Communitygithub.com

影片生成

使用結構化的主題到影片生成流程和 MoneyPrinterTurbo 的 CLI (cli.py),將任何主題、想法或腳本轉換為完成的影片。可在使用者要求建立、撰寫腳本、分鏡、配音或組裝影片、Reels、Shorts 或解說影片時使用。

影片生成 是什麼?

這個技能提供了一個完整的、生產等級的流程,用於將原始想法和主題轉化為精美的影片。它將結構化的創意方向(簡報、研究、腳本寫作、鏡頭清單)與透過 MoneyPrinterTurbo 命令列介面的本地組裝相結合。在開始工作流程之前,它會執行多項預先檢查,包括確認 MoneyPrinterTurbo 與其命令的可用性、必要時檢查 Ollama 服務狀態,以及透過動態技能探索來識別其他可能對影片流程有幫助的安裝技能。這個探索過程會諮詢使用者,以根據他們的特定回饋來完善目標和限制。整個流程會引導使用者完成創意簡報、研究、腳本撰寫、根據精確的語音時間軸建立詳細的鏡頭清單、使用 Edge TTS 合成語音、從本地或庫存來源取得或生成視覺素材,最後使用 MoneyPrinterTurbo CLI 組裝時間軸,並附帶動態字幕和背景音樂。它強調整潔的專案交付,將最終的 MP4 檔案和所有相關資產(字幕、音訊、腳本)整理到使用者指定的專案目錄中的一個時間戳記資料夾內。它支援多種輸出格式(直式 9:16、橫式 16:9、方形 1:1)和影片長度,使其適用於 TikTok、Instagram Reels、YouTube Shorts 以及較長的解說影片。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/aakashdandekar/Agent-Skills/tree/HEAD/skills/video-generation

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

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:

  1. 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])。

  2. 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]
        

[!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:

  1. 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)"

  2. 如果回答「是」: 將該技能標記為已批准,以納入生成計畫。
  3. 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:

  1. 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)。
  2. 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。
  3. 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。
  4. 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)。
  5. 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:
    1. 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。
    2. 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。
    3. 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

  1. 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。
  2. 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)"

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:

  1. 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>"
    
  2. 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
  3. 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
--ttsedge-tts:en-US-JennyNeuralTTS 引擎與語音。請參閱 MoneyPrinterTurbo 文件。
--subtitleword_by_word, all, none字幕模式。
--video-concat-modesequential, random素材連接順序。
--image-motionzoom, none, pan靜態圖片的動態效果。
--video-transition-modefade-in, slide-in, none場景轉場效果。
--bgm-volume0.15 – 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

相關技能