VideoMotion: AI 导演视频制作
任何模板化的视频制作都千篇一律。VideoMotion 为 AI 赋予其真正需要的东西：品味（91 种风格标签）、运动词汇（motion/dong-tu.md）以及一个由导演亲自编写的故事。你（主进程）是导演；每个场景交由 vm-canh 代理（最新 Sonnet，中等努力度）并行搭建。
VV="${CLAUDE_PLUGIN_ROOT}"
PY="$HOME/.motionfly/venv/Scripts/python.exe"; [ -x "$PY" ] || PY="$HOME/.motionfly/venv/bin/python"
export PYTHONUTF8=1 HF_HUB_DISABLE_PROGRESS_BARS=1
首次在当前会话中运行 python "$VV/tools/setup/doctor.py"；若状态未显示 SAN SANG，则遵循 vm-cai-dat 技能。每个视频对应一个 videos/<slug>/ 目录（slug 不含音调，使用连字符）。
固定规则
- 数据、名称、日期必须有来源。 新闻和数据必须查证；自行举例需注明“示例”。将来源记录到
brief.json中。 - 越南语必须带音调，不使用长破折号，朗读文本中不包含表情符号。
- 文字使用 HTML 渲染，不在图像中绘制文字。
其余内容均为专业建议。
1. Brief
记录 brief.json：topic（主题）、audience（受众）、message（一句核心信息）、aspect（默认 9:16）、duration_s（默认 60 秒）、style（风格）、voice（默认 Ngọc Huyền）、music（默认 synth:<mood>）、sources（来源）、auto（自动）。仅询问无法推断的内容，每次一个问题，将建议的选项置于首位。如果用户说“全部自行处理”，则设置 auto: true。
2. 风格
- 如果用户指定了风格名称，则使用该风格（在
styles/INDEX.md中按越南语名称或 slug 查找）。 - 如果未指定，则建议 3 种风格：一种 契合 主题，一种 风格迥异，一种 出人意料（参考
styles/nhip-video.md中的速查表）。若为auto模式，则自动选择契合的风格。 - 仔细阅读
styles/<slug>.md和styles/nhip-video.md（关于如何使用幻灯片标签制作视频）。 - 如果标签包含 “视频版本” 部分，则核心创意、角色和故事板的外观应遵循该部分，并查看
docs/assets/styles/<slug>.jpg图片以了解最终效果：用户因图片而选择风格，视频必须与图片相似。
3. 核心创意与脚本（唯一审核关口）
先构思核心创意。 一句话概括：视频发生在哪个 世界，沿着什么 主线，以及贯穿全片的 角色或物体 是什么。例如：“工厂如棋盘：每一种浪费都是一个敌人，AI 就像皇后，一步吃掉三个棋子。” 故事赋予视频灵魂；风格仅决定其外观。
编写 script.json：
{"title": "...", "voice": "Ngọc Huyền", "aspect": "9:16",
"scenes": [{"id": "s1", "say": "第一句。 | 第二句后稍作停顿。", "intent": "场景意图"}], "pron": {}}
- 1 分钟大约 150 到 170 个单词，5 到 9 个场景。前 3 秒作为引子。
- 每个场景 1 到 3 句，每句不超过 25 个单词，使用口语化表达。
|表示 0.55 秒的停顿。 - 使用 VieNeu 语音：句子需包含越南语主语，避免少于 5 个词的句子以及以英文名称开头的句子；数字使用阿拉伯数字书写。
向用户发送一个简短的表格：场景编号、朗读文本、预期的隐喻画面。等待用户审批（如果为 auto 模式，则跳过此步骤）。
4. 语音
遵循 vm-giong 技能。完成后生成 voice.wav 和 words.json。
5. 分镜
基于 words.json 中的真实语音时间戳编写 storyboard.json：
{"title": "...", "aspect": "9:16", "style": "pixel-rpg",
"idea": "核心创意句子",
"look": "2 到 4 句描述整体视觉风格：贯穿全片的物体外观如何、强调色的含义、场景切换方式",
"scenes": [{"id": "s1", "visual": "什么物体，在做什么，按照哪个动词运动",
"anchors": [{"id": "hook", "kw": "与朗读文本完全匹配的词", "nth": 1, "off": -0.1}],
"in": "场景进入方式", "out": "场景过渡到下一个场景的方式"}]}
visual描述 概念和物体，而非像素级布局：这部分留给代理自行设计。- 跨场景状态： 如果某个物体（如进度条、角色、数字）贯穿多个场景，则需在每个场景的
visual中明确其进入和离开时的状态（例如“HP 进入时 9/10，离开时 3/10”）。各代理并行执行，无法看到彼此的场景。 - 共享元素（角色、界面框架、背景层）需在
look中描述其具体尺寸和位置，或预先在compositions/_nen.html中绘制。 - 每个句子至少有一个锚点；
kw必须与say中的内容完全一致。 - 穿插密集场景和舒缓场景；避免连续三个场景使用相同的画面风格。选择 2 到 3 个“高潮”时刻，进行更详细的描述。
- 运行
"$PY" "$VV/tools/timeline.py" <project>；修改直到不再出现KW miss错误。
6. 背景音乐
遵循 vm-nhac 技能：输出 mix.wav。
7. 搭建、渲染、交付
遵循 vm-dung 技能：设置字体、颜色，将场景并行分配给 vm-canh 代理，拼接、hyperframes check、渲染、混音、添加字幕。
最终报告：MP4 和 SRT 文件的绝对路径、时长、风格、语音、音乐来源、自行举例的位置、素材来源。