name: ai-video-ad-production description: 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)。One-command product ad video pipeline: product lock, multi-engine selection, official-pixel product inserts, auto overlay assembly. category: ecommerce
IA Gera Vídeos Curtos de Vendas (Drama Real / Narração)
Quando Usar
Quando o usuário pedir "vídeo curto / vídeo de vendas / vídeo com narração / padrão de amostra", ou reclamar que o resultado anterior "não parece real, parece uma colagem de imagens". Primeiro, faça a escolha do caminho (veja abaixo). Não entregue uma colagem de素材 como resultado final.
🚀 Como Executar (A partir de 2026-09-18: Um Comando para Gerar o Vídeo)
Módulo Principal = scripts/make_ad.py — Ele unifica em um único comando os 6 scripts manuais que estavam espalhados em /tmp.
Todos os scripts secundários são chamados por ele conforme necessário.
S=~/.hermes/skills/ecommerce/ai-video-ad-production
# ① Primeiro, veja o prompt (grátis, não envia; confirme o bloqueio do produto + storyboard antes de gastar)
python3 $S/scripts/make_ad.py $S/templates/ad_project.hsq1.json --steps plan
# ② Fluxo completo automatizado: enviar -> consultar -> baixar -> verificar por quadros -> montar 30s/15s -> entregar na área de trabalho
python3 $S/scripts/make_ad.py $S/templates/ad_project.hsq1.json --steps all
# ③ Se os segmentos já foram baixados, execute apenas a pós-produção (mudar legenda/trocar narração/recortar para 15s - sem custo, o mais comum)
python3 $S/scripts/make_ad.py <projeto.json> --steps assemble,deliver
# ④ Processar apenas alguns segmentos / trocar runid, resolução temporariamente
python3 $S/scripts/make_ad.py <projeto.json> --steps fetch,verify --seg 3 --runid v24 --res 720P
Cada etapa verifica o código de saída + a existência/tamanho do artefato. Se não atender aos critérios, relata o FAIL original e lista os problemas, não continua silenciosamente.
Configuração do Projeto (templates/ad_project.hsq1.json é um exemplo real que pode ser executado diretamente; modifique-o para criar um novo vídeo):
| Campo | Descrição |
|---|---|
model | Motor (use wan3.0-video para cenas com o produto; o padrão wan2.7-r2v é adequado apenas para cenas com pessoas) |
product | Chave para o arquivo de perfil do produto product_profiles.json — o mesmo arquivo é usado para gerar imagem e vídeo |
refs | Ordem das imagens de referência = Imagem 1...Imagem N, deve corresponder exatamente à descrição do número da imagem no template de bloqueio do produto; imagens locais são automaticamente copiadas via scp para uma URL pública |
segments | Corpo do storyboard para cada segmento (escreva apenas "o que filmar"; o bloqueio do produto é automaticamente anexado antes pelo make_ad) |
assembly.vo | Narração (edge-tts); o ponto de corte = início da legenda start, naturalmente alinhado |
assembly.subs/chips/spec/compliance | Legendas / texto estilizado / barras de parâmetros / marcação de conteúdo gerado por IA |
assembly.cut15 | Versão de 15s: quais segmentos pegar, onde cortar a narração, a nova janela de tempo para cada overlay no eixo de 15s |
deliver | Diretório de entrega + nome do arquivo (padrão ~/Desktop/素材电商/<produto>/视频/) |
Bloqueio do Produto (todos os produtos compartilham o mesmo; não crie um novo): templates/product_lock_head.txt + o campo video_lock no arquivo.
"Proporção ≤ 1/6 da altura da tela, calculado como 1.9x o diâmetro do cabeçote, a face inferior é uma superfície circular plana, a linha insere ao longo do eixo, nunca olhe diretamente para a lente..."
Essas descrições críticas estão todas lá — não as repita no storyboard, nem crie um novo template manualmente.
Evidência Testada (2026-09-18): Executando --steps assemble,deliver com ad_project.hsq1.json para recriar o vídeo final,
o resultado teve md5 idêntico à versão entregue manualmente na noite de 2026-09-17 (30s 86f3da96…, 15s 0b67686b…);
O teste de fumaça de segmento único (--steps plan,submit,fetch,verify) foi executado com sucesso (enviar -> consultar -> baixar -> verificar por quadros).
Lista de Componentes (26 scripts em scripts/, agrupados por função)
| Etapa | Script | Finalidade |
|---|---|---|
| Módulo Principal | make_ad.py | Um comando para gerar o vídeo (plan / submit / fetch / verify / assemble / deliver) |
| Geração | videoretalk_submit.py / probe_model_availability.py / compare_video_models.py | Envio de substituição de sincronia labial / Sonda de disponibilidade do modelo (envio bem-sucedido não significa disponível) / Avaliação comparativa de múltiplos modelos para o mesmo prompt |
| Verificação·Produto | 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 | Zoom 2x no produto / Consistência de tamanho entre cenas / Painel de leitura de grade para valor real + resultado / Proporção real de comprimento por diâmetro / Inspeção de imagem de referência / Pesquisa reversa de timecode a partir de captura de tela do usuário / Auditoria cena por cena |
| Verificação·Áudio | stt_dialogue_check.py / voice_consistency_check.py / voice_timbre_similarity.py / tts_fit.py | Pesquisa reversa de fala STT (fonte do ponto de corte da legenda) / Detecção de troca de voz / Verificação de trava de timbre / Ajuste de velocidade de narração para alinhar com a cena |
| Verificação·Visual | verify_motion.py | Detecção de quantidade de movimento — determina se o resultado é uma "imagem estática colada" |
| Pós-produção | assemble_r2v_overlays.py / build_vo30.py / overlay_anim.py / replace_segment_audio.py / gen_ass.py | Montagem (suporta narração vo completa) / Trilha de narração / Animação de texto estilizado / Substituição de áudio em segmento / Texto estilizado ASS |
| Rota de Distorção Zero | build_official_product_insert.py / compose_official_material_ad.py / cutout_product.py / make_comp_cards.py | Inserção de pixel oficial do produto (primeira escolha para cena do produto, custo 0) / Efeitos de movimento com material oficial em vídeo / Recorte de imagem oficial para PNG transparente / Cartão de composição |
| Pessoas | gen_character_candidates.py | Geração de candidatos a protagonista masculino (gera 3-4 composições de uma vez para o usuário escolher) |
Escolha do Caminho (Mais Importante · Lições Aprendidas; Reescrito em 2026-09-19)
| Caminho | Efeito | Quando Usar |
|---|---|---|
① Bloqueio do Produto + wan3.0-video ✅ Linha principal atual | Com o mesmo prompt e as mesmas 5 imagens de referência, o produto acerta de primeira, sem distorções; cenário de vida real de pessoas. Imagens de referência = close-up da malha da lâmina / corpo inteiro frontal / mão real mostrando proporção / face inferior / protagonista masculino | A maioria dos vídeos de vendas (com fotos oficiais do produto, exigindo que o "produto pareça real") |
| ② Inserção de Pixel Oficial do Produto (Custo Zero de API) ✅ Solução definitiva para fidelidade do produto | O produto é 100% igual ao real (pixel oficial, não passa por IA) | Quando a IA sempre desenha o produto diferente; ou quando o vídeo precisa que o produto seja reconhecido instantaneamente |
③ Texto para vídeo (wan2.6-t2v, fala via input.audio_url) | Pessoa real + cenário + sincronia labial em chinês, mas o produto muda um pouco a cada segmento | Sem material oficial, ou drama puro com pessoas |
| ④ Montagem de素材 (clipforge / MoneyPrinterTurbo) | ❌ Julgamento do usuário = "parece colagem de imagens, falta realismo, muito diferente da amostra" | Apenas como rascunho provisório, não entregar como resultado final |
| ⑤ Avatar com sincronia labial (wan2.2-s2v / EMO / videoretalk) | Narração de uma pessoa, ambiente com fraco realismo | Apenas para narração explicativa |
Combinação Recomendada: Cena de pessoa/cena de vida real → ①; Cena de aparição/close-up do produto → ②.
Estrutura do vídeo final = "Gancho 5s (IA) + Produto Real Oficial 3s (Pixel Real) + Conteúdo Principal 7s (IA)" = 15s;
Script scripts/build_official_product_insert.py (corta imagem oficial para sintetizar uma cena de produto vertical de 3s, legenda/texto estilizado adicionam +3s).
Regras de Ferro:
- ❌
wan2.7-r2vpara cena do produto está aposentado (produto pequeno/difícil de ver/fácil de ficar prateado = causa raiz de retrabalho repetido), use apenas para cenas com pessoas - Gere tudo em 720P (gerar nativamente em 1080P não é um upgrade, é um novo sorteio; testado na prática: produto deforma/perde cor/não fica mais nítido) -> O vídeo final é upscaled para 1080P durante a montagem
wan3.0-videousa a imagem de referência 1 como o primeiro quadro da cena (controle a abertura trocando a imagem 1)- Se o "padrão de amostra" dado pelo usuário for um drama de diálogo com pessoas reais, não afirme que "só pode ser filmado" (o usuário corrigiu explicitamente: a amostra dele foi gerada por IA)
- A montagem de素材 (④) nunca alcançará o realismo de ①, não a trate como entrega de vídeo de IA; vá direto para ①/②, use o roteiro e a narração do próprio usuário
Receita de Rota Alternativa: wan2.6-t2v (Drama de Cena Real · Produto Muda)
Parâmetros completos, JSON, faturamento, hospedagem de narração, comando de verificação de vídeo estão em references/scene-drama-and-candid-style.md.
Visão geral:
POST https://dashscope.aliyuncs.com/api/v1/services/aigc/video-generation/video-synthesismodel=wan2.6-t2v, cabeçalhoX-DashScope-Async: enableparameters:size:"720*1280"(9:16) ou"1080*1920"、duration:5|10、shot_type:"multi"、prompt_extend:trueinput.audio_url: Envie nossa própria narração do roteiro (URL pública mp3/wav de 3~30s) -> O modelo faz a sincronia labial com o áudio; se não enviar, o modelo adiciona efeitos sonoros automaticamente e inventa o roteiro (incontrolável, os pontos de venda podem desviar)- Preço: 720P 0,6 yuan/segundo, 1080P 1 yuan/segundo; a conta tem 50 segundos de cota gratuita -> O primeiro vídeo de 30 segundos pode ser executado com custo zero usando a cota
- Timbre da fala: edge-tts
zh-CN-XiaoyiNeural(jovem mulher) /zh-CN-XiaoxiaoNeural(senhora) /zh-CN-YunxiNeural(homem) - Use
第1个镜头[0-4秒]…第2个镜头[4-10秒]…no prompt para descrever múltiplas cenas; adicione "não apareça nenhum texto, legenda ou marca d'água na tela" no final
Fluxo de Produção Padrão
- Roteiro: 3 segmentos × 10 segundos (ou 6 segmentos × 5 segundos): Gancho da história -> Aparição do produto + ponto de venda real -> Final + CTA
- Narração: edge-tts gera o mp3 da fala de cada segmento ->
scp yunvela:/tmp/->sudo mvpara/opt/yunvela-site/dh/->curl -o /dev/null -w '%{http_code}' https://yunvela.com/dh/segN.mp3deve retornar 200 - Geração: Envie cada segmento (pode ser paralelo), consulte
GET /api/v1/tasks/<id>,curl -sL --retry 3 --retry-all-errorspara baixar - Pós-produção: Juntar + texto estilizado (texto branco com borda preta + caixa de palavra-chave amarela) + adesivo emoji + BGM -> Vídeo final 9:16
- Verificação do Vídeo (não pule):
ffprobeduração/resolução/tem trilha de áudio +volumedetectconfirma que há som + inspeção visual de quadros extraídos + Pesquisa reversa STT do roteiro (~/.hermes/scripts/voice_stt_local.py) confirma que o que foi dito é o nosso texto - Entrega: Enviar vídeo grande pelo WeChat é limitado pelo iLink ->
~/.hermes/scripts/feishu_send_media.py <vídeo> "descrição"
Preferências do Usuário (Confirmadas neste Projeto)
- 🔴 Não entregue o close-up do produto para a IA — use a imagem oficial do produto real para efeitos de movimento (Conclusão testada em 2026-09-15):
Nas cenas de pessoas geradas por IA, o produto sempre "muda um pouco" a cada segmento (testado neste projeto: com o mesmo prompt, um segmento era um cilindro de diâmetro uniforme, outro segmento virava uma haste cônica + cabeça de malha,
e o logotipo aparecia repetidamente). A abordagem correta: entregue as cenas de pessoas para a IA, para o close-up do produto, use a imagem oficial do produto e faça um Ken Burns (zoom lento para frente)
(
scale=1080:-1,pad=1080:1920:(w-h)/2:(w-h)/2:white,zoompan=z='min(zoom+0.0007,1.10)':d=<número de quadros>), e conecte a narração original do segmento ao efeito de movimento da imagem oficial (sem pausa). Desta forma, o produto é 100% consistente com o real, atendendo à linha vermelha do cliente de que "o produto deve ser integrado de forma realista". - 🔴 As duas imagens de referência devem estar "na mesma orientação e forma": As 2 imagens de referência do produto para r2v devem ambas estar em perspectiva vertical (testado neste projeto: ao usar uma "vista circular da seção transversal da face inferior" como imagem de referência 2, o modelo fez uma média entre alongado e atarracado, gerando um produto em forma de copo baixo e grosso). Proibido misturar imagens de cima/baixo/seção transversal como referência. Método para imagem de referência: corte para o retângulo envolvente do corpo principal -> cole em uma tela quadrada de fundo branco, com o corpo principal ocupando ~60% da altura da tela.
- ⚠️ A IA queima suas próprias legendas: wan2.6-r2v-flash frequentemente adiciona legendas na parte inferior, mesmo que o prompt diga "sem texto". Portanto, coloque nosso texto estilizado no topo (Alignment=8 + MarginV grande), não sobreponha outra camada na parte inferior -> caso contrário, duas legendas se sobrepõem.
- Calcule as dimensões com base no tamanho real, não olhando (Lição testada em 2026-09-15): A "altura:diâmetro" no prompt deve ser calculada a partir das dimensões oficiais
(HSQ1 = 74×39mm -> altura:largura 1,93:1 cilindro alongado; eu já escrevi errado como "copo baixo e grosso 1.2:1" de olho, e o resultado foi julgado pelo cliente como "ainda impreciso").
Exemplo de escrita:
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… - Linha Vermelha do Discurso (Correção do usuário em 2026-09-15): O roteiro/narração/texto estilizado só pode citar o texto original do material promocional oficial (imagem de panfleto, texto na imagem principal).
❌ O campo "ponto de venda" na tabela de atributos ≠ discurso (descrição interna); ❌ Frases ouvidas em amostras de referência/vídeos de concorrentes não podem ser usadas como discurso (testado com HSQ1: proibido usar "tamanho de ovo");
🟡 Palavras de referência de tamanho (como "altura de um polegar") só podem ser usadas para proporção na tela/objeto de comparação, proibidas no discurso.
-> Antes de escrever o roteiro, use
product-spec-extractionpara obter o discurso, não escreva pontos de venda de memória. - Efeito em Primeiro Lugar (Definido pelo usuário em 2026-09-15): A produção de vídeo prioriza o efeito, não economize custos sacrificando a aparência
- Se houver resultado, deve relatar ativamente; para fluxos longos, reporte o progresso por etapas, não espere ser perguntado
- Na fase de design, escreva todos os pontos de venda reais, não os delete por "falta de evidência" (a prova é da fase de veiculação); apenas avise sobre palavras extremas/eficácia, não bloqueie
- Sensível a custos: use cota gratuita/preço baixo primeiro para testar, depois aumente o volume; explique o preço unitário antes de gastar
Habilidades Relacionadas
clipforge-video-pipeline: A receita completa do esquema de montagem de素材 (clipforge / MoneyPrinterTurbo) = Caminho ②, incluindo armadilhas de instalação de ambiente, anexar imagem por cena, modo de material local e a "biblioteca de segmentos dinâmicos de produto real" de custo zero
📚 Índice da Base de Conhecimento (8 Documentos Principais)
| Quando Ler | Documento |
|---|---|
| Produto não se parece / deforma / perde cor / proporção de tamanho / malha da lâmina | references/product-fidelity.md |
| Escolher motor / campos do modelo / preço | references/engines-and-models.md |
| Resolução / Faturamento / Verificação de inadimplência / Pré-verificação | references/resolution-cost-and-arrearage.md |
| Pipeline completo / Montagem / Verificação de entrega | references/pipeline-assembly-and-qc.md |
| Taxa de conclusão / Variações de gancho / Métricas de anúncio | references/hooks-and-ad-metrics.md |
| Narração / Legenda / Timbre | references/voice-and-subtitles.md |
| Direitos de imagem / Linhas vermelhas de conformidade / Padrões de imagem de referência | references/compliance-portrait-and-references.md |
| Drama de cena / Estilo de filmagem realista / Redação de storyboard | references/scene-drama-and-candid-style.md |