Communitygithub.com

产品极简广告短片生成器

将产品图片和广告需求转化为用于电商推广和产品发布的极简产品广告短片。该技能确认格式和产品变体,提取卖点,撰写简洁的英文广告文案,构建产品锚点,规划节拍同步的排版/故事板,并生成具有高级镜头语言的精致产品影片。不适用于KOC口播广告、通用剪辑或复杂的屏幕演示。

产品极简广告短片生成器 是什么?

此技能专为电商卖家、小品牌主、独立创作者和个人卖家设计,旨在通过一个流程化的工作流,将至少一张产品图片转换为极简风格的产品广告视频。其核心原则是:先确认资产和简报,建立产品事实和叙事主线,使用独立的锚点照片锁定产品视觉,通过精确的节拍故事板控制视频节奏,最后配合原生音频或基于音乐的剪辑完成影片。默认采用三张独立锚点照片加一个精确的节拍文本故事板作为视频控制系统,避免了视频模型可能复制的四面板布局问题。该技能支持MiniMax-H3模型,能生成更干净、类似苹果风格的产品特写、留白和高级的影片镜头语言,并确保最终视频中的排版、产品颜色和叙事都符合苹果风格的精致标准。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge/tree/HEAD/skills/minimalist-product-ad-generator

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

极简产品广告生成器

使用此技能指导非专业用户通过一个流程化的工作流,为电商推广和产品发布创建极简风格的产品广告视频。目标用户是电商卖家、小品牌所有者、独立创作者和个人卖家;用户应提供至少一张产品图片或相关素材。

核心原则是:先确认资产和简报,构建产品事实和叙事骨架,用独立的锚点照片锁定产品视觉,通过精确的节拍故事板控制视频,最后用原生音频或基于音乐的剪辑完成影片。 此技能不再默认使用四面板锚点图,因为视频模型可能会复制面板布局。默认使用三张独立的锚点照片加一个精确的节拍文本故事板作为视频控制系统。

开始关卡

每次触发此技能时,在任何分析、文案撰写、锚点生成或视频生成之前,运行一个完整但轻量的开始关卡。仅确认制作所需的信息。此时不要询问音乐内容;音乐将在后续步骤中处理。

开始关卡必须一次性确认以下所有内容:

  1. 产品图片和相关素材

    • 要求用户上传产品图片和相关素材,例如产品照片、包装图片、渲染图、细节图、现有视频素材或视觉参考。
    • 如果当前消息或当前画布/会话中已包含素材,则表明已检测到素材。不要要求用户再次上传;仅确认是否使用当前素材。
    • 如果有多个候选素材且其角色不明确,询问哪个应该是主产品图片。
  2. 产品变体状态

    • 确认这是单一变体还是多个变体/颜色/型号。
    • 如果有多个变体,确认哪个是主要变体。
    • 如果用户未指定,代理可以根据产品图片推荐一个,但后续的故事板仍必须写明具体的颜色或变体名称。
  3. 目标时长

    • 5秒 / 10秒 / 15秒,推荐默认值为10秒。
  4. 长宽比

    • 16:9 / 9:16 / 1:1 / 4:3 / 3:4 / 匹配参考图像。
    • 一旦选定,锚点照片、视频和最终输出必须严格保持此比例。
  5. 苹果风格模板

    • 白色科技 / 暗色轮廓光 / 品牌色场 / 明亮生活场景。
  6. 画面内文案

    • 用户提供的文案,或代理生成的苹果风格英文文案。
  7. 视频模型策略

    • 默认模型为MiniMax-H3,因为它通常能生成更干净的苹果风格产品特写、留白和高级产品影片镜头语言。
    • 在开始关卡期间不要要求用户选择视频模型。在最终确定的开始关卡结果中显示“默认模型:MiniMax-H3”。
    • 如果用户明确要求其他模型,在检查能力后遵循用户的选择。
    • Seedance仅作为备份,当用户明确希望获得更强的多镜头执行力、要求使用Seedance,或在H3失败或无法满足请求结构时接受回退方案。

开始关卡是强制性的。如果用户已上传产品素材,仅跳过上传请求;不要跳过开始关卡的其余部分。在分析、锚点生成、故事板或视频生成之前,代理仍然必须一次性确认产品变体状态、目标时长、长宽比、苹果风格模板和画面内文案模式。视频模型不是开始关卡的问题:默认使用MiniMax-H3,并在完成的开始关卡结果中显示。如果用户说“由你决定/就这样做”,代理可以为剩余字段选择推荐的默认值,但仍必须在继续之前显示已采纳的选择作为完成的开始关卡结果。

操作原则

  1. 独立的锚点照片是默认的视觉控制系统

    • 默认生成三张独立的锚点照片,而不是一张四面板图,因为视频模型可能会将面板布局复制到最终影片中。
    • 三张锚点照片通常涵盖:英雄/醒目主视图、材质或功能细节、以及最终文案构图。
    • 当结构/动作锚点与英雄视图重叠时,不要创建单独的结构/动作锚点。将结构/动作提示合并到材质细节锚点中,除非产品确实需要独特的机械结构参考。
    • 每个锚点照片必须是完整的独立产品照片。不要创建网格布局、分屏、拼贴板、框架面板、产品墙或故事板图。
    • 精确的节拍故事板决定了实际的镜头顺序、动作和文本行为。不要将锚点照片直接用作镜头替换。
  2. 画面内文案必须作为集成的视频运动出现,而不是字幕回退方案

    • 文案锚点照片中的文本仅作为字体、位置、单行布局和两部分颜色处理的参考。这并不意味着整个视频只能使用那一行文案。
    • 精确的节拍故事板可以定义多个跨镜头的简短英文文案行。每行必须是3-5个英文单词,单行,可读,并遵循两部分颜色规则:在白色科技风格中,前半部分使用黑色或深灰色;在暗色轮廓光风格中,前半部分可以使用白色;后半部分始终使用特定的产品颜色。不要使用孤立的1-2个单词的特性标签。
    • 视频生成必须将故事板文案包含在画面内。
    • 并非每个镜头都需要出现文案。如果视频模型容易出现排版错误,请主动降低文案频率。对于10秒的影片,通常只保留一个影片中间文案时刻加一个最终文案时刻;不要在每帧都放置文字。最终镜头必须包含一个稳定的单行文案。
    • 默认情况下,要求视频模型直接生成画面内排版及其时序。不要无声地将文本降级为后期制作字幕或预留空白空间供后期叠加。仅当用户明确要求,或集成视频排版失败且用户接受回退方案时,才使用后期制作回退。
  3. 产品本体颜色是严格的保真约束

    • 苹果风格意味着干净的构图、高级的光线、克制的运动和留白;这并不意味着将产品本身变成白色、银色或类似AirPods。
    • 产品的原始本体颜色、强调色、材质色调以及用户图片中可见的表面处理,必须在所有锚点照片和视频中保持不变。
    • 只有背景、光照环境和构图可以朝向选定的苹果风格模板转变。除非用户明确要求,否则绝不要重新着色产品本体。
    • 最终文案的强调色必须来自真实的产品主色,而不是通用的银色/白色苹果调色板。
  4. 每个产品都需要一个特定于产品的叙事

    • 不要重复使用固定的耳塞模板或编写诸如“产品状态变化”之类的模糊短语。
    • 故事板必须基于产品类别、形态、材质、结构和可见动作。
    • 产品运动必须是视觉且具体的,例如“盖子打开30度,内部反射出现”或“表冠旋转,同时高光沿着边缘滑动”。
  5. 进度必须可见

    • 每个步骤之后,展示已生成的内容以及下一步需要做出的决定。
    • 未经用户确认,不要自动运行整个流程。

排版规则

  • 画面内广告文案必须为英文。
  • 如果用户提供中文文案,将其翻译成简洁的英文或请求批准英文版本。
  • 可见的画面内文案必须是3-5个英文单词,最好不超过32个英文字符(包括空格)。不要写孤立的1-2个单词的特性标签。
  • 文案应感觉像苹果产品影片:感官性的、利益导向的、材质导向的或轻量级价值主张;避免促销口号和电商特性标签用语。
  • 字体参考:SF Pro Display / SF Pro Text。在提示词中优先使用SF Pro Display Semibold。
  • 在一个镜头中使用不超过两种文本颜色。
  • 在白色科技风格中,文本的前半部分必须使用黑色或深灰色;白色文本禁止出现在白色背景上。在暗色轮廓光风格中,前半部分可以使用白色。后半部分始终使用特定的产品颜色。
  • 文本必须保持在一行。不要换行、堆叠或拆分成多行。
  • 在任何时刻,画面中只能出现一行单行英文文案。不要显示两行文本、两行标题、标题+副标题对或多个文本块同时出现。两部分排版必须在同一行内延续或替换,绝不要拆分成上下行。
  • 不要将文本放置在较低的字幕位置。优先选择垂直居中的视觉区域,左对齐或右对齐作为构图的一部分。文本应稍大,感觉像是产品影片的视觉元素,而不是解释性字幕。
  • 已批准的影片中间模式:干净的留白,产品运动或产品特写主导画面,画面保持不拥挤,并且只出现一行单行英文文案。文本可以靠近产品边缘、产品表面或特写高光区域,使其感觉融合到产品图像中,而不是像字幕一样浮动。不要破坏留白或仅仅为了添加文案而添加第二个文本块。
  • 默认的两部分文本运动必须保持可见:前半部分首先微妙淡入或滑入,然后后半部分稍后微妙淡入或滑入。当后半部分出现时,前半部分在同一行内轻轻移动以腾出空间。
  • 移动应微妙,大约10-15像素或文本宽度的8-12%。运动应平滑且克制;避免弹跳、霓虹或花哨的UI效果。
  • 不要为了使排版完全静态而避免两行文本。正确的解决方案是同一行的两部分入场、微妙移动、淡入或温和滑入;错误的解决方案是上下行拆分、两行标题或移除文本运动。

第1步:资产检查和产品事实总结

如果没有可用的产品素材,要求用户上传。如果素材已可用,则使用并分析:

  • 产品类别。
  • 主体位置和画面占比。
  • 图像质量:清晰度、光照、构图和可见细节。
  • 产品主色和可能的主要变体。
  • 可展示的结构:打开、旋转、升降、卡扣、折叠、弹出、发光、屏幕、纹理等。
  • 可用于故事板的真实外观特征:材质、边缘、按钮、接口、包装、透明部分、屏幕或独特轮廓。

如果图像质量不可用,则停止并给出具体的重新拍摄建议。

输出简短的产品事实总结:

  • 使用的素材。
  • 产品类别。
  • 主色候选和主要变体建议。
  • 质量通过/未通过。
  • 可展示的结构/特性。

第2步:确认制作简报

将开始关卡的答案转化为可执行的制作简报。不要再次询问已确认的参数。简报驱动叙事主线、文案、锚点图和故事板。

制作简报必须包括:

  • 使用的产品素材。
  • 主要变体/产品主色。
  • 长宽比。
  • 目标时长。
  • 选定的苹果风格模板。
  • 单一变体/多变体策略。
  • 画面内文案模式:用户提供的文案,或代理生成的苹果风格英文文案。

多变体产品规则:

  • 用户选择一种风格;不要自动移除所有其他变体。
  • 每个多变体项目必须首先决定一个主要变体。
  • 其他变体不应一开始就全部出现;它们只在过程节拍、过渡或最终全集中出现。
  • 如果用户未指定主要变体,代理可以选择视觉上最稳定的一个,并使用其他变体来丰富节奏和层次。
  • 避免电商矩阵、九宫格显示、堆叠、散乱布局、所有颜色平铺或全屏产品墙。

第3步:选择产品叙事主线

在文案撰写和锚点生成之前,选择一个轻量级的产品叙事主线。不要使用宽泛的企业品牌影片结构;此技能专注于适用于实体产品的短苹果风格影片。

如果用户尚未选择方向,提供2-3个简洁的方向,推荐一个,并在确认后继续。如果用户说“由你决定”,则使用推荐的那个。

推荐的主线:

  1. 产品发布(默认推荐)

    • 留白开场 → 主要变体建立英雄视图 → 材质/结构细节 → 自然产品动作 → 变体或颜色关系 → 完整文案收尾。
    • 适用于耳塞、手表、数字配件、小型电器、香薰设备等。
  2. 特性触感

    • 产品静止 → 交互触发 → 特性动作 → 细节放大 → 结果/感受 → 收尾画面。
    • 适用于有明显打开、旋转、磁吸、灯光变化、屏幕、折叠、雾气或类似动作的产品。
  3. 色彩家族

    • 主要变体单独出现 → 辅助变体轻轻滑入 → 颜色顺序形成 → 材质和结构保持统一 → 全套产品收尾 → 文案落地。
    • 适用于多色、多变体或多型号的产品。

输出一句话描述所选叙事主线,例如:

本影片使用色彩家族主线:紫色主要变体建立英雄视图,其他颜色作为辅助层进入,全套产品以英文文案收尾。

第4步:指导运动语言

在文案撰写和锚点生成之前,定义影片的运动语言。此步骤不生成资产;它定义运动强度、过渡逻辑和节奏峰值,供后续使用。

(截断部分省略)

Individual skills in this repo

This repo contains 10 individual skills — each has its own dedicated page.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

Create complete stylized 3D animated shorts from a story idea through an ordered production workflow covering project brief, story outline, character and environment cards, standardized shot planning, text or optional pencil storyboards, video-model selection, single-shot generation, assembly, BGM matching, and final review. Use when the user wants an end-to-end narrative animation workflow with strong character consistency, scene continuity, timing, camera, performance, and audio control. Not for single images, simple edits, photorealistic live action, or one standalone clip.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

For marketers and creators producing promotional content for brands, products, websites, apps, shops, or personal projects. Users provide logos, product images, interface screenshots, official links, or other verifiable assets and confirm duration, aspect ratio, audience, and campaign focus. The Skill organizes brand facts and asset provenance, selects a narrative direction, plans precise beats and shots, generates needed imagery, video, voiceover, or music, and completes assembly and pre-delivery review. It outputs a promotional short that highlights product capabilities, use cases, and a call to action. Best for launches, website showcases, and social promotion; not for imitating real brand marks without authorized assets, inventing product claims, or producing long-form narrative films.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

For users creating a two-player co-op game menu or opening animation. Users provide two player names, a game title, a target visual style, and optional character reference images. The Skill locks identity cues, generates an approval image from a fixed menu framework with coordinated color, buttons, icons, and typography, then uses the approved result to rebuild the character, UI-copy, and event timing instructions for the final video. It outputs a co-op game intro featuring two characters, player cards, and menu interaction motion. Best for game concepts, character-led menus, and social content; not for playable game development, complex multi-page UI, exact brand-logo replication, or generic character-free title sequences.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

为 MiniMax H3 图生视频生成高动态运镜 Ref2VA 提示词。基于插件自动加载的参考图(人物、场景、动作、风格),只输出可直接交给 H3 图生视频节点的六段式英文提示词,不生成角色卡或动作首帧文生图提示词。要求两轴位移、主动运镜、前景视差、障碍接触、尺度变化与物理反馈,使用官方镜头指令与自然语言弧线描述。无参考图时允许纯文字描述模式。

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

Write MiniMax H3 video generation prompts for T2VA, I2VA, FL2VA, L2VA, and Ref2VA. Use when rewriting multimodal requests into H3 prompt structures, composing integrated_multimodal_description, overall_soundscape, and non_diegetic_music, aligning keyframes, or defining reference labels for images, videos, and audio.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

For creators making surreal short videos that blend rough glowing hand-drawn animation with live-action spaces. Users provide a scene idea, contact object or hand, desired mood, and optional language or style constraints. The Skill clarifies the physical contact, designs continuous morphing, escape route, and delayed handheld chase movement, then writes a reusable 15-second 16:9 video prompt in the user's language. After user confirmation it recommends MiniMax H3 generation and checks contact realism, camera delay, rough glowing stroke texture, and non-horror tone. Best for single-scene creative clips, not polished CG, horror jump scares, plush characters, or multi-scene cuts.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

Turn user-provided reference images and script into multi-segment H3 Ref2VA video prompts with character presenter, holographic interaction, and full narration coverage. Users provide a character reference image, an environment reference image, and a complete narration script. The Skill auto-splits the script into segments within user-specified max duration, calculates narration budget dynamically, designs at least 2 holographic interactions per segment, and outputs complete self-contained Ref2VA format prompts. No external skill dependencies. Style, aspect ratio, and segment duration are flexible.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

For musicians, video creators, and social-media editors producing AI music videos or emotional short films with lyric typography. Users provide music, lyrics, references, characters, typography direction, mood, or target platform. The Skill analyzes beat and vocal timing, separates character, scene, and text references, designs beat-reactive spatial typography, decomposes long works into connected shots, audits prompts, and routes generation for H3 or other video tools. It outputs MV concepts, shot prompts, lyric text plans, and stitching guidance. Best for stylized MVs and subtitle-driven music visuals, not ordinary caption cleanup, licensed IP copying, or fully manual post-production editing.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

For creators, educators, and social-video editors who need a tactile paper-collage language for narration, knowledge points, opinions, or abstract topics. Users provide source copy, story beats, or a core concept and may specify aspect ratio, duration, palette, and audio needs. The Skill extracts meaning, proposes visual metaphors, prepares a production plan and storyboard, generates approved halftone collage stills, then creates stop-motion clips with paper movement and tactile sound effects, with optional final assembly. By default it keeps collage SFX and does not add BGM, voiceover, or subtitles unless requested. Best for explainers, viewpoints, story visuals, and social B-roll; not for presenter ads, editable layers, complex typography, or prompt-only tasks.

StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

For creators explaining science, education, or general knowledge through tactile handmade papercraft visuals. Users provide a topic, core knowledge points, or source material and may specify audience, duration, aspect ratio, and deliverable type. The Skill extracts the learning goal and visual metaphor, proposes creative directions, designs paper characters, layered diorama sets, and props, creates preview concepts plus image and video prompts, and plans storyboards, camera movement, transitions, and sound with staged approvals and review checklists. It outputs a production-ready papercraft stop-motion explainer package, or selected assets such as still prompts, image-series prompts, short-video prompts, or storyboards. Best for cut-paper, pop-up-book, layered diorama, and miniature stop-motion explainers; not for standard 2D cartoons, line doodles, live action, or explainers without a paper-art look.

相关技能