativas varían según el artículo. La base de estilo predeterminada está en style-lock.json; ajústala y bloquéala según los requisitos de marca existentes del usuario. Esta configuración por sí sola no garantiza la aprobación estética.
• Siempre sin distribución externa. Las previsualizaciones se entregan como MP4 sin pista de audio y en pausa por defecto; la versión con locución se guarda por separado. Entrega en el directorio especificado por el usuario; la publicación pública o el envío a terceros requiere autorización del usuario.

Un punto de entrada, iteración interna

1. Entrada y evidencia: Guarda el texto original y el alcance de las fuentes. Si un enlace no es accesible, no inventes la opinión del autor basándote en el título; puedes plantear un tema de investigación independiente, pero marca claramente los límites de las fuentes. Registra los argumentos clave, cifras, calificadores, ejemplos originales y evidencia de primera mano.
2. Diseño de contenido: Formula una pregunta concreta, un mecanismo, un conjunto de ejemplos comprobables y los límites de aplicación. El video corto usa por defecto un solo mecanismo; la versión extendida permite una argumentación más completa. La locución se sintetiza solo después de la revisión de hechos.
3. Narrativa y acción: Elige entre las acciones explicativas fijas (comparación, reagrupación, acumulación, filtrado, etc.) según el contenido. Para cada plano, escribe la identidad del objeto, el estado inicial y final, el tiempo real en que ocurre la acción y cómo el siguiente plano la retoma. No te limites a cambiar el título, el icono o el subtítulo inferior.
4. Producción reutilizable: Reutiliza TTS, WordBoundary, fuentes, Remotion y FFmpeg de proyectos exitosos recientes; solo escribe las escenas que el contenido requiera. No reconstruyas el motor base ni copies node_modules junction. Sintetiza la locución completa; después de modificar el guion, realinea la línea de tiempo. La clave de caché incluye el texto, el timbre de voz y la velocidad.
5. Bucle de verificación interna: Primero renderiza realmente 8–13 segundos que incluyan la acción explicativa y la transición. Verifica en tamaño de pantalla de móvil, fotogramas consecutivos, texto, estado de objetos, cifras y sincronización con la locución. Enumera claramente los problemas de código de tiempo, corrige localmente y vuelve a revisar. Luego renderiza el video completo y verifica el archivo codificado final. Como máximo tres rondas de correcciones locales del mismo tipo; si aún no es aceptable, márcalo claramente como pendiente de reparación, no finjas que es correcto.
6. Entrega y estado: Ejecuta el script de auditoría y conserva el estado de cada elemento. Separa las pruebas técnicas, la revisión visual del agente y la aprobación estética del usuario. Entrega MP4 con locución, vista previa silenciosa, SRT, código fuente editable, segmentos de video, audio separado, fuentes y registro. Cuando el usuario haya confirmado explícitamente la verificación manual del editor y solicite no volver a verificarlo, registra la confirmación del usuario y el alcance de aplicación, y continúa directamente con la producción; no inicies剪映／PR, ni finjas que el agente ha abierto un nuevo proyecto. Marca el XML como línea de tiempo de intercambio.

Música y materiales

Los materiales se seleccionan según su propósito: los datos proporcionan evidencia, los ejemplos explican mecanismos, las ilustraciones crean escenarios; cada elemento registra su origen, licencia, intervalo de uso y argumento correspondiente. Los casos públicos incluyen fuentes, locución, segmentos de video limpios, extractos limitados de encabezados de artículos; el texto completo del artículo, el artículo completo, el video de referencia original y la música no autorizada para redistribución no se incluyen en el paquete público.

Cuando el usuario especifique música de referencia, primero confirma la duración total del video, la duración de la pista musical y el contenido real de audio. Un archivo de 6 segundos etiquetado como "original" en la plataforma solo demuestra que se obtuvo un fragmento de 6 segundos, no que la canción original tenga solo 6 segundos. Si la pista de origen es insuficiente, continúa buscando; la pista de audio de un video original con narración no se hace pasar por BGM puro. Solo usa bucles cuando el usuario acepte la reutilización de fragmentos; no reemplaces automáticamente la música completa con bucles cortos. Después de obtener música utilizable, lee Flujo de audio y materiales y usa la herramienta de mezcla local.

Punto de entrada reutilizable y capacidades reales

Usa el proyecto de producción existente o seleccionado explícitamente por el usuario. Puede emplear Remotion, Canvas u otras herramientas que admitan renderizado determinista; los comandos específicos de locución y exportación los proporciona ese proyecto. Las convenciones de directorio y JSON del auditor se encuentran en Protocolo de entrada. source/script.json es la entrada adaptada por el agente, no un modelo que convierte automáticamente cualquier texto en planos.

Este Skill es un punto de orquestación para el agente, no un programa determinista de texto a video sin supervisión. La selección del tema, los planos y la revisión visual siguen siendo ejecutados por el agente; el usuario no necesita dar órdenes paso a paso. Solo cuando tres artículos nuevos no depurados se ejecuten consecutivamente sin problemas y el registro de reparación esté completo, se puede informar que un pipeline de alcance fijo está verificado; no se puede prometer una primera ejecución perfecta para cualquier artículo arbitrario.