安装 belt CLI 技能: npx skills add belt-sh/cli
解说视频指南
通过 inference.sh CLI,从脚本到最终成片,创建解说视频。
快速开始
需要安装 inference.sh CLI(belt)。安装说明
belt login
belt app run google/veo-3-1-fast --input '{
"prompt": "干净的动作图形风格动画,抽象数据在连接节点之间流动,蓝白配色方案,专业企业美学,平滑过渡"
}'
脚本公式
问题-煽动-解决(PAS)—— 60秒
| 部分 | 时长 | 内容 | 字数 |
|---|
| 问题 | 10秒 | 陈述观众所面临的痛点 | ~25个词 |
| 煽动 | 10秒 | 展示为什么问题比想象中更严重 | ~25个词 |
| 解决 | 15秒 | 介绍你的产品/想法 | ~35个词 |
| 工作原理 | 20秒 | 展示3个关键步骤或功能 | ~50个词 |
| 行动号召 | 5秒 | 一个明确的下一步操作 | ~12个词 |
之前-之后-桥梁(BAB)—— 90秒
| 部分 | 时长 | 内容 |
|---|
| 之前 | 15秒 | 展示当前令人沮丧的状态 |
| 之后 | 15秒 | 展示理想的结果 |
| 桥梁 | 40秒 | 解释你的产品如何帮助他们实现目标 |
| 社会证明 | 10秒 | 快速统计或客户评价 |
| 行动号召 | 10秒 | 明确的下一步操作 |
功能特写——30秒(社交媒体)
| 部分 | 时长 | 内容 |
|---|
| 钩子 | 3秒 | 令人惊讶的事实或问题 |
| 功能 | 15秒 | 展示一个功能解决一个问题 |
| 结果 | 7秒 | 成果/益处 |
| 行动号召 | 5秒 | 试试看 / 了解更多 |
节奏规则
| 内容类型 | 每分钟字数 | 说明 |
|---|
| 标准旁白 | 150 wpm | 对话式节奏 |
| 复杂/技术类 | 120 wpm | 留出处理时间 |
| 活泼/社交媒体 | 170 wpm | 短格式视频稍快 |
| 儿童内容 | 100 wpm | 清晰且缓慢 |
关键原则: 每个关键信息对应一个场景。不要将多个想法打包进一个视觉效果中。
场景时长指南
- 定场镜头:3-5秒
- 功能演示:5-8秒
- 文字/统计数据屏幕:3-4秒(必须可读)
- 过渡:0.5-1秒
- 行动号召屏幕:3-5秒
视觉制作
场景类型
belt app run google/veo-3-1-fast --input '{
"prompt": "干净的产品演示视频,手在笔记本电脑上打字,显示仪表盘界面,明亮的现代办公室,柔和的自然光,专业"
}'
belt app run bytedance/seedance-2-0 --input '{
"prompt": "抽象运动图形,彩色数据流连接漂浮的几何形状,流畅的流体动画,深色背景带发光元素,科技美学",
"generate_audio": true
}'
belt app run google/veo-3-1-fast --input '{
"prompt": "开心的人坐在沙发上使用笔记本电脑,微笑着看屏幕,明亮通风的客厅,温暖的午后光线,满意的客户感受,生活方式广告风格"
}'
belt app run falai/flux-dev-lora --input '{
"prompt": "分屏对比,左侧杂乱的办公桌上堆满文件和压力,右侧整洁有序的极简主义工作空间,戏剧性的差异,干净的设计"
}'
图像生成视频(I2V)
belt app run falai/flux-dev-lora --input '{
"prompt": "带有发光全息界面的专业工作空间,未来感但干净,蓝色重点照明"
}'
belt app run falai/wan-2-5-i2v --input '{
"prompt": "镜头轻轻推近,全息元素微妙地漂浮和旋转,柔和的环境光变化",
"image": "path/to/workspace-still.png"
}'
配音制作
脚本撰写技巧
- 使用短句。每句话最多15个词。
- 使用主动语态。说"你可以追踪你的数据",而不是"你的数据可以被追踪"。
- 保持对话式语气。大声朗读——如果听起来生硬,就重写。
- 每个句子表达一个想法。每个句子对应一个视觉节拍。
生成配音
belt app run falai/dia-tts --input '{
"prompt": "[S1] 厌倦了花费数小时制作没人看的报告?有一个更好的方法。这就是DataFlow。它能在几秒钟内将你的原始数据转化为视觉故事...只需连接你的数据源,选择一个模板,然后分享。今天免费试用DataFlow。"
}'
TTS中的节奏控制
| 技巧 | 效果 | 示例 |
|---|
句号 . | 中等停顿 | "这改变了一切。下面介绍方法。" |
省略号 ... | 长停顿(戏剧性) | "而结果...令人难以置信。" |
逗号 , | 短停顿 | "快速、简单、强大。" |
感叹号 ! | 强调/能量 | "从今天开始构建!" |
问号 ? | 升调 | "如果有一个更好的方法呢?" |
音乐与音频
背景音乐指南
- 音量: 旁白音量的20-30%(有语音时压低6-12dB)
- 风格: 与品牌调性匹配(企业=环境电子乐,初创=欢快独立音乐)
- 结构: 开场渐强(前3秒)-> 旁白下的微妙循环 -> 行动号召处渐强
- 无 vocals: 旁白下仅使用纯音乐
belt app run <music-gen-app> --input '{
"prompt": "欢快的企业背景音乐,现代电子乐,90 BPM,积极且专业,无 vocals,适合产品解说视频"
}'
合成流水线
完整制作流程
belt app run falai/dia-tts --input '{
"prompt": "[S1] 将你的脚本放在这里..."
}'
belt app run google/veo-3-1-fast --input '{"prompt": "场景1描述"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "场景2描述"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "场景3描述"}' --no-wait
belt app run infsh/media-merger --input '{
"media": ["scene1.mp4", "scene2.mp4", "scene3.mp4"]
}'
belt app run infsh/video-audio-merger --input '{
"video": "merged-scenes.mp4",
"audio": "voiceover.mp3"
}'
belt app run infsh/caption-videos --input '{
"video": "final-with-audio.mp4",
"caption_file": "captions.srt"
}'
视频长度按格式
| 格式 | 时长 | 平台 |
|---|
| 社交媒体预告 | 15-30秒 | TikTok, Instagram Reels, YouTube Shorts |
| 产品演示 | 60-90秒 | 网站, 落地页 |
| 功能解说 | 90-120秒 | YouTube, 邮件 |
| 教程/操作指南 | 2-5分钟 | YouTube, 帮助中心 |
| 投资者推介视频 | 2-3分钟 | 演示文稿附件 |
过渡类型
| 过渡 | 何时使用 | 效果 |
|---|
| 切 | 在相关场景之间的默认方式 | 干净、专业 |
| 溶解/交叉淡入淡出 | 时间推移、情绪变化 | 柔和、沉思 |
| 划像 | 新主题或新章节 | 清晰分隔 |
| 缩放/推近 | 深入细节 | 聚焦注意力 |
| 匹配剪辑 | 场景之间的视觉相似性 | 巧妙、令人难忘 |
常见错误
| 错误 | 问题 | 修复 |
|---|
| 脚本过于冗长 | 配音仓促、观众不知所措 | 降低至最大150 wpm |
| 前3秒没有钩子 | 观众立即离开 | 以问题或令人惊讶的数据开始 |
| 视觉效果滞后于旁白 | 令人困惑的脱节 | 视觉效果应与文字匹配或略微提前 |
| 背景音乐音量太大 | 听不清楚旁白 | 将音乐压低6-12dB在语音下 |
| 没有字幕 | 85%的社交媒体视频在静音状态下观看 | 始终添加字幕 |
| 想法太多 | 观众什么都没记住 | 每个视频只传达一个核心信息 |
相关技能
npx skills add inference-sh/skills@ai-video-generation
npx skills add inference-sh/skills@video-prompting-guide
npx skills add inference-sh/skills@text-to-speech
npx skills add inference-sh/skills@prompt-engineering
浏览所有应用:belt app store