Communitygithub.com

视频生成

将任何主题、想法或脚本,通过结构化的“主题到视频”生成流程和 MoneyPrinterTurbo 的 CLI(cli.py)转化为成品视频。在用户要求创建、编写脚本、制作故事板、配音或组装视频、短视频、短片或讲解视频时使用。

视频生成 是什么?

视频生成技能是一个完整的、生产级的流水线,用于将原始想法和主题转化为精美的成品视频。它结合了结构化的创意指导(包括简报、研究、剧本编写、镜头列表)与 MoneyPrinterTurbo 的 CLI(cli.py 或已配置的别名)进行本地命令行组装。该技能首先执行一系列前置检查,验证 MoneyPrinterTurbo 和 Ollama(如果使用本地 LLM)的可用性。接着,它会动态发现环境中已安装的其他技能,并通过用户咨询协议来确定哪些技能可用于辅助视频制作。然后,技能会制定一个包含创意简报、剧本和故事板方法、媒体和音频来源以及时间线组装的视频生成计划。该技能支持多种主流平台,包括 TikTok、Instagram Reels、YouTube Shorts 和标准 YouTube 视频,并可处理不同的宽高比和时长。最终输出以结构化的方式组织,将视频和相关资产交付到用户指定的项目目录中。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/aakashdandekar/Agent-Skills/tree/HEAD/skills/video-generation

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

视频生成技能 (video-generation)

一个完整的、生产级的流水线,用于将原始想法和主题转化为精美的成品视频。结合了结构化的创意指导(简报、研究、剧本编写、镜头列表)与 MoneyPrinterTurbo 的 CLI(cli.py 或已配置的别名)进行本地命令行组装。


前置检查 1:MoneyPrinterTurbo 可用性及命令解析

在运行视频生成流程之前,请验证 MoneyPrinterTurbo 是否可用,并解析执行命令:

  1. 检查已配置的别名、函数或包装脚本:

    alias video 2>/dev/null || type video 2>/dev/null || which video 2>/dev/null
    

    如果 Shell 或 PATH 中存在 video 别名或包装器,则直接使用它(例如 video [选项])。

  2. 如果没有别名或命令,动态定位 MoneyPrinterTurbo 的 cli.py:

    find ~ -name "cli.py" -path "*/MoneyPrinterTurbo/*" 2>/dev/null | head -n 1
    
    • 从发现的目录(例如 ~/Applications/MoneyPrinterTurbo)中:
      • 确定虚拟环境 Python 解释器(例如 <MoneyPrinterTurbo_DIR>/.venv/bin/python)。如果不存在 .venv,则回退到系统自带的 python3。
      • 构造直接执行命令:
        <MoneyPrinterTurbo_DIR>/.venv/bin/python <MoneyPrinterTurbo_DIR>/cli.py [选项]
        

[!IMPORTANT] 如果既找不到别名,也找不到 MoneyPrinterTurbo 的 cli.py,请停止并提示用户先安装 MoneyPrinterTurbo:

“视频组装和渲染需要 MoneyPrinterTurbo,但未在您的系统上找到。请先通过 https://github.com/harry0703/MoneyPrinterTurbo 安装它,然后再继续视频生成。”


前置检查 2:Ollama 服务状态(如果使用本地 LLM)

如果脚本生成配置为使用本地或云端 Ollama 模型,请验证 Ollama 服务/进程是否处于活动状态:

systemctl is-active --quiet ollama || pgrep -x ollama > /dev/null

[!IMPORTANT] 如果需要 Ollama 但它未运行,请停止并提示用户启动该服务:

“Ollama 服务当前未运行。请通过运行以下命令启动它:”

sudo systemctl start ollama

(如果使用 Ollama 云端模型,请同时确保已完成 ollama signin。)


前置检查 3:动态技能发现与规划

请勿硬编码或假定代理上安装了任何特定的外部技能。 其他环境或用户将拥有不同的技能组合。

相反,应动态检查环境,识别任何可能协助视频流水线工作的已安装技能,并将这些发现综合成一个视频生成计划。

1. 定位并检查可用技能

浏览并检查代理已安装的技能目录或配置。识别能够协助以下方面的任何技能:

  • 研究与构思:主题发现、事实研究、领域分析或文献查找。
  • 文案与脚本:钩子制定、创意写作、脚本审查或个人资料/声音分析。
  • 音频与语音:音频清理、转录分析、静音修剪或自定义 TTS。
  • 视觉与资源:代码片段渲染、UI 演练、图表或图像生成。
  • 包装与 SEO:标题/缩略图评估、搜索元数据或视频章节生成。

2. 用户咨询协议(规划前)

在制定视频生成计划之前,向用户展示任何发现的相关技能,以征询他们的意见:

  1. 询问简单的是/否:

    “我找到了已安装的技能 <技能名称>,它可以协助 [具体任务,例如钩子评分/音频清理/章节生成]。您希望我在这个视频中使用它吗?(是 / 否)”

  2. 如果回答是: 将该技能标记为已批准,并包含在生成计划中。
  3. 如果回答否: 询问原因:

    “明白了。您能分享一下为什么不想使用它吗?”

    • 为什么这很重要:询问“为什么不用”可以揭示重要的创意约束,并明确核心目标(例如,“我已经写好了确切的脚本”、“我想要一个严肃的纪录片风格,而不是快节奏的钩子”、“保持我音频中的自然停顿”)。
    • 根据他们的回答,在起草计划之前直接了解其目标。

3. 制定视频生成计划

一旦用户咨询完成,根据本技能中的说明、用户明确的目标/约束以及已批准的技能,制定一个定制的视频生成计划:

  1. 创意简报:受众、目标平台、时长、宽高比和基调(反映咨询期间收集的约束条件)。
  2. 包含的已批准技能:用户选择的具体工具/技能及其使用方式。
  3. 脚本与故事板方法:钩子策略、核心要点和计划的镜头列表结构。
  4. 媒体与音频来源:画外音(Edge TTS 与本地音频对比)、BGM 音量和视觉资源(本地素材与库存素材对比)。
  5. 时间线组装:节奏、字幕动画、过渡和最终渲染规格。

从主题到视频的流水线

flowchart TD
    A["1. 检查环境中可用的技能"] --> B{"2. 用户咨询协议\n就候选技能征求意见(是 / 否)"}
    B -- "否" --> C["询问'为什么不?'\n(明确目标与约束)"]
    C --> D["3. 制定视频生成计划\n(基于说明和明确的目标)"]
    B -- "是" --> E["批准候选技能"]
    E --> D
    D --> F["4. 研究与剧本编写"]
    F --> G["5. 镜头列表(关键故事板)"]
    G --> H["6. 画外音合成(TTS / 音频)"]
    H --> I["7. 每个场景的视觉素材(库存 / 本地 / 动态)"]
    I --> J["8. 时间线组装(MoneyPrinterTurbo CLI)"]
    J --> K["9. 质量控制、元数据与最终 MP4 交付"]

逐步流水线说明

1. 明确简报

在生成代码或媒体之前,确定创意参数。如果用户未明确提供,则根据主题和平台推断合理的默认值:

  • 受众:谁在看?(普通大众、学生、开发者、买家)
  • 声音与语调档案:检查用户是否提供了风格指南、语调偏好或角色约束。
  • 目标时长:
    • 短格式:15 秒–60 秒(TikTok、IG Reels、YouTube Shorts)
    • 中格式:1–3 分钟(产品演示、快速讲解)
    • 讲解视频:3–5 分钟(深入探讨、教程)
  • 宽高比:
    • 9:16(垂直,适用于手机 / Reels / Shorts / TikTok)— 默认
    • 16:9(水平,适用于 YouTube / 桌面 / 演示文稿)
    • 1:1(方形,适用于 Instagram / LinkedIn 信息流帖子)
  • 语调:随意、充满活力、权威、叙事或幽默。
  • 平台:决定节奏、字体大小、字幕样式和钩子强度。

2. 研究主题

收集经过验证的事实、引人注目的钩子和准确的数据点:

  • 时事 / 时效性:使用搜索工具验证日期、统计数据、专有名称和核心主张。
  • 常青 / 概念性:构建 3–5 个令人惊讶或高价值的见解。
  • 确定钩子:在前 3 秒内抓住注意力的最有趣的角度(利用计划中批准的任何研究/构思技能)。

3. 编写脚本

草拟专门用于口语音频而非阅读的旁白:

  • 经验法则节奏:每分钟约 130–150 个单词(每秒约 2.2 到 2.5 个单词)。30 秒的短片需要约 65–75 个单词;60 秒的视频需要约 130–150 个单词。
  • 钩子验证:在前 3 秒内立即停止滚动。如果用户批准了任何钩子评估或文案工具,请在最终确定之前运行候选钩子进行验证。
  • 结构:
    1. 钩子(0–3 秒):用一个大胆的问题或令人惊讶的陈述立即停止滚动。
    2. 主体(3–5 个要点):逻辑地推进核心观点。使用简洁的句子,避免密集的从句。
    3. 结尾 / 行动号召(最后 3–5 秒):清晰的要点或行动号召。
  • 避免在口语旁白文本中使用 Markdown 格式、表情符号、插入语或引用。

4. 将脚本分解为镜头列表(关键步骤)

镜头列表连接脚本与视觉和音频生成。将脚本分成场景(通常每个 3–6 秒)。

[!IMPORTANT] 镜头列表是最重要的工件。 当场景文本、视觉描述和定时结构良好时,下游生成和组装变得无缝且确定。

镜头列表模板:

场景 #旁白行视觉描述 / 搜索词屏幕文字估计时长
1(钩子)"在海洋深处,生物创造自己的光。"深海中发光的生物发光水母深海秘密4s
2(要点 1)"超过 75% 的深海动物会产生生物发光。"黑暗中移动的发光的琵琶鱼诱饵75% 的生物4s
3(要点 2)"它们利用化学反应进行交流、狩猎和伪装。"乌贼身上脉动的发光蓝色光点宏观镜头自然光芒5s
4(结尾)"关注我,揭开深渊中隐藏的更多秘密。"潜艇灯光照亮海底海沟悬崖探索更多3s

5. 生成画外音

从旁白合成语音。

  • 定时权威规则:生成的音频文件的实际时长(而非步骤 4 中的估计时长)成为场景节奏和视觉剪辑的最终时间线锚点。
  • 在统一执行中,MoneyPrinterTurbo 通过 Edge TTS(免费,高质量)自动处理 TTS。
  • 对于自定义画外音或预先录制的音频,请清理音频(使用任何已批准的音频清理技能),并提供 --custom-audio-file <路径>。

6. 为每个场景获取或生成视觉素材

使视觉素材与每个场景音频的确切时长匹配:

  • 库存素材:Pexels、Pixabay 或 Coverr 中与场景关键字匹配的剪辑。
  • 本地媒体:通过 --video-source local --video-materials "clip1.mp4,clip2.mp4" 提供的视频剪辑或图像。
  • 图像运动:当使用静态图片时,应用动态运动(--image-motion zoom)以保持观众参与度。

7. 组装时间线

将音频、视频、字幕和音乐拼接在一起:

  • 根据场景顺序连接素材(--video-concat-mode sequential 或 random)。
  • 叠加与词语同步的动画字幕(--subtitle-display-mode word_by_word)。
  • 在旁白下方以不引人注意的音量混合背景音乐(BGM)(--bgm-volume 0.15–0.2)。
  • 应用场景过渡(--video-transition-mode fade-in、slide-in 等)。

8. 渲染、审查和质量控制(QC)

在交付最终视频之前运行质量控制检查:

  • 定时与同步:视觉变化是否与画外音主题对齐?
  • 可读性:字幕在背景上是否可读?(检查了字体大小、对比度、描边)。
  • 音频混音:语音在背景音乐下是否清晰?
  • 安全区域:在 9:16 竖屏视频中,UI 叠加元素(如 TikTok/Reels 按钮)是否远离关键文字?
  • 配套元数据(可选):如果计划中要求或批准,则生成配套的上传元数据(例如标题、标签、描述或章节时间戳)。
  • 项目交付:将最终视频和资源转移到 <项目目录>/video-<短标题>-<日期时间>/。

输出存储与项目交付

始终将最终生成的视频及其资源整理并交付到用户的项目目录中,而不是将它们留在内部引擎存储中:

1. 项目目录解析

  1. 检查活动项目/工作区目录:
    • 检查是否存在活动的工作区或项目目录。
  2. 如果没有项目目录,则回退提示:
    • 如果未设置或未知道项目目录或工作区,请在最终确定交付之前提示用户提供目标路径:

      “未检测到活动项目或工作区目录。您希望将生成的视频保存到哪里?(请提供目标文件夹路径)”

2. 输出文件夹命名格式

在已解析的项目目录中,创建一个专用文件夹,命名为:

video-<短标题>-<日期时间>/
  • <短标题>:一个用斜杠连接的 2–4 个词的标题(例如 deep-sea-creatures、quantum-computing)。
  • <日期时间>:当前时间戳,格式为 YYYYMMDD-HHMMSS(例如 20261113-171530)。
  • 示例文件夹:video-deep-sea-creatures-20261113-171530/

3. 资源交付与组织

当 MoneyPrinterTurbo 在内部任务存储中完成渲染时:

  1. 在项目目录中创建带时间戳的文件夹:
    mkdir -p "<项目目录>/video-<短标题>-<日期时间>"
    
  2. 将最终视频和附带的生成资源从引擎的任务目录(storage/tasks/<任务ID>/)复制到项目文件夹中:
    • 最终视频:final-1.mp4 → <项目目录>/video-<短标题>-<日期时间>/<短标题>.mp4
    • 字幕:subtitle.srt → <项目目录>/video-<短标题>-<日期时间>/subtitles.srt
    • 画外音音频:audio.mp3 → <项目目录>/video-<短标题>-<日期时间>/audio.mp3
    • 脚本:script.json → <项目目录>/video-<短标题>-<日期时间>/script.json
  3. 向用户提供指向其项目目录中最终 .mp4 文件的直接、可点击的文件链接。

命令执行与任务输出

该流水线由 MoneyPrinterTurbo 的 CLI(cli.py 或已配置的别名)驱动:

  • 命令调用: 通过检测到的别名/命令(如果存在)运行,或直接使用虚拟环境 Python 解释器配合 cli.py 运行:

    # 如果存在别名或包装器:
    video [选项]
    
    # 通过 Python 直接执行:
    <MoneyPrinterTurbo_DIR>/.venv/bin/python <MoneyPrinterTurbo_DIR>/cli.py --subtitle-provider edge --voice "zh-CN-XiaoxiaoNeural" --subtitle-enabled True --subtitle-display-mode word_by_word --bgm-volume 0.2 --video-concat-mode sequential --image-motion zoom --transition-mode fade-in [其他选项] --chunk-duration-secs=5 --chunk-strategy="scene"
    
  • 任务输出目录: 渲染后,输出位于 storage/tasks/<任务ID>/ 中。然后必须将它们复制到用户的项目目录中(按照输出存储与项目交付部分所述)。

  • 可选元数据生成: 如果要求,从脚本内容生成 YouTube 标题、描述和标签。

相关技能