Communitygithub.com

anuncios-ia-lab

Anúncios IA Lab — 將廣告劇本轉換為 AI 角色影片,逐場景製作,每個步驟都需要用戶批准,支援 Pixar(3D 動畫)、novelinha(寫實真人風格)和 office(偽紀錄片風格)三種風格。

anuncios-ia-lab 是什麼?

Anúncios IA Lab 是一個 AI 代理技能,專為將廣告劇本自動化生成角色動畫影片而設計。它與 Claude Code、Cursor 和 Codex 等開發工具兼容,並支援三種獨特的視覺風格:Pixar(3D 動畫)、novelinha(寫實電視劇風格)和 office(偽紀錄片風格)。該技能遵循一個嚴格的七步驟工作流程:接收劇本、建立角色、批准角色、分割場景、產出場景圖像、動畫第一個場景、然後排隊生成其餘場景並最終編輯。每個步驟都要求用戶明確批准,從而確保對創意方向的控制。它使用 Grok Imagine(KIE.ai)生成角色和場景圖像,並使用 Grok Imagine Video 1.5 進行動畫製作,以 KIE API 金鑰進行身份驗證,並將所有專案文件結構化地存儲在指定目錄中。該技能還包含防止常見 AI 影片生成問題的規則,例如幻覺對話、角色不一致以及缺少互動元素。

相容平台✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/dankeeps/anuncios-ia-lab/tree/HEAD

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

Anúncios IA Lab

劇本 → 角色 → 場景 → 圖像 → 場景 01 影片 → 其餘排隊 → 編輯。未經使用者批准,任何步驟都不會開始。 每個步驟都會消耗 KIE 點數,而 KIE 拒絕的內容不應轉換為影片。

三種風格

風格適用時機參考資料(在步驟 4 之前閱讀)
pixar(預設)"創意動畫","Pixar 風格","動畫"referencias/pixar-referencia.md
novelinha"用 novelinha","novelinha 模式","寫實","真實頭像"referencias/novelinha-referencia.md
office"The Office 風格","偽紀錄片","mockumentary","復古視覺","對鏡頭訪談"referencias/office-referencia.md

七個步驟的流程在三種風格中都是相同的。不同的只有視覺效果(由 referencias/estilos/<estilo>.json 中的欄位決定,由 kie.py estilo 應用)以及在 novelinha 和 office 風格中場景文案的不同(步驟 4)。如果不確定風格,請在步驟 3 時一併詢問,不要阻礙步驟 2。一種風格的角色不適用於另一種風格:Pixar 角色不能進入 novelinha 場景。

提示範例:referencias/prompts.md。請在步驟 2、5 和 6 之前閱讀。

各項目的位置

  • 金鑰: KIE_API_KEY 作為環境變數或位於此技能資料夾的 .env 檔案中(KIE_API_KEY=...)。腳本會自動讀取。切勿在聊天中顯示金鑰。沒有金鑰時,請要求使用者在 kie.ai 上建立一個並儲存在 .env 中。
  • 腳本: python3 ~/.claude/skills/anuncios-ia-lab/scripts/kie.py。僅使用標準函式庫和 ffmpeg;任何 Python 3.9 或更高版本即可。
  • 專案: ~/Criativos animados/<AAAA-MM-DD nome-curto>/,結構如下:
    roteiro.md            使用者提供的劇本
    projeto.json          角色、場景、提示以及已生成的內容(格式如下)
    cenas.md              使用者批准的場景文字
    personagens/          <id>_v1.png, <id>_v2.png…(重新製作的版本會移至 antigas/)
    imagens/cenaNN.png    每個場景的第一幀
    videos/cenaNN.mp4     動畫場景
    tarefas.jsonl         每個生成任務的日誌:KIE 任務、點數、連結
    edicao/               剪輯、字幕和最終影片(edicao/ 中的腳本)
    
  • KIE 上的模型(均透過 POST /api/v1/jobs/createTask,然後 recordInfo):
    • grok-imagine-image-2-0/text-to-image:無參考影像的角色生成。
    • grok-imagine-image-2-0/image-edit:最多使用 5 張參考影像(角色和環境)的場景生成。
    • 影片,預設: grok-imagine-video-1-5-preview(別名 grok15)。從第一幀(first_frame_url)開始,長度 1 到 15 秒,9:16 比例,720p,音訊和語音同時生成。每次 4.5 點/秒。
    • 替代方案:google/gemini-omni-flash-1-2(別名 omni),720p 時為 9 點/秒。僅在使用者要求或專案已在該模型上開始時使用("modelo_video": "omni" 在 projeto.json 中),以避免在廣告中途改變聲音。

腳本命令

K="$HOME/.claude/skills/anuncios-ia-lab/scripts/kie.py"   # 總是使用 python3 "$K" 來呼叫(zsh 不會分割 $K)
python3 "$K" saldo
python3 "$K" estilo --projeto "$P" --nome pixar|novelinha|office   # 以指定風格建立專案
python3 "$K" lote --projeto "$P" --tipo personagens            # 未經批准為每個角色生成變體
python3 "$K" lote --projeto "$P" --tipo imagens                # 為尚未生成圖像的所有場景生成第一幀
python3 "$K" lote --projeto "$P" --tipo imagens --cenas 03,07 --refazer
python3 "$K" lote --projeto "$P" --tipo videos --cenas 01      # 步驟 6
python3 "$K" lote --projeto "$P" --tipo videos --cenas 02- --paralelo 3   # 步驟 7,排隊
python3 "$K" folha --projeto "$P" --tipo personagens           # 或 --tipo imagens:聯繫表
python3 "$K" juntar --projeto "$P" --aparar                    # 簡單的最終 final.mp4,無剪輯
python3 "$K" status <taskId>

使用同一批次中其他場景圖像作為參考的場景將在下一輪生成,等待該場景完成。

--simular 顯示將發送的內容,不消耗任何點數。在每個新批次之前執行一次以檢查提示和參考。lote 命令會顯示前後餘額並告知花費了多少。向使用者重複此數字。當任務失敗時,再次執行相同的命令只會重新生成失敗的任務。影片批次需要較長時間:在背景執行(run_in_background)並等待通知,不要持續查詢。

步驟 1:接收劇本

  1. 使用正確的風格建立專案:python3 "$K" estilo --projeto "$P" --nome pixar|novelinha|office。該命令根據 referencias/modelo-projeto.json 建立 projeto.json,並填入該風格的欄位(estilo,estilo_personagem,estilo_video 和 regras_video)。將接收到的劇本儲存為 roteiro.md。
  2. 閱讀劇本並標記每句台詞的說話者。如果劇本未指定,則推斷:對話變成兩個角色,獨白變成專家對著鏡頭說話。不要改寫台詞。 劇本文字將逐字用於影片。
  3. 如果有任何歧義(誰說了這句台詞、該人是否是真正的專家),請在步驟 3 時一併詢問,不要阻礙步驟 2。

步驟 2:建立角色

  1. 對於每個角色,在 projeto.json 中填寫:葡萄牙語的描述(descricao)、視覺外觀(visual,一行英文,描述頭髮、臉部、服裝和顏色,在整個廣告中保持一致)、英文提示(prompt)和聲音(voz,模型在 referencias/prompts.md 中)。為整個廣告設定一套服裝,包含確切的單品和顏色。
  2. 每個角色生成 variacoes: 2 個變體:lote --tipo personagens。如果角色是真實人物,則將他們的照片放入 refs。
  3. 在發送給使用者之前,使用 Read 檢查每張圖像。有明顯缺陷(文字、變形的手、多於一人、與服裝描述不符)的圖像在發送給使用者之前應重新生成一次,並告知使用者已重新生成。

在 novelinha 風格中,角色是照片寫實的人:真實的臉部、皮膚和服裝,沒有任何卡通痕跡(由 novelinha.json 中的 estilo_personagem 和 prompts.md 中的寫實角色模型決定)。如果真實專家出現,他們的照片會放入 refs,僅當廣告是關於他們且他們授權使用其肖像時。服裝在故事的每個「一天」內是固定的。如果劇本有時間或地點跳躍(「30 天後」、「在婚禮上」),則為同一角色生成第二張圖像,穿著新服裝(參考 = 已批准的圖像),發送批准,並在該部分場景中使用。在減肥場景中,「之後」也改變身體(prompts.md 中有配方)。

在 office 風格中,角色也是照片寫實的,但選角照片已經以復古視覺呈現:全身人物站立在 2000 年代的辦公室中(灰色隔板、CRT 顯示器、日光燈),office.json 中的 estilo_personagem 確保了這一點。這樣使用者可以同時批准人物和「氛圍」。穿著當時的辦公服裝(鈕扣襯衫、開襟毛衣、西裝褲、無文字名牌)。身體對比(誰減肥了 vs. 誰沒有)遵循 prompts.md 中的配方。

步驟 3:批准角色

使用 SendUserFile 發送圖像(一次呼叫全部,標題為「Ana v1, Ana v2, Rafa v1…」),並為每個角色寫兩行描述。詢問哪個版本合適,或需要更改什麼。當使用者批准時,在角色中記錄 imagem(所選檔案)和 aprovado: true。一次調整會產生一個新提示和對該角色的 --refazer(--cenas <id> 也會過濾角色)。

步驟 4:分割場景

一個場景是一個估計最長 8 秒的台詞片段,將生成一張圖像和一個影片。使用 Grok 1.5,估計3.9 個單詞/秒 + 0.5 秒 + 每次說話者切換 0.3 秒,向上取整,最少 3 秒。使用 Omni,為 3 個單詞/秒 + 0.5 秒 + 每次切換 0.7 秒。在步驟 6 中場景 01 生成後,根據實際語音重新校準此計算。

從 Grok 1.5 觀察到的情況:

  • 語音拼接在一起,說話者切換時沒有停頓,速率約為 3.8 到 4 個單詞/秒。
  • 當剪輯中有剩餘時間時,它會編造對話("É, continua mesmo", "Calma, eu vou te ajudar")。因此持續時間是精確的,不要求在對話結束後進行硬切,而 regras_video 規定在最後引號內的對話之後沒有人說話。在審查時,任何不在劇本中的轉錄句子都是重新生成場景的理由。僅在剪輯末尾編造的對話可以透過剪輯移除,僅保留劇本中的單詞,但秒數已經付費。
  • 螢幕中的角色(手機上的影片、電視)如果提示中未指定 the video on the phone is muted,則會同時說話。使用 na_tela 欄位。
  • 沒有臉部的特寫,配合鬆散的相機,會編造人物。 在身體特寫中,寫入 Static locked camera, no camera movement, the head never enters the frame, nobody else appears。
  • 兩個連續對話中重複的單詞會消失。 在 "Posso começar hoje?" / "Hoje." 中,Grok 會刪除其中一個。回應前一個對話的台詞應放在單獨的剪輯中,或者將場景分為兩個。

適用於所有場景(三種風格)的規則:

  1. 始終互動。 角色互相注視並對對方的話做出反應。沒有人看鏡頭,除了最終召喚中的專家("clica em saiba mais")以及在 office 風格中的對鏡頭訪談和凝視。這適用於圖像和影片:在提示中寫明每個人注視的方向(Rafa looks at Ana)。
  2. 說話的人必須出現並說話。 在每個鏡頭中,正在說話的人必須在畫面中,足夠大以看到嘴巴,正面或 3/4 面向聽眾,並且嘴巴清晰可見(沒有手遮住嘴巴、臉埋在擁抱中或背面)。廣告的第一句台詞是鉤子:中景或更近的鏡頭在說話者身上,永遠不要讓人物在背景中顯得渺小,並且說話清晰,不要結結巴巴。
    • 產生此規則的錯誤:一個鉤子被要求為 "frozen in shock with one hand over her mouth",在一個廣角鏡頭中。該角色在門口說話,很小,手遮住了嘴巴,觀看者無法理解誰在說話。
  3. 誰是誰,始終明確。 曾經發生過女專家的台詞從另一個角色嘴裡說出來的情況。每個角色在他們的描述中都有一個 visual 行(頭髮、臉部、服裝和顏色,英文)。每個場景的圖像必須準確顯示場景 personagens 列表中的人物,並且可以透過該描述識別。影片提示會為每句台詞說明誰在說話,並附上視覺描述(Carla (short curly black hair, white lab coat), warm: "...")。腳本會自動添加 "Who is who" 區塊(每個在畫面中的人物的姓名、視覺和聲音;在畫面外說話的人;在剪輯中不說話的人;以及每行台詞只從指定人物的嘴裡說出)。
  4. 場景中使用的所有內容都必須已經在圖像中。 影片只動畫第一幀中存在的內容。如果一個人要關閉跑步機,跑步機的控制面板必須在圖像中。如果他們要打開冰箱,冰箱必須在那裡。如果他們要越過隔板窺視然後躲到它後面,隔板必須完整地存在於他們面前,高度正確。當缺少時,Grok 會即興創作:這個人會抓住空氣,物體會在剪輯中途冒出來。
    • 產生此規則的錯誤:在一個辦公室小品中,兩個同事「越過隔板窺視」,但圖像沒有顯示隔板在他們面前。在影片中,這兩個人抓住了一個看不見的隔板,而它只在他們蹲下時才出現。
    • 如何應用:在撰寫場景時,閱讀整個動作,從剪輯的第一秒到最後一秒,並列出每個人觸摸、握住、打開、使用、靠著、藏在後面或放東西在上面的所有東西。該列表將出現在 cenas.md 的 Elementos: 行和 projeto.json 的 elementos 欄位(英文)中。
    • 腳本會將列表寫入圖像提示("already fully present in the first frame, in the right place and size")和影片提示("only move what is visible; nothing appears or disappears; nobody pretends to hold something invisible")。三種風格的 regras_video 也包含此限制。
    • 在圖像審查中,每個元素都是列表中的一個項目:如果缺失、被邊緣切斷或位置錯誤,請在動畫化之前重新生成。
  5. 場景的一致性。 每個地點都有一個固定的場景,當攝影機從一個角色切換到另一個角色時,它不會改變。在正反打鏡頭中,每個人的背景是同一房間的另一側:窗戶在同一側,櫥櫃在同一個地方,光線和時間相同。某人在前一場景中拿起的東西,在下一場景中仍在他們手中,盤子不會移動位置,杯子也不會消失。
    • 如何應用:在 ambientes 中描述每個地點一次(英文,包含佈局:左邊、右邊和背景是什麼),並在每個場景中標記 ambiente。腳本會為該地點的所有場景重複相同的描述。開啟該地點的場景會首先生成,並用作其他場景的 refs。
    • 站著或坐著的人會保持該狀態,直到場景顯示該人改變姿勢。
    • 在審查時,將每個圖像與同一地點的前一個圖像進行比較:牆壁、家具、窗戶的方向、光線、物體和姿勢。

Pixar 風格的動態規則(參考資料建議每約 2 秒更換一次鏡頭):

  • 不要重複前一場景的畫面構圖。 交替使用雙人鏡頭、過肩鏡頭、反應特寫、專家獨自對著鏡頭說話以及插圖。
  • 一個 6 到 8 秒的場景包含 2 或 3 個鏡頭(例如,雙人鏡頭,然後硬切到聽眾反應的特寫)。3 到 4 秒的場景只有一個鏡頭。
  • 所說的話變成圖像。 身體部位、數字、比較、「TikTok 影片」、「錄製的課程」:以字面和誇張的方式說明(新陳代謝配鎖、肚子像木炭一樣燃燒、靈魂出竅、手裡拿著手機螢幕上顯示場景)。這樣的場景可以持續 3 秒。
  • 聽眾的 Pixar 風格誇張反應:震驚、憤怒、懷疑、大笑。
  • 在論點轉折時更換環境(從問題到機制,從機制到報價)。
  • 最終召喚: 專家獨自一人,看著鏡頭,指向下方。以兩人一起反應結束。

在 novelinha 風格中,語法是不同的(詳見 novelinha-referencia.md):

  • 一個人

…(後續內容已截斷)

相關技能