AI 宣传视频技能
端到端 AI 生成宣传视频管线。当用户希望使用 AI 视频生成工具规划、编写并制作营销/品牌/宣传视频时触发。
涵盖内容
完整的四个阶段工作流：
- 模型调研 —— 调研视频生成模型（主推豆包-seedance），撰写能力报告
- 营销文案 —— 定位、价值主张、差异化、行动号召
- 口播脚本 —— 面向数字人或配音演员的口语化脚本，针对不同渠道提供多种时长版本
- 逐镜头提示词 —— 遵循各模型官方写作规范的细粒度视频生成提示词
触发时机
当用户想要：
- 使用 AI 工具制作宣传/品牌/营销视频
- 调研 AI 视频生成模型（seedance、Sora、Kling、Runway 等）
- 为视频编写配音/旁白脚本
- 为 AI 视频模型编写逐镜头提示词
- 规划端到端 AI 视频制作
不要触发：普通视频剪辑、屏幕录制教程、非 AI 视频工作、或没有视频背景的纯文案写作。
通用性原则（重要）
本技能是一个框架，不是绑定任何特定产品、行业或品牌的模板。处理项目时：
- 参考文件中的示例是说明，不是要照抄的模板。 根据项目实际受众、语气和产品类别调整结构。
- 不要假定 B2B、B2C、教育或任何特定垂直领域。 如果项目上下文不明确，先询问用户关于受众和产品。
- 默认使用项目自身的品牌资产 —— 从项目 README 和品牌文件夹获取颜色、语气、资质；绝不假定具体值。
- 下面的风格规则（反 AI 套话）是默认值，不是铁律。 如果项目需要不同语气（例如，一个标题党广告可能真的想要“震惊体”），则向用户提出，否则保留。
核心原则：输出写入项目文档
所有交付物（调研报告、文案、脚本、提示词）都应写为项目 docs/promo/ 目录下的 Markdown 文件（或类似目录），以便跨会话保存并可供人工审阅/编辑。不要仅仅将内容倒入聊天中。
按用户意图路由
| 用户提问 | 阶段 | 操作 |
|---|---|---|
| "帮我调研 XX 视频模型" / "seedance 怎么用" | 调研 | 读取 references/research-template.md，派发调研子智能体，将报告保存到 docs/promo/00-{model}-调研报告.md |
| "帮我写宣传文案" / "广告文案" | 文案 | 读取 assets/copy-template.md，简要询问用户（目标受众、品牌资产、关键差异点），写入 docs/promo/01-宣传文案.md |
| "写口播稿" / "数字人念稿" | 口播 | 读取 assets/voiceover-template.md，生成适合渠道的时长版本，保存到 docs/promo/02-口播稿.md |
| "视频 prompt 怎么写" / "分镜脚本" | 镜头提示词 | 读取 references/shot-prompt-template.md + 模型特定指南（例如 references/seedance-guide.md），生成逐镜头提示词到 docs/promo/03-{model}-视频prompt.md |
| "从零做一支 AI 宣传片" | 所有四个阶段 | 按顺序执行阶段，保存每个工件，从 docs/promo/README.md 建立链接 |
阶段 1：模型调研
目标：一份结构化报告，关于所选模型的能力、提示词约定、API、价格和陷阱。
- 询问用户选择哪个模型（默认：
doubao-seedance-1-0-pro-250528；预算有限考虑 pro fast，品牌视频避免 lite）。如果用户提到 Sora / Kling / Runway / 其他，则为该模型派发调研子智能体——references/research-template.md中的报告结构与模型无关。 - 读取
references/research-template.md了解调研结构。 - 派发调研子智能体（使用
researcher子智能体类型），明确指示引用真实 URL 并在未经验证的声明前标注“需核实”。绝不要编造价格、API 字段或发布日期。 - 将报告保存到
docs/promo/00-{model-slug}-调研报告.md。 - 指出 3-5 个将影响后续阶段的关键约束（例如“模型无法生成可靠文字 → 所有字幕必须在后期合成”）。
如果目标是豆包-seedance，还需要读取 references/seedance-guide.md —— 其中包含经过验证的 5 段式提示词结构、镜头词汇和已知陷阱。对于其他模型，第 4 步的调研报告是权威参考。
阶段 2：营销文案
目标：一份主干文案文档，供后续口播和镜头提示词使用。
- 读取
assets/copy-template.md。 - 收集输入（只询问缺失的部分；优先从项目 README、品牌文件夹、先前文档获取）：
- 目标受众及其痛点——可能是一个或多个细分，不要假定
- 产品/品牌差异化点（3-5 个）
- 品牌语气和语调
- 品牌视觉标识（颜色、Logo、现有资产）——从项目实际品牌配置获取十六进制值，不要使用占位符
- 行动号召（可能是企业/消费者/合作伙伴/安装/注册——取决于产品）
- 按照模板结构撰写文案：一句话定位 → 价值主张 → 主干叙事 → 差异化 → 数据/资质 → 行动号召。
- 保存到
docs/promo/01-宣传文案.md。
风格规则（默认值——如果项目要求不同，向用户提出）：
- 使用平实语言而非流行语。使用日常比喻；仅在能教育读者时保留专业术语。
- 展示，而非声称。引用真实的资质、排名、数据——绝不夸大。
- 句子要能朗读出来。心里把每句话读出来；如果听起来像新闻稿，重写。
阶段 3：口播脚本
目标：一份面向数字人或人类配音演员的口语化脚本，为 TTS 和视频剪辑而结构化。
- 读取
assets/voiceover-template.md。 - 基于阶段 2 的主干文案——不要发明新信息。
- 询问用户分发渠道（抖音/视频号/公众号/官网/B站/朋友圈/开屏等）——渠道决定需要的时长版本。模板中列出典型版本（长片 60s+、中片 30s、短片 15s）作为默认值，不是固定要求。
- 标注阅读惯例：语速、停顿、重音标记（▲ 为重读、▼ 为轻柔、… 为延长）、数字的汉字读法。
- 提供逐镜头映射表（时间 → 口播片段 → 视觉建议）。
- 保存到
docs/promo/02-口播稿.md。
风格规则：
- 短句。一行一个想法，可拆分为独立从句。
- 口语化，非书面化。“我们做的事，就是把这两边拉到一起”优于“本平台致力于实现人才与企业的精准对接”。
- 重音和停顿标记很重要——它们驱动 TTS 节奏和视频剪辑节拍。
如果用户将把脚本输入 mimo TTS 或类似工具，还要生成一个 segments.json 文件，遵循 assets/segments-template.json——每个镜头一个片段，带有逐片段风格指令。
阶段 4：逐镜头视频提示词
目标：针对所选视频模型的具体、可复制粘贴的提示词，每个镜头一个，准备批量 API 调用。
- 读取
references/shot-prompt-template.md和模型特定指南（seedance 用references/seedance-guide.md；其他模型用阶段 1 的调研报告）。 - 将口播脚本映射为镜头（通常每个 5-10 秒；总镜头数随总时长变化，大约每 5-8 秒一个镜头）。
- 为每个镜头撰写完整提示词，遵循模型的官方结构。对于 seedance，是 5 段式：
- 整体风格与氛围
- 主体（含一致性约束）
- 场景（环境/光照/道具）
- 时间轴动作（0-N 秒）
- 运镜 + 技术参数
- 一致性约束（无文字水印 logo、五指完整）
- 包括 API 调用参数（模型、分辨率、比例、时长、随机种子）和批次提交的代码片段。
- 保存到
docs/promo/03-{model}-视频prompt.md。
seedance 的硬性规则（来自真实失败案例）：
- 字幕、品牌名、Logo 一律后期合成——seedance 1.0 文字渲染较弱。
- 没有独立的
negative_prompt字段——将否定词融入正向约束（“无文字”而非“不要文字”）。 - 一个提示词 = 一个镜头。不要在一个提示词中尝试多镜头叙事；在后期剪辑。
- 跨镜头保持角色一致性，使用图像到视频方式，以首帧锚点图像而非文本到视频。
- 始终在末尾附加明确的“无文字、无水印、无 logo、人物五指完整”。
对于其他模型，遵循阶段 1 调研报告中记录的该模型官方提示词结构和约束。
实际生产中遇到的坑点
本技能曾见过的问题（均为通用问题，非特定项目）：
- 波色
higgs-avatar预览版本水印 —— 视频底部显示“This digital avatar is generated by AI”。使用 ffmpeg 在后期裁剪：ffmpeg -i in.mp4 -vf "crop=W:H-30:0:30,scale=W:H" out.mp4。水印在视频生成时添加，而非由源图像添加。 - 不同技能间的参数混淆 ——
--skip-check存在于 mimo-lecture-audio-skill 但不存在于 boson-ai-skill。在使用前务必检查技能的--help，不要假定标志可以传递。 - 头像服务的音频长度限制 —— boson 单次音频限制为 60 秒。将较长脚本拆分为 ≤60 秒片段并在后期合并视频。
- 高画质大批量时图片 API 中继偶尔断连（RemoteProtocolError）。每次调用使用
--count 1并循环，或降至--quality medium。 - 视频模型任务队列 —— 较长视频（10 秒）比同模型下的较短视频（5 秒）耗时 3-5 倍。迭代时预留重试时间。
- 图像到视频比文本到视频更一致 —— 对于任何需要在多镜头中保持相同外观的角色，先生成一张静态图像并复用为首帧。
交接给执行技能
本技能生成计划和提示词；它本身不执行 API 调用。阶段 4 之后，引导用户执行：
- 图像生成（头像/产品图） →
image2-api技能 - 口播 TTS →
mimo-lecture-audio-skill（中文）或boson-ai-skill（多语言） - 数字人视频 →
boson-ai-skill（higgs-avatar，音频到视频模式） - B-roll / 场景镜头 → 直接调用视频模型 API（seedance/Sora/Kling 尚未有包装技能）
输出索引文件
所有四个阶段完成后，维护 docs/promo/README.md 作为索引——列出每个工件、执行顺序、预算估算和未决决策。这是用户下次会话打开以继续的点。
所有输出的风格（反 AI 套话默认值）
这些规则反映了对诚实、反套话内容的偏好。它们是默认值——如果项目需要不同语气，向用户提出，否则保留。
- 标题平实，非标题党。没有“震惊！”或“竟然发现...!”。
- 结论先行，细节在后。当用户将基于项目行动时，用列表而非段落。
- 对不确定性诚实。未经验证的事实在前面标注“需核实”；绝不编造 URL、价格或功能。
- 默认禁用 AI 套话词汇：“赋能”、“抓手”、“闭环”、“生态”、“一站式”、“行业领先”、“致力于”。用具体动词或具体声明替换。
- 报告中不要虚假热情。没有“太棒了”、“很惊喜”。交付物报告事实。
- 匹配用户语言——中文输入，中文输出。