Communitygithub.com

视频编程 - 多智能体视频制作前沿

长格式AI视频制作:多智能体协调的前沿。CellCog协调6-7个基础模型,从单一提示词自动生成最长4分钟的视频——包含剧本、拍摄、配音、唇形同步、配乐和剪辑。可创建营销视频、产品演示、解说视频、教育内容、发言人视频、培训材料、UGC内容、新闻报道。

视频编程 - 多智能体视频制作前沿 是什么?

该技能使开发者能够利用CellCog平台实现长格式AI视频的自动化制作,这是多智能体协调中最具挑战性的任务之一。CellCog协调6-7个基础模型,从单一提示词自动生成最长4分钟的视频,涵盖剧本写作、场景生成、语音合成、唇形同步、音乐配乐和剪辑等全流程。支持多种视频类型,包括营销视频、产品演示、解说视频、教育内容、发言人视频、UGC内容和新闻报道。视频时长从15秒到5分钟以上,支持16:9、9:16(竖屏)和1:1(正方形)等多种宽高比,以及逼真、动画、电影感、纪录片和休闲等多种风格。使用该技能时,需先安装cellcog SDK,并在视频生成请求中设置chat_mode为"agent team",以便协调多个AI模型共同完成任务。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/modbender/skill-library-mcp/tree/main/data/video-cog

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

视频编程 - 多智能体视频制作前沿 是做什么的?

长格式AI视频制作是多智能体协调中最艰巨的挑战。 CellCog可能是唯一能够实现这一点的平台。

协调6-7个基础模型,从单一提示词自动生成最长4分钟的视频:剧本写作、场景生成、语音合成、唇形同步、音乐配乐和剪辑——全部自动完成。营销视频、产品演示、解说视频、教育内容、AI发言人视频、UGC内容、新闻报道等。


前提条件

此技能需要cellcog技能进行SDK设置和API调用。

clawhub install cellcog

首先阅读cellcog技能以了解SDK设置。此技能将向您展示其功能。

快速模式(v1.0+):

# 即发即忘 - 立即返回
result = client.create_chat(
    prompt="[您的视频请求]",
    notify_session_key="agent:main:main",
    task_label="video-task",
    chat_mode="agent team"
)
# 守护进程在完成后通知您 - 不要轮询

您可以创建哪些视频

营销视频

产品和服务的推广内容:

  • 产品演示:“为我们的新健身应用创建一个30秒的产品演示视频,展示关键功能”
  • 品牌视频:“为一家环保服装公司生成一个60秒的品牌故事视频”
  • 社交广告:“为咖啡订阅服务创建一个15秒的Instagram广告”
  • 发布视频:“制作一个关于新AI写作工具的产品发布公告视频”

解说视频

分解复杂主题的教育内容:

  • 产品解说:“创建一个解说视频,展示我们的SaaS平台如何运作”
  • 概念解释:“制作一个为初学者解释区块链工作原理的视频”
  • 流程演示:“生成一个解释按揭申请流程的视频”
  • 功能导览:“创建一个我们应用新仪表板功能的导览视频”

教育视频

用于课程和培训的学习内容:

  • 教程视频:“创建一个关于Python列表推导式的教程视频”
  • 课程内容:“生成一个关于第一次世界大战原因的课程视频”
  • 培训材料:“制作一个关于公司价值观的员工入职培训视频”
  • 操作指南:“创建一个关于搭建播客家庭工作室的操作指南视频”

纪录片风格

信息丰富、以故事为导向的内容:

  • 迷你纪录片:“创建一个关于电动汽车兴起的3分钟纪录片风格视频”
  • 公司故事:“生成一个关于我们创业历程的纪录片”
  • 行业深度剖析:“制作一个探索太空旅游未来的纪录片”
  • 历史内容:“创建一个关于硅谷历史的纪录片风格视频”

电影感/创意内容

艺术性和视觉冲击力强的内容:

  • 短片:“创建一个关于东京一天的电影感2分钟短片”
  • 氛围片:“生成一个捕捉繁忙咖啡馆氛围的电影感视频”
  • 音乐视频风格:“为电子音乐曲目创建一个视觉动态的视频”
  • 艺术展示:“为摄影师制作一个电影感作品集视频”

UGC(用户生成内容)风格

真实、可共鸣、感觉个人化的内容:

  • 推荐风格:“为护肤品创建一个UGC风格的推荐视频”
  • 开箱风格:“为新科技设备生成一个开箱风格的视频”
  • 日常生活:“制作一个远程工作者使用我们应用的日常生活风格视频”
  • 评测风格:“为送餐服务创建一个休闲评测风格视频”

新闻/报道风格

专业新闻格式的内容:

  • 新闻报道:“创建一个关于最新AI发展的新闻风格报道视频”
  • 市场更新:“生成一个关于科技股收益的财经新闻视频”
  • 行业新闻:“制作一个关于金融科技领域新规的新闻报道”
  • 分析稿件:“创建一个关于远程工作现状的新闻分析视频”

唇形同步与发言人视频

CellCog可以生成包含AI角色朗读您剧本的视频:

  • AI发言人:“创建一个由专业发言人解释我们产品的视频”
  • 虚拟主播演示:“生成一个由AI主播进行季度更新汇报的视频”
  • 角色旁白:“制作一个由友好角色解释我们儿童应用的视频”

对于唇形同步视频:

  1. 起始画面应只突出展示一个人脸
  2. 提供剧本/对话
  3. CellCog处理语音合成和唇形同步

视频规格

方面选项
时长15秒至5分钟以上
宽高比16:9(横屏)、9:16(竖屏/移动端)、1:1(正方形)
风格逼真、动画、电影感、纪录片、休闲
音频背景音乐、旁白、音效、或无声

何时使用Agent团队模式

对于视频生成,始终使用chat_mode="agent team"(默认设置)。

视频创建涉及:

  • 剧本写作
  • 场景规划
  • 帧图像生成
  • 音频生成
  • 视频合成
  • 质量审查

此多步骤过程需要完整的Agent团队以获得最佳效果。


视频提示示例

营销视频:

“为‘FreshBrew’(一种优质咖啡订阅服务)创建一个30秒营销视频。展示精美的咖啡制备场景、快乐的顾客,最后以我们的标语‘每日送达新鲜’结束。背景音乐欢快,无旁白。16:9格式用于YouTube。”

带旁白的解说:

“为我们的项目管理工具创建一个90秒解说视频。逐步演示:1)创建项目、2)添加团队成员、3)跟踪进度。专业女声旁白、简洁动画风格、包含字幕。16:9格式。”

教育内容:

“为中学生生成一个3分钟的教育视频,解释光合作用。使用生动的动画、清晰的旁白,并在结尾包含总结。友好、亲和的风格。”

发言人视频:

“创建一个60秒的AI发言人(专业男士,30多岁)宣布我们B轮融资的视频。剧本:‘今天,我们激动地宣布...’[提供完整剧本]。商务休闲着装,语气自信。”


制作更好视频的提示

  1. 指定时长:“30秒”或“2分钟”有助于适当限定内容范围。

  2. 定义宽高比:YouTube/网页用16:9,TikTok/Reels/Shorts用9:16,Instagram动态用1:1。

  3. 描述风格:“电影感”、“休闲UGC”、“企业专业”、“活泼动画”。

  4. 音频偏好:“欢快音乐”、“平静旁白”、“无音频”、“仅音效”。

  5. 包含关键时刻:描述您希望呈现的场景或要点。

  6. 提供剧本:对于发言人/旁白视频,请准确写出要说的内容。

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

modbender/skill-library-mcp

Paid acquisition strategy, budget allocation, and avoiding common advertising mistakes across platforms

modbender/skill-library-mcp

Complete investment portfolio risk management system. Analyze positions, calculate risk metrics, stress test scenarios, optimize allocations, and generate institutional-grade risk reports — all wit...

modbender/skill-library-mcp

Borrow from Aave via credit delegation. Agent self-funds by borrowing against delegator collateral. Supports borrow, repay, health checks. Works on Aave V2/V3.

modbender/skill-library-mcp

Discover and register autonomous AI agents. Use when: browsing the agent registry, submitting an agent for verification, or embedding agent badges. NOT for: general web search or agent capability analysis.

modbender/skill-library-mcp

Create AI avatar and talking head videos with OmniHuman, Fabric, PixVerse via inference.sh CLI. Models: OmniHuman 1.5, OmniHuman 1.0, Fabric 1.0, PixVerse Lipsync. Capabilities: audio-driven avatars, lipsync videos, talking head generation, virtual presenters. Use for: AI presenters, explainer videos, virtual influencers, dubbing, marketing videos. Triggers: ai avatar, talking head, lipsync, avatar video, virtual presenter, ai spokesperson, audio driven video, heygen alternative, synthesia alternative, talking avatar, lip sync, video avatar, ai presenter, digital human

modbender/skill-library-mcp

AI代码编辑器规则模板集合 - 为Cursor、Windsurf、Claude Code、Cline等AI编辑器提供项目规则配置。适用于需要配置AI编码助手规则的开发者,包含全栈Web、移动端、Vue3+SpringBoot等技术栈模板。

modbender/skill-library-mcp

Generate landing page code from product descriptions

modbender/skill-library-mcp

Create AI marketing videos for ads, promos, product launches, and brand content. Models: Veo, Seedance, Wan, FLUX for visuals, Kokoro for voiceover. Types: product demos, testimonials, explainers, social ads, brand videos. Use for: Facebook ads, YouTube ads, product launches, brand awareness. Triggers: marketing video, ad video, promo video, commercial, brand video, product video, explainer video, ad creative, video ad, facebook ad video, youtube ad, instagram ad, tiktok ad, promotional video, launch video

modbender/skill-library-mcp

Generate AI music videos end-to-end. Creates music with Suno (sunoapi.org), generates visuals with OpenAI/Seedream/Google/Seedance, and assembles into music video with ffmpeg. Supports timestamped lyrics (auto SRT), Suno native music video generation, slideshow/video/hybrid modes. Token-based cost tracking per generation.

modbender/skill-library-mcp

Generate AI-powered notes from videos (document, outline, or graphic-text formats)

modbender/skill-library-mcp

The video AI notes tool is provided by Baidu. Based on the video download address provided by the user, it downloads and parses the video, and finally generates AI notes corresponding to the video (a total of three types of notes can be generated: document notes, outline notes, and image-text notes).

modbender/skill-library-mcp

Automated appointment management for beauty salons, clinics, studios, and photo booths. Handles booking requests, calendar sync, conflict detection, reminders, no-show tracking, and waitlist management.

modbender/skill-library-mcp

Bird identification, life list tracking, and trading card generation. Use this skill when the user: sends a bird photo to identify, says "set up my Birdfolio" or "set my region", asks "how's my checklist", asks "Birdfolio progress", asks "how many birds have I found", asks "show my Birdfolio" or "show my life list", asks "what's my rarest bird", or asks "tell me about [bird species]". Handles everything from first-time setup through ongoing life list tracking and visual trading card generation.

modbender/skill-library-mcp

Multi-project task and research management (JSON-first CLI)

modbender/skill-library-mcp

Track stock and crypto portfolios with CLI - real-time prices, P&L, dividend tracking, multiple portfolios

modbender/skill-library-mcp

Track cryptocurrency portfolios with real-time prices, P&L calculations, and allocation analysis. Query Bitcoin, Ethereum, Solana and 10,000+ token holdings.

modbender/skill-library-mcp

加密貨幣Portfolio追蹤 - 支援TRON/ETH/BSC,分析持倉、收益、Gas費用

modbender/skill-library-mcp

Lead strategy with competitive analysis, strategic planning, growth roadmaps, and business portfolio management.

modbender/skill-library-mcp

Create ATS-optimized resumes and CVs with proper structure, metrics, and industry targeting.

modbender/skill-library-mcp

Native video analysis using Google Gemini API. Upload and analyze video files — describe scenes, extract text/UI, answer questions about content, transcribe speech, identify objects and actions. Use when: (1) User sends a video file and wants it analyzed, (2) Video summarization or description needed, (3) Extracting text, UI elements, or information from screen recordings, (4) Answering questions about video content, (5) Comparing multiple videos, (6) Analyzing tutorials, demos, or walkthroughs.

相关技能