Communitygithub.com

tunght104/ai-agent-shorts-video

从新闻URL或.txt文件创建包含专业HyperFrames模板(编辑海报)的9:16竖版新闻视频。当用户想要创建新闻视频、短新闻、模板/海报风格视频或专业视频时触发。输出文件:video.mp4 + voice.mp3 + script.txt(适用于CapCut)。

ai-agent-shorts-video 是什么?

该技能能够从越南语新闻URL或.txt文件自动生成9:16竖版新闻短视频,利用HyperFrames模板库(位于templates/目录)渲染出专业、动态的视觉风格。Claude作为智能代理,负责读取文章内容、选择合适的模板(如hook场景固定使用frame-liquid-bg-hero,body场景根据内容从多种不同风格的模板中选择)、生成符合当地TTS(OmniVoice)规则的语音文本、并输出结构化的script.json文件。最终通过npm run pipeline命令触发渲染流程,生成包含视频、音频和字幕脚本的完整输出。该技能支持多种模板,包括焦点图、数据统计、列表、对比等场景,并强调8-12个场景的快速节奏(每场景6-10秒),确保视频内容紧凑不枯燥。它特别适合新闻聚合器、社交媒体内容创作者和需要快速生成专业短视频的开发人员。

兼容平台✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/tunght104/ai-agent-shorts-video/tree/HEAD/.agents/skills/create-template-video

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

预览

来自技能 README

文档

创建模板视频技能

使用 templates/ 中的 HyperFrames 模板生成 9:16 新闻视频(比旧的 6 场景 Remotion 更精美、更专业)。Claude 只需将文字填入模板的插槽中——全部设计与动画由模板处理。

输入

1 个参数:新闻文章 URL(http:///https://)或 .txt 文件路径。

工作流程(严格按顺序)

步骤 1–3:获取内容 + 创建输出目录

检测输入类型并获取内容:

  • URL(以 http:///https:// 开头)→ 使用 WebFetch,提示语如下:
    从该页面提取:
    - title (string):文章标题
    - content (string):主要内容,约 500-1500 字
    - ogImage (string|null):og:image 图片 URL
    - domain (string):URL 的域名
    返回包含以上 4 个字段的 JSON。
    
    失败(付费墙/JS/4xx)→ 告知用户将内容保存到 .txt 文件后重新调用。停止。
  • .txt 文件 → Read;title = 第一行(最多 80 字符),content = 其余部分,ogImage = null,domain = "local"。
  • slug = 无变音符号的 ASCII(去除越南语变音符号,đ→d),最多 40 字符;timestamp = YYYYMMDD-HHmm;outputDir = output/<slug>-<timestamp>/;mkdir -p。

步骤 4:读取模板目录

读取 templates/CATALOG.md 以了解可用的模板及其插槽输入。仅使用 CATALOG 中存在的 templateId。 当前有:

HOOK(仅 1 个):

  • frame-liquid-bg-hero — 极光英雄(动态 blob + 标题 + CTA)。始终用于 hook 场景。

BODY(Claude 根据内容自行选择 — 参见步骤 5):

  • frame-vignelli — 深炭灰 + 红色背景上的 1 个数字。
  • frame-pentagram-stat — 暗霓虹背景上的 1 个数字(瑞士网格,橙色发光数字 + 青色强调 + 柱状图)。
  • frame-bold-poster — 多行强声明 + 大号数字图形。
  • frame-build-minimal — 深色背景上的强力结论句(1 个大加粗词,橙色发光,逐字显示)。
  • frame-creative-voltage — 创意/标语句子,电蓝色分割 + 手写文字。
  • frame-glitch-title — 赛博朋克故障 RGB 分割(噪点背景)— 适合突发/科技新闻。
  • frame-aicoding-list — 列表 2-5 项(每项有图标 + 程度标签),深色渐变背景。当场景是列表/排名时使用。
  • frame-aicoding-comparison — 2 种事物的比较(旧 vs 新,A vs B)— 2 张渐变边框卡片 + WIN 徽章 + 统计数据。当场景是对抗/对比时使用。

OUTRO:

  • frame-logo-outro — 默认(标志发光 + 名称 + 标语 + 网址)。
  • frame-statement-outro — 替代方案(纸张背景上的红色卡片)。
  • frame-logo-outro — 默认 outro / 品牌结束卡片(标志发光 + 名称 + 标语 + 网址)。
  • frame-statement-outro — 替代 outro(纸张背景上的红色卡片)。

步骤 5:生成 script.json(模板模式)

必需结构:

{
    "version": "1.0",
    "renderer": "hyperframes",
    "aspect": "9:16",
    "metadata": {
        "title": "...",
        "source": { "url": "...", "domain": "...", "image": null },
        "channel": "AI Coding"
    },
    "voice": { "provider": "omnivoice", "speed": 1.0 },
    "scenes": [
        /* 8–12 场景:1 个 hook + 6–10 个 body + 1 个 outro */
    ]
}
  • provider:始终为 omnivoice(唯一天然 TTS;不需要 voiceId/API 密钥)。
  • 每个场景:{ id, type, voiceText, templateId, inputs }。inputs 与 CATALOG 中的插槽匹配。
  • scenes[0].type = hook;最后一个场景 .type = outro(templateId = frame-logo-outro)。
  • 8–12 场景;总 voiceText 约 270–360 词(约 90–120 秒)— 保持总时长不变,只需将其拆分为更多场景,以获得更快节奏,避免枯燥。每个 body 场景 约 25–40 词(每个场景只有 1 个想法 — 如果一段有 2 个想法,则拆分为 2 个场景,而不是塞进 1 个)。目标:每个场景在屏幕上仅显示约 6–10 秒,然后切换场景。

内容映射到模板:

  • hook → 始终 frame-liquid-bg-hero(插槽:kicker, headline, subheadline, cta, brand)。headline 以醒目的渐变显示(默认黄→紫);可以设置 headline_from/headline_to(2 个十六进制颜色)来更改色调。不要对 hook 使用其他模板。
  • body → Claude 根据每个场景的内容自行选择最合适的模板(优先考虑多样性 — 不要对所有 body 重复使用同一个模板)。从以下选择:
    • frame-vignelli — 强调 1 个数字/统计 的场景,深炭灰 + 红色色调。插槽:kicker, number, label, note, brand。
    • frame-pentagram-stat — 有 1 个数字/基准 的场景,暗霓虹背景(瑞士网格,橙色发光数字 + 青色强调)+ 柱状图。插槽:label, headline(数字), subtitle, anchor, footer_left, footer_right。
    • frame-build-minimal — 围绕 1 个关键词的 短结论/陈述,深色背景 + 1 个大加粗橙色发光词。插槽:eyebrow, hero(1 个词), desc, side_left, side_right。
    • frame-bold-poster — 多行强声明 + 大号数字图形。插槽:kicker, date, figure, headline[], standfirst, footer_left, footer_right。
    • frame-creative-voltage — 创意/标语句子(几个词),电蓝色分割 + 手写。插槽:meta, display_lines, accent_index, script, caption。
    • frame-glitch-title — 突发/科技新闻,赛博朋克故障风格。插槽:title, subtitle。
    • frame-aicoding-list — 场景是列表 / 2–5 项的比较(受影响者、优缺点、级别、清单)。插槽:title, accent, accent_from, accent_to, subtitle, items[]。每个项 {icon, title, desc, tag, level}:
      • icon:Claude 自行选择合适的 emoji(🚫 ⚠️ ✅ ❌ 📈 💡 🔒 🚀 …),不要固定。
      • level:danger/warn/good/info → 决定图标+标签+条形的颜色。tag:短标签(危险/高/收益…)。
      • accent_from/accent_to:Claude 自行选择 2 个十六进制颜色作为强调文字渐变(与文章色调匹配),例如橙色→红色、紫色→蓝色、绿色。
    • frame-aicoding-comparison — 场景比较恰好 2 种事物(旧 vs 新,A vs B,之前/之后)。插槽:badge, pre, vs, post, left{}, right{}。每侧 {label, from, to, icon?, bullets[], stat?, stat_label?, win?}:
      • from/to:Claude 自行选择每侧 2 个十六进制颜色渐变(通常两侧色调不同,例如左侧橙色→红色,右侧青色→蓝色)。
      • icon:每侧可选的 emoji。win: true 表示获胜方(发光边框 + WIN 徽章)。stat/stat_label:每张卡片下方的可选数据。
    • 平衡建议:如果多个场景都是数字,交替使用 frame-vignelli(炭灰 + 红/黄)和 frame-pentagram-stat(暗霓虹橙/青色)以避免单调;在非数字场景中插入 frame-build-minimal。
  • outro → frame-logo-outro(默认;插槽:brand_name, tagline, primary_url)。如果需要纸张背景上的红色卡片,则使用 frame-statement-outro。

⚠️ 越南语 TTS 规则(voiceText 必须遵守)

voiceText 由 OmniVoice(越南语 TTS)朗读。数字和符号会被按字面阅读 — 例如 "5.5" 可能读成 "năm rưỡi"(对版本号错误)。因此,始终在 voiceText 中将数字写成文字。而 inputs(屏幕上显示的文字)则保留美观的数字格式("5.5" / "82.7%")。

完整表格(适用于 voiceText):

数字形式错误(TTS 误读)正确(写为文字)
十进制版本GPT 5.5 → "năm rưỡi"GPT năm chấm năm
十进制数据82.7%tám mươi hai phẩy bảy phần trăm
整数版本iPhone 17iPhone mười bảy(或 iPhone 17 也可以)
带点的版本iOS 18.2iOS mười tám chấm hai
技术规格200MPhai trăm megapixel
电池5000mAhnăm nghìn miliampe giờ
Token1M tokensmột triệu token
越南盾价格21 triệu đồnghai mươi mốt triệu đồng
美元价格$5năm đô la(或 năm đô)
倍数2xgấp đôi(比 "hai lần" 更自然)
百分比30%ba mươi phần trăm
时间60 giâysáu mươi giây
比率3:1ba trên một / ba so với một
  • 小数点:使用 chấm(自然口语)或 phẩy(正式)— 保持一致性。
  • 英语缩写:AI/GPT 通常可以;如果读错,则写音译 ây ai / gí pi tí,API → ây pi ai。
  • voiceText 绝对不要包含 emoji/图标、URL 以及 → & % $ # + =(保持语音清晰)。品牌名称(Apple, OpenAI, TikTok)保持不变。句子以 . 或 ? 结尾,以获得自然停顿。
  • inputs(屏幕上显示的文字)允许使用 emoji/图标 以增加生动性(🔥 🚀 ✨ ⚡ 📈 ⚠️ → …)— 渲染颜色没问题。保留美观的数字格式("5.5"、"82%")。与 voiceText 完全分离。
    • 适度使用 emoji(每个字段 0–1 个图标,放在短标签/标题/CTA 中 — 例如 kicker "🔥 Tin nóng"、cta "Theo dõi ngay →")。不要将 emoji 放入逐个弹出的较大文字中(例如 build-minimal 的 hero),因为会破坏动画。

步骤 6:自我检查

  • scenes[0]=hook,最后一个场景=outro;每个 templateId ∈ CATALOG;每个 inputs 包含所有必需插槽;
  • headline ≤3 行,每行简短;voiceText 已将数字写为文字且不包含 emoji/图标;emoji(如果有)仅位于 inputs 中。最多静默修正 2 次。

步骤 7:写入 script.json

使用工具 Write 写入 <outputDir>/script.json。

步骤 8:运行流水线

Bash 前台,流式输出:

npm run pipeline -- <outputDir>/script.json

CLI 自动识别 renderer: "hyperframes" 并运行模板流水线(TTS → 渲染每个模板 → 根据语音适配 → 合并并混合 SFX)。出错 → 清晰报告错误 + outputDir 路径。

步骤 9:报告结果

✓ 视频:[video.mp4](output/<slug>/video.mp4)
✓ 音频:[voice.mp3](output/<slug>/voice.mp3) — 供 CapCut 使用
✓ 脚本:[script.txt](output/<slug>/script.txt) — 供 CapCut 自动字幕
总时长:XX.Xs

备注

  • 每个场景渲染约 15–20 秒(Chromium)。8–10 个场景的视频约 3–5 分钟。需要 ffmpeg + Chrome(已具备)。
  • TTS 幂等(保留 voice/scene-*.mp3);剪辑同样幂等(保留 clips/scene-*.mp4)— 修改 inputs 后删除以重新渲染。
  • 添加新模板:按照 templates/CATALOG.md 的末尾部分操作,然后在目录中增加一行。

相关技能