主題解說短影片
60–90 秒垂直影片(1080×1920),採用「keynote」外觀:黑色背景、超大字型、滿版圖片、節拍同步剪輯、原創配樂與音效,全部透過 Python(PIL + numpy)與 ffmpeg 渲染。無需影片編輯器,無需素材音樂。
工作範例:examples/gpt-image-2.6/(RESEARCH.md、script.json、render.py、audio.py、build_all.sh)產出一段約 92 秒、約 20 MB 的圖像模型發表影片。請直接複製並修改,而非從零開始。其展示圖片不在 repo 中;請自行使用 scripts/gen_image.py 生成。渲染前請先閱讀 references/render-pipeline.md。
設定來自環境變數或 .env 檔案(參見 .env.example)。切勿列印金鑰、其長度或前綴。
內容規則(從經驗中學到)
- 前 2 秒就要展現結果。 開頭放最令人驚豔的輸出,而不是標題。
- 螢幕上或配音中不出現後台資訊:不顯示 API 轉發或供應商名稱、不顯示「生成失敗」備註、不顯示你實際支付的費用。
- 不做廣告結尾。 不要在最末三分之一推銷服務 — 這樣做的影片表現都很差。結尾用一個可複製的指示卡(「截圖保存」)加上一個無品牌的提問引導留言。
- 不要在網路差的環境下測量速度。 引用官方公布的價格與速度聲明,並標明出處(「官方說」);不要將自己的計時結果視為事實。
- 誠實評價。 檢查每張生成的圖片,指出其弱點,不只看優點。裁切任何類似真實品牌或商店招牌的內容。
流程
- 核實。 對照官方網站、文件、更新日誌與定價,以及社群討論串,檢查每一項聲明。將來源記錄在
RESEARCH.md中(參見工作範例)。若某頁面回傳 403,則透過報導進行交叉比對並註明。 - 格式:1080×1920,60–90 秒,除非使用者另有指定。
- 展示素材:
python3 -I scripts/gen_image.py assets/<名稱> --prompt "..." [--size 2:3] [--ref img.png] [--gif 12:150] [--markup layer.png]。結果與計費記錄在assets/results.jsonl中(供你參考,非供影片使用)。 - 腳本:
script.json格式為{"scenes":[{"id":"s01","vo":"..."}]}。語速 8 時約每秒 6 個字元(520 字元 ≈ 85 秒)。最後以引導留言的問題結尾。在進行 TTS 前將腳本展示給使用者 — TTS 會產生費用。 - 配音:
python3 -I scripts/tts_doubao.py script.json build/vo [ids] [--dry-run]。會寫出<id>.mp3以及字詞時間戳<id>.json。 - 渲染:依照
references/render-pipeline.md。 - 交付:路徑、時長、檔案大小、測量到的 LUFS 與峰值、哪些靜態圖已經檢查過,以及 1–2 個最弱鏡頭及其原因。在約定範圍外進行任何會產生費用的重新生成前,需先取得使用者同意。