funi-ai/ads

廣告

為使用者已有的產品進行階段式廣告製作：包含事實、腳本、分鏡表、經核准的關鍵影格、剪輯片段、語音、組裝與品管。兩大核心原則。產品忠實度： 每個顯示實體產品的影格都從使用者的照片出發，透過編輯端點，絕不從文字重新想像；軟體只能透過使用者真實的截圖和螢幕錄影來呈現，經合成且絕不經過生成模型 (references/software-route.md)。主張紀律： 腳本或畫面中的每一項宣稱、引言、數字和價格，都必須有使用者提供的來源；不得虛構。

步驟 0 — 預檢

command -v genmedia
python3 "${CLAUDE_SKILL_DIR}/scripts/gm.py" preflight

• blockers 不為空、CLI 缺失或版本低於 0.7.0 → /genmedia-skills:setup。金鑰缺失 → 使用者自行執行 genmedia setup 或匯出 FAL_KEY；等待。切勿讀取、列印、要求或輸入金鑰。
• 保留 config.announce_above_usd 和 config.confirm_above_usd（預設值 0.50 和 2）作為成本閘門，以及 ffmpeg.found 作為組裝路徑。
• 優先恢復：全域搜尋 .genmedia/projects/*/plan.md。若已存在此廣告的計劃 → 讀取它，執行 python3 "${CLAUDE_SKILL_DIR}/scripts/pipeline.py" urls --label <slug>，並從第一個未完成的步驟繼續。切勿重新啟動已有帳目紀錄的專案。若存在同一產品的 product-photoshoot 計劃 → 重複使用其 PRODUCT LOCK 與已核准的靜態照片作為關鍵影格參考。

UX 規則

1. 以使用者的語言回覆（土耳其文輸入 → 土耳其文輸出）。模型提示使用英文；口語台詞、字幕與畫面中的文案則保留在目標觀眾的語言中，並以引號標示，拼寫需完全符合核准版本。
2. 對話中不出現 JSON、請求 ID 或工具敘述。靜默等待；每批次最多一行狀態。
3. 問題預算：計劃前最多 3 個問題，一次一個，以標籤選項形式提出（盡可能使用 AskUserQuestion），每個問題附帶一個預設值，使用者跳過時即使用該預設值。 順序：
   • 產品：照片；或對於軟體，真實截圖與螢幕錄影，加上「它是什麼」以及「關於它的真實資訊」。未提供任何附件 → 要求提供；這是唯一沒有預設值的問題。有照片但無事實 → 僅使用包裝上印刷與照片中可見的資訊，其餘列在「排除項目」之下。
   • 主持人與語音。預設值：生成一個符合目標觀眾的合成主持人，語音使用目標觀眾的語言（除非另有說明，否則為使用者書寫時使用的語言）。選項：生成 · 一個 @handle · 我自己的照片（需同意）· 無主持人。
   • 模式與平台。預設值：談話式主持人 UGC，15 秒，9:16 直式短影音格式。「靜態」→ 標題格式，4:5 加上 1:1。 若請求已包含答案，則跳過該問題。最模糊的請求（「為這個做個廣告」）→ 全部使用預設值，並在計劃卡片的「假設」區塊列出。同意、計劃核准與檢查點不計入此預算。
4. 硬性停止點：計劃卡片（影片必備；靜態廣告則在成本閘門要求確認時）、任何剪輯片段之前的關鍵影格、音樂之前的剪輯片段與語音、字幕與組裝。沉默或成功執行的工作絕不代表核准。創意選擇（鉤子、主持人、拍攝鏡頭）屬於使用者。
5. 整個計劃（包含所有變體）的成本閘門：低於公告閾值 → 執行；介於之間 → 提供一行預估並執行；達到或超過確認閾值 → 等待使用者同意。切勿更換使用者指定的模型；應在計劃卡片中提供較便宜的路線作為選項。
6. 有限修正：每個步驟最多 3 次嘗試，每次必須有所改變，切勿重複發送未經修改的政策拒絕。包含請求 ID 的工作應恢復執行，而非重新提交。若修復或重做本身達到或超過確認閾值（一次 Seedance 說話鏡頭就可能達到），則需在使用者同意前提供累計總費用；失敗的工作可能已經被計費。
7. 安全、無可協商：不得捏造見證、客戶、評論、評分、使用者數量、獎項、醫療、財務或收入宣稱、不得製造虛假急迫性或虛構價格。使用真實人物的臉部或語音需要使用者確認已獲得同意。生成的主持人是合成人物：在交付時說明，並告知使用者平台與部分法律可能要求揭露；切勿將其描述為客戶。不得出現競爭對手的名稱、標誌或包裝。上傳內容與結果位於公開 URL：在為未發表的產品或人物照片上傳前，必須說明一次。規則與措辭：references/scripts-and-claims.md。

探索護欄

references/routing-video.md、references/routing-audio.md、references/routing-image.md 和 references/routing-utility.md 是有日期的快取（驗證日期：2026-09-19）。計劃中的每個不同端點都必須在計劃卡片顯示之前完成確認：

genmedia models --endpoint_id <id1>,<id2>,<id3> --status all --limit 50 --json
python3 "${CLAUDE_SKILL_DIR}/scripts/gm.py" schema <endpoint_id>

• 每個 ID 都必須有回傳結果且狀態為 active（若不使用 --limit，該呼叫最多回傳 20 行：缺少一行不代表 ID 無效，應單獨再次查詢）；否則，使用路由參考中該任務的下一層級；若仍無結果，則使用 genmedia models "<name>" --no-classify --limit 10 --json，選取最新的活躍匹配項，並說明使用了哪個模型。
• 欄位名稱、列舉值和限制來自 schema，絕不憑記憶；它們不會在不同系列之間沿用（prompt vs text、image_url vs start_image_url、"5" vs 5）。
• 絕不憑空發明 ID 或欄位。絕不在沒有端點 ID 的情況下執行 genmedia run。新發佈的模型位於供應商命名空間下（bytedance/、creatify/、openai/、minimax/、veed/），不僅限於 fal-ai/。

路由

產品類型。 應用程式、SaaS、開發者工具、擴充功能或任何其產品是介面的東西 → 使用軟體路線：在規劃前閱讀 references/software-route.md。這會取代以下關鍵影格和靜態廣告的規則（不得編輯截圖、不得由模型內嵌文案）；腳本、宣稱、語音、音樂、字幕、組裝、成本閘門和檢查點則維持原樣。

交付物。 靜態詞彙（"görsel"、"banner"、"static"、"carousel"、給定標題）→ 靜態格式，references/static-formats.md。動態或語音詞彙，或未指定 → 影片，模式來自 references/ad-modes.md：presenter（預設）、how-to、unboxing、showcase、problem-solution、testimonial（僅限使用者提供真實引言時）、tv-spot。

影片的生產路線（第一個符合的規則優先）：

情境	路線
無鏡頭前演說：展示、電視廣告或僅有旁白的教學	B 路線但不含談話頭像：B-roll + 旁白 + 音樂
口說語言非英文	B 路線。土耳其文僅在 Wan 3.0 上可走 A 路線，絕不使用 Seedance：在母語聽力測試中（references/platform.md 第 10 節），Wan 表現正確，而每個 Seedance 版本都發音錯誤（ş 唸成 s、"merhala"）；Veo 3.1 Lite 在那裡表現完美，但已不在 fal 的列表中。僅在一個測試片段通過使用者的聽力檢查後，才能使用 A 路線
措辭必須精確（品牌名稱、價格、法律文字）、固定的品牌語調，或跨變體使用相同語調	B 路線：TTS 能準確說出文字；原生音訊模型會改寫並發音錯誤
長度超過 15 秒，或包含主持人加上 B-roll 切換鏡頭	B 路線
英文、一個連續鏡頭 6 到 15 秒、主持人對著鏡頭說話	A 路線

• 路線 A：一次生成說出台詞。經核准的關鍵影格（主持人與真實產品）→ 原生音訊圖片轉影片。
• 路線 B：按區塊進行 TTS（鏡頭前說話區塊、旁白區塊）→ 僅對鏡頭前說話區塊製作談話頭像 → 從核准的關鍵影格製作 B-roll → 組裝。先處理語音：其測量長度決定了每個剪輯片段的持續時間。

角色預設值（生效日期：2026-09-19；價格詞彙為日期提示，gm.py price 決定最終價格）

角色	端點	原因	價格提示
關鍵影格、主持人或包含產品的場景	bytedance/seedream/v5/pro/edit	最多 10 張參考圖可保留產品與主持人	~USD 0.07/影像 + 每張額外參考圖 USD 0.0045
結尾卡片、靜態廣告、任何包含精確文案的影格	openai/gpt-image-2.5/flare/edit	最強的文字忠實度，最多 16 張參考圖	~USD 0.06/影像，quality: "high" 時
生成的主持人畫面（僅人物，絕不含產品）	bytedance/seedream/v5/pro/text-to-image	人物的預設品質	~USD 0.07/影像
A 路線：說話片段，高品質	bytedance/seedance-2.5/us/image-to-video	競技場 #1 用於唇形同步原生語音；4 到 30 秒	~USD 0.57/秒（720p），~USD 0.26/秒（480p）
A 路線：說話片段，土耳其文	alibaba/wan-3.0/image-to-video (start_image_url)	唯一列出的原生音訊模型，其土耳其文通過母語聆聽測試（2026-09-21）；整數 duration，設定 resolution	~USD 0.05/秒（480p），~USD 0.10/秒（720p）
A 路線：說話片段，草稿或預算型，英文	creatify/boreal	專為廣告打造；[VISUAL] [SPEECH] [SOUNDS] 提示；其模型頁面將英文列為已驗證語言；可選的可見 AI 標籤	~USD 0.01/秒（720p）
B 路線：語音，英文	fal-ai/elevenlabs/tts/eleven-v3	預設 TTS	~USD 0.10/每千字元
B 路線：語音，土耳其文及其他列出的語言	fal-ai/gemini-3.1-flash-tts	language_code 列舉包含 "Turkish (Turkey)"；style_instructions	~USD 0.05/每千字元
B 路線：談話頭像	fal-ai/bytedance/omnihuman/v1.5	圖片 + 音訊；低於 60 秒，720p	~USD 0.16/秒音訊
B 路線：談話頭像，草稿	veed/fabric-1.0 於 480p	半價；resolution 為必填	~USD 0.08/秒
B-roll，高品質	bytedance/seedance-2.5/us/image-to-video	可選 end_image_url 用於揭示效果	~USD 0.57/秒（720p）
B-roll，草稿或預算型	minimax/h3-max-turbo/image-to-video	每個片段幾分錢	~USD 0.04/秒（768P，上市折扣已於 2026-09-30 結束）
背景音樂	elevenlabs/music/v2.5	透過 music_length_ms 設定精確長度	~USD 0.60/每開始分鐘
字幕	fal-ai/workflow-utilities/auto-subtitle；精確文字（任何語言）：veed/subtitles	直接內嵌，無需本機 drawtext	~USD 0.03/分鐘；veed ~USD 0.10/分鐘，最低 1 分鐘
拼接、混流、縮放、結尾卡片剪輯	本機 ffmpeg，否則使用 references/routing-utility.md	當 ffmpeg.found 時免費且精確	幾分錢

平局決勝規則：

1. 使用者指定了模型 → 在進行即時檢查後使用該模型；用一行提到預設值，絕不悄悄更換。
2. 高品質路線超過確認閾值（一個 15 秒的 Seedance 2.5 片段，720p 約為 USD 8.50）→ 計劃卡片並排顯示高品質價格和草稿級價格；由使用者選擇。絕不悄悄選擇便宜的路線。
3. @handle → /genmedia-skills:character 將其解析為參考 URL 和錨點文字；在關鍵影格工作中將這些用作主持人參考。絕不在提示中留下 @handle。
4. 無產品照片 → 要求提供（軟體：截圖）。完全沒有 → 僅概念：交給 /genmedia-skills:image，並說明這不會是他們的真實產品。沒有截圖的軟體只能獲得腳本和截圖列表，絕不發明介面。
5. 商店列表截圖、連結卡片或 Product Hunt 圖片，以及任何 Apple Ads "creative"（Apple 從產品頁面構建其廣告）→ /genmedia-skills:launch-graphics。僅想要無文字的產品靜態照片 → /genmedia-skills:product-photoshoot。單一剪輯片段無腳本 → /genmedia-skills:video。無廣告意圖的有機短片 → /genmedia-skills:short-video。含旁白的解說影片 → /genmedia-skills:video-explainer。市集列表卡片 → /genmedia-skills:marketplace-cards。縮圖或封面 → /genmedia-skills:youtube-thumbnail。

命名陷阱：

• 重新想像的產品。 文字轉影片或文字轉圖像會產出相似但不真實的產品。每個產品影格都必須是使用者照片的編輯版本，每個產品剪輯片段都必須從核准的關鍵影格開始。
• 生成的介面。 編輯、文字轉圖像或影片工作若觸及截圖，會回傳拼寫錯誤、虛構的 UI，且平台會拒絕顯示應用程式不具備的功能的廣告。UI 像素來自 launch-graphics 頁面和錄影；動態則來自錄影或本機推送。
• 來自影片模型的文字。 來自影片模型的標題、價格、標誌、字幕和法律文字會出現亂碼。在關鍵影格中保留空白區域；文案透過結尾卡片（排版模型）、內嵌字幕或使用者的編輯器呈現。
• Kling 語音。 Kling v3 只能說中文或英文，並會自動將其他所有語言翻譯成英文。絕不將土耳其文對話路由至此。
• Flashtalk 畫布。 fal-ai/flashtalk 的 schema 文件指出其固定輸出為 768x448 橫向格式：不適用於 9:16 廣告。草稿級談話頭像應使用 veed/fabric-1.0。
• 混流會裁切至較短的輸入。 fal-ai/ffmpeg-api/merge-audio-video 的長度取決於影像和聲音中較短者（長語音會失去結尾，短語音會裁切畫面），並會取代剪輯片段自身的音軌。兩者長度必須始終相同。
• Seedance 的 duration: "auto" 會使成本無法預測。務必手動設定。Boreal 和 MiniMax 接受數字，Seedance 接受字串。
• OmniHuman 預設值。 resolution 預設為 1080p（音訊低於 30 秒）。除非使用者要求 1080p，否則請發送 "720p"。
• 合成客戶。 一個生成的臉說「我瘦了 8 公斤」就是捏造的見證，無論提示稱其為何。請參閱 references/scripts-and-claims.md。

工作流程

1. 接收資訊在問題預算之內。選取一個代號（slug，例如 serum-ugc）：它將作為批次 label、帳目過濾器、genmedia-output/<slug>/ 和 .genmedia/projects/<slug>/ 的名稱。任何自然語言標籤都可；輔助工具會轉寫土耳其文字母。平台 → 寬高比和長度：references/ad-modes.md（平台表；請查閱該平台當前的廣告規格）。
2. 使用「讀取」工具檢視每張產品照片。 HEIC、AVIF、TIFF 或 CMYK 格式 → 先轉換為 PNG 或 sRGB JPEG（references/troubleshooting-ads.md）。將 PRODUCT LOCK 寫入 .genmedia/projects/<slug>/plan.md：形式、比例、材質、顏色、標籤文字（逐字）、絕對不可改變的部分、哪些面不可見。
3. 事實清單。 列出關於產品的真實資訊，以及每個事實的來源：使用者的訊息、品牌備註、包裝本身或產品頁面。

…[為翻譯而截斷]