短视频技能
短格式(≤ 10s)是目前文本生成视频模型的最佳长度——它们在单镜头单创意上表现出色,但在多剪辑叙事上较弱。每次调用只规划一个镜头。
特殊情况:hyperframes-html不是照片级文本生成视频模型。它是一个本地HTML到MP4渲染器。对于该模型,不要模拟摄影或“真实世界”的摄像物理规则。将需求视为动态设计卡片/标题帧/产品过渡图,最多提一个澄清问题,然后立即调用。
资源地图
video-shortform/
├── SKILL.md
└── example.html
工作流程
第0步——读取项目元数据
videoModel、videoLength(秒)、videoAspect。这些是硬性限制——将提示词限制在所选模型支持的范围(Seedance 2最多10秒;Kling 4支持10秒+图像转视频;Veo 3支持8秒并带音频)。
第1步——规划镜头
在调用模型之前编写镜头列表:
| 元素 | 内容 |
|---|---|
| 主体 | 画面中有什么? |
| 相机 | 静态/平移/推近/环绕? |
| 灯光 | 主光源方向+色温 |
| 运动 | 什么在移动,速度如何?主体运动vs相机运动。 |
| 音效 | 环境底板?(仅当模型支持音频时) |
通常,在调用前向用户展示一个简洁的句子计划——用户可以低成本调整。
对于hyperframes-html,在用户回答了发现表单后跳过额外的预调用叙述。将计划直接压缩到生成提示词中并立即调用。
第2步——编写提示词
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+摄影+音效)。将项目的videoAspect和videoLength直接绑定到API参数;不要将它们写入自然语言。
对于hyperframes-html,编写简洁的动态设计简报,而不是相机真实感提示词。聚焦于主体、布局、调色板、运动特征和整体基调。不要花费多次轮次叙述环境检查、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——不要手动调用提供商API:
"$OD_NODE_BIN" "$OD_BIN" media generate \
--project "$OD_PROJECT_ID" \
--surface video \
--model "<来自元数据的videoModel>" \
--aspect "<来自元数据的videoAspect>" \
--length <来自元数据的videoLength秒> \
--output "<短名称>-<秒数>s.mp4" \
--prompt "<来自第2步的镜头提示词>"
该命令输出一行JSON:{"file": {"name": "...", ...}}。文件字节保存到项目中;文件查看器自动播放。
第4步——交棒
回复包括:镜头摘要、调度器返回的文件名,以及一个句子说明如果用户想要变化版可以尝试什么。
对于hyperframes-html,尤其保持回复简短:渲染了什么、文件名和一个具体的变化版思路。
硬性规则
- 每次调用一个镜头。多镜头时间线属于超帧/交互式视频技能,不在此处。
- 精确匹配
videoAspect——重新渲染很慢。 - 绝不在未保存文件的情况下发送视频——用户期望文件查看器中有内容可播放。
- 当底层模型失败时(NSFW过滤器、内容政策、超时),原样报告错误。不要静默重试。
- 不要声称渲染已“发送”、“开始”或“正在运行”,除非你已经调用过
"$OD_NODE_BIN" "$OD_BIN" media generate。