Communitygithub.com

video-mix

混剪视频制作的端到端流水线skill,基于免费云端接口实现文生图、图生视频、图片对口型、配音与字幕生成,最终用ffmpeg本地合成为带转场和字幕的成片。支持配置 Pollinations API key 获得无水印生成与长期可用额度,内置内容缓存与额度查询以控制消耗。当用户需要"做混剪视频""AI生成视频""图片转视频""让图片说话""对口型""AI配音""批量生成分镜素材""短视频批量生产"时使用本skill。This skill should be used when creating montage/compilation videos, generating images or video from text, animating still images, lip-syncing photos to audio, or batch-producing short-form video content.

video-mix란 무엇인가요?

video-mix is a Claude Code agent skill that 混剪视频制作的端到端流水线skill,基于免费云端接口实现文生图、图生视频、图片对口型、配音与字幕生成,最终用ffmpeg本地合成为带转场和字幕的成片。支持配置 Pollinations API key 获得无水印生成与长期可用额度,内置内容缓存与额度查询以控制消耗。当用户需要"做混剪视频""AI生成视频""图片转视频""让图片说话""对口型""AI配音""批量生成分镜素材""短视频批量生产"时使用本skill。This skill should be used when creating montage/compilation videos, generating images or video from text, animating still images, lip-syncing photos to audio, or batch-producing short-form video content.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/guo980361-ctrl/video-mix-skill/tree/HEAD/video-mix

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

混剪视频制作 Skill

用免费的云端接口完成「文生图 → 图生视频 → 对口型 → 配音字幕 → 混剪成片」全流程。

核心前提:算力决定架构

本 skill 面向没有独立显卡的机器(Intel Mac / 集显 / 无 GPU 云主机)。所有重型生成走云端免费接口,本地只做 ffmpeg 后期。

不要尝试本地跑 ComfyUI / Wan2.2 / Stable Diffusion——需要 NVIDIA 8GB+ 显存,集显机器必然失败。Intel Mac 更不现实:PyTorch 从 2.3 起就没有 x86_64 macOS 的 wheel(实测 pip install torch 报 "from versions: none")。若用户有独显机器,再考虑本地化(见 references/local-gpu.md)。

⚠️ 第一个必须知道的事:三层资源,各有各的天花板

"免费"在这里有三个不同的含义,选错层级会浪费大量时间:

层级后端天花板是否要 key
① 长期可用gen.pollinations.ai账户余额(可免费赚取)✅ 需免费注册
② 每日额度HF ZeroGPU Space2–40 分钟 GPU/天❌ 可选 token
③ 零消耗本地 ffmpeg 运镜无限制❌ 不需要

① 长期可用层(推荐首选)

注册一次 Pollinations key,之后长期使用,无水印、无 45 秒限速、不占 HF 额度。

# 1. 免费注册并创建 key:https://enter.pollinations.ai/keys
# 2. 保存(脚本会写 ~/.workbuddy/.pollinations_key,权限 600)
python scripts/polli_account.py key --set pk_xxxxxxxx

# 3. 随时查看余额与用量
python scripts/polli_account.py balance
python scripts/polli_account.py usage

新账号自动到账 0.25 USD。 余额用完可以免费赚回来——quest 系统里有 26 个零成本任务合计 132.75 USD(Discord 等级、提交 PR、做一个 agent skill 等):

python scripts/polli_account.py quests

这个层级能用的是 25 个视频模型(Veo 3.1、Seedance 2.x、Kling 3.0、Wan 3.0、Flux 3 Max…),全部支持 start_frame 图生视频。

② 每日额度层(无 key 时的兜底)

Hugging Face ZeroGPU 的免费额度按天计,不是按次计:

账户状态每日 GPU 时长够跑几个镜头
匿名(无 token)2 分钟约 3–4 个镜头
免费账号(绑 token)5 分钟约 8–10 个镜头
PRO($9/月)40 分钟足够批量生产

一次图生视频约 20 秒 GPU,一次对口型 30–60 秒。额度耗尽时报 You have exceeded your ZeroGPU quota,脚本会自动回退。

③ 零消耗层(永不失败)

scripts/still_to_clip.py 用本地 ffmpeg 做 Ken Burns 运镜,零额度、零网络、1–2 秒出片。gen_video.py --backend local 已集成它。

省额度的三个习惯

  1. 配 key(①层)——没有 key 就只能挤在 2 分钟/天的额度里
  2. 用缓存——gen_image.py 内置内容寻址缓存(~/.workbuddy/cache/video-mix),同一 prompt + 参数只付一次钱。实测:批量生图首次 62.6 秒,重跑 3.3 秒全部命中缓存
  3. 先查余额——批量任务前跑 polli_account.py balance,别做到一半发现余额空了

工作流程

第 0 步:确认需求

必须明确这四件事,缺一就会做出错误的东西:

项默认值说明
画幅1080×1920(竖屏 9:16)短视频默认竖屏;横屏用 1920×1080
分镜数量3–8 个混剪的核心是节奏,不是数量
主题/文案用户提供没有就先用一句话概括
是否需要人声是涉及出镜人物则必须做对口型

若用户只给了一个模糊需求(如"做个混剪视频"),先产出分镜表让用户确认,不要直接开跑——每张图都要等 45 秒限速,返工代价高。

第 1 步:写分镜表

用 assets/shots_template.txt 的格式,每行一个镜头:

a young woman walking down a rainy neon street | shot01-neon-street
close-up of steam rising from a coffee cup | shot02-coffee

竖线后是文件名(可选)。生成目录与最终合成的顺序由这个顺序决定。

⚠️ 生图提示词必须用英文。 实测 Pollinations 对中文提示词的还原度很差:

提示词实际生成
一只橘猫坐在窗台上看雨,暖黄室内光❌ 空房间,没有猫
fluffy orange tabby cat sitting on a windowsill watching rain, warm indoor light✅ 精准还原

所以:用中文跟用户确认分镜内容,但生成时用英文。需要时先自行把中文分镜译成英文再执行。

第 2 步:生成图片

python scripts/gen_shots.py --shots shots.txt --outdir ./shots --width 1024 --height 1024

配了 key 之后(推荐),走 gen.pollinations.ai:无水印、无 45 秒限速,而且生图很便宜。脚本会自动检测 key 并选后端。

没配 key 时走 image.pollinations.ai 匿名端点:每 IP 每 45 秒只能生成 1 张图,超过返回 HTTP 402(FREE_LIMIT)。脚本已内置 46 秒节流和 402 自动重试。批量生成 8 张约需 6 分钟,不要并发跑。

缓存已内置:同一 prompt + 参数只付一次钱。已存在的文件会被跳过,重跑整个分镜表零消耗。

单张补图用 scripts/gen_image.py(参数见 --help)。

第 3 步:图片转视频

python scripts/gen_video.py --image shots/shot01.jpg \
  --prompt "the woman walks forward, neon reflections ripple in puddles" \
  --out clips/clip01.mp4

后端按可用性分级回退:

后端条件画质耗时占额度
pollinations有 key高30–120 秒账户余额
ltx无 key高17–20 秒HF 每日 2–40 分钟
wan无 key高(14B)60–120 秒HF 每日额度
local手动指定中1–2 秒零

配了 key 就优先用 pollinations——不与 HF 额度竞争,而且能选 Veo 3.1、Seedance 2.x、Kling 3.0、Wan 3.0 这些一线模型:

python scripts/gen_video.py --image shots/shot01.jpg \
  --prompt "..." --out clips/clip01.mp4 \
  --backend pollinations --model bytedance/seedance-2.0-fast

wan 和 sdxt 极慢(CPU 跑扩散模型),只适合额度彻底耗尽时救急。真正的兜底是用静态图做运镜:

python scripts/still_to_clip.py --image shots/shot01.jpg \
  --out clips/clip01.mp4 --seconds 4 --motion zoom-in

运镜方向可选 zoom-in、zoom-out、zoom-in-left、zoom-in-right、still。这条路径完全不消耗任何云端额度,且本地渲染只要 1–2 秒。也可以直接 --backend local。

运动幅度要小:LTX 对大幅动作容易形变。写 "slight head turn"、"gentle hair movement" 这类微动,不要写 "running toward camera"。

第 4 步:对口型(人物出镜时必做)

python scripts/lipsync.py --image shots/shot01.jpg \
  --audio voice.mp3 --out clips/talking01.mp4
  • 默认后端 pragnakalp/Wav2lip-ZeroGPU,实测 31–58 秒出片
  • 给已有视频配音加 --video clip.mp4
  • 更高画质用 --backend latentsync(慢,ZeroGPU 排队)
  • 注意:图片对口型只换嘴部,不会生成头动。真人素材建议先生成动态视频再对口型

第 5 步:配音与字幕

python scripts/tts.py --script script.txt --out voice.mp3 --srt voice.srt --voice yunxi

一次调用同时产出音频和时间戳精确对齐的 SRT 字幕,无需额外 ASR。

音色速查:xiaoxiao(女声旁白)、xiaoyi(女声活泼)、yunxi(男声阳光)、yunjian(男声激昂)、yunyang(男声播音腔)、yunxia(男声卡通)。

第 6 步:合成成片

python scripts/mix.py --clips clips/c1.mp4 clips/c2.mp4 clips/c3.mp4 \
  --out final.mp4 --width 1080 --height 1920 \
  --transition fade --duration 0.5 \
  --subtitles voice.srt --voice voice.mp3 --bgm bgm.mp3
  • --transition 支持 fade fadeblack dissolve slideleft circleopen 等 9 种,也支持 cut(硬切,节奏感强)
  • --bgm 会用 sidechaincompress 自动在有人声时压低 BGM(--no-duck 关闭)
  • 字幕字号默认按输出宽度 4.5% 自适应;用 --subtitle-size 手动覆盖

第 6.5 步(推荐):精细化流水线 —— 从"能看"到"能发"

上面那条快路径出的片子能用但粗糙。粗糙的根源不在素材,而在五个环节 各做各的:分辨率被裁掉了、色调不统一、运镜一眼假、剪辑没节奏、音乐像测试音。

想要作品级的成片,改用这条精细流水线。所有决策收进一份主控方案 (JSON),每个环节都从它读取,这是整套流程的关键:

# 1. 写主控方案 shots.json:全局 anchor + 每镜的时长/转场/景别/光线/台词
python scripts/gen_stills.py --plan shots.json --outdir shots \
  --width 1024 --height 1820            # 竖屏原生,别用方图裁切

python scripts/clean_watermark.py --indir shots --outdir shots_clean

# 2. 做片段:真动态优先,额度不够自动降级为 2.5D 视差运镜
python scripts/make_clips.py --plan shots.json --stills shots_clean --out clips
python scripts/make_clips.py --plan shots.json --stills shots_clean --out clips --no-ltx

# 3. 音乐 + 房间音 + 精确闪避(人声频段做 EQ,不是简单压低)
python scripts/audio_score.py --duration 28 --out audio/score.wav \
  --room-out audio/room.wav --voice audio/voice.mp3 --mix-out audio/mix.wav

# 4. 逐镜转场 + 字幕 + 首尾淡入淡出(剪辑点对齐台词)
python scripts/assemble.py --plan shots.json --clips clips --out raw.mp4 \
  --audio audio/mix.wav --subtitles audio/voice.srt

# 5. 全片统一调色(一次过,跨镜头色温一致)
python scripts/grade.py --in raw.mp4 --out final.mp4 --preset amber

新增脚本:

脚本作用
scripts/gen_stills.py按主控方案批量生图,自动限速去重
scripts/clean_watermark.py批量去水印(免费层必带)
scripts/camera_move.py2.5D 视差 / 呼吸感 / 手持微抖运镜,9 种模式
scripts/make_clips.py分发到真动态或运镜,额度耗尽自动降级
scripts/audio_score.py加法合成 BGM + 房间底噪 + 精确闪避混音
scripts/assemble.py逐镜转场、字幕样式、首尾淡入淡出
scripts/grade.py统一调色 + 暗角 + 颗粒 + 高光溢出

完整的提示词工程踩坑记录(frame 会招来相框、ginger 会变成发色、 "人的腿"一定画出人、免费档分辨率天花板等)见 references/finishing.md,做片之前务必读一遍。

第 7 步(可选):接入剪映专业版继续精修

成片一步就出,但如果你想在剪映里继续调(换字体、加花字、做音效、改节奏), 把上面那堆素材直接变成一个可编辑的剪映工程:

# 生成剪映草稿,--install 直接写进剪映的草稿目录
python scripts/jianying_draft.py \
  --clips clips/clip01.mp4 clips/clip02.mp4 clips/clip03.mp4 \
  --voice voice.mp3 --bgm bgm.mp3 --subtitles voice.srt \
  --name "我的混剪" --install

打开剪映专业版,首页第一个草稿就是它。里面已经排好:

  • 主视频轨:每个片段是独立 segment,可单独回拉调整、转场是可改的剪映原生转场
  • 字幕轨:字幕是真正的文本片段(不是烧进画面的),能一键换字体/描边/动画
  • 旁白轨、BGM 轨:分轨摆放,BGM 已按旁白自动做了音量闪避(关键帧)

常用参数:

参数说明
--transition 叠化转场名,共 19 种免费转场(叠化/故障/上下翻页/中心旋转…)
--transition-duration 0.5转场时长(秒)
--width/--height/--fps画布,默认 1080×1920@30(竖屏)
--bgm-volume 0.2BGM 基础音量
--subtitle-size 8.0剪映字号(5~12 之间试)
--subtitle-y -0.8字幕纵向位置,-0.8 在下方,0.8 在上方
--encrypt输出加密草稿(需 pip install pycryptodome)
--install直接写入剪映草稿目录;不加则输出到 --out
--out ./jianying-out输出父目录,草稿落在 <目录>/<名称>/(和默认路径一致)

💡 工具会同时写 draft_info.json 和 draft_content.json: 6.0 以后剪映只认 draft_info.json,用错名字会报"草稿内容已损坏"。 两个都写就不用管用户装的是哪个版本。

⚠️ 版本兼容:剪映 6.0 起草稿加密,7+ 还隐藏了自动导出的控件。 生成的草稿适配 5.9 / 6.x–10.x;11.x 可能需要额外注册。 打不开时用下面的降级方案,或直接用 mix.py 出片。

读写自己已有的加密草稿:

pip install pycryptodome
python scripts/jianying_crypto.py -p ~/Movies/JianyingPro/User\ Data/Projects/com.lveditor.draft/我的草稿/draft_info.json

加密算法已逆向为纯 Python(AES-256-GCM,key/iv 藏在密文自身), 不需要装剪映、不需要 hook、不需要调用原生库。

降级方案(版本无关,永远可用):

python scripts/jianying_pack.py \
  --clips clips/clip01.mp4 clips/clip02.mp4 --voice voice.mp3 \
  --bgm bgm.mp3 --subtitles voice.srt --name "我的混剪" --draft

产出一个素材包:分段视频 + 对齐的 SRT 字幕 + 旁白 + BGM + manifest.json(含每个片段的时间轴位置)+ premiere.xml(Premiere Pro / DaVinci Resolve 可直接导入)。在剪映里手动导入也是几十秒的事。

校验草稿(剪映打不开时先自查,能定位到坏在哪):

python scripts/jianying_check.py ./jianying-out/我的混剪

会检查:JSON 是否合法、素材引用是否悬空、片段是否重叠、取用范围是否超出素材时长、素材文件是否还在。

完整流水线示例

# 1. 分镜表(提示词用英文)
cat > shots.txt <<'EOF'
a young woman walking down a rainy neon street | shot01
close-up of steam rising from a coffee cup | shot02
a woman reading a book by an apartment window | shot03
EOF

# 2. 生图(约 2.5 分钟,45s/张限速)
python scripts/gen_shots.py --shots shots.txt --outdir ./shots

# 3. 图生视频(额度不足时用 still_to_clip 兜底)
for i in 01 02 03; do
  python scripts/gen_video.py --image shots/shot$i.jpg \
    --prompt "subtle natural motion, slight camera push in" \
    --out clips/clip$i.mp4
done
# 兜底方案(零额度消耗):
# python scripts/still_to_clip.py --image shots/shot01.jpg \
#   --out clips/clip01.mp4 --seconds 4 --motion zoom-in

# 4. 配音 + 字幕
python scripts/tts.py --script script.txt --out voice.mp3 --srt voice.srt --voice yunxi

# 5. 对口型(仅人物镜头需要)
python scripts/lipsync.py --image shots/shot01.jpg --audio voice.mp3 --out clips/lip01.mp4

# 6. 合成
python scripts/mix.py --clips clips/clip01.mp4 clips/clip02.mp4 clips/clip03.mp4 \
  --out final.mp4 --width 1080 --height 1920 --transition fade \
  --subtitles voice.srt --voice voice.mp3

免费 ≠ 无水印。 Pollinations 免费层每张图右下角都盖 pollinations.ai,且 nologo=true 实测无效。生图后必须过一遍去水印:

python scripts/dewatermark.py --image shots/shot01.jpg --out shots/shot01_clean.jpg

脚本用 OpenCV 的 Telea inpaint 填补白色文字像素。关键参数是 --min-pixels 默认 3 而不是 12——水印左侧的花朵图标每行只有几个像素,按 12 检测会漏掉它下半截的笔画,留下肉眼可见的白色碎点。去水印后再喂给 still_to_clip.py / gen_video.py。

踩坑清单(已实测确认)

这些坑都真实撞过,不要重复踩:

  1. Pollinations 视频接口需要 API Key。gen.pollinations.ai/video/ 无 Key 返回 401,image.pollinations.ai 的旧免 Key 路径在部分网络下会返回 402。本 skill 的生图走 image.pollinations.ai/prompt/(实测可用),视频走 HF Space,不走 Pollinations。
  2. 生图限速是每 45 秒一张(不是并发限制,是串行配额)。批量任务务必串行。
  3. edge-tts 7.x 的时间戳单位是 100 纳秒(1 秒 = 10,000,000),不是微秒。按微秒换算会让 4.6 秒的音频变成 45 秒字幕。
  4. libass 对 SRT 默认 PlayResX=384,字号会被放大约 width/384 倍。mix.py 已改为先转 ASS 并显式声明 PlayResX/PlayResY,字号才是真实像素值。
  5. ZeroGPU Space 冷启动会超时。gradio_client 默认超时太短,脚本已加长超时 + 指数退避重试(3 次)。
  6. ffmpeg 滤镜链的标签必须严格串联。[v1][vout] 这种写法会报 "Error parsing filterchain",必须由 ; 分隔成独立 filter。
  7. Pollinations 免费层必带水印。nologo=true 实测无效,图中右下角固定有 pollinations.ai。用 scripts/dewatermark.py 去除,别直接交付带水印的成片。(要根治得配 key,用 gen.pollinations.ai 端点,天然无水印。)
  8. CPU 后端不要用于生产。sdxt 实测跑 18 分钟未出片,stable-video-diffusion-img2vid-xt 也超时。CPU Space 只适合应急验证,正式出片走 Pollinations key 层或本地运镜。
  9. gen.pollinations.ai 必须带 key。不带 key 一律 401(实测 key=free、referrer= 都不能绕过)。不要浪费时间试参数组合——直接注册。
  10. Intel Mac 装不了 PyTorch。PyTorch 2.3+ 没有 cp313/x86_64 macOS wheel,pip install torch 报 "from versions: none"。本地生成模型这条路在 Intel Mac 上是死的,别浪费时间。
  11. HF 上没有常驻 GPU 的免费 i2v Space。扫了 123 个候选,全部是 cpu-basic 或 zero-*。真动态只有 ZeroGPU 和 Pollinations 两条路。
  12. 本机无 brew。ffmpeg 用 pip install imageio-ffmpeg 的静态二进制,脚本会自动定位,不要要求用户装 brew。
  13. 相对输出路径按 CWD 解析。--out video-mix-out/demo/a.mp4 落在 CWD 下,不会变成 video-mix-out/video-mix-out/...。
  14. 中文提示词还原度差。生图一律用英文提示词(见第 1 步)。
  15. 语音比画面长时会截断配音。mix.py 已用 tpad 克隆末帧补齐视频时长,并按目标时长裁剪输出,避免 -shortest 砍掉旁白尾句。
  16. ZeroGPU 额度是按天计的。同一天内跑满约 3–4 个镜头就会耗尽,必须提前配 HF_TOKEN。
  17. 剪映草稿的时间单位是微秒(1 秒 = 1,000,000)。写成毫秒会导致时间轴对不上——这是剪映自动化最常见的坑。
  18. 转场挂在「前一个」片段上,且必须在片段加入轨道之前注册到 materials.transitions,否则转场素材会丢失。
  19. 剪映 6.0 起草稿加密,7+ 还隐藏了导出控件(自动导出仅 6.x 及以下 + Windows)。
  20. 提示词里的 frame 会招来相框。模型把 frame 理解成"画框",直接给你画一张装在相框里的照片。同类触发词:picture frame、painting、artwork。改成"photograph"或"picture"。
  21. ginger 会被理解成发色。ginger tabby cat 和 person 同框时会变成红发的人;单独用也偏奶油色。一律写 orange tabby cat。
  22. 提示词里写"人的腿/脚/手"大概率画出人。实测三连翻车:画成红发的人、画成人抱着猫、或者手直接消失。把主体放句首(an orange cat nuzzling a person's calf)比把人体放主语位(a person's calf being nuzzled)成功率高得多。实在画不好就换语义——"蹭腿"改成"蹭进毯子"。
  23. 极端姿态会崩坏。stretching its head upward 会把猫头拉成长条;the whole body visible 常常只出一个头。用安全姿态:坐着、侧头、躺下、走路、蜷成一团。
  24. 免费档分辨率长边锁死 1024,9:16 最高 576×1023。生成方图再裁切只剩 432×768,要损失一档有效像素——直接请求竖屏。
  25. colortemperature 和 colorbalance 方向会互相抵消,叠加后结果不可预测(实测把暖度参数调大,成片暖度反而从 +59 掉到 +51)。暖度提升要用 lutrgb 逐通道做,单调且可测量。
  26. ASS 样式行的字段顺序必须严格对上 Format。少写 Fontname 字段,后面全部错位——最常见的事故是把宽高填进 Fontname 和 Fontsize,字号变成 1080。
  27. 调色要靠测量不能靠感觉。抽帧算平均 R−B,暖色片应 > +70;逐镜也测一遍,差距大说明某镜头色偏没救回来。 加密算法已逆转为纯 Python AES-256-GCM(key/iv 藏在密文自身的 12 个固定偏移里), 不需要装剪映、不需要 hook、不需要原生库——见 jianying_crypto.py。
  28. 剪映 6.0 起正文文件改名 draft_info.json。继续用 5.9 的 draft_content.json 会报"草稿内容已损坏,请联系客服",而内容其实完全正常。两个名字都写最保险。
  29. 剪映草稿打不开时不会报错,只会显示空白时间线。用 jianying_check.py 自查, 它能定位到具体是哪个引用断了、哪段重叠、哪个素材丢了。
  30. 字幕时间轴重叠会被剪映拒绝。真实场景里 edge-tts 生成的相邻字幕常有几十毫秒重叠, jianying_draft.py 已自动裁齐(上游库会直接抛异常)。
  31. FCPXML 的命名空间必须是默认命名空间。用 ns1: 前缀写 asset 元素, Premiere / Resolve 会直接拒导;时间值也要用有理数(4/1s)而不是小数。
  32. 别为了让剪映刷新草稿就去杀剪映进程。剪映启动时自己会扫描草稿目录, 重启即可。强杀有丢失未保存内容的风险。

资源消耗预期

步骤耗时外部依赖
单张生图9–45 秒Pollinations(45s 配额)
图生视频17–25 秒HF LTX Space
图片对口型31–60 秒HF Wav2Lip Space
配音2–5 秒Edge TTS
混剪合成5–20 秒本地 ffmpeg
生成剪映草稿<1 秒本地(零外部依赖)
导出剪映素材包<1 秒本地(零外部依赖)

扩展与替代

  • 本地 GPU 机器:见 references/local-gpu.md,可改用 ComfyUI + Wan2.2 + MuseTalk 完全离线
  • 更多免费后端与实测记录:见 references/free-backends.md
  • 商用授权注意事项:见 references/licensing.md

脚本清单

脚本作用
scripts/polli_account.py额度管理:余额、用量、quest 清单、key 保存、模型列表
scripts/pollinations_client.pyPollinations 客户端(图像/视频/账户 API)
scripts/gen_image.py单张文生图(keyed 无水印 / anon 有水印,带缓存)
scripts/gen_shots.py按分镜表批量生图(跳过已存在 + 缓存命中)
scripts/gen_video.py图生视频(pollinations → ltx → wan → local 分级回退)
scripts/still_to_clip.py静态图 → 运镜片段(零额度消耗的兜底)
scripts/lipsync.py图片或视频对口型
scripts/tts.py配音 + 同步字幕
scripts/mix.py混剪合成:转场 + 字幕 + BGM 闪避
scripts/jianying_draft.py生成剪映专业版草稿(多轨:视频/字幕/旁白/BGM,带转场与闪避关键帧)
scripts/jianying_crypto.py剪映草稿离线加解密(AES-256-GCM,无需安装剪映)
scripts/jianying_pack.py导出剪映素材包 + FCPXML(版本无关的降级方案)
scripts/jianying_check.py校验剪映草稿完整性(悬空引用、重叠、超时长、素材丢失)
scripts/dewatermark.py去除 Pollinations 右下角水印(OpenCV inpaint)
scripts/vmix_common.py公共工具(ffmpeg 定位、依赖安装、重试、额度提示)
scripts/gen_stills.py按主控方案批量生图(精细化流水线)
scripts/clean_watermark.py批量去水印
scripts/camera_move.py2.5D 视差 / 呼吸感 / 手持微抖运镜,9 种模式
scripts/make_clips.py分发到真动态或运镜,额度耗尽自动降级
scripts/audio_score.py加法合成 BGM + 房间底噪 + 精确闪避混音
scripts/assemble.py逐镜转场 + 字幕样式 + 首尾淡入淡出
scripts/grade.py全片统一调色 + 暗角 + 颗粒 + 高光溢出
tests/test_jianying.py剪映接入测试套件(62 个用例,只用标准库)

自测

改动剪映相关脚本后跑一遍回归:

python3 tests/test_jianying.py -v

62 个用例,约 30 秒。覆盖草稿加解密、SRT 解析、时间单位(微秒)、 校验器的故障注入、FCPXML 命名空间,以及三个脚本的端到端命令行调用。 测试素材用 ffmpeg 现场合成,不依赖任何外部文件;缺 ffmpeg 或 pycryptodome 时相关用例会自动跳过。

관련 스킬