mrvijaykr56/youtubeshorts

YouTube Shorts 视觉导演与图像生成技能

本技能指导代理使用 Antigravity 的原生 generate_image 功能，生成连贯的、电影级的 9:16 竖屏场景，适用于 YouTube Shorts。

---\n

1. 视觉一致性框架（角色与世界观同步） 👥🌍

在为 Shorts 生成 5 到 20 张图像时，避免风格或角色漂移至关重要。如果角色的面部、服装或环境在场景间随机变化，视频的沉浸感将被破坏。

场景间同步的三大支柱：

1. 角色DNA蓝图：

   • 在每个包含角色的场景中，重复使用完全相同的 5 个部分角色公式： [姓名 + 年龄/性别] + [发型与颜色] + [面部特征] + [具体服装与颜色]
   • 示例："26岁女性考古学家Maya，凌乱的深色卷发扎成马尾，脸上有雀斑，身穿橄榄绿亚麻狩猎衬衫，佩戴黄铜指南针项链"
   • 切勿使用“她看起来”或“那个女人”等通用术语进行替代。

2. 世界与光照锚点：

   • 定义共享的环境描述，并前置到所有场景提示中： [设置] + [主要光源与色温] + [阴影风格] + [氛围]
   • 示例："地下古埃及砂岩墓室，温暖的琥珀色火炬光线投下深邃摇曳的影子，飘浮着金色尘埃颗粒，深钴蓝色背景。"

3. 视觉参考链（ImagePaths 参数） 🔗：

   • Antigravity 的 generate_image 工具原生支持 ImagePaths（将之前的图像作为视觉条件参考传递）。
   • 工作流程：
     1. 生成 场景 1（确立主角色和光照）。
     2. 保存 scene_1.jpg。
     3. 对于 场景 2, 3, 4...，在 generate_image 中传入 ImagePaths: ["<path_to_scene_1.jpg>"]。
     4. 这将场景 1 的视觉潜在特征直接反馈给 Imagen 3，从而在所有后续场景中锁定面部形状、服装颜色和环境色调！

---

2. 预飞行验证与用户批准 🛑

关键要求（零代币浪费）： 在执行任何 generate_image 调用之前：

1. 运行预飞行故事板验证器：

   .\backend\venv\Scripts\python.exe backend\scripts\storyboard_validator.py --json "path/to/script.json"
   

   • 必须具有 0 个阻止性错误（例如，无禁止文本标记、有效的 9:16 信号、在 60 秒 Shorts 上限内）。
2. 将验证后的故事板和艺术风格 以及验证统计信息呈现给用户。
3. 征求用户明确批准：

   “故事板已通过所有预飞行安全检查（0 个错误，预计时长约 X 秒）。您希望我继续生成这 [N] 张 9:16 图像，还是想先调整某些场景或风格参数？”

4. 在用户给出明确确认之前，切勿生成图像。

---

3. 使用 Antigravity generate_image 生成图像

对于故事板中的每个场景（在获得用户批准后）：

1. 预生成重复/缓存检查 🛑：

   • 检查目标文件夹（backend/output/<job_id>/）中是否已存在 scene_{X}.jpg 或 scene_{X}.png 且文件有效（大于 10KB）。
   • 如果已存在，则 跳过重新生成 以避免浪费代币，除非用户明确要求重新生成/重掷该特定场景。

2. 合成最终提示（确保独特的镜头取景）：

   [世界锚点] + [角色锚点] + [场景动作与独特的摄影机角度] + [全局艺术风格模板] + [9:16 竖屏构图]
   

   • 确保摄影机镜头（例如广角 vs 微距 vs 反应镜头）与前一场景不同，以避免生成视觉上相同的静态图像。

3. 调用工具： 调用 generate_image，附带：

   • AspectRatio："9:16"
   • ImageName：scene_1、scene_2、scene_3 等（每个场景严格唯一）。
   • Prompt：合成的提示。
   • ImagePaths：对于场景 2..N，传入 ["<path_to_scene_1.jpg>"] 用于视觉调节。

4. 批量生成： 按顺序或按场景组（每个 Shorts 最多 20 个场景）生成场景。

---

4. 资产部署到 YTShorts 管线

Antigravity 生成图像后：

1. Antigravity 将生成的图像存储到对话工件目录： C:\Users\<user>\.gemini\antigravity-ide\brain\<conversation-id>\*.png

2. 将图像复制或链接到 YTShorts 输出/作业目录： d:\WorkSpace\YTShorts\backend\output\<job_id>\ 后端需要的标准命名：

   • scene_1.png
   • scene_2.png
   • scene_3.png
   • ...

3. 配对的 JSON 故事板： 将 script.json 保存在同一目录： d:\WorkSpace\YTShorts\backend\output\<job_id>\script.json

---

5. 触发视频渲染 🚀

图像和 script.json 就位到 backend/output/<job_id>/ 后，运行独立的组装工具：

.\backend\venv\Scripts\python.exe backend\scripts\assemble_short.py --job_dir "backend/output/<job_id>" --voice in_female --caption_style tiktok --music lofi --resolution 1080p --transition dynamic

此单个命令自动完成：

1. 合成高清 TTS 旁白（Edge-TTS / KittenTTS）。
2. 通过 Whisper 生成单词级别同步的 ASS 字幕。
3. 一步到位渲染最终的 1080p/4K .mp4 视频，包含光学转场（xfade）、Ken Burns 平移/缩放运动、背景音乐及音频闪避、字幕烧录！

---

6. 频道品牌与社区资产生成 🎨📊

除了 9:16 竖屏故事场景外，视觉导演还使用 Antigravity 的原生 generate_image 工具生成营销资产：

1. 社区标签页图像投票（1:1 正方形）：

   • 将角色生成或中心裁剪为 1024x1024 方形卡片。
   • 将卡片存放到 backend/output/community_poll_assets/（例如 poll_1_character.jpg）。
   • 在新频道上，图像投票的传播效果比标准文本帖子高 3 到 5 倍。

2. 频道头像吉祥物（1:1 正方形）：

   • 生成居中的 1024x1024 3D 皮克斯风格角色肖像，带有富有表现力的闪亮眼睛，手持发光故事书。
   • 保存到 backend/output/channel_branding/channel_avatar_1024x1024.jpg。

3. 全景频道横幅（16:9 横屏）：

   • 生成 16:9 全景电影级风景，展示频道反复出现的世界。
   • 使用 Lanczos 滤波器放大至 2560x1440。
   • 保存到 backend/output/channel_branding/channel_banner_2560x1440.jpg。

4. 零外部 API 强制要求：

   • 始终优先使用 Antigravity 的原生 generate_image 工具。切勿回退到未经验证的免费外部图像 API。