文章转动态图形视频
从一篇文章创建竖屏解说式视频，优先考虑清晰的信息、易读的排版和自然语速的语音旁白。当用户仅要求动态图形时，不要自动使用真人素材。
强制流程
- 确定需求概要。 记录来源URL或文本、朗读语言、宽高比、目标平台、期望时长以及是否需要语音旁白/音乐。默认：9:16，1080×1920，全屏动态图形，语音旁白使用文章语言，轻柔器乐背景音乐。
- 阅读来源。 如果有URL，使用适当的研究/获取流程读取文章内容。提取数字、论点和结论；不要对数据进行推断。在适当的情况下，在故事板或结束卡片中使用文章来源作为引用。
- 编写简短故事板。 分为6-10个信息状态。每个状态需要包含：预计时长、一条核心信息、显示文本、动画形式以及对应的语音旁白句。每个时刻保持一个焦点；避免在一个屏幕上塞入多个句子。
- 根据语音旁白选择时长。 编写自然的对话脚本，不要写成学术论文。估计每分钟135-165词；如果脚本比视频长，优先延长视频或缩短脚本，除非用户要求，否则不要将语速加快超过1.1倍。语音旁白必须包含完整的结束句，不能在视频时间点处被截断。
- 构建动态图形。 使用自包含源代码创建背景、网格、形状、计数器、条形图、漏斗图、网络图或UI模型。使用支持Unicode的本地回退字体。将文本保持在安全区域内，字体大小足够在手机屏幕上阅读，并在末尾放置引用/结束卡片。
- 生成语音旁白。 在调用语音工具之前，先阅读
tts-prompter。使用一致的语音，language_code正确对应语言，并且turns[].text仅包含要朗读的文字。在turns[].style中放置发音指导；不要将舞台指示或说话者标签放在文本中。 - 生成背景音乐。 在调用音乐工具之前，先阅读
music-prompter。对于带有叙述的视频，要求纯器乐，无演唱，编曲稀疏，没有主导旋律盖过人声。创建一个足够长的音轨以便循环/截断，如果视频短于180秒，不要将其分割成小段。 - 混合音频。 使用FFmpeg将音乐剪切/循环到与视频完全相同的长度，保持语音旁白自然语速，将背景音乐降低约12-20%相对于语音，然后使用
amix和alimiter。如果语音比视频长，则按语音时长重新渲染视频或修改故事板；不要静默地切掉叙述部分。 - 检查。 使用
ffprobe确认尺寸、时长、帧率、编解码器和音频流。至少提取第一帧、每个场景组中间的帧和最后一帧；检查文本没有被裁剪、动画有自然停顿、语音结束完整、音乐不掩盖人声。 - 交付。 首先发送完整的MP4文件。如果创建了可重复使用的源文件，同时发送源脚本。说明分辨率、宽高比、时长、帧率、语音旁白语言和音频状态。
默认创意风格
- 风格：海军蓝/炭黑色背景，精致网格，青色/蓝色/橙色强调色，粗体排版，干净且有目的的动画。
- 社交结构：前1-2秒钩子；然后是数据或流程；以要点和来源结尾。
- 每个场景有入场、阅读保持和退出/过渡。不要让多个无关动画同时发生。
- 如果来源是英文，优先使用英文；在必要时保留技术术语如DR、dofollow、SaaS。
- 不要捏造标识、品牌、数据或引用。如果需要准确的品牌素材，要求或使用提供的素材。
故事板示例
场景1 — 钩子 (0:00–0:05)
视觉：大数字和转换箭头。
屏幕文字：“463次测试 → 22个值得提交”
语音：一句简短的话，提出主要矛盾。
场景2 — 方法 (0:05–0:12)
视觉：漏斗/计数器。
屏幕文字：输入和去重后的里程碑。
语音：解释如何创建列表。
场景3 — 筛选 (0:12–0:22)
视觉：条形图或卡片显示被排除的组。
语音：仅提及最重要的组。
最终 — 要点（视频末尾）
视觉：大的结束语，下方小字来源引用。
语音：结论和建议操作。
附带资源
- 使用
templates/storyboard_prompt_template.md为AI图像/视频工具创建故事板和标准化英文提示。模板要求时间码、准确的屏幕文本、语音旁白、动画、连续性和质量检查。 - 查看
examples/saas-demand-generation-flywheel.md，参考一个基于SaaS案例研究的完整故事板/提示，包含数据、注意事项和引用。 - 使用
scripts/mix_video_audio.sh来循环/剪切音乐、降低背景音乐、与叙述混合并检查输出。使用前运行bash scripts/mix_video_audio.sh --help。