EDP 房源视频制作器
制作 EDP Realty 房源视频,其中 AI 主持人站在真实的房源照片前,每张照片一个场景,朗读撰写的台词。
流程:收集房源信息 + 照片 → 审查照片 → 撰写场景脚本 → 构建 Faith 角色参考图 → Grok 图像转视频(每个场景两个输入:房间照片 + 角色参考)→ 使用 ffmpeg 拼接,添加标志水印和片尾 → 质量控制 → 交付。
核心技术:这是图像转视频,绝不是文本转视频。 你上传真实的房产照片,Grok 将主持人融入该真实场景中。文本转视频会凭空捏造一栋不属于房源本身的房子——这既有损品牌形象,也是一个广告问题。
三个来之不易的规则
前三个教训导致第一个生产房源经历了一次完整的重建周期。请从第一次生成开始就应用它们,而不是等到审阅者发现问题后才补救。
- 始终发送角色参考图像作为第二个输入。 仅凭文本无法固定 Faith 的着装。在五个场景中,她的服装漂移了四种不同款式——海军蓝西装外套、棕褐色长裤、腮红色垂坠衬衫、白色有领衬衫。参见步骤 3.5。
- 在外部场景中锁定摄像机。 “平滑的摄像机运动,轻微的平移和缩放”在室内墙壁界定画面范围时没问题。但在室外,摄像机会拉远到开阔的院子,Grok 会凭空生成它所展示的一切——带柱子的门廊、景观花圃、变形后的邻居房子。参见步骤 4。
- 主持人在第 0 帧时必须位于画面内。 Grok 经常渲染出第一帧为空,然后让她突然出现,或者让她显得很小很远然后拉近镜头。这两种情况看起来都像故障。明确要求她在画面内以及她的取景范围。
主持人
两个固定的角色。Faith 是默认角色——仅当用户要求新闻格式或投资者/翻新者角度时才使用新闻主播。
Faith — BLONDE-AGENT-01 (默认)
角色 ID:BLONDE-AGENT-01
在每个视频中使用完全相同的画面主持人。
迷人的金发女性,30 岁出头,中长卷发,蓝眼睛,友好的微笑,清淡的自然妆容。
专业的房地产风格,蓝色西装,中性颜色。
在所有视频中保持相同的面部结构、发型、着装风格和个性。
此角色必须在每个单独的视频中保持一致。
住宅着装(除非另有指示,否则使用): 钢蓝色单扣西装外套,象牙白色立领衬衫,领口敞开,配套的钢蓝色长裤。在提示词中明确说出每件衣物的名称,包括长裤颜色——Grok 最常见的偏移是让她穿上棕褐色或卡其色长裤。
开场白模板:
"嘿,这里是 Faith,来自 EDP Realty。欢迎查看我们位于 [ADDRESS] 的房源。"
语气:温暖、乐观、自信。她是房地产经纪人,而不是代言模特。
EDP 新闻主播 — MALE-ANCHOR-01 (投资者 / 翻新者格式)
角色 ID:MALE-ANCHOR-01
在每个视频中使用完全相同的画面主持人。
年长的男性新闻主播,40 岁出头。花白的短发,整洁。轻微的胡茬或干净的剃须。
轮廓分明的下颌线,蓝/灰色眼睛,自信的存在感,自然的新闻室风格妆容。
穿着深海军蓝或炭灰色主播西装外套,白色正装衬衫,不打领带。
手持一个带有简单"EDP News"话旗的黑色手持麦克风(必须在每个视频中保持完全相同)。
在所有视频中保持相同的脸、头发、服装、麦克风和个性。
主播特定规则:他站在外面或门廊上,从不进室内,并且站在一个地方,而不是走进房子。
服装变体
Faith 支持服装覆盖(例如,对于建筑/翻新房源,"海军蓝职业连衣裙,粉色安全帽,粉色高跟鞋")。将服装描述行附加到她的角色块中;保持面部和发型描述不变,否则她会漂移。如果覆盖了服装,你还必须重建角色参考图以匹配,否则参考图和文本描述会相互冲突。
第 1 步 — 收集房源信息
如果未提供,询问房产地址。你需要:街道地址、状态、标价、卧室数量、浴室数量、平方英尺、建造年份、MLS 编号以及房源备注。使用你会话中已连接的任何房源来源(经纪公司的交易/列表系统,或者用户粘贴的 MLS 表格或房源链接)。如果没有任何连接,请用户粘贴 MLS 表格或房源链接——不要猜测信息。
注意同一地址的重复记录。 旧的或存档的房源版本可能与活跃版本相邻,价格不同,卧室/浴室/平方英尺缺失。使用活跃且有 MLS 编号的那个版本,并告知用户你跳过了哪个记录,以便他们知道视频反映的是哪个价格。
在构建之前检查状态。 如果房源已存档、过期、已售出或待定,请说明并在制作 "售房" 营销内容之前进行确认。
第 2 步 — 获取并审查照片
将房源照片放入本地工作文件夹 <work>/photos/,并使用简短名称:front.jpg、living.jpg、kitchen.jpg、bed1.jpg、bed2.jpg、shower.jpg。如果照片以链接形式提供,使用 curl 下载;如果用户附加了照片,请复制进去。原始文件名通常以房间标签结尾,这可以免费提供场景顺序。如果出站下载被阻止,请参见“注意事项”中的出口说明。
在撰写任何文字之前先查看照片
制作一个联系表并阅读它,这样你才能针对每个房间的实际内容撰写台词,并删除任何黑暗、模糊或重复的照片:
montage front.jpg living.jpg kitchen.jpg bed1.jpg bed2.jpg shower.jpg \
-tile 3x2 -geometry 640x480+6+6 -background '#111' contact_sheet.jpg
选择 4–6 张照片。顺序:前部外观第一(那是开场场景),然后是客厅 → 厨房 → 卧室 → 浴室,将最引人注目的单一房间留到最后,以便行动号召出现在最佳视觉效果上。跳过近乎重复的卧室。
第 3 步 — 撰写场景脚本
每张照片一个简短的台词,大约 2–4 秒的讲话时间(大约 12–25 个词)。以表格形式向用户展示完整的脚本,并在生成任何内容之前获得批准——重新生成是高成本的步骤。
在脚本批准的同时问以下三个问题,因为这些都会改变构建内容,并且一次只问一个问题是不礼貌的:
- 脚本中是否有任何措辞更改。
- 需要哪些裁剪版本——16:9、9:16 还是两者都需要。(通常仅宽版就足够了。)
- 视频面向谁——是 EDP 房屋品牌宣传,还是在片尾卡片上为特定经纪人/团队提供行动号召。参见第 5 步中的“片尾卡片”部分。
结构:
- 场景 1(前部照片): 主持人的开场白 + 地址。
- 中间场景: 每个房间一个具体优点,来源于房源备注和你实际在照片中看到的内容。
- 最终场景: 最强的房间 + 行动号召。经纪公司首选的结尾是"请联系我们,安排您的私人看房。"——而不是"致电 EDP Realty。" 保持口述的行动号召通用;具体的经纪人、团队和电话号码应放在片尾卡片上,永远不要让 Grok 说出来。
像人一样说话,而不是像 MLS 备注。"厨房已翻新,有足够的空间放一张真正的餐桌"比"拥有宽敞的翻新厨房,带用餐区"更好。
不要将价格放在口述台词中。 Grok 容易念错数字,房源视频中价格错误是个大问题。价格应放在标题卡片上,那里渲染清晰。平方英尺和任何电话号码同样处理。
MLS 记录中没有任何照片显示的细节(车库、围栏院子、建造年份),Faith 可以提及——只是不要暗示照片描绘了这些内容。对于这些细节,要匹配 MLS 的措辞:当房产确实有独立车库时,要说"独立车库",而不是"双车位车库"。
公平住房——不可协商
这是为经纪公司做广告。描述房产本身,绝不评价人群。
- 绝不 提及或暗示种族、肤色、宗教、国籍、性别、残障或家庭状况。这包括软性替代词:"适合家庭的棒社区"、"非常适合年轻夫妇"、"安全区域"、"步行可达教堂"、"安静,附近没有孩子"、"好学校"、"专属"。
- 说 "第三间卧室"——而不是"孩子的房间"。
- 不要描述谁会喜欢这个家。描述家本身。
- 确保每个陈述的事实都真实对应房源记录。不要将 858 平方英尺四舍五入为 "900 多",不要将已存档的房源称为活跃状态,不要捏造建造年份。
- 必须标识经纪公司,并且必须出现公平住房机会标志。角落水印、片尾卡片上的经纪公司行以及片尾卡片上的公平住房标志涵盖了这一点——切勿在没有它们的情况下交付。
- 如果用户要求的措辞越过了这条线,请标记出来,并提供合规的改写版本,而不是直接生成。
第 3.5 步 — 构建 Faith 角色参考图
在任何生成之前执行此操作。 这是确保一致性的最高杠杆步骤。
获取一张 Faith 穿着住宅着装的干净静帧。要么重用之前房源中保存的参考图(首选——这使她跨房源保持一致),要么从好的视频剪辑中抽取一帧:
ffmpeg -y -ss 7 -i good_clip.mp4 -frames:v 1 ref_full.png
# 裁剪到紧贴她,去掉她身后的房间,填充到视口宽高比
ffmpeg -y -i ref_full.png \
-vf "crop=400:620:560:20,scale=-1:600,pad=1300:600:(ow-iw)/2:0:color=0x8a8a8a" \
-q:v 3 faith_ref_wide.jpg
裁剪到很紧,这样几乎没有任何原始房间背景残留——否则 Grok 会将那个房间融入新场景。填充到大致浏览器视口宽高比,使用中性灰色背景,这样你提供给 Grok 的截图就没有黑边。
在使用之前检查结果。它应该显示:脸、头发、西装外套、衬衫以及至少裤子的顶部。
第 4 步 — 在 Grok 中生成视频片段
使用 Claude-in-Chrome 工具驱动已登录的 Chrome 浏览器,访问 grok.com/imagine。每张照片生成一次,视频模式,720p,10s,16:9。
将图像导入 Grok
file_upload 会拒绝输出文件夹中的路径——它只接受它认为与会话共享的文件,而 outputs 目录不符合条件。不要浪费时间在这上面。两种可行的方法:
方法 A(首选)——在本地主机上提供工作文件夹并进行截图。 Grok 的 upload_image 接受截图 imageId,因此任何你可以在 Chrome 中显示的内容都可以上传:
# 在用户的 Mac 上,从工作文件夹,后台运行以便调用返回
(nohup python3 -m http.server 8777 --bind 127.0.0.1 > /tmp/srv.log 2>&1 &)
sleep 2; curl -s -o /dev/null -w "%{http_code}\n" --max-time 5 \
http://127.0.0.1:8777/photos/front.jpg
然后对于每个图像:navigate 到 http://127.0.0.1:8777/photos/front.jpg,运行以下代码去掉 Chrome 的查看器界面和任何扩展覆盖层,然后截图:
const img=document.querySelector('img');
document.body.querySelectorAll('*').forEach(e=>{if(e!==img&&!e.contains(img))e.remove()});
document.documentElement.style.cssText='margin:0;padding:0;overflow:hidden;background:#000';
document.body.style.cssText='margin:0;padding:0;overflow:hidden;background:#000';
img.style.cssText='position:fixed;top:0;left:0;width:100vw;height:100vh;object-fit:cover;margin:0';
'ok'
运行完成后终止服务器:pkill -f "http.server 8777"。
方法 B——直接导航到照片自身的 URL 并应用相同的 JS。可行,但 URL 很长且会过期。
无论哪种方式,你都会得到一个按视口宽高比进行 cover 裁剪的截图,这正是你想要的:Grok 匹配源宽高比,因此 ~2.16:1 的截图会产生 ~2.16:1 的片段,构建脚本可以将其干净地裁剪为 16:9。
页面,已验证于 2026-08-11
- 隐藏的文件输入——使用
find定位("用于附加图像的隐藏文件输入"),然后使用upload_image配合ref和imageId。永远不要点击附加按钮——那会打开一个你无法控制的本地文件选择器。 - 每个场景两个输入: 先上传房间照片,然后上传角色参考图。它们会显示为作曲家上方的两个缩略图。在提示词中以顺序将它们称为 IMAGE 1 和 IMAGE 2。
- 作曲家是
.tiptap.ProseMirrorcontenteditable。长提示词通过合成粘贴事件设置比通过打字更可靠。 - 作曲家默认为
Image模式。 切换到 Video 并确认 720p / 10s / 16:9,然后截图。模式在同一会话中跨生成保持,但在任何页面重新加载后重新验证。 - 截图 ID 会过期。 在每个场景上传之前立即重新捕获房间照片和角色参考图——不要重复使用几个步骤之前的
imageId,否则上传会失败。
提示词模板——粘贴此内容,替换括号内的部分
IMAGE 1 是房产。IMAGE 2 是主持人的角色参考图。
角色 ID:BLONDE-AGENT-01。完全匹配 IMAGE 2:相同的脸,相同的金色波浪肩长发型,相同的钢蓝色单扣西装外套,相同的象牙白色立领衬衫(领口敞开),相同的配套钢蓝色长裤。着装必须与 IMAGE 2 完全一致——不要改变西装外套颜色,不要改变衬衫,长裤必须是钢蓝色,而不是棕褐色,不是卡其色。
重要提示:生成视频,而不是图像。不要生成任何静态照片。
创建一个房地产营销视频。IMAGE 1 是真实 [房间] 的真实照片,必须完全保留。仅使用 IMAGE 2 来获取主持人的外观和着装——不要使用 IMAGE 2 的任何背景。
[摄像机块——见下文]
[保留块——见下文]
取景:主持人在非常第一帧时完全可见,居中,从大约膝盖以上取景,并在整个视频中保持该大小。她不小,也不远。她不处于画面边缘的裁剪位置。不要从空房间开始。不要让她淡入、显现或走进画面。她从第一帧开始就站在那里说话。
她站在 [这个房间 / 房产前] 说...
... [为翻译截断]