ZJU-REAL/Easel

一鍵短影片（端到端編排）

輸入一個主題，自動產出一條短影片。本 SKILL 是編排層：把既有製作零件串成流水線—— 文案(video-script) → 逐句配圖(ai-image-gen)或片段(ai-video-gen) → 配音(tts-voiceover) → 字幕(auto-subtitle) → BGM(ai-music) → 合成(scripts/assemble.py)。 沉澱自 Pixelle-Video / MoneyPrinterTurbo 的自動短影片引擎思路。

輸入

• 主題 / 文案（必填）
• 可選：目標時長、風格、是否要配音/字幕/BGM、配圖用 AI 生圖還是使用者素材
• 畫幅確認硬門：使用者或上游任務未明確橫版/豎版（或 16:9/9:16/具體解析度）時，製作/付費調用前必須追問並等確認；不得從平台、Profile 或預設值靜默推斷，已明確則不重複問

輸出

成品短影片寫入 outputs/主題名/final.mp4；分鏡圖、配音、字幕和 storyboard 寫入 outputs/主題名/assets/。

執行步驟（按需裁剪，缺 API key 的環節自動降級或詢問）

1. 寫腳本分鏡：用 video-script 把主題寫成口播文案，拆成 N 句（每句一個分鏡），每句配一個畫面描述。

2. 生成畫面（每個分鏡一張圖/一段片）：

   • 有圖像 API key → ai-image-gen 逐句 text2img（按已確認畫幅）
   • 要動態 → ai-video-gen text2video/image2video
   • 使用者自帶素材 → 用 image-editing pad 到已確認畫幅
   • 都沒有 → 按已確認畫幅選圖卡（豎版用 card-xiaohongshu/poster-hero，橫版用 card-quote）再 pad，避免畫幅錯配。

3. 配音：tts-voiceover 把文案合成口播（同時出 SRT）。配了 VOICE_PROVIDER 預設走閉源好嗓子（有情感、像真人），沒 key 才退 edge（機械）——想要口播不『生硬』務必配閉源 key。不需要配音才跳過。

4. 字幕：用 TTS 附帶的 SRT，或對配音跑 auto-subtitle；也可讓 assemble 用各分鏡 caption 自動生成。

5. BGM：ai-music 生成，或用使用者提供的音樂。可選。

6. 合成成片：把上面的素材寫成 storyboard JSON，調合成器：

   python skills/openclaw/auto-short-video/scripts/assemble.py assemble \
     --storyboard outputs/主題名/assets/storyboard.json \
     -o outputs/主題名/final.mp4
   

   storyboard 結構（圖/片二選一，narration/bgm/subtitle 可選，缺 duration 時按配音均分）：

   {
     "size": "<已確認尺寸，如1080x1920或1920x1080>",
     "image_motion": "ken-burns",
     "shots": [
       {"image": "outputs/主題名/assets/shot1.png", "duration": 3, "caption": "第一句", "motion": "static"},
       {"video": "outputs/主題名/assets/clip2.mp4", "caption": "第二句"}
     ],
     "narration": "outputs/主題名/assets/voice.mp3",
     "bgm": "outputs/主題名/assets/bgm.mp3",
     "subtitle": "outputs/主題名/assets/voice.srt"
   }
   

   image_motion 設整條圖片預設運動，單鏡 motion 可覆寫：照片用 ken-burns，含文字的 slide/圖表/介面必須用 static（等比縮放 + 補邊，不裁切、不平移）。 合成器自動做：按 image_motion 生成靜幀或 Ken Burns、補邊到畫幅、拼接、配音+BGM 混音（BGM 自動壓低）、燒錄字幕。

7. 交付：產出 final.mp4，附一句製作說明（用了哪些環節、哪些降級了）。

編排原則

• 零件可缺：缺圖像/影片/TTS API key 的環節自動降級（圖卡兜底 / 跳過配音），不阻斷整體，並如實告知使用者降級了什麼。
• 先出 Plan：涉及多個付費 API（生圖/生影片/生樂）時，先向使用者說明將調用哪些、大致耗時/花費，確認後再跑。
• 中間產物留檔：分鏡圖、配音、字幕和 storyboard 都寫進 outputs/主題名/assets/，方便單獨替換後重新合成。

Profile 感知

• 有 Profile：從 style.md 取調性/視覺風格貫穿文案與配圖 prompt；platforms.md 只用於給出畫幅/時長建議，畫幅仍須確認；preferences.md 紅線過濾。
• 無 Profile：先確認橫版/豎版，再用通用口播風格。