Communitygithub.com

Reelwright

将简短提示词转化为带旁白和字幕的1080p微型纪录片MP4,利用Pollinations的文本、图像和语音模型以及ffmpeg进行渲染。

Reelwright 是什么?

Reelwright 是一个将简短意图段落自动转化为完整1080p H.264/AAC视频的AI技能。它基于Pollinations生态系统的文本、图像和语音模型,生成场景计划、每场景插图、旁白语音、烧录字幕、交叉淡入淡出效果以及慢速Ken Burns镜头移动,并输出验证报告确保文件可播放。该技能支持分步执行(先计划后渲染),允许用户在生成前编辑`project.json`修正场景描述,从而提高最终质量。其时间线计算基于实际旁白音频长度,避免了幻灯片视频常见的音画不同步问题。Reelwright 适用于制作60秒左右的解释性视频、社交平台配旁白短剧、有声幻灯片或“一分钟纪录片”,但不适合真实影片剪辑或已有素材编辑。所有默认模型均为免费层级,用户只需保证本地安装ffmpeg/ffprobe并登录Pollinations账户即可运行。

兼容平台~Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/SvirepyiBambr/pollinations-reelwright/tree/main/skills/reelwright

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

Reelwright 是做什么的?

Reelwright 只需一段意图描述,即可输出完整的1080p、H.264/AAC 视频:包含书面场景计划、每场景插图、旁白语音、烧录字幕、交叉淡入淡出、慢速 Ken Burns 镜头移动,以及一份确保文件可播放的验证报告。

所有创意内容均来自 Pollinations。唯一本地依赖是 ffmpeg/ffprobe。

适用场景

  • “帮我制作一个关于 X 的 60 秒视频。”
  • “把这篇文章转化成一个带旁白的幻灯片。”
  • “我需要一个配有旁白和字幕的社交媒体短视频。”
  • “用五个场景解释 X。”

不适用于:长片编辑、人物访谈、你已有的素材,或任何需要真实摄像机的场景。Reelwright 是一个图解讲解工具,而非视频编辑器。

设置

npx @pollinations/cli auth login     # 一次性 Pollinations 登录
npm install                          # 拉取 ffmpeg-static + ffprobe-static

Reelwright 依次从 --api-key、POLLINATIONS_API_KEY 环境变量,以及 polli auth login 存储在 ~/.pollinations/credentials.json 的登录信息中获取密钥。推荐使用登录方式:用户在浏览器中确认设备代码,密钥不会出现在对话中。在 CI 环境下运行时,可通过环境变量覆盖。

如果 ffmpeg 已在 PATH 中,Reelwright 会直接使用。否则回退到 node_modules 中的静态版本,再之后尝试 $FFMPEG / $FFPROBE 环境变量指定路径。

运行

一条命令,从概要到成品:

python3 skills/reelwright/scripts/reelwright.py make \
  --brief examples/salt-road/brief.txt \
  --out examples/salt-road \
  --scenes 5 \
  --transcribe

或者分步执行,当文案质量很重要时,这是更好的方式:

# 1. 规划:文本模型写入标题、副标题、风格和 N 个场景
python3 skills/reelwright/scripts/reelwright.py plan --brief brief.txt --out myreel --scenes 5

# 2. 手动编辑 myreel/project.json(如果某句文案不够好)—— 这是最便宜的修改时机

# 3. 渲染:图片、语音、剪辑、封装
python3 skills/reelwright/scripts/reelwright.py render --project myreel

# 4. 检查:用 ffprobe 验证结果,可选转录音频并与脚本对比
python3 skills/reelwright/scripts/reelwright.py check --project myreel --transcribe

输出文件位于项目目录:

文件说明
project.json规划结果:标题、风格、场景、模型选择。可编辑。
images/scNN.jpg每场景一张插图,附带 scNN.prompt.txt 包含精确提示词。
audio/scNN.mp3每场景旁白。
clips/scNN.mp4每场景的静音 Ken Burns 镜头片段。
timings.json场景开始/结束时间、旁白长度、推导出的场景时长。
captions.ass标题、副标题、每场景字幕、致谢行。
reel.mp4最终交付视频。
poster.jpg1.2 秒处的帧,用于缩略图。
render.json、check.json机器可读的渲染和验证报告。

时间线工作原理

场景时长不是猜测的:Reelwright 使用 ffprobe 测量每个旁白 MP3 的长度,添加固定的尾部填充时间,然后基于这些数字构建时间线。字幕被写入相同的时间线,因此字幕不会偏离对应的语音。交叉淡入淡出以固定量重叠剪辑,xfade 偏移量根据相同的时长计算。

这是大多数幻灯片生成器出错的地方。如果你更改了 PAD、FADE 或 MIN_SCENE,下游的所有内容都会自动调整。

验证

check 不是主观感受检查。它读取完成的文件,并在以下情况时大声报错:

  • 没有视频或音频流;
  • 编解码器不是 H.264 / AAC;
  • 分辨率不是 1920×1080 或帧率不是 30;
  • 实际时长与规划时间线偏差超过 0.8 秒;
  • 时间线引用的图像或音频文件缺失;
  • captions.ass 中的对话行数少于场景数;
  • 使用 --transcribe 时:最终音频的语音转文字覆盖率低于脚本词汇量的 80%,这能捕获静音、截断或错误语言的音轨。

最后一项检查最有意思。它是一个廉价的端到端验证,证明 MP4 中的音频确实是你要求的旁白,而不是一个返回 200 OK 但主体为空的内容。

成本与模型

默认设置,所有参数均可通过标志替换:

  • 文本:openai/gpt-5.4-nano — 一次规划调用,如果验证失败则另加一次修复调用
  • 图片:tongyi-mai/z-image-turbo — 每场景一次调用
  • 语音:openai/tts-1,语音 onyx — 每场景一次调用

所有默认模型均为免费层级(paid_only: false),包括 --transcribe 背后使用的 openai/whisper-large-v3 转写服务,因此免费账户可以完整运行整个流程。

一个五场景的视频需要五张图片和五段简短视频语音。重新运行 render 会复用磁盘上已有的内容;--force 强制重新生成。--seed 使图片生成可重现。

提示词撰写

提示词是脚本的北极星,需要提供节奏点而不是形容词:

标题:盐之路。

一段 50 秒的微型纪录片,解释为什么海水是咸的。跟随一滴雨水从花岗岩山脉到海洋的旅程。五个节奏点,按顺序:

1. 雨水落在花岗岩山脉上,开始流向山下。
2. 山间溪流切割岩石,携带溶解的矿物质。
3. 河流变宽,携带矿物负荷向大海前进。
4. 太阳加热海水;水蒸气上升,盐分留下。
5. 黄昏时分的盐晶体。

视觉风格:编辑风格的广告水彩插画,柔和的青色与琥珀色色调,纹理冷压纸张,柔和颗粒,电影级宽屏 16:9 构图。

提示词中的风格行比后面的任何提示工程都更有价值:它会逐字带入每个图像提示,这是让五个独立的生成看起来像同一部电影的关键。

值得了解的失败模式

  • 来自 Pollinations 的 402 错误 — 密钥关联的账户花粉(pollens)用尽。脚本会直接说明问题,而不是转储 JSON 数据。
  • image_prompt 包含文字 — 模型喜欢写“一张标记有‘蒸发’的地图”。系统提示禁止文字,每个图像提示末尾都添加了“无文字、无字母、无标志”的约束,但修复有缺陷的规划在 project.json 中比重新渲染更便宜。
  • 旁白时长超出预期 — 场景会拉伸以配合语音。不会有内容被截断,视频会变长。如果需要严格时长,请减少每场景的字数。
  • 没有 ffmpeg — 在仓库中运行 npm install 是预期的修复方式。错误消息会同时指明软件包和环境变量。
  • 字幕涉及非拉丁文字 — ASS 格式支持 UTF-8,DejaVu Sans 覆盖拉丁、西里尔和希腊字母。对于中日韩或阿拉伯文字,请更改 captions.ass 中的字体,并确保它在渲染机器上已安装。

相关技能