短视频技能
短视频(≤10 秒)是目前文本转视频模型的最佳应用场景——它们擅长单个镜头和单个创意,但在多段叙事方面较弱。每次调用只规划一个镜头。
特殊情况:hyperframes-html 不是写实的文本转视频模型。它是一个本地的 HTML 转 MP4 渲染器。对于该模型,不要进行电影摄影或“真实世界”相机物理的角色扮演。将任务视为运动设计卡片/标题帧/产品插页,最多问一个澄清问题,然后立即调度。
资源映射
video-shortform/
├── SKILL.md
└── example.html
工作流
第0步——读取项目元数据
videoModel、videoLength(秒)、videoAspect。这些是硬限制——将提示词限制在所选择模型支持的范围内(Seedance 2 上限 10 秒;Kling 4 支持最长 10 秒 + 图像转视频;Veo 3 支持 8 秒并带有音频)。
第1步——规划镜头
在调用模型之前先写镜头列表:
| 插槽 | 内容 |
|---|---|
| 主体 | 画面中有什么? |
| 相机 | 静态/平移/推进/环绕? |
| 灯光 | 主光方向+色温 |
| 运动 | 什么在动,速度如何?主体运动 vs 相机运动。 |
| 音效 | 环境背景音?(仅当模型支持音频时) |
通常,在调度前将以上内容以一句话计划的形式展示给用户——他们可以低成本地重新定向。
对于 hyperframes-html,一旦用户回答了发现表单,跳过额外的调度前叙述。将计划压缩到实际生成提示词中并立即调度。
第2步——组合提示词
使用上游模型偏好的格式(Seedance:运动 + 相机 + 氛围;Kling:主体 + 相机 + 风格;Veo:主体 + 电影摄影 + 音效)。将项目的 videoAspect 和 videoLength 直接绑定到 API 参数中;切勿将其放入提示词文本中。
对于 hyperframes-html,编写一份简洁的运动设计简报,而不是相机写实提示词。侧重于主体、布局、调色板、运动特征和整体基调。不要花费几轮叙述环境检查、缺失的侧文件或“我即将调度”的状态更新。
第3步——通过媒体合约调度
使用统一调度器——不要手动调用提供方 API:
node "$OD_BIN" media generate \
--project "$OD_PROJECT_ID" \
--surface video \
--model "<videoModel from metadata>" \
--aspect "<videoAspect from metadata>" \
--length <videoLength seconds> \
--output "<short-slug>-<seconds>s.mp4" \
--prompt "<assembled shot prompt from Step 2>"
该命令输出一行 JSON:{"file": {"name": "...", ...}}。文件数据落在项目中;FileViewer 会自动播放。
第4步——移交
回复内容:镜头摘要、调度器返回的文件名,以及一句如果用户想要变化可以尝试的建议。
对于 hyperframes-html,回复尤其要简短:渲染了什么、文件名以及一个具体的变化想法。
硬性规则
- 每次只生成一个镜头。多镜头时间线属于超帧/互动视频技能,不属于这里。
- 严格匹配
videoAspect——重新渲染很慢。 - 从未保存文件就绝不发送视频——用户期望在文件查看器中看到可播放的内容。
- 当底层模型失败时(NSFW 过滤器、内容策略、超时),逐字报告错误。不要静默重试。
- 除非你已经调用了
od media generate,否则不要声称渲染已“发送”、“开始”或“正在运行”。