影片生成技能 (video-generation)
一個完整的、生產等級的流程,用於將原始想法和主題轉化為完成的精美影片。結合了結構化的創意方向(簡報、研究、腳本寫作、鏡頭清單)與透過 MoneyPrinterTurbo 的 CLI (cli.py 或配置的別名) 進行的本地命令列組裝。
預檢檢查 1:MoneyPrinterTurbo 可用性與命令解析
在執行影片生成流程前,請確認 MoneyPrinterTurbo 可用,並解析執行命令:
-
檢查已配置的別名、函數或包裝腳本:
alias video 2>/dev/null || type video 2>/dev/null || which video 2>/dev/null如果 shell 或 PATH 中存在
video別名或包裝器,請直接使用它(例如video [options])。 -
如果沒有別名或命令存在,請動態定位 MoneyPrinterTurbo 的
cli.py:find ~ -name "cli.py" -path "*/MoneyPrinterTurbo/*" 2>/dev/null | head -n 1- 從發現的目錄(例如
~/Applications/MoneyPrinterTurbo):- 識別虛擬環境的 Python 解譯器(例如
<MoneyPrinterTurbo_DIR>/.venv/bin/python)。如果沒有.venv,則回退到系統的python3。 - 建構直接執行命令:
<MoneyPrinterTurbo_DIR>/.venv/bin/python <MoneyPrinterTurbo_DIR>/cli.py [options]
- 識別虛擬環境的 Python 解譯器(例如
- 從發現的目錄(例如
[!IMPORTANT] 如果既找不到別名,也找不到 MoneyPrinterTurbo 的
cli.py,請停止並提示使用者先安裝 MoneyPrinterTurbo:"影片組裝和渲染需要 MoneyPrinterTurbo,但在您的系統上找不到。請先從 https://github.com/harry0703/MoneyPrinterTurbo 安裝,然後再繼續進行影片生成。"
預檢檢查 2:Ollama 服務狀態(如果使用本地 LLM)
如果腳本生成配置為使用本地或雲端 Ollama 模型,請驗證 Ollama 服務/程序是否處於啟用狀態:
systemctl is-active --quiet ollama || pgrep -x ollama > /dev/null
[!IMPORTANT] 如果需要 Ollama 但未執行,請停止並提示使用者啟動服務:
"Ollama 服務目前未執行。請透過執行以下命令啟動它:"
sudo systemctl start ollama(如果使用 Ollama Cloud 模型,也請確保已完成
ollama signin。)
預檢檢查 3:動態技能探索與規劃
請勿對代理程式上已安裝的任何特定外部技能進行硬編碼或假設。 其他環境或使用者將擁有不同的技能組合。
相反地,請動態檢查環境,識別可能有助於影片流程的任何已安裝技能,並將發現結果彙整成一份影片生成計畫。
1. 定位並檢查可用技能
瀏覽並檢查代理程式的已安裝技能目錄或配置。識別任何能夠協助以下事項的技能:
- 研究與構思:主題探索、事實研究、領域分析或文獻查詢。
- 文案與腳本:鉤子設計、創意寫作、腳本審查或人物/語音設定。
- 音訊與語音:音訊清理、轉錄分析、靜音修剪或自訂 TTS。
- 視覺與素材:程式碼片段渲染、UI 操作說明、圖表或圖片生成。
- 包裝與 SEO:標題/縮圖評估、搜尋元資料或影片章節生成。
2. 使用者諮詢協議(規劃前)
在建立影片生成計畫之前,將任何發現的相關技能呈現給使用者,以徵求他們的意見:
- 詢問是/否:
"我發現了已安裝的技能
<技能名稱>,它可以協助 [特定任務,例如鉤子評分 / 音訊清理 / 章節劃分]。您希望我為這個影片使用它嗎?(是 / 否)" - 如果回答「是」: 將該技能標記為已批准,以納入生成計畫。
- 如果回答「否」:
詢問原因:
"了解。可以分享一下您為什麼不想使用它嗎?"
- 為何這很重要:詢問「為什麼不」可以揭示重要的創意限制,並釐清核心目標(例如 "我已經寫好了確切的腳本"、"我想要一個嚴肅的紀錄片風格,而不是快節奏的鉤子"、"保留我音訊中的自然停頓")。
- 使用他們的回答來直接釐清他們的目標,然後再起草計畫。
3. 制定影片生成計畫
一旦使用者諮詢完成,請根據此技能的說明、使用者已釐清的目標/限制以及已批准的技能,制定一個量身定制的影片生成計畫:
- 創意簡報:觀眾、目標平台、時長、長寬比和風格(反映諮詢期間收集的限制條件)。
- 包含的已批准技能:使用者選擇使用的特定工具/技能及其使用方式。
- 腳本與分鏡方法:鉤子策略、核心重點以及規劃的鏡頭清單結構。
- 媒體與音訊來源:旁白語音(Edge TTS 與本地音訊相比)、BGM 音量以及視覺素材(本地素材與庫存素材)。
- 時間軸組裝:節奏、字幕動畫、轉場和最終渲染規格。
主題到影片的流程
flowchart TD
A["1. 檢查環境中的可用技能"] --> B{"2. 使用者諮詢協議\n詢問對候選技能的意見 (是 / 否)"}
B -- "否" --> C["詢問『為什麼不?』\n(釐清目標與限制)"]
C --> D["3. 制定影片生成計畫\n(根據說明 + 已釐清的目標建構)"]
B -- "是" --> E["批准候選技能"]
E --> D
D --> F["4. 研究與腳本寫作"]
F --> G["5. 鏡頭清單 (關鍵分鏡)"]
G --> H["6. 旁白合成 (TTS / 音訊)"]
H --> I["7. 每個場景的視覺素材 (庫存 / 本地 / 動態)"]
I --> J["8. 時間軸組裝 (MoneyPrinterTurbo CLI)"]
J --> K["9. QC、元資料與最終 MP4 交付"]
逐步流程說明
1. 釐清簡報
在生成程式碼或媒體之前,請確定創意參數。如果使用者未明確提供,請根據主題和平台推斷合理的預設值:
- 觀眾:誰在觀看?(一般大眾、學生、開發者、買家)
- 語音與風格設定:檢查使用者是否提供了風格指南、風格偏好或人物限制。
- 目標時長:
- 短格式:15 秒 – 60 秒(TikTok、IG Reels、YouTube Shorts)
- 中格式:1 – 3 分鐘(產品演示、快速解說)
- 解說:3 – 5 分鐘(深入探討、教學)
- 長寬比:
9:16(直式,適用於行動裝置 / Reels / Shorts / TikTok)— 預設16:9(橫式,適用於 YouTube / 桌機 / 簡報)1:1(方形,適用於 Instagram / LinkedIn 動態貼文)
- 風格:隨性、充滿活力、權威、敘事或幽默。
- 平台:決定節奏、字型大小、字幕樣式和鉤子強度。
2. 研究主題
收集經過驗證的事實、引人注目的鉤子和準確的數據點:
- 事實 / 時事:使用搜尋工具驗證日期、統計數據、專有名稱和核心主張。
- 長青 / 概念性:建構 3 – 5 個令人驚訝或高價值的見解。
- 識別鉤子:在前 3 秒內抓住注意力的最有趣角度(利用計畫中批准的 any 研究/構思技能)。
3. 撰寫腳本
起草專門為口語音訊而非閱讀格式化的旁白:
- 經驗法則節奏:每分鐘約 130 – 150 字(每秒約 2.2 到 2.5 字)。一個 30 秒的短片需要約 65 – 75 字;一個 60 秒的影片需要約 130 – 150 字。
- 鉤子驗證:在前 3 秒內立即抓住目光。如果使用者批准了任何鉤子評估或文案工具,請在最終確定之前將候選鉤子通過這些工具進行測試。
- 結構:
- 鉤子 (0–3 秒):用一個大膽的問題或令人驚訝的陳述立即抓住目光。
- 主體 (3–5 個重點):邏輯地推進核心觀點。使用簡潔的句子,避免複雜的從屬子句。
- 結尾 / CTA (最後 3–5 秒):明確的結論或行動呼籲。
- 避免在口語旁白文字中使用 Markdown 格式、表情符號、插入語或引用。
4. 將腳本分解為鏡頭清單(關鍵步驟)
鏡頭清單是連接腳本與視覺和音訊生成的橋樑。將腳本分成場景(通常每個 3 – 6 秒)。
[!IMPORTANT] 鏡頭清單是最關鍵的產出物。 當場景文字、視覺描述和時間安排結構良好時,下游的生成和組裝將變得無縫且確定性高。
鏡頭清單範本:
| 場景編號 | 旁白台詞 | 視覺描述 / 搜尋關鍵字 | 畫面文字 | 預計時長 |
|---|---|---|---|---|
| 1 (鉤子) | "在深海之下,生物們自己發光。" | 在漆黑深海中發光的水母 | 深海祕密 | 4 秒 |
| 2 (重點 1) | "超過 75% 的深海動物會產生生物發光。" | 在黑暗中移動的發光鮟鱇魚誘餌 | 75% 的生物 | 4 秒 |
| 3 (重點 2) | "牠們利用化學反應來溝通、狩獵和偽裝。" | 烏賊身上發出藍色光的發光器特寫鏡頭 | 自然發光 | 5 秒 |
| 4 (結尾) | "追蹤我們,發掘深淵中更多的祕密。" | 潛水器燈光照亮海溝懸崖 | 探索更多 | 3 秒 |
5. 生成旁白
從旁白台詞合成語音。
- 時間權威規則:生成的音訊檔案的實際時長(而非步驟 4 中的預計時長)將成為場景節奏和視覺剪輯的確定性時間軸錨點。
- 在統一的執行中,MoneyPrinterTurbo 會透過 Edge TTS(免費、高品質)自動處理 TTS。
- 對於自訂旁白或預先錄製的音訊,請清理音訊(使用任何已批准的音訊清理技能),並提供
--custom-audio-file <路徑>。
6. 為每個場景取得或生成視覺素材
將視覺素材與每個場景音訊的確切時長匹配:
- 庫存素材:來自 Pexels、Pixabay 或 Coverr 的剪輯,並匹配場景關鍵字。
- 本地媒體:透過
--video-source local --video-materials "clip1.mp4,clip2.mp4"提供的影片剪輯或圖片。 - 圖片動態:當使用靜態圖片時,應用動態效果(
--image-motion zoom)以保持觀眾參與度。
7. 組裝時間軸
將音訊、影片、字幕和音樂拼接在一起:
- 根據場景順序連接素材(
--video-concat-mode sequential或random)。 - 疊加與單字同步的動態字幕(
--subtitle-display-mode word_by_word)。 - 在旁白下方以不引人注目的音量混合背景音樂 (BGM)(
--bgm-volume 0.15–0.2)。 - 應用場景轉場(
--video-transition-mode fade-in、slide-in等)。
8. 渲染、審查與品質檢查 (QC)
在交付最終影片前執行 QC 檢查:
- 時間與同步:視覺變化是否與旁白主題對齊?
- 可讀性:字幕在背景上是否清晰可讀?(檢查字型大小、對比度、描邊)
- 音訊混合:語音是否清晰,不被背景音樂掩蓋?
- 安全區域:在
9:16直式影片中,UI 覆蓋層(如 TikTok/Reels 按鈕)是否避開了關鍵文字? - 配套元資料(可選):如果計畫中要求或批准,請生成配套的上傳元資料(例如標題、標籤、描述或章節時間戳記)。
- 專案交付:將最終影片和素材傳輸到
<專案目錄>/video-<短標題>-<日期時間>/。
輸出儲存與專案交付
始終將最終生成的影片及其素材整理並交付到使用者的專案目錄中,而不是將它們埋在內部引擎儲存中:
1. 專案目錄解析
- 檢查活躍的專案 / 工作區目錄:
- 檢查是否存在活躍的工作區或專案目錄。
- 如果沒有專案目錄則提示回退:
- 如果未設定/未知任何專案目錄或工作區,在最終確定交付之前提示使用者提供目標路徑:
"未檢測到活躍的專案或工作區目錄。您希望將生成的影片儲存在哪裡?(請提供一個目標資料夾路徑)"
- 如果未設定/未知任何專案目錄或工作區,在最終確定交付之前提示使用者提供目標路徑:
2. 輸出資料夾命名格式
在解析後的專案目錄中,建立一個專屬資料夾,命名為:
video-<短標題>-<日期時間>/
<短標題>:一個轉換為 slug 格式的 2 – 4 字元標題(例如deep-sea-creatures、quantum-computing)。<日期時間>:目前的時間戳記,格式為YYYYMMDD-HHMMSS(例如20261113-171530)。- 範例資料夾:
video-deep-sea-creatures-20261113-171530/
3. 素材交付與組織
當 MoneyPrinterTurbo 在內部任務儲存中完成渲染時:
- 在專案目錄中建立帶有時間戳記的資料夾:
mkdir -p "<專案目錄>/video-<短標題>-<日期時間>" - 將最終影片和隨附的生成素材從引擎的任務目錄 (
storage/tasks/<任務ID>/) 複製到專案資料夾中:- 最終影片:
final-1.mp4→<專案目錄>/video-<短標題>-<日期時間>/<短標題>.mp4 - 字幕:
subtitle.srt→<專案目錄>/video-<短標題>-<日期時間>/subtitles.srt - 旁白音訊:
audio.mp3→<專案目錄>/video-<短標題>-<日期時間>/audio.mp3 - 腳本:
script.json→<專案目錄>/video-<短標題>-<日期時間>/script.json
- 最終影片:
- 為使用者提供專案目錄中最終
.mp4檔案的直接、可點擊的檔案連結。
命令執行與任務輸出
此流程由 MoneyPrinterTurbo 的 CLI (cli.py 或配置的別名) 驅動:
- 命令調用:
透過檢測到的別名/命令(如果存在)執行,或直接使用虛擬環境的 Python 解譯器和
cli.py執行:# 如果別名或包裝器存在: video [options] # 透過 python 直接執行: <MoneyPrinterTurbo_DIR>/.venv/bin/python <MoneyPrinterTurbo_DIR>/cli.py [options]
MoneyPrinterTurbo 在內部任務儲存中產生輸出。最終影片 (final-1.mp4) 和生成的素材(字幕、音訊、腳本)儲存在 storage/tasks/<task_id>/ 下。
最終命令範例
使用檢測到的別名(使用者已配置 video):
video --topic "Deep sea creatures bioluminescence" --tts "edge-tts:en-US-JennyNeural" --subtitle "word_by_word" --video-concat-mode "sequential" --image-motion "zoom" --transition-mode "fade-in" --bgm-volume 0.15
直接使用 Python 和 cli.py:
~/Applications/MoneyPrinterTurbo/.venv/bin/python ~/Applications/MoneyPrinterTurbo/cli.py --topic "Deep sea creatures bioluminescence" --tts "edge-tts:en-US-JennyNeural" --subtitle "word_by_word" --video-concat-mode "sequential" --image-motion "zoom" --transition-mode "fade-in" --bgm-volume 0.15
[!IMPORTANT] 命令執行後,請務必將最終檔案和素材組織到使用者的專案目錄中(請參閱 輸出儲存與專案交付)。將所有內容留在
storage/tasks/中對使用者來說無法存取且難以使用。始終交付到使用者看得見且可用的專案資料夾。
快速參考參數
| 參數 | 範例值 | 筆記 |
|---|---|---|
--tts | edge-tts:en-US-JennyNeural | TTS 引擎與語音。請參閱 MoneyPrinterTurbo 文件。 |
--subtitle | word_by_word, all, none | 字幕模式。 |
--video-concat-mode | sequential, random | 素材連接順序。 |
--image-motion | zoom, none, pan | 靜態圖片的動態效果。 |
--video-transition-mode | fade-in, slide-in, none | 場景轉場效果。 |
--bgm-volume | 0.15 – 0.2 | 背景音樂音量(0.0 – 1.0)。 |
--custom-audio-file | </path/to/audio.mp3> | 自訂旁白音訊檔案。 |
常見工作流程範例
範例 1:短的 YouTube 短片 (9:16, ~45 秒)
- 主題:TypeScript 的
satisfies運算子 - 觀眾:開發者
- 風格:教學性、充滿活力
- 腳本:~100 字(45 秒 * 2.2 字/秒)
- 視覺素材:來自 Pexels 的庫存程式碼輸入影片,疊加螢幕錄製
- 交付:
video-typescript-satisfies-20261113-171530/typescript-satisfies.mp4
範例 2:Instagram Reels 宣傳片 (9:16, ~30 秒)
- 主題:新咖啡店開幕
- 觀眾:在地美食家
- 風格:時尚、充滿活力、以音樂爲主
- 腳本:~70 字(30 秒 * 2.3 字/秒)
- 視覺素材:業主提供的本地影片素材
- 交付:
video-coffee-launch-20261113-171530/coffee-launch.mp4