Communitygithub.com

工作室视频导演

用于制作工作室级AI视频和短视频的专业流水线。涵盖从规划、脚本、生成、组装到质量把关的全流程。

工作室视频导演 是什么?

Studio Video Director 是一个经过实战检验、以测量为导向的视频制作流水线,旨在使用免费本地工具生成工作室级视频。它支持多种视频交付形式,包括黑客马拉松演示(16:9)、短视频(9:16)、产品广告、电影解说等。该技能强制执行一套严格的10项质量门禁,涵盖规格、响度、死音、剪辑节奏、画外音覆盖率、立体声、真实音乐/音效、无幻灯片效应、帧检查以及母版保护。其$0免费方案基于本地FFmpeg、Whisper等工具,Pro版则增加了多场景合成、自动闪避、字幕烧录和批量门禁检查等功能。该技能详细规定了8步工作流,从简报、团队分工、故事板到每个片段的六部分提示词,再到音频和最终交付,确保每一步都达到专业标准。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/rjrajput-web3/studio-video-director-skill/tree/HEAD

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

Studio Video Director

一条经过实战检验、以测量为导向的流水线,用于使用免费本地工具制作工作室级视频。以下每条规则都源自真实的失败构建:单声道混音、过度压缩的音频、幻灯片式短视频、被剪切的字幕和死音。任何违反门禁的构建都是失败的构建——请修复它,不要发布它。

何时使用此技能

  • 任何视频交付物:黑客马拉松演示、产品演示、短视频/Reels、电影解说、广告、教程、预告片、播客片段。
  • 在渲染之前:规划、脚本、故事板、镜头提示。
  • 在渲染之后:对最终编码执行10项门禁预交付检查。
  • 当视频“看起来不错但感觉业余”时:运行门禁,修复失败的门禁,重新检查。门禁会明确指出确切的缺陷。

8步工作流

  1. 简报 —— 一段话:受众、一个想法、一个行动号召、时长、宽高比(选择一个并锁定:16:9 用于演示/长视频,或 9:16 用于短视频/Reels——切勿在一个项目中混合比例)。
  2. 团队计划(6个角色) —— 导演(愿景 + 剪辑列表)、编剧(脚本,每镜头不超过30字,约150词/分钟)、摄影指导(镜头 + 构图)、艺术总监(调色板 + 场景)、特效师(动态 + 转场)、音效设计师(画外音 + 音乐 + 音效)。每个角色在生成前签字确认。
  3. 故事板 + 剪辑列表 —— 在动画制作前以书面形式完成。至少每3-4秒有一次视觉或摄像机剪辑(无间隙超过4秒,硬性失败)。前3秒内设置钩子:标题/问题 + 动态。禁止静态封面开场。
  4. 提示词(六部分) —— 每段不超过10秒,使用 references/prompt-template.md:时长/格式、主题、场景、带时间戳的节拍、镜头语言、声音/对话、约束。在不同段落之间逐字复用主题描述。
  5. 生成片段 —— 仅限真实动态:屏幕录制(Playwright,deviceScaleFactor 2,1920x1080@30fps用于演示)、B-roll或动画。对静态图像使用Ken Burns效果:每个短视频最多一个不超过4秒的片段,绝不用在整个视频中。
  6. 组装 —— 将所有场景归一化到锁定的帧(缩放+填充,绝不拉伸),使用concat demuxer连接,掌握音频(Pro版:pro-bundle/scripts/assemble_multiscene.py)。
  7. 音频 —— 仅限神经画外音(edge-tts / studio TTS;禁止gTTS)。音乐:使用真实授权曲目(Mixkit / Pixabay / YouTube Audio Library),在画外音下闪避至-20 dB(短视频)或-22 dB(演示)。真实设计的音效与剪辑同步。禁止合成环境音/音效。
  8. 门禁 + 交付 —— 对最终编码运行 scripts/quality_gate.py。所有10项门禁必须通过。将母版和 .SRT 文件保存在 renders/ 目录中,切勿丢弃。

质量门禁(全部10项,无豁免)

#门禁规则
1规格确切的时长/分辨率/帧率;音频通道 == 2
2响度综合响度 -14..-16 LUFS,真峰值 <= -1.5 dBTP,LRA >= 6 LU
3死音无超过0.5秒的静音,除末尾不超过1秒的尾音外
4剪辑节奏剪辑之间的间隙不超过4秒
5画外音覆盖率faster-whisper转录覆盖脚本中至少80%的单词
6帧00:02 / 中间 / 结束帧通过命名的帧检查清单
7立体声ffprobe显示最终混音中通道数==2
8真实音乐/音效人工确认使用真实授权音乐和真实音效
9无幻灯片效应无超过4秒的静止片段
10母版保护.SRT 侧车文件存在,无 *-broken / *-v1 / *-v2 副本

运行它:

python3 scripts/quality_gate.py final.mp4 --aspect 16:9 \
  --srt final.srt --script vo-script.txt --frames-dir checks/

单项门禁:

python3 scripts/audio_lufs_check.py final.mp4
python3 scripts/extract_frames_check.py final.mp4 --aspect 16:9 --frames-dir checks/

字幕规则

  • 16:9 演示: 仅使用独立的 .SRT 侧车文件。禁止烧录叙述字幕。允许屏幕上出现UI标注——它们不属于字幕。
  • 9:16 短视频/Reels: 使用 .SRT 侧车文件以及样式化的底部三分之一安全区字幕(短视频播放器会忽略侧车文件;静音观看者需要屏幕上的文字)。

命名的帧检查清单(应用于00:02、中间、结束帧)

(a) 任何边缘无裁剪,(b) 无超过帧25%的死区/空白区域,(c) 屏幕上每个单词在手机尺寸下可读,(d) 脚本要求显示字幕的地方,字幕可见,(e) 无双占位符/虚假UI文字,(f) 主体充满帧。

$0 工具(免费版)

  • ffmpeg / ffprobe 8.x,Python 3.10+,faster-whisper(本地,CPU)。
  • 仅使用可选的外部免费额度(OpusClip / Vizard / Quso / 2short 免费版)——本仓库中的任何脚本均不调用,不涉及付费API、注册或信用卡。
  • 本仓库不包含任何凭证、API密钥或个人数据。

Pro版

pro-bundle/ 增加:多场景FFmpeg合成(带两遍响度控制母盘处理)、画外音+音乐自动闪避、Whisper .SRT + 烧录字幕构建器、18个行业模板以及一键批量门禁检查。请参阅 README.md(Pro版章节)和 pro-bundle/README.md。

相关技能