Communitygithub.com

lzcjsyr/Book2Video

用于创作自定义 HyperFrames 视频合成的一般性回退工作流,支持任意长度或格式——更长的或多场景片段、品牌/精选集锦、蒙太奇、标题卡、静态循环以及自由形式合成。输入和长度无关。如果有专门的工作流明显适合输入(例如,营销产品、网站、主题解说、GitHub PR、现有素材、简短动态图形或 Remotion 移植),则优先使用该工作流(参见 /hyperframes);仅当没有合适的工作流时,才将此作为通用回退。

Book2Video 是什么?

lzcjsyr/Book2Video 是一个通用回退视频创作工作流,专为使用 HyperFrames 框架处理多场景、长格式或自定义合成而设计。它适用于营销宣传片、品牌集锦、标题卡等场景,并采用“按需创作”的方式——严格构建用户要求的内容,建议额外元素但绝不擅自添加。该工作流支持 Claude Code、Cline、Copilot、Cursor、Windsurf 和 Codex 等 AI 代理平台。其核心流程包括:**设计系统**(从 `hyperframes-creative` 中提取视觉风格,例如 `house-style.md` 和 `video-composition.md`,以确保证制作质量而非简单生成)、**角度确定**(为模糊需求提炼概念隐喻)、**提示扩展**(be用于多场景时保持一致性)、**规划**(思考观众体验、结构和节奏)、**布局优先于动画**(先构建最终静态布局以避免重叠问题)、以及**构建**(将任务委派给领域专长文件,如 `hyperframes-animation` 用于动效,`hyperframes-media` 用于音频)。一条关键约束是 **HARD-GATE**:必须从 `house-style.md` 和 `video-composition.md` 中获得四个必要元素(视觉身份、概念角度、正确字体和前景密度计划),否则不能生成 HTML。音频处理通过 `hyperframes-media` 中的单一引擎完成,支持 TTS、BGM 和音效,并能自动降级到替代 API(如 HeyGen、ElevenLabs、Lyria)。此工作流是创作专业、高密度视频的权威回退方案,当有更精确的工作流可用时,应优先使用那些专门工作流。

兼容平台~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/lzcjsyr/Book2Video/tree/HEAD/skills/step4/general-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。

文档

media-use:在获取音频/图像之前,请调用 /media-use 以从 HeyGen 目录中获取 BGM/音效/图像。首先运行 --adopt 以注册现有资产。查看 /media-use 技能。

general-video——通用视频工作流

在开始构建之前请确认路线。 这是自定义合著创作的回退方案。如果输入明显适合专门的工作流,请优先使用它:营销产品 → /product-launch-video;常规网站 → /website-to-video;主题解说 → /faceless-explainer;GitHub PR → /pr-to-video;现有素材 → /embedded-captions · /talking-head-recut;简短无旁白动态图形 → /motion-graphics;Remotion 移植 → /remotion-to-hyperframes。不在范围内:实时/渲染时数据、NLE 式编辑已完成视频,或生成 HyperFrames 无法捕获的素材。不确定?请首先阅读 /hyperframes。

严格按照要求进行构建。 标题卡就是标题卡——不是标题卡加上三个辅助场景、背景音乐和字幕。如果额外的场景或元素确实能改善作品,请提出建议;不要擅自添加。对于小的修改(修复颜色、调整一个持续时间、添加一个元素),跳过规划步骤,直接构建。

方法

发现——仅针对开放性问题

对于模糊、探索性的请求(“为我们的品牌做点什么”、“一个酷的开场”)——在选择颜色之前先明确意图:

  • 观众——谁在看?开发者/高管/普通消费者?
  • 平台——在哪里播放?社交媒体(15 秒)/网站主打/产品演示/内部?
  • 优先级——什么最重要?动效质量/内容准确性/品牌忠诚度/速度?
  • 变体——一个最佳方案,还是 2-3 个有意义的选项(不同的节奏、能量或结构——不仅仅是颜色变换)?

对于具体请求(“添加一个标题卡”、“修复场景 3 的时序”),跳过发现阶段。

步骤 1——设计系统 → hyperframes-creative

首先建立视觉身份。如果项目有设计规范,请阅读它(优先级 frame.md → design.md → DESIGN.md;将其视为品牌真相——确切的颜色、字体、约束)。

如果没有规范,在选择任何颜色或字体之前,您必须阅读 hyperframes-creative/references/house-style.md 和 hyperframes-creative/references/video-composition.md。 house-style.md 提供了“解释提示/生成真实内容”的开启器、惰性默认列表和图层配方;video-composition.md 提供了视频媒介密度/缩放/前景细节化(数据条、注册标记、等宽元数据、“8-10 个元素,其中两个用户没有要求”),这区分了“制作”和“生成”。只读其中一个是最常见的错误——video-composition.md 是代理会跳过的那个,而正是它防止了扁平、居中、网页外观的输出。不要自行发明调色板并跳过这些;进入 hyperframes-creative 在这里是强制性的,而不是可选分支。从那里,根据需要提取命名的风格/情绪 → references/visual-styles.md,或交互式选择器 → references/design-picker.md。规范/风格定义了品牌,而不是合成规则。

找到角度(模糊简介,无规范): 在选择颜色之前,写一个句子——这个名称/词/主题唤起了什么,以及什么视觉_世界_(隐喻、设置、乐器、主题)表达了它?例如,网络安全工具 → 金库门 / 周界扫描线 / 锁芯;冥想应用 → 潮汐、呼吸、缓慢的光晕。阅读主题的_含义_,而不仅仅是其文字;选择一个具体的角度而不是字面上的重新样式。这是单场景作品提示扩展(步骤 2)的廉价替代品,在这种情况下扩展被正确跳过——并且这是设计概念和通用标志在渐变上的区别。

步骤 2——提示扩展 → hyperframes-creative

对每个多场景合成都运行此步骤(跳过单场景作品和简单编辑)。将请求与设计规范 + 风格准则相结合,形成一个一致的中介,下游工作以相同方式读取。参见 hyperframes-creative/references/prompt-expansion.md。

步骤 3——规划

在编写 HTML 之前,从高层思考:

  1. 内容——观众的体验:叙事弧线、关键时刻、情感节拍。
  2. 结构——多少个合成、子合成与内联、哪些轨道承载视频/音频/叠加/字幕。对于单文件与模块化子合成的选择,请参见 hyperframes-core/references/composition-patterns.md § 两种架构(经验法则:≥3 个硬场景切换,或任何重用场景 → 模块化;短单场景作品保持一个文件)。
  3. 节奏——在实现之前先命名模式(例如 fast-fast-SLOW-SHADER-hold);参见 hyperframes-creative/references/beat-direction.md。
  4. 时序——哪些剪辑驱动持续时间、过渡发生在哪里、节奏。
  5. 布局——首先构建终态(见下文)。
  6. 动画——然后通过 hyperframes-animation 添加动效。

布局优先于动画

将每个元素放置在其最可见时刻所在的位置——完全进入、正确放置、尚未退出。首先将其编写为静态 HTML + CSS。暂时不要使用 GSAP。

原因: 如果您在元素的动画起始状态(屏幕外、缩放到 0、透明度 0)定位它们,并通过补间动画移动到您_认为_它们会到达的位置,那么您是在猜测最终布局——重叠直到渲染时才可见。首先构建终态,您可以在添加动效之前看到并修复布局问题。

  1. 为每个场景识别主导画面——即最多元素同时可见的时刻。那就是您要构建的布局。
  2. 为该画面编写静态 CSS。内容容器必须填充场景并使用内边距,而不是绝对偏移:
.scene-content {
  display: flex;
  flex-direction: column;
  justify-content: center;
  width: 100%;
  height: 100%;
  padding: 120px 160px; /* 内边距定位内容;填充任何场景大小 */
  gap: 24px;
  box-sizing: border-box;
}

永远不要在内容容器上使用 position: absolute; top: Npx——当内容高于空间时它会溢出。将绝对定位保留给装饰性元素。

⚠ 上述 width/height: 100% 仅当每个祖先元素都有确定的高度时才有效。 根 <div data-composition-id> 及其与 .scene-content 之间的任何包装器必须设置大小(根元素上使用 position: relative; width: 1920px; height: 1080px——参见 hyperframes-core → “根必须设置大小”)。跳过此步骤,弹性容器会折叠到约 0,内容堆叠到左上角,第一个字形在 x=0 处被裁剪——而 lint/inspect 仍然报告 0 个问题。并且始终在 .scene-content 上保留 padding(≥80px):它是字幕安全边距。永远不要用裸露的 gap 替换它。

  1. 添加入场——使用 gsap.from() 从屏幕外/不可见动画化到 CSS 位置(在子合成中,优先使用 gsap.fromTo(),以便起始状态明确;参见 hyperframes-core/references/sub-compositions.md)。CSS 位置是真实状态;补间动画是到达该位置的旅程。
  2. 退出由过渡处理——根据 hyperframes-animation/transitions/ 中的场景过渡规则,只有最终场景会动画化元素退出;场景之间,过渡本身就是退出。

跨时间的共享空间: 如果元素 A 在元素 B 进入同一区域之前退出,两者仍需要为其各自的主导画面设置正确的 CSS 位置——时间线排序防止它们共存,而布局步骤会捕获意外重叠。层叠光晕/阴影和 Z 堆叠深度是_有意_重叠;此步骤是关于捕获_无意_碰撞(两个标题相互重叠、内容超出画面)。

构建——委托给领域技能

这将技能的全部表面(参见 description)映射到其参考资料——非详尽;当意图未列出时,通过 hyperframes-creative(外观/概念)、hyperframes-animation(动效)、hyperframes-core(契约)、hyperframes-media(音频/字幕)路由。第一行是附加的——阅读它和您的意图行,而不是只读一个。

正在构建…首先阅读(按顺序)
始终——每个非平凡作品,在下面的意图行之上hyperframes-creative/references/house-style.md + references/video-composition.md(也已在步骤 1 / HARD-GATE 中门控;“制作而非生成”的前景细节化)
运动排版 / 文字优先hyperframes-animation/techniques.md(运动类型)+ adapters/gsap-easing-and-stagger.md + rules/kinetic-beat-slam.md
标题卡 / 下方三分之一 / 叠加 / 画中画 / 文字在主体后面hyperframes-creative/references/composition-patterns.md +(针对居中/调整大小的画面)hyperframes-core → “根必须设置大小”
标志 / 品牌标记揭示hyperframes-animation/rules/svg-path-draw.md(绘制)+ rules/3d-text-depth-layers.md + rules/scale-swap-transition.md
数据 / 统计 / 数字hyperframes-animation/rules/counting-dynamic-scale.md + rules/stat-bars-and-fills.md + hyperframes-creative/references/data-in-motion.md
产品 / 应用 / UI 演示hyperframes-animation/rules/3d-page-scroll.md + rules/cursor-click-ripple.md + rules/press-release-spring.md
音频响应 / 音乐驱动hyperframes-creative/references/audio-reactive.md(预提取频段;映射到动效)
旁白 / 画外音 / 音乐 / 音效 / 字幕hyperframes-media → 共享音频引擎 scripts/audio.mjs(一次调用 = TTS + BGM + SFX → audio_meta.json);通过 hyperframes-core 进行字幕创作和资产放置。请参见下面的音频。
多场景 / 过渡hyperframes-animation/transitions/overview.md 然后 transitions/catalog.md(您不会在概览之后完成——GSAP 配方在目录中)
模块化 / 子合成hyperframes-core/references/composition-patterns.md + references/sub-compositions.md

音频:单一引擎(TTS · BGM · 音效)

仅当作品需要时(根据“严格按照要求进行构建”——标题卡上没有背景音乐)。不要手动制作 TTS 或购买副本:编写一个中立的 audio_request.json 并调用 hyperframes-media 中的共享引擎。它会自动根据一个开关降级——存在 HeyGen 凭据 → HeyGen TTS + 音乐/音效检索;不存在 → ElevenLabs/Kokoro TTS,Lyria/MusicGen BGM 生成,以及捆绑的音效库。完整标志列表 + 请求/元数据模式:hyperframes-media/scripts/audio.mjs 的头部注释。

// audio_request.json — 每旁白片段一行;`id` 是您的(将 audio_meta 连接回来)
{
  "lines": [
    { "id": "s1", "text": "您的开场白。", "sfx": ["whoosh"] },
    { "id": "s2", "text": "下一个节拍。" },
  ],
  "bgm": { "query": "calm cinematic underscore" }, // 省略 "mode" → 自动(如果 HeyGen 则检索,否则生成);"none" 禁用
}
# <MEDIA_DIR> = 已安装的 hyperframes-media 技能目录(此技能的兄弟目录)
node <MEDIA_DIR>/scripts/audio.mjs --request ./audio_request.json --hyperframes . --out ./audio_meta.json

然后读取 audio_meta.json:将每个 voices[].path + (bgm.path,sfx[]) 挂载为 <audio> 轨道,并使用 voices[].words 进行字幕,全部按照 hyperframes-core(音频轨道 + 字幕创作)进行。如果 BGM 采用了生成路径(bgm_pending: true),则在最终渲染之前运行 hyperframes-media/scripts/wait-bgm.mjs。

输出清单 → hyperframes-cli

  • [truncated for translation]

Individual skills in this repo

This repo contains 6 individual skills — each has its own dedicated page.

lzcjsyr/Book2Video

将 PDF、EPUB、DOCX 等书籍或长文档一次性转成约 4 分钟的中文读书带货短视频口播稿,以情绪共鸣、观看留存和购买欲为核心,直接输出 Book2Video 后续流程可读取的 raw JSON。用户提到读书带货、图书推广、卖书口播、商品卡、走心书单视频、情绪型读书文案或要求生成可直接进入视频流水线的带货稿时使用。

lzcjsyr/Book2Video

将长书、长文档转成中文视频号读书解说稿;先抽取文本并建立可恢复覆盖台账,覆盖自检通过后再按入口定义的正文长度生成初稿、多轮修订和最终 raw JSON。

lzcjsyr/Book2Video

将长书、长文档、PDF、EPUB、读书资料、思想经典、社科著作、商业书或研究型长文转成更有传播感的中文视频号/抖音读书口播稿,并输出项目可用的 raw JSON。只要用户提到“读书解说”“拆书稿”“视频号口播”“把这本书做成短视频”“长文档转视频脚本”“生成标题/封面/金句/raw JSON”,都应使用此 skill。

lzcjsyr/Book2Video

Cody的公众号长文写作skill。当用户需要撰写公众号文章、写稿子、续写文章、根据素材产出长文时使用。触发词包括但不限于:写文章、写稿子、帮我写、续写、扩写、公众号文章、长文、出稿、按我的风格写。即使用户只是说"帮我把这个写成文章"或"用我的风格写一下",只要上下文涉及内容创作和公众号输出,都应该触发。也适用于用户丢过来一个PDF、brief、新闻链接、语音转文字或任何素材说"帮我写篇文章"的场景。不要用于短内容(小红书帖子、推特、朋友圈)或纯标题摘要生成。

lzcjsyr/Book2Video

将中短篇专业报告、公司财报、券商研报、招股书、宏观经济分析及含有较多表格和数据的PDF文档,转化为高品质、数据精准的中文视频号/抖音口播解说稿。只要用户提到“研报”、“财报”、“商业分析报告”或需要“解读数据”、“把报告/PDF做成短视频”,务必使用此 Skill。

lzcjsyr/Book2Video

简化版的文稿生成技能。能够直接读取图书/文档,提取核心论点,生成高品质、口语化的视频号/抖音读书解说文稿并输出标准 JSON 格式。

相关技能