Communitygithub.com

jiawood2006/hermes-skills

AI 电商视频广告生产线:一条命令出带货短视频(产品锁 / 多引擎选型 / 官方真像素产品镜 / 自动装配)。

hermes-skills とは?

このスキルは、AI エージェント(Claude Code など)が E コマース向けの販促ショート動画を完全自動で生成するためのパイプラインです。`scripts/make_ad.py` という一つのコマンドを実行するだけで、スクリプト立案、動画生成、品質検証、後処理、納品までの全工程を実行します。特に、製品の品質保証に重点を置いており、AI による製品の形状・色の変化を防ぐ「プロダクトロック」機構や、公式の製品画像を使用して 100% リアルな製品カットイン動画を合成する「公式ピクセル製品鏡」機能を備えています。Wan3.0-video や Wan2.6-t2v など複数の動画生成エンジンをサポートし、用途に応じて最適なモデルを選択できます。また、生成された動画に対して、製品の寸法検証、音声認識による台詞確認、動きの検出など、多角的な品質チェックを自動で実施し、粗悪な「画像のスライドショー」のような成果物を納品しない仕組みが組み込まれています。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/jiawood2006/hermes-skills/tree/HEAD/skills/ai-video-ad-production

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

AI 生成带货短视频(真人剧情 / 口播)

When to Use

ユーザーが「ショート動画 / 販促動画 / 口播動画 / サンプル動画の標準」を要求したり、以前の成果物が「リアル感がなく、画像を繋ぎ合わせただけのようだ」と不満を述べた場合に使用します。 まずは以下のパス判断を行い、素材の繋ぎ合わせを最終成果物としないでください。

🚀 怎么跑(2026-09-18 以降:ワンコマンドで出力)

本体 = scripts/make_ad.py —— 以前は /tmp に散らばっていた 6 つの手動スクリプトを 1 つのコマンドに統合し、 すべての部品スクリプトが必要に応じてこれから呼び出されます。

S=~/.hermes/skills/ecommerce/ai-video-ad-production

# ① まずプロンプトを確認(無料、送信不要;製品ロックと絵コンテを確認してから課金)
python3 $S/scripts/make_ad.py $S/templates/ad_project.hsq1.json --steps plan

# ② 完全自動オールインワン:送信→ポーリング→ダウンロード→フレーム抽出検証→アセンブル 30s/15s→デスクトップに納品
python3 $S/scripts/make_ad.py $S/templates/ad_project.hsq1.json --steps all

# ③ セグメントはダウンロード済みで、後処理のみ再実行(字幕変更/ナレーション差し替え/15s への再カット——課金なし、最も頻繁に使用)
python3 $S/scripts/make_ad.py <プロジェクト.json> --steps assemble,deliver

# ④ 特定のセグメントのみ処理 / 一時的に runid や解像度を変更
python3 $S/scripts/make_ad.py <プロジェクト.json> --steps fetch,verify --seg 3 --runid v24 --res 720P

各ステップは終了コードと成果物の存在・サイズをチェックし、基準を満たさない場合は FAIL 原文を表示して列挙し、静かに続行することはありません。

プロジェクト設定(templates/ad_project.hsq1.json はそのまま実行可能な実サンプルです。これを編集すれば新しい動画が生成されます):

フィールド説明
modelエンジン(製品鏡の場合は wan3.0-video;デフォルトの wan2.7-r2v は純粋な人物シーンにのみ適しています)
product製品プロファイル product_profiles.json のキーを指定 —— 画像生成と動画生成で同一のプロファイルを使用
refs参照画像の順序 = 画像1..画像N、製品ロックテンプレートの図番号説明と一対一で対応する必要があります;ローカル画像は自動的に scp で公開 URL にアップロードされます
segments各セグメントの絵コンテ本文("何を撮るか"のみ記述;製品ロックは make_ad が自動的に先頭に追加します)
assembly.voナレーション(edge-tts);タイミング = 字幕 start、自然に同期
assembly.subs/chips/spec/compliance字幕 / 装飾テキスト / パラメータバー / AI 生成コンテンツの表示
assembly.cut1515秒版:どのセグメントを使用するか、ナレーションをどのようにカットするか、各オーバーレイの15秒軸上の新しい時間枠
deliver納品ディレクトリ + ファイル名(デフォルトは ~/Desktop/电商素材/<製品>/视频/)

製品ロック(全製品で共通、新規作成しない):templates/product_lock_head.txt + プロファイル内の video_lock フィールド。 「占有率 ≤ 画面高さの 1/6、ヘッド直径を定規として 1.9 倍で計算、底面は平らな円形、線は軸に沿って挿入、終始カメラ目線にしない…」 これらの苦労して得られた表現はすべてそこにあります —— 絵コンテで重複して記述したり、新しいテンプレートを手動で作成しないでください。

実測証拠(2026-09-18):ad_project.hsq1.json を使用して --steps assemble,deliver で再現した成果物は、 2026-09-17 夜の手動納品版と md5 が完全に一致(30s 86f3da96…、15s 0b67686b…); --steps plan,submit,fetch,verify の単一セグメントスモークテストも実際に成功(送信→ポーリング→ダウンロード→フレーム抽出検証)。

部品一覧(scripts/ 26 個、用途別グループ)

工程スクリプト用途
本体make_ad.pyワンコマンド出力(plan / submit / fetch / verify / assemble / deliver)
生成videoretalk_submit.py / probe_model_availability.py / compare_video_models.py口元同期送信 / モデル可用性プローブ(送信成功≠利用可能)/ 同一テーマでの複数モデル比較評価
検証・製品product_fidelity_zoom.py / scale_consistency_check.py / scale_panel_check.py / measure_product_truth.py / check_reference_image.py / locate_reported_frame.py / audit_shots.py製品 2 倍拡大 / カット間のサイズ一貫性 / 真値+成果物のグリッド読み取りパネル / 実機のアスペクト比の真値 / 参照画像の健康診断 / ユーザーのスクリーンショットからタイムコードを逆引き / カットごとの監査
検証・音声stt_dialogue_check.py / voice_consistency_check.py / voice_timbre_similarity.py / tts_fit.py台詞の STT 逆引き(字幕タイミングのソース)/ 声の変更検出 / 音色固定の検証 / ナレーション速度調整とカットの同期
検証・映像verify_motion.py動きの量の検出 —— 成果物が「静止画の貼り付け」かどうかを判断
後処理assemble_r2v_overlays.py / build_vo30.py / overlay_anim.py / replace_segment_audio.py / gen_ass.pyアセンブル(vo によるナレーション全体に対応)/ ナレーショントラック / 装飾テキストアニメーション / セグメント内オーディオの置き換え / ASS 装飾テキスト
ゼロ歪みルートbuild_official_product_insert.py / compose_official_material_ad.py / cutout_product.py / make_comp_cards.py公式ピクセル製品挿入鏡(製品鏡の第一選択、0 コスト) / 公式素材を使用した動画エフェクト完成品 / 公式画像からの透明 PNG 切り抜き / 合成カード
人物gen_character_candidates.py主人公候補の生成(一度に 3〜4 枚の合成画像を出力し、ユーザーが選択)

路径判断(最重要 · 血泪教训;2026-09-19 重写)

パス効果いつ使うか
① 製品ロック + wan3.0-video ✅ 現在のメインルート同一プロンプト、同一 5 枚の参照画像で、製品が一度で正確に、セグメント全体で歪まない;リアルな生活シーン。参照画像=メッシュの接写/全身正面/実物の手/底面/主人公ほとんどの販促動画(公式製品画像があり、「製品が実機のように見える」ことが求められる場合)
② 公式ピクセル製品鏡(0 API コスト) ✅ 製品忠実度の究極の解決策製品は 100% 実機と同一(公式ピクセル、AI を経由しない)AI が製品を正確に描画できない場合、または動画内で製品を一目で認識させる必要がある場合
③ テキストから動画生成(wan2.6-t2v、台詞は input.audio_url 経由)実写人物+背景+中国語の口元同期だが、製品はセグメントごとに少し変化する公式素材がない場合、または純粋な人物ドラマの場合
④ 素材の繋ぎ合わせ(clipforge / MoneyPrinterTurbo)❌ ユーザー判定=「画像を繋ぎ合わせただけ、リアル感がなく、サンプル動画との差が大きい」草案のプレースホルダーのみ、最終成果物としては不可
⑤ デジタルヒューマンの口元同期(wan2.2-s2v / EMO / videoretalk)単独の口播き、環境のリアル感は低い口播きによる説明のみの場合

推奨組み合わせ:人物/生活シーンカット → ①;製品出現/クローズアップカット → ②。 成果物の構成 =「フック 5秒(AI)+ 公式実機 3秒(公式ピクセル)+ 本編 7秒(AI)」= 15秒; スクリプト scripts/build_official_product_insert.py(公式画像を切り抜いて 3秒の縦型製品鏡を合成し、字幕/装飾テキスト全体を +3秒)。

鉄則:

  • ❌ wan2.7-r2v での製品鏡は退役済み(製品が小さい/見づらい/銀白色に変化しやすい=修正を繰り返す根本原因)、人物シーンのみに使用
  • 生成はすべて 720P(ネイティブ 1080P 生成はアップグレードではなく再抽選であり、製品の歪み/色落ち/画質向上なしと実測)→ 成果物はアセンブル時に 1080 にアップスケール
  • wan3.0-video は参照画像1 を画面の最初のフレームとして扱う(冒頭で画像1 を制御する必要あり)
  • ユーザーから提示された「サンプル動画の標準」が実写の人物による会話ドラマの場合、「実写でしか撮れない」と断言しないこと(ユーザーは明確に訂正済み:彼のサンプル動画自体が AI 生成である)
  • 素材の繋ぎ合わせ(④)は、① のリアル感に永遠に及ばない。これを AI 動画の最終成果物とみなさないこと;直接 ①/② を使用し、ユーザー自身の台詞とナレーションを使うこと

备用路线配方:wan2.6-t2v(真人剧情片 · 产品会变)

完全なパラメータ、JSON、課金、ナレーションホスティング、検証コマンドについては references/scene-drama-and-candid-style.md を参照。

要点:

  • POST https://dashscope.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesis model=wan2.6-t2v、ヘッダー X-DashScope-Async: enable
  • parameters: size:"720*1280"(9:16) または "1080*1920"、duration:5|10、shot_type:"multi"、prompt_extend:true
  • input.audio_url:私たちが作成した台詞のナレーションをアップロード(3〜30秒の mp3/wav 公開 URL)→ モデルはオーディオに合わせて口元を同期; 未指定の場合、モデルは自動的に効果音を追加し、独自に台詞を作成(制御不能、訴求ポイントがずれる可能性あり)
  • 料金:720P 0.6 元/秒、1080P 1 元/秒;アカウントには 50 秒の無料枠あり → 最初の 30 秒の動画は無料枠内で 0 元で実行可能
  • 台詞の声色:edge-tts zh-CN-XiaoyiNeural(若い女性)/ zh-CN-XiaoxiaoNeural(年配女性)/ zh-CN-YunxiNeural(男性)
  • プロンプト内で 第1个镜头[0-4秒]…第2个镜头[4-10秒]… のように記述して複数のカットを指定;末尾に「画面中不要出现任何文字、字幕、水印」と追加

标准生产流程

  1. 脚本:3 セグメント × 10 秒(または 6 セグメント × 5 秒):ストーリーフック → 製品登場+実際のセールスポイント → 締め+CTA
  2. ナレーション:edge-tts で各セグメントの台詞 mp3 を生成 → scp yunvela:/tmp/ → sudo mv で /opt/yunvela-site/dh/ へ移動 → curl -o /dev/null -w '%{http_code}' https://yunvela.com/dh/segN.mp3 が 200 であることを確認
  3. 生成:セグメントごとに送信(並列実行可能)、ポーリング GET /api/v1/tasks/<id>、curl -sL --retry 3 --retry-all-errors でダウンロード
  4. 後処理:結合+装飾テキスト(白文字に黒縁取り+黄色キーワード枠)+ emoji ステッカー+BGM → 9:16 の完成品
  5. 検証(省略不可):ffprobe で長さ/解像度/音声トラック有無を確認 + volumedetect で音声出力確認 + フレーム抽出画像の目視確認 + STT による台詞逆引き(~/.hermes/scripts/voice_stt_local.py)で、意図した台詞が話されていることを確認
  6. 納品:微信で大容量動画を送信すると iLink による帯域制限を受ける可能性あり → ~/.hermes/scripts/feishu_send_media.py <動画> "説明" を使用

用户偏好(本项目内已确认)

  • 🔴 製品のクローズアップは AI に任せない——公式の実機画像で動きのあるエフェクトを作成(2026-09-15 実測結論): AI が生成する人物ドラマのカットでは、製品はセグメントごとに「少しずつ変化する」(本プロジェクトの実測:同一プロンプトでも、あるセグメントでは等径の円柱、別のセグメントではテーパー状のシャフト+メッシュヘッドになり、ロゴが重複して表示されることもある)。正しいアプローチ:人物シーンは AI に任せ、製品クローズアップは公式製品画像を使用して Ken Burns 効果(スローパン) を適用する (scale=1080:-1,pad=1080:1920:(w-h)/2:(w-h)/2:white,zoompan=z='min(zoom+0.0007,1.10)':d=<フレーム数>)、 そしてそのセグメントの元のナレーションを公式画像の動きに合わせる(文を切らない)。これにより製品は 100% 実機と一致し、「製品はリアルに溶け込まなければならない」というクライアントの絶対条件にも適合する。
  • 🔴 2 枚の参照画像は「同じ向き、同じ形状」でなければならない:r2v に与える 2 枚の製品参照画像は両方とも縦置きのアングルであること(本プロジェクトの実測:底面の断面図を参照画像2 として与えたところ、モデルは細長い形状と丸くて太い形状を平均し、ずんぐりしたカップ状の製品を生成した)。禁止:俯視/仰視/断面図を参照画像として混在させること。 参照画像の作成方法:被写体の外接矩形にトリミング → 白背景の正方形キャンバスに配置、被写体が画面高さの約 60% を占めるようにする。
  • ⚠️ AI は自ら字幕を焼き付ける:wan2.6-r2v-flash は、プロンプトに「不要文字」と記述しても、しばしば下部に字幕を表示する。 そのため当方の装飾テキストは上部に配置(Alignment=8 +大きな MarginV)、下部に重ねない → 二重字幕の重なりを防ぐ。
  • 形状は実寸で計算し、目測してはならない(2026-09-15 実測の教訓):プロンプト内の「高さ:直径」は公式寸法から計算する必要がある (HSQ1 = 74×39mm → 高さ:幅 1.93:1 の細長い円柱;かつて私は目測で「ずんぐりしたカップ状 1.2:1」と記述し、生成結果に対して顧客から「やはり正確ではない」と判断された)。記述例:机身是修长圆柱形,高约74毫米、直径约39毫米(高度约为直径的1.9倍),黑色哑光缎面…
  • トークスクリプトの口径に関する鉄則(2026-09-15 ユーザーによる訂正):台詞/口播き/装飾テキストは公式のプロモーション資料の原文のみを引用すること(リーフレット画像、メイン画像上のテキスト)。 ❌ 属性表の「セールスポイント」フィールド ≠ トークスクリプト(内部説明);❌ 参照サンプル動画/競合他社の動画から聞いた表現をトークスクリプトとして使用してはならない(HSQ1 実測:「卵の大きさ」という表現は禁止); 🟡 寸法に関する参照語(「親指の高さ」など)は画面比率/比較対象にのみ使用可能であり、トークスクリプトへの使用は禁止。 → 台詞を書く前に、product-spec-extraction に従ってトークスクリプトの口径を取得し、記憶や印象に頼ってセールスポイントを書かないこと。
  • 効果優先(ユーザー 2026-09-15 決定):動画制作は効果を優先し、コスト削減のために見た目を犠牲にしない
  • 成果物があれば積極的に報告すること;長いプロセスはセグメントごとに進捗を報告し、問われるのを待たない
  • 設計段階では実際のセールスポイントをすべて記述し、「証拠がない」という理由で削除しない(証明は広告配信段階のタスク);誇大表現/効能については注意を促すだけでブロックしない
  • コスト意識:無料枠/低コストでまずは成功させてから規模を拡大する;課金前に単価を説明すること

相关技能

  • clipforge-video-pipeline:素材の繋ぎ合わせソリューション(clipforge / MoneyPrinterTurbo)の完全なレシピ = パス②、 環境構築の落とし穴、カットごとの画像配置、ローカル素材モード、および 0 コストの「実機動的クリップライブラリ」を含む

📚 知识库索引(8 篇总纲)

いつ読むかドキュメント
製品の形状がおかしい/変形・色落ち/寸法比率/メッシュreferences/product-fidelity.md
エンジン選び/モデルフィールド/料金references/engines-and-models.md
解像度/課金/未払い調査/事前チェックreferences/resolution-cost-and-arrearage.md
全体パイプライン/アセンブル/納品検証references/pipeline-assembly-and-qc.md
完視率/フックバリエーション/広告指標references/hooks-and-ad-metrics.md
ナレーション/字幕/声色references/voice-and-subtitles.md
肖像権/コンプライアンスのレッドライン/参照画像の規範references/compliance-portrait-and-references.md
シーンドラマ/リアルな撮影方法/絵コンテの表現references/scene-drama-and-candid-style.md

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

関連スキル