Communitygithub.com

分镜导演

构建专业级制作分镜,每个节拍都记录文本、位置、视觉、运动、声音、时间以及它与脚本的关联。

分镜导演 是什么?

Storyboard Director 是一个 AI 智能体技能,专为生成可用于制作的高精度分镜而设计。它强制要求每个场景节拍都必须包含完整的元数据:旁白文本、视觉描述、归一化坐标位置、运动路径、音效提示以及精确的帧计时。该技能支持 1080×1920 垂直画布、60 FPS 帧率,并遵循半开区间 `[startFrame, endFrame)` 的帧约定,确保节拍连续无间隙。输出格式包含标准化的节拍表格(基于模板 `docs/templates/STORYBOARD_TEMPLATE.md`)、音频提示表、逐句与镜头的映射关系,以及一份 `PLACEHOLDER` 资产清单。技能内嵌了 QA 检查清单,用于验证可读性、安全区域合规性和总时长匹配,从而消除“文字大致在中间”这类模糊描述,确保分镜可直接被代码或人工制作团队执行。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/achmdfzn/motionforge-atelier/tree/HEAD/.claude/skills/storyboard-director

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

分镜导演 是做什么的?

强制性要求

分镜不仅仅是一系列图片。每个场景和节拍都必须注明:文本/旁白、视觉、位置/布局、运动、声音和时间。请使用模板 docs/templates/STORYBOARD_TEMPLATE.md。

工作流程

  1. 锁定简介、1080×1920 垂直格式、60 FPS、时长、受众、风格圣经和主要信息。
  2. 将脚本拆分为原子句/节拍;并为它们分配稳定的 ID(例如 S01-B01)。不要无故合并不同句子。
  3. 对于每个节拍,确切写出 VO 文本、确切屏幕上文本、可见内容、主体/资产以及动作。
  4. 使用归一化 0..1 坐标(x, y, w, h)、锚点、对齐方式、层级/z 顺序、安全区域和阅读方向来设置位置。必要时包含像素大小/位置。
  5. 定义构图、摄像机、转场、入场/出场运动、时长、起始/结束帧以及重叠。
  6. 录制音频:VO 片段、音乐、环境音、音效、提示帧、时长、相对增益、淡入淡出以及暂停/静音。
  7. 将每个 VO 句子映射到一个或多个视觉/镜头,以阐明其含义。避免重复的字面视觉;当隐喻效果更好时使用隐喻。
  8. 验证连续性、移动端可读性、安全区域、计时以及总时长是否匹配。

每个节拍的强制输出

  • ID、场景、起始/结束帧、以帧和秒为单位的时长。
  • VO 句子 ID + 文本。
  • 屏幕上文本 + 位置。
  • 视觉/资产 + 构图和位置。
  • 运动/相机 + 缓动。
  • 音频提示:类型、文件/占位符、开始/结束、相对电平、淡入淡出。
  • 入场/出场转场和连续性备注。

规则

  • 所有可见文本必须逐字写出,而非“添加标题”。
  • 所有位置必须明确,而非“大致在中间”。
  • 所有声音都必须记录,包括选择无声音/静音的决定。
  • 不要发明尚不存在的资产;将它们标记为 PLACEHOLDER 并列出资产要求。
  • 60 FPS 下的节拍时长:durationInFrames = endFrame - startFrame,采用独占边界。
  • 结尾 Logo + CTA 是强制性的,且必须针对该视频定制,而非通用版本。

ID 和时间约定

  • 节拍 ID:S<场景>-B<节拍>,使用两位数字(例如 S01-B01)。节拍移动时 ID 不变;插入的新节拍获得新 ID(例如 S02-B03),而不是重新编号所有节拍。
  • 半开区间 [startFrame, endFrame):帧 endFrame 已属于下一个节拍。
  • 仅在一个位置(一次性)从秒转换为帧:frame = round(seconds × fps)。此后,分镜中的每个数字均为整数帧。
  • 连续节拍必须连续:节拍 N 的 endFrame = 节拍 N+1 的 startFrame。仅允许在“转场”列中记录的转场窗口内重叠。
  • 总计:最后一个节拍的 endFrame = 合成的 durationInFrames。

输出格式

  • 头部:项目 ID、画布、FPS、时长(秒 + 帧)、指向风格圣经和音频计划的路径。
  • 遵循 docs/templates/STORYBOARD_TEMPLATE.md 的节拍表。
  • 复杂节拍(多阶段运动、角色、3D)的逐节拍备注。
  • 存在 VO 时的逐句到镜头映射;若不存在 VO,则写一行“不适用——无 VO”。
  • 音频提示表,包括有意的静音。
  • 定制的片尾卡片规格。
  • PLACEHOLDER 资产清单,附带要求和许可状态。

QA 检查清单

  • 每个节拍都有 ID、帧入/帧出、逐字文本(或“—”)、视觉、归一化位置、运动、声音和转场。
  • 节拍从帧 0 开始连续;总时长之和 = durationInFrames。
  • 重要文本位于安全区域内,并且在手机屏幕上可读(字号、对比度、屏幕停留时间)。
  • 文本在屏幕上停留时间足以阅读;长句需要拆分或获得更多时间。
  • 每个 VO 句子都有一个配对的镜头;每个镜头都有编辑目的。
  • 静音被明确写出,而非留空。
  • 运动以帧的函数描述(从/到、帧范围、缓动),可直接由 frame-time-engineering 转换。
  • 片尾卡片延续视频主题,其 CTA 逐字呈现。
  • 每个尚不存在的资产都标记为 PLACEHOLDER。

小型示例

一个 2 秒的文字钩子节拍:

节拍 ID帧VO屏幕上文本视觉位置运动声音转场
S01-B010–120—为什么你的视频感觉千篇一律?纯黑色背景x .08, y .40, w .84;左对齐;z 2每个词每 10 帧进入,上滑 24 px,持续 14 帧,缓出静音 0–30,SFX-001 嗖声于 30 帧切

准备编码的运动:单词 i 从帧 i × 10 开始;opacity 0→1 且 translateY 24→0 跨越 [i×10, i×10+14]。

失败模式

  • “文字出现在中间” → 不可编码;请写出 x/y/w/h、锚点和对齐方式。
  • 节拍相差一帧(0–119 然后 120–240) → 未使用独占约定;请将所有内容切换为半开区间。
  • 文本在代码中更改但未在分镜中更新 → 分镜是文字的权威来源;请先更新分镜。
  • 总时长未匹配合成时长 → 从表格重新计算;不要在代码中修补。
  • 视觉过于字面化匹配每个句子 → 改用演示、图表或隐喻;记录原因。
  • 片尾卡片是 Logo + “关注我们” → 非定制;请从视频主题构建视觉桥梁。

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

相关技能