完整制作视频 是做什么的?
此技能协调整个流程,每个环节交由专门的技能处理:
| 步骤 | 任务 | 技能 | 结果 |
|---|---|---|---|
| 1 | 编写剧本 | len-kich-ban-video | kich-ban/kich-ban-<主题名>.md |
| 2 | 分割为 8 秒片段,通过 Google Flow 生成视频片段 | chia-doan-8-giay | video/<主题名>/phan-doan.md,clip/doan-XX.mp4 |
| 3 | 统一语音(当同一说话者出现在 ≥2 个片段时必须执行) | doi-giong-elevenlabs | video/<主题名>/clip-doi-giong/doan-XX.mp4 |
| 4 | 合成为完整视频 | 本技能 — scripts/ghep-video.sh | video/<主题名>/<主题名>-hoan-chinh.mp4 |
使用 Skill 工具(例如 /len-kich-ban-video)调用子技能,完全完成该技能后,再返回本步骤执行下一步。所有交流与文档均使用越南语。
开始之前
- 检查是否在进行中的项目: 在工作目录中查找
kich-ban/kich-ban-*.md(以及根目录下旧的kich-ban-*.md文件)和video/*/phan-doan.md。如果用户提及已有的视频,或者只有一个正在进行中的项目,报告状态(是否已有剧本?已下载多少个片段?是否已统一语音?)并询问从哪个步骤继续——不要重复已完成的部分。 - 检查 ffmpeg:
command -v ffmpeg ffprobe。如果缺失,询问用户是否要使用brew install ffmpeg安装(步骤 2–4 都需要)。 - 简要告知用户将执行的 4 个步骤以及需要他们参与的地方:登录 Google Flow 和 ElevenLabs,审核剧本/prompt,选择片段,在使用积分前同意。
流程
步骤 1 — 编写剧本
调用 /len-kich-ban-video,传递用户的需求,并添加以下约束使剧本符合步骤 2:
- 预期工具: Google Flow (Veo),每个片段 8 秒,包含语音生成。
- 最少片段数: 场景数 ≈ (时长 − meme) ÷ 8,向上取整 — 30 秒视频 → 大约 4 个场景 + meme。每个场景 = 一个 8 秒片段。
- 每个场景最长 8 秒,单一视角;整个场景的口语不超过约 18 字(音节)。
- 每个场景最多两个说话者,每人一次发言(A 说完然后 B 说),记录每人发言的秒数。紧接的短发言应合并到同一场景,而不是每句一个场景。
- 背景音乐不放入 prompt — 音乐在合成时添加。
- 结尾:意外金句 → 音效 → meme 2–5 秒(剧本本身包含“意外结尾”部分);音效不放入 prompt,在合成时插入。
- 整个视频只有一个搞笑金句,在最后一个场景。之前的场景/8 秒片段不以笑话、笑声或定格结束——无论分成多少个片段。
如果已有合适的剧本文件,询问用户是使用现有剧本还是重新编写。完成后,确认 <主题名>(文件名中 kich-ban- 之后的部分)——之后的所有目录都使用此名称。
步骤 2 — 分割 8 秒片段并生成视频片段
使用刚得到的剧本文件调用 /chia-doan-8-giay。该技能将分割片段,编写 prompt,打开 Google Flow 生成每个片段,并保存到 video/<主题名>/clip/。
调用时强调:固定语音 — 每个说话者的每句话使用固定语音直接粘贴到所有片段中,片段的情绪在之后编写,不使用改变音色的词汇。最少片段数 — 片段数 = 需要生成的总时长 ÷ 8,向上取整,合并相邻的短场景。背景必须统一 — 在生成片段前执行“锁定视角并创建原始帧”步骤;基于重复背景场景中角色的片段使用“从原始帧生成视频”创建。只有包含最终金句的片段为结尾片段;所有其他片段为普通片段 — prompt 不能包含笑声效果、跑到片段结束的动作、以及“没有笑声、没有观众笑声、没有喜剧音效”的语句。
在进入步骤 3 之前,检查:phan-doan.md 中的所有片段状态为 已下载,且 clip/doan-XX.mp4 文件存在;性别/年龄/区域错误的语音已重新生成。如果仍有缺失,则为这些片段重新执行 chia-doan-8-giay。
步骤 3 — 统一语音
Veo 独立生成每个片段,不记住前一个片段的语音——即使 prompt 已使用固定语音(步骤 2),当同一角色在多个片段中说话时,合成后听起来仍像多个人。使用 ElevenLabs 统一语音是确保每个角色在整个视频中拥有一个语音的唯一步骤。
- 同一说话者出现在 2 个或更多片段中 → 默认统一语音:直接调用
/doi-giong-elevenlabs,不询问是否需要统一(仅询问该技能需要的内容:选择语音,同意使用积分)。仅当用户主动要求时保留 Veo 语音——此时需明确告知语音在各片段间会不一致,并在“统一语音”列中记录保留 Veo 语音。 - 无口语的视频,或每个说话者仅出现在 1 个片段中 → 跳过,说明原因。
完成后检查:video/<主题名>/clip-doi-giong/ 包含所有片段,phan-doan.md 中“统一语音”列不再为 未处理,且已收听连接后的音频文件(am-thanh/nghe-noi.wav)——每个说话者跨越所有连接点的语音保持一致。如果仍为 未处理,则不要进入步骤 4。
步骤 4 — 合成视频
-
准备结尾音效和 meme — 阅读剧本中的“意外结尾”部分和
.claude/skills/len-kich-ban-video/tham-khao/ket-bat-ngo-meme.md(来源、许可、关键词)。所有文件保存到video/<主题名>/meme/。-
通过 Veo 自动生成的 meme: 已从步骤 2 获得(
clip/中的场景M片段),无需额外操作。 -
库
sfx/中已有的音效: 在合成列表中直接使用sfx/<名称>.mp3路径,无需复制。如果目录中没有 MP3,先运行bash sfx/tai-bo-sfx.sh。 -
库
outro/中已有的 meme(仅在剧本选择知名 meme 源时):在合成列表中直接使用outro/<名称>.mp4 <起始> <结束> cat;提醒用户outro/README.md中所述的版权风险。 -
库外的音效、库存 meme / 其他知名 meme: 通过浏览器在建议来源中查找(优先 Pixabay → Mixkit → Freesound 过滤 CC0;仅当用户已接受版权风险时才使用知名 meme)。对于每个项目,向用户提供 2–3 个选择,含链接和许可;在下载前询问(文件名、来源、大小)。下载后重命名为简短的不带音标的名称(
bum.mp3、khan-gia-cuoi.mp3、bac-cuoi.mp4)。 -
找不到满意的音效: 使用 ElevenLabs 生成(消耗积分—需事先询问)。在网页
https://elevenlabs.io/app/sound-effects上,或如果用户已自行设置ELEVENLABS_API_KEY,使用 API:bash .claude/skills/doi-giong-elevenlabs/scripts/elevenlabs-api.sh sfx "deep cinematic bass boom hit, meme style" video/<主题名>/meme/bum.mp3 --giay 1.5 -
将文件路径填入剧本中音效和 meme 表格的“文件”列。
-
-
询问后期处理设置(一次性询问;从剧本的“后期处理备注”部分获取提示):
- 背景音乐: 音乐文件路径(用户必须有权使用—自制音乐、免版税音乐或平台音乐库),或不用音乐并后续在 TikTok/CapCut 自行添加。默认音量为 0.18,且在有人声时自动降低音量。
- 色彩匹配: 默认开启(
--khop-mau)— 将所有片段的亮度和色调校正到与一个参考片段接近,避免背景忽暖忽冷、忽明忽暗。参考片段(--mau-chuan <数字>,按合成列表顺序计数)应为用户认为色彩最佳的片段,优先选择与视频大部分场景尺寸相同的片段(通常是一个特写)。tat-nhac行之后的 meme 片段不进行色彩匹配。色彩匹配无法修复物体位置偏移的问题—布局错误的片段需在步骤 2 重新生成。 - 转场: 直接剪切(默认,建议在有 meme 时使用— 交叠淡入淡出应用于所有剪切,包括剪切到原本应硬切的 meme)或交叠淡入淡出(建议 0.3 秒)。注意交叠淡入淡出会使视频缩短
(片段数 − 1) × 转场时间;如果时长很重要,放宽各片段的“使用”范围以补偿。
-
编写合成列表
video/<主题名>/danh-sach-ghep.txt,根据phan-doan.md的片段表格,按顺序,每行:片段路径 +“使用”范围。优先使用clip-doi-giong/doan-XX.mp4(如果有),否则使用clip/doan-XX.mp4。列表末尾是 meme 结尾片段:tat-nhac紧挨在第一个 meme 片段之前 → 进入 meme 时背景音乐完全关闭。sfx和tat-nhac行仅放在结尾片段(紧挨在 meme 片段之前)— 切勿在普通片段之间插入笑声音效。sfx <文件> <偏移> <音量>紧挨在 meme 片段之前 → 音效在剪切点准确触发(偏移-0.05)。可以有多个连续的sfx行,偏移量不同(例如观众笑声偏移0.3,音量0.5)。- Meme 片段添加画幅列:
cat(放大填充垂直画幅—默认用于横向 meme)或mo(模糊背景,片段居中—当 meme 包含文字/边缘贴边时使用)。 - 金句片段:“使用”范围在金句结束后 0.3–0.8 秒结束(停顿节奏),不要留多余内容。
# <主题名> — <x> 秒 video/<主题名>/clip-doi-giong/doan-01.mp4 0 5 video/<主题名>/clip-doi-giong/doan-02.mp4 0 8 video/<主题名>/clip-doi-giong/doan-03.mp4 0 3 # 结尾 meme 片段 tat-nhac 0.2 sfx sfx/bum-bass-ngan.mp3 -0.05 1 sfx sfx/khan-gia-cuoi.mp3 0.3 0.5 video/<主题名>/clip/doan-04.mp4 0 3(以上示例:
doan-04是通过 Veo 自动生成的 meme,已纵向排列,无需画幅列。从外部下载的 meme 则示例为video/<主题名>/meme/bac-cuoi.mp4 0 3 cat。) -
运行合成脚本:
bash .claude/skills/lam-video/scripts/ghep-video.sh video/<主题名>/danh-sach-ghep.txt \ video/<主题名>/<主题名>-hoan-chinh.mp4 --nhac <音乐文件> --chuyen-canh 0.3 --khop-mau --mau-chuan 2脚本会自动:根据参考片段进行色彩匹配(启用
--khop-mau时)、在指定时间点插入音效并在 meme 片段处关闭背景音乐、根据使用范围剪切每个片段、将所有片段调整为相同尺寸/帧率/音频格式(以第一个片段为准)、为无音频的片段添加静音、连接所有片段(直接剪切或交叠淡入淡出)、循环背景音乐以匹配视频长度并在视频末尾渐出、在有人声时降低音乐音量、将响度标准化为 −14 LUFS 以符合社交媒体平台要求。其他选项:--am-luong-nhac、--khong-ha-nhac、--fps、--khong-chuan-am(详见脚本文件开头)。如果视频很长,建议在后台运行以免中途中断。
步骤 5 — 检查并交付
-
ffprobe -v error -show_entries format=duration:stream=codec_type,width,height -of compact <视频>— 时长与目标一致(最大偏差 1 秒,扣除交叠淡入淡出部分),宽高比正确,包含视频和音频。 -
生成一张拼贴缩略图以快速浏览整个视频,并打开查看:
ffmpeg -v error -y -i <视频> -vf "fps=1/2,scale=240:-1,tile=6x2" -frames:v 1 video/<主题名>/xem-nhanh.png检查:场景顺序正确,无黑段,角色和背景在各片段间保持一致 — 同一窗口,每个角色背后的物品相同,角色未交换位置,色调在剪切点之间不跳跃。布局错误的片段 → 从该视角的原始帧重新生成该片段。
-
使用
open <视频>打开视频供用户观看。不满意的片段 → 返回chia-doan-8-giay单独重新生成该片段(如有语音还需doi-giong-elevenlabs),然后重新运行步骤 4 — 其他片段保持不变。
简要回复用户:完整视频的路径、时长、分辨率、片段数、语音是否已统一、背景音乐使用的文件,以及可能需要重新制作的片段(如有)。
步骤 6 — 发布到社交媒体(可选)
当用户对视频满意后,询问是否要发布 — 不要自动发布。如需发布,则依次调用 /dang-facebook(在主页或个人主页发布 Reel/视频)和/或 /dang-youtube(发布 Shorts/普通视频),逐个执行。每个技能会根据剧本自行编写帖子内容,询问用户审核并在发布前确认,然后将链接记录到 video/<主题名>/dang-bai/dang-bai.md。
交付前自我检查
- 剧本针对 Google Flow 8 秒片段编写,片段数最少(场景数 ≈ 时长 ÷ 8):场景最长 8 秒,单一视角,口语 ≤ 18 字,最多两个说话者各发言一次,prompt 中无音乐。
-
phan-doan.md中的所有片段已下载;合成列表顺序正确,“使用”范围准确,优先使用已统一语音的版本。 - 语音统一:所有出现在 ≥2 个片段中的说话者已通过
doi-giong-elevenlabs处理(或用户主动选择保留 Veo 语音);合成列表所有片段使用clip-doi-giong/,不混用原始片段和已统一语音的片段;已收听最终视频中各连接点。 - 最终视频时长正确,宽高比正确,包含视频和音频,无黑段;已查看拼贴缩略图。
- 背景统一:片段基于视角的原始帧生成,已使用
--khop-mau合成(除非用户不希望),无布局错误片段。 - 背景音乐(如有)是用户有权使用的文件。
- 视频只有一个搞笑金句位于末尾;之前片段末尾无笑声/定格(已检查每个连接点)。
- 视频以金句结束 → 停顿节奏 → 音效在剪切点触发 → meme 2–5 秒填充画幅,背景音乐在 meme 处关闭;视频在 meme 上立即结束。
- 音效和 meme 来自许可明确的来源(或自行生成);知名 meme 仅当用户已同意版权风险时才使用。
- 在继续中断的项目时,不重复已完成的部分;在消耗积分或下载文件的每个步骤前已征询用户同意。