短视频生成技能
短视频(≤ 10 秒)是当前文本转视频模型的理想长度——它们擅长一个镜头和一个想法,在多镜头叙事上较弱。每次调用只规划一个镜头。
特殊情况:hyperframes-html 不是 逼真的文本转视频模型。它是一个本地 HTML 到 MP4 的渲染器。对于该模型,不要模拟电影摄影或“现实世界”的相机物理。将需求视为动态设计卡片/标题帧/产品插页,最多提出一个澄清问题,然后立即派发。
资源结构
video-shortform/
├── SKILL.md
└── example.html
工作流程
第 0 步 — 读取项目元数据
videoModel、videoLength(秒)、videoAspect。这些是硬性约束——将提示限制在所选择模型支持的范围内(Seedance 2 上限 10 秒;Kling 4 支持最长 10 秒+图像到视频;Veo 3 支持 8 秒含音频)。
第 1 步 — 规划镜头
在调用模型之前编写镜头列表:
| 槽位 | 内容 |
|---|---|
| 主题 | 画面中有什么? |
| 相机 | 静态/平移/推进/环绕? |
| 光照 | 主光方向+色温 |
| 运动 | 什么在动?速度?主体运动 vs 相机运动。 |
| 声音 | 环境底噪?(仅当模型支持音频时) |
通常,在派发前向用户展示一个句子概括的计划——他们可以低成本地调整。
对于 hyperframes-html,一旦用户回答了发现表单,跳过额外的派发前说明。将计划折叠到实际生成提示中,并立即派发。
第 2 步 — 组合提示
使用上游模型偏好的格式(Seedance:运动+相机+情绪;Kling:主体+相机+风格;Veo:主体+电影摄影+声音)。将项目的 videoAspect 和 videoLength 直接绑定到 API 参数;切勿将它们放入叙述中。
对于 hyperframes-html,编写一个简洁的动态设计简报,而不是相机写实提示。专注于主题、布局、调色板、运动特征和整体基调。不要花时间叙述环境检查、缺失的辅助文件或“我即将派发”的状态更新。
第 3 步 — 通过媒体合约派发
使用统一的调度器——不要手动调用供应商 API:
"$OD_NODE_BIN" "$OD_BIN" media generate \
--project "$OD_PROJECT_ID" \
--surface video \
--model "<videoModel from metadata>" \
--aspect "<videoAspect from metadata>" \
--length <videoLength seconds> \
--output "<short-slug>-<seconds>s.mp4" \
--prompt "<assembled shot prompt from Step 2>"
该命令输出一行 JSON:{"file": {"name": "...", ...}}。文件字节写入项目;文件查看器自动播放。
第 4 步 — 交接
回复包括:镜头摘要、调度器返回的文件名,以及如果用户想要变体时可以尝试的建议(一句话)。
对于 hyperframes-html,回复尤其简短:渲染了什么、文件名以及一个具体的变体想法。
硬性规则
- 每次轮次只生成一个镜头。多镜头时间线属于超帧/交互式视频技能,不在此处。
- 严格匹配
videoAspect——重新渲染很慢。 - 永远不要在没有保存文件的情况下“发送”视频——用户期望在文件查看器中看到可播放的内容。
- 当底层模型失败时(NSFW 过滤器、内容策略、超时),逐字报告错误。不要静默重试。
- 不要声称渲染已“发送”、“开始”或“正在运行”,除非你已经调用了
"$OD_NODE_BIN" "$OD_BIN" media generate。