Script-to-Video AI Production Skill
一個全面的自動化系統,能將純文字腳本轉換為完整的 9:16 Full HD AI 影片,專為 TikTok、Reels 和 Shorts 優化觀眾留存率(Audience Retention)。
🎯 7 項核心原則(始終啟用規則)
-
圖片優先流程與 AI 視覺檢查:
- 務必先使用
meta_muse模型生成分鏡圖片。 - 啟用連續繼承模式(
image_chain_mode: "chained")以保持角色、服裝和場景 100% 一致。 - 提取圖片後,使用 AI 視覺(
read_file)直接檢查,確認達到 10/10 標準後才能建立影片。
- 務必先使用
-
雙向語音驗證閘道(Bidirectional STT Auditor):
- 正向(防止吞字): 確保關鍵字覆蓋率 ≥ 70%,並掃描腳本結尾 3-5 個單詞(防止語音結尾被截斷)。
- 反向(防止尾音贅詞): 掃描腳本結束關鍵字之後的詞彙。如果影片過長導致 AI 擅自添加 ≥ 2 個無關詞 ➔ 立即標記為
FAILED。 - 100% 真實報告: 嚴禁美化 STT 數據或隱藏贅詞。
- 硬性封鎖指令(Hard Gatekeeper): 當有任何場景未通過
PASSED時,絕對禁止合併影片。
-
精確的時長節奏公式:
- 少於 25 詞:6 秒 - 8 秒
- 25 - 38 詞:10 秒
- 39 - 50 詞:12 秒
- 51 - 65 詞:15 秒(語音指令要求快速、清晰地朗讀)
-
鎖定南部口音與本地詞彙同步:
- 當腳本要求南部口音時:必須將腳本和提示中的所有北部連接詞/語氣詞替換(例如:使用 "ba với mẹ" 代替 "ba và mẹ",使用感嘆詞 "hả", "nghen", "nhen", "hén", "sao kì dạ")。
- 強制使用雙語語音指令:
Voice Directing: Giọng phụ nữ miền Nam Sài Gòn ngọt ngào, phát âm chuẩn phương ngữ miền Nam Việt Nam (Authentic Southern Vietnamese Saigon female voice, soft sweet Southern dialect). Cấm tuyệt đối giọng miền Bắc.
-
兒童語音保護與音高驗證(Pitch Audit):
- 隔離描述與對話(Isolate Prompt from Dialogue): 嚴禁將哲理/金錢/彩禮等內容引用到圖像描述或動作中(
[PROMPT],[MOTION])。描述必須 100% 保留天真童話風格。 - 兒童語音指令鎖定:
Voice Directing: Giọng bé trai miền Nam trong trẻo, hồn nhiên, ngây thơ, nói giọng con nít ngọng nghịu đáng yêu (Cute toddler boy child voice). Cấm tuyệt đối giọng người lớn, cấm tuyệt đối giọng nữ trưởng thành. - 音高驗證($F_0$ Gate): 兒童語音必須達到 $F_0 \ge 250$ Hz(通常為 280-350 Hz)。若 $F_0 < 220$ Hz ➔ 立即標記為
FAILED,禁止合併影片!
- 隔離描述與對話(Isolate Prompt from Dialogue): 嚴禁將哲理/金錢/彩禮等內容引用到圖像描述或動作中(
-
鎖定單角色唇形與鏡頭切換(Shot Ping-Pong):
- 每個影片鏡頭只能有 1 個角色面向鏡頭開口發音。其他配角必須緊閉嘴唇聆聽。
- 兩人或以上對話場景必須拆分為鏡頭切換(1A: 提問者,1B: 回答者),以 100% 防止唇形重疊。
-
標準後製 4 步驟流程:
- Snappy Trim: 透過 STT 二元搜尋檢測音節結束位置,精確剪掉結尾多餘部分(+0.15 秒)並加入 0.15 秒微淡出,100% 去除無聲空段。
- Re-encode Concat: 使用 libx264 重新編碼並合併,消除損壞封包錯誤。
- Speedup 1.1x(保持音高): 將速度提升至 1.1 倍,同時 100% 保持自然語音音高。
- Google Drive Sync: 自動上傳至指定的 Google Drive 資料夾,並清理本地大型檔案。
🛠️ 技能結構
script-to-video-ai-skill/
├── SKILL.md # 為 Antigravity AI Agent 定義的技能
├── PROJECT_RULES.md # 系統強制核心規則(大腦)
├── AGENTS.md # 代理行為與工作風格指南
├── GEMINI.md # 詳細標準文件與故障排除
├── requirements.txt # 必要的 Python 函式庫
├── scripts/ # 自動執行工具集:
│ ├── run_render.py # 提交任務並監控管道
│ ├── dialogue_auditor.py # 雙向 STT 語音驗證腦與音高檢查
│ ├── snappy_trimmer.py # 透過 STT 二元搜尋剪除無聲空段
│ ├── add_footer.py # 解析度自適應浮水印
│ ├── gdrive_uploader.py # 自動上傳影片至 Google Drive
│ └── audio_verifier.py # 音訊分析輔助
├── configs/ # 範例設定檔
│ └── sample_pipeline.json
└── README.md # 從頭到尾的安裝與部署指南