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:
-
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])。 -
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]
- 确定虚拟环境 Python 解释器(例如
- 从发现的目录(例如
[!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:
- 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)” - 如果回答是: 将该技能标记为已批准,并包含在生成计划中。
- 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:
- 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)。
- 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。
- 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。
- 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)。
- 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:
- 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。
- 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。
- 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
- 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。
- 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)”
- 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:
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:
- 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>" - 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
- 最终视频:
- 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。