Communitygithub.com

完整制作视频

从创意到最终的 MP4 文件,制作一个完整的 AI 视频——调用剧本生成、8 秒片段分割与 Google Flow 生成、ElevenLabs 语音统一,最后用 ffmpeg 合成视频。

完整制作视频 是什么?

此技能完整协调一个 AI 视频的生成流程,从构思到最终的 MP4 文件。它定义了四个主要步骤:1) 使用 `len-kich-ban-video` 技能生成优化的视频剧本,确保每个片段不超过 8 秒、单一视角、口语不超过 18 个音节,且每个场景最多两个说话者;2) 使用 `chia-doan-8-giay` 技能将剧本分割为 8 秒片段,并通过 Google Flow(Veo)为每个片段生成视频;3) 使用 `doi-giong-elevenlabs` 技能统一语音,确保每个角色在整个视频中使用相同的声音;4) 使用 ffmpeg 将所有片段合成为一个完整的视频,包括背景音乐、音效、转场和色彩匹配。该技能支持智能恢复中断的项目、自动检查 ffmpeg 依赖、执行最终质量检查,并可选择性地将视频发布到 Facebook 或 YouTube。所有交流与文档均使用越南语。

兼容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/dangnghia2101/video-skill/tree/HEAD/.claude/skills/lam-video

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

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-videokich-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-giayvideo/<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-elevenlabsvideo/<主题名>/clip-doi-giong/doan-XX.mp4
4合成为完整视频本技能 — scripts/ghep-video.shvideo/<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

  1. 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。
  2. 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)。
  3. 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

  1. 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。

  2. 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。
  3. 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。)

  4. 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

  1. 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。

  2. 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。

  3. 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。

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

len-kich-ban-video

Lên kịch bản cho video tạo bằng AI (Runway, Kling, Veo, Sora, Pika, Hailuo…) — chốt thông tin chung, chọn nhân vật từ thư mục nhanvat/ và bối cảnh từ thư mục boi-canh/ (hoặc tạo mới, hoặc tự nhập mô tả), khoá phong cách, viết bảng nhân vật và bối cảnh cố định, chia danh sách cảnh, viết đoạn kết bằng một câu chốt bất ngờ hài hước kèm sound effect và meme, và viết prompt tiếng Việt cho từng cảnh để dán thẳng vào công cụ. Dùng khi người dùng muốn viết kịch bản, phân cảnh, danh sách cảnh hay prompt cho video AI, quảng cáo AI, video TikTok/Reels/Shorts/YouTube làm bằng AI, hoặc nói "lên kịch bản video", "viết kịch bản video AI", "chia cảnh", "viết prompt video".

tao-boi-canh

Tạo bối cảnh mới (hoặc vẽ lại bối cảnh đã có) cho video AI và lưu vào thư mục `boi-canh/` — lấy loại không gian, bố trí đồ vật theo từng hướng, chất liệu, màu sắc, nguồn sáng từ yêu cầu (tự chọn mặc định cho phần thiếu), viết đoạn mô tả cố định và sơ đồ bốn hướng, rồi TỰ ĐỘNG mở ChatGPT trên trình duyệt, tạo bộ ảnh 360 độ (toàn cảnh + bốn góc nhìn trước / phải / sau / trái + ảnh từ trên cao), tự soát và tạo lại ảnh lỗi, lưu ảnh, ghép dải 360 và cập nhật hồ sơ — hạn chế tối đa việc người dùng phải can thiệp. Dùng khi người dùng muốn "tạo bối cảnh", "thêm bối cảnh mới", "vẽ lại bối cảnh", "tạo lại ảnh bối cảnh", "thiết kế bối cảnh / phim trường cho video", "tạo ảnh 360 độ bối cảnh", hoặc khi kỹ năng len-kich-ban-video cần một bối cảnh chưa có trong thư mục `boi-canh/`.

tao-nhan-vat

Tạo nhân vật mới (hoặc vẽ lại nhân vật đã có) cho video AI và lưu vào thư mục `nhanvat/` — lấy chi tiết ngoại hình, trang phục, tính cách từ yêu cầu (tự chọn mặc định cho phần thiếu), viết đoạn mô tả cố định, rồi TỰ ĐỘNG mở ChatGPT trên trình duyệt, tạo bộ ảnh tham chiếu 8 góc (mỗi góc một ảnh), tự soát và tạo lại ảnh lỗi, tải ảnh về, ghép bảng góc và cập nhật hồ sơ — hạn chế tối đa việc người dùng phải can thiệp. Dùng khi người dùng muốn "tạo nhân vật", "thêm nhân vật mới", "vẽ lại nhân vật", "tạo lại ảnh nhân vật", "thiết kế nhân vật cho video", "tạo ảnh tham chiếu nhân vật", hoặc khi kỹ năng len-kich-ban-video cần một nhân vật chưa có trong thư mục `nhanvat/`.

相关技能