Communitygithub.com

SuperMate-Ai/SuperMate-Harness-System

将产品图片和广告需求转化为极简风格的产品广告短片,用于电商推广和产品发布。

SuperMate-Harness-System 是什么?

此技能是一个为电商卖家、小型品牌主、独立创作者及个人卖家设计的AI代理能力,用于将产品图片和相关素材转化为极简风格的产品广告短片。它遵循一套严谨的工作流程:从资产确认和需求简报开始,构建产品事实和叙事主线,通过独立的锚点照片锁定产品视觉效果,再利用精确的节拍故事板控制视频节奏,最终生成具有高级镜头语言的成品影片。该技能支持多种苹果风格模板,默认使用MiniMax-H3视频模型以生成干净、类似苹果产品特写的效果。它还内置了严格的排版规则,确保文字与画面融合,并强调产品本体颜色必须真实还原,以保持广告的高级质感。用户可通过Cursor、Claude Code等平台调用此技能,无需复杂的设计工具即可快速生成专业的产品推广视频。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/SuperMate-Ai/SuperMate-Harness-System/tree/HEAD/skills/minimalist-product-ad-generator

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

极简产品广告生成器

使用此技能,引导非专业用户通过流程式工作流,创建用于电商推广和产品发布的极简产品广告视频。目标用户是电商卖家、小型品牌主、独立创作者和个人卖家;用户应至少提供一张产品图片或相关素材。

核心原则是:先确认资产和需求简报,构建产品事实和产品叙事主线,通过独立的锚点照片锁定产品视觉效果,通过精确的节拍故事板控制视频,然后使用原生音频或音乐编辑完成影片。 此技能不再默认使用四面板锚点图,因为视频模型可能会复现面板布局。默认情况下,它使用三张独立的锚点照片加上一个精确的节拍文本故事板作为视频控制系统。

启动门

每次触发此技能时,在进行任何分析、文案、锚点生成或视频生成之前,先运行一个完整但轻量的启动门。仅确认生产所需的信息。此时不要询问音乐,音乐在后续的步骤中处理。

启动门必须一次性确认以下所有内容:

  1. 产品图片及相关素材

    • 请用户上传产品图片及相关素材,例如产品照片、包装图片、渲染图、细节图、现有视频资产或视觉参考。
    • 如果当前消息或当前画布/会话中已包含素材,则说明已检测到素材。不要要求用户再次上传;仅确认是否使用当前素材。
    • 如果有多个候选素材且其角色不明确,询问哪一个应作为主要产品图片。
  2. 产品变体状态

    • 确认这是单一变体还是多个变体/颜色/型号。
    • 如果有多个变体,确认哪一个为主变体。
    • 如果用户未指定,代理可根据产品图片推荐一个,但后续故事板仍必须写明具体的颜色或变体名称。
  3. 目标时长

    • 5秒 / 10秒 / 15秒,推荐默认值为10秒。
  4. 宽高比

    • 16:9 / 9:16 / 1:1 / 4:3 / 3:4 / 匹配参考图片。
    • 一旦选定,锚点图、视频和最终输出必须严格遵守此比例。
  5. 苹果风格模板

    • 白色科技 / 暗色轮廓光 / 品牌色背景 / 浅色生活场景。
  6. 画面内文字

    • 用户提供的文案,或代理生成的苹果风格英文文案。
  7. 视频模型策略

    • 默认模型为 MiniMax-H3,因为它通常能产生更干净的苹果风格产品特写、负空间和高级产品镜头语言。
    • 不要在启动门中让用户选择视频模型。在已完成的启动门结果中显示“默认模型:MiniMax-H3”。
    • 如果用户明确要求其他模型,在检查能力后遵循用户的选择。
    • Seedance 仅作为备用选项:当用户明确想要更强的多镜头执行能力、要求使用 Seedance,或者接受在 H3 失败或无法满足请求结构时使用。

启动门是强制性步骤。如果用户已上传产品素材,仅跳过上传请求;不要跳过启动门的其余部分。代理仍必须在一次对话中确认产品变体状态、目标时长、宽高比、苹果风格模板和画面内文字模式,然后才能进行分析、锚点生成、故事板或视频生成。视频模型不是启动门问题:默认使用 MiniMax-H3 并在完成的启动门结果中显示。如果用户说“你来决定/直接做”,代理可以为其余字段选择推荐的默认值,但必须在继续之前将选定的选择显示为完成的启动门结果。

操作原则

  1. 独立的锚点照片是默认的视觉控制系统

    • 默认生成三张独立的锚点照片,而不是一张四面板图,因为视频模型可能会将面板布局复制到最终影片中。
    • 这三张锚点照片通常包括:主视图/引人注目的主视图、材质或功能细节、最终文字合成。
    • 当与主视图重叠时,不要创建单独的结构动作锚点。将结构/动作提示合并到材质细节锚点中,除非产品确实需要独特的机构参考。
    • 每张锚点照片必须是完整的独立产品照片。不要创建网格布局、分屏、拼贴板、框架面板、产品墙或故事板图。
    • 精确的节拍故事板决定实际的镜头顺序、动作和文本行为。不要将锚点照片直接用作镜头替换。
  2. 画面内文字必须作为集成的视频动态出现,而不是字幕的替代品

    • 文字锚点照片中的文本仅作为字体、位置、单行布局和两段颜色处理的参考。这并不意味着整个视频只能使用那一行文字。
    • 精确的节拍故事板可以在多个镜头中定义多行简短的英文文案。每行文案应为 3-5 个英文单词,单行,可读,并遵循两段颜色规则:在白色科技风格中前半部分使用黑色或深灰色,在暗色轮廓光风格中前半部分可使用白色,后半部分始终使用特定的产品颜色。不要使用孤立的 1-2 个单词的功能标签。
    • 视频生成必须在画面中包含故事板文案。
    • 文案不需要出现在每个镜头中。如果视频模型容易在排版上出错,主动减少文案频率。对于 10 秒的影片,通常只保留一个影片中段文案时刻加上一个最终文案时刻;不要在每一帧都放文字。最终镜头必须包含一个稳定的单行文案。
    • 默认情况下,要求视频模型直接生成画面内的排版及其时序。不要降级为后期制作字幕或预留空白空间用于后期叠加。仅在用户明确要求或集成视频排版失败且用户接受降级时,才使用后期制作备用方案。
  3. 产品本体颜色是严格的保真约束

    • 苹果风格意味着干净的构图、高级的灯光、克制的动态和负空间;并不意味着将产品本身变成白色、银色或类似 AirPods 的样子。
    • 产品原本的本体颜色、强调色、材质色调以及用户图片中可见的表面处理必须在所有锚点照片和视频中保留。
    • 只有背景、照明环境和构图可以朝选定的苹果风格模板偏移。除非用户明确要求,否则切勿重新着色产品本体。
    • 最终的文案强调颜色必须来自真实产品的主色,而不是通用的银色/白色苹果调色板。
  4. 每个产品都需要一个特定的叙事

    • 不要重复使用固定的耳塞模板或写下诸如“产品状态变化”之类的模糊短语。
    • 故事板必须基于产品类别、形态、材质、结构和可见动作。
    • 产品动态必须是视觉具体的,例如“盖子打开 30 度,内部反射出现”,或“表冠旋转,边缘同时滑动一道高光”。
  5. 进度必须可见

    • 每一步之后,显示已生成的内容以及接下来需要做出的决定。
    • 不要未经用户确认就自动运行整个流程。

排版规则

  • 画面内广告文案必须使用英文。
  • 如果用户提供中文文案,将其翻译成简洁的英文,或请求用户批准英文版本。
  • 可见的画面内文案必须为 3-5 个英文单词,最好不超过 32 个英文字符(含空格)。不要写孤立的 1-2 个单词的功能标签。
  • 文案应感觉像苹果产品影片:感官的、以利益为导向的、以材质为导向的或轻量级价值主张;避免促销口号和电商功能标签化措辞。
  • 字体参考:SF Pro Display / SF Pro Text。在提示中优先使用 SF Pro Display Semibold。
  • 一个镜头中最多使用两种文字颜色。
  • 在白色科技风格中,文本前半部分必须使用黑色或深灰色;白色背景上禁止使用白色文字。在暗色轮廓光风格中,前半部分可以使用白色。后半部分始终使用特定的产品颜色。
  • 文本必须保持在一行内。不要换行、堆叠或分割成多行。
  • 在任何时刻,画面中只能出现一行单行英文文案。不要同时显示两行文本、两行标题、标题+副标题对或多个文本块。两段排版必须在同一行内延续或替换,切勿分割为上下两行。
  • 不要将文本放在较低的字幕位置。首选垂直居中视觉区域,左对齐或右对齐作为构图的一部分。文本应稍大,感觉像产品影片的视觉元素,而不是解释性的字幕。
  • 批准的影片中段模式:干净的负空间,产品动态或产品特写引导画面,画面保持整洁,仅出现一行单行英文文案。文本可放在靠近产品边缘、产品表面或特写高光区域,使其感觉融入了产品形象,而不是像字幕一样浮动。不要为了添加文案而破坏负空间或添加第二个文本块。
  • 默认的两段文字动态必须保持可见:前半部分先淡入或微妙地滑入,然后后半部分再淡入或微妙地滑入。当后半部分出现时,前半部分在同一行内轻轻移动以腾出空间。
  • 移动应微妙,大约 10-15px 或文本宽度的 8-12%。动态应平滑且克制;避免弹跳、霓虹或炫酷的 UI 效果。
  • 不要为了避免两行文本而使排版完全静态。正确的解决方案是同行两段入口、微妙移动、淡入或温和滑入;错误的解决方案是上下行分割、两行标题或移除文本动态。

步骤 1: 资产检查与产品事实摘要

如果没有可用的产品素材,请用户上传。如果素材已可用,则使用并分析:

  • 产品类别。
  • 主体位置和画面占比。
  • 图像质量:清晰度、照明、构图和可见细节。
  • 产品主色和可能的主变体。
  • 可展示的结构:开合、旋转、升降、卡扣、折叠、弹起、发光、屏幕、纹理等。
  • 可用于故事板的真实外观特征:材质、边缘、按钮、端口、包装、透明部分、屏幕或独特的轮廓。

如果图像质量不可用,则停止并给出具体的重新拍摄建议。

输出简短的产品事实摘要:

  • 使用的素材。
  • 产品类别。
  • 候选主色和主变体建议。
  • 质量通过/不通过。
  • 可展示的结构/特征。

步骤 2: 确认制作简报

将启动门的回答转化为可执行的制作简报。不要再次询问已确认的参数。简报驱动叙事主线、文案、锚点图和故事板。

制作简报必须包括:

  • 使用的产品素材。
  • 主变体/产品主色。
  • 宽高比。
  • 目标时长。
  • 选定的苹果风格模板。
  • 单一变体/多变体策略。
  • 画面内文字模式:用户提供的文案,或代理生成的苹果风格英文文案。

多变体产品规则:

  • 用户选择一种风格;不要自动移除所有其他变体。
  • 每个多变体项目必须首先决定一个主变体。
  • 其他变体不应一开始就全部出现;它们仅在过程节拍、过渡或最终完整套装中出现。
  • 如果用户未指定主变体,代理可以选择视觉上最稳定的一个,并使用其他变体来增加节奏感和层次感。
  • 避免电商矩阵、九宫格展示、堆叠、散落布局、所有颜色平铺或全屏产品墙。

步骤 3: 选择产品叙事主线

在文案和锚点生成之前,选择一个轻量级的产品叙事主线。不要使用宽泛的企业品牌影片结构;此技能专注于实体产品的短苹果风格影片。

如果用户未选择方向,提供 2-3 个简洁方向,推荐一个,并在确认后继续。如果用户说“你来决定”,则使用推荐的方向。

推荐的主线:

  1. 产品发布(默认推荐)

    • 负空间开场 → 主变体建立主视图 → 材质/结构细节 → 自然产品动作 → 变体或颜色关系 → 全文案收尾。
    • 适用于耳机、手表、数码配件、小家电、香薰设备等。
  2. 功能触达

    • 产品静止 → 交互触发 → 功能动作 → 细节放大 → 结果/感受 → 收尾画面。
    • 适用于具有明确开合、旋转、磁吸、光变化、屏幕、折叠、雾气等动作的产品。
  3. 颜色家族

    • 主变体单独出现 → 辅助变体轻滑入 → 颜色顺序形成 → 材质和结构保持统一 → 完整套装收尾 → 文案落地。
    • 适用于多颜色、多变体或多型号产品。

输出一个句子描述所选叙事主线,例如:

此影片使用颜色家族主线:紫色主变体建立主视图,其他颜色作为辅助层进入,完整产品套装以英文文案收尾。

步骤 4: 指导运动语言

在文案和锚点生成之前,定义影片的运动语言。此步骤不生成资产;定义为后续故事板、锚点生成和视频生成的运动强度、过渡逻辑和节奏峰值。目标是在开始生成之前建立视觉节奏。

在此步骤结束时,输出一个短句或段落,总结所选的叙事主线以及它将如何转化为运动语言。例如:

所选主线是产品发布。运动语言从缓慢的相机推向主变体开始,然后切换到中速的产品鼻子特写,接着是缓慢的打开动作,最后以缓出收尾的文案画面结束。

步骤 5: 锚点照片与节拍故事板

使用独立的锚点照片和精确的节拍故事板构建视觉控制系统。

5.1 生成三张锚点照片

  • 第一张锚点照片:主视图/英雄视图(产品在干净的空间中,完美的照明,负空间)。
  • 第二张锚点照片:材质或功能细节(结构特写,或显示材质的特写)。
  • 第三张锚点照片:最终文字合成(产品加上最终的文案行,显示字体、位置和两段颜色处理)。

每张锚点照片必须是独立的完整产品照片。不要使用网格、分屏或面板布局。确保产品本体颜色在每张照片中都准确无误。

5.2 创建精确的节拍故事板

为影片的每一拍创建一个详细的故事板条目。故事板必须指定:

  • 镜头顺序和持续时间(基于选定的目标时长)。
  • 每个镜头的产品动作(例如“盖子打开 30 度”,“表冠缓慢旋转”,“产品慢慢向上滑动进入画面”)。
  • 相机运动和取景(例如“缓慢靠近”,“低角度定镜头”,“产品正面的稳定特写”)。
  • 出现的文案行(如果有)。
  • 此镜头的节奏峰值(例如“缓慢建立”、“快速动作”、“光线变化”、“关键文案”)。

故事板不应引用锚点照片作为镜头替换。锚点照片提供视觉参考,但故事板决定了镜头序列和动作。

输出锚点照片和故事板作为最终验证。

步骤 6: 使用音乐和文案生成视频

使用选定的视频模型(默认 MiniMax-H3)根据故事板和锚点照片生成视频。

  • 如果视频模型支持音频输入,则在此时提供音乐参考。如果没有,则稍后添加音乐。
  • 在生成提示中包含故事板文案,以要求画面内排版。
  • 如果没有文案出现在特定镜头中,则不在该镜头的提示中包含文案。
  • 生成每个镜头后,审查结果并根据需要调整提示。

步骤 7: 最终交付

生成最终视频输出后,检查其是否符合所有约束:

  • 宽高比与启动门中的选择匹配。
  • 产品本体颜色准确。
  • 文案正确显示(位置、字体、颜色、两段处理)。
  • 镜头顺序遵循故事板。
  • 音频/音乐正确集成。

如有必要,提供反馈和修改建议。一旦最终视频满足所有要求,将其交付给用户。

相关技能