Communitygithub.com

calesthio/生成式媒體技能

適用於 AI 代理的供應商無關製作工作流程,用於創作音樂影片、歌詞影片、視覺化內容、表演/敘事/舞蹈影片、社交平台剪輯、專輯或單曲發行素材,以及與歌曲同步的生成式媒體片段。在規劃、導演、提示、編輯、審查或交付圍繞錄製歌曲、藝人表演、歌詞、節拍時機、編舞、平台變體、音樂版權、肖像授權、無障礙性或合成媒體揭露等影片內容時使用。

生成式媒體技能 是什麼?

此技能旨在將一首歌曲轉化為具凝聚性、注重版權且準備好在各大平台發布的影片套件。它將歌曲視為固定主軸,影片的存在是為了強化其結構、藝人形象、歌詞及發行目標。技能涵蓋從概念選擇、歌曲映射、腳本與分鏡撰寫、表演與編舞指導、歌詞與螢幕文字處理、生成影片提示撰寫,到剪輯節奏、對嘴同步、版權與揭露檢查點等一系列工作。支援的平台包括 Claude Code 等 AI 代理工具。其關鍵運作方式是要求使用者必須先收集足夠資訊(歌曲檔案、權利狀態、創意參考),然後選擇主要路線(如表演、敘事、歌詞或視覺化影片),並建立詳細的節拍與樂句地圖,以此為基礎生成精確的提示與分鏡表。該技能嚴格遵循版權與安全規範,禁止在權利未釐清前發布內容,並要求詳細記錄所有來源、授權與審查備註,以確保完整的產出溯源。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/calesthio/generative-media-skills/tree/HEAD/skills/production/content-formats/music-video-production

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

音樂影片製作

使用此技能將一首歌曲轉化為一個內容一致、注重版權且隨時可在各平台上發布的影片套件。將歌曲視為固定主軸:影片的存在是為了強化其結構、藝人形象、歌詞以及發行目標。

不要將其視為一般的影片生成。音樂影片需要節拍映射、樂句映射、歌詞準確性、同步審查、版權備註、表演指導、特定平台的剪輯版本以及批准檢查點。

基本規則

  • 除非藝人、唱片公司或客戶核准了廣播剪輯、潔淨剪輯、音源剪輯、速度變更、淡入淡出或縮短版本,否則保持主音檔不變。
  • 絕不自行臆測權利授權。記錄哪些已授權、未知、由平台提供、已授權、免版稅、公共領域或由 AI 生成。
  • 不提供法律建議。將涉及授權、肖像、代言、工會、唱片公司、發行商或平台風險的問題標記給客戶、版權持有者、唱片公司、經理或法律顧問。
  • 在製作時重新檢查平台規則。音樂庫、AI 標籤、商業揭露工具、廣告規格和上傳限制經常變更。
  • 區分記錄在案的事實與製作啟發法則。事實應追溯至當前來源;啟發法則是創意建議。
  • 保留來源資訊:歌曲來源、歌詞來源、音源、剪輯、模型、提示、種子(若可用)、同意文件、授權、平台檢查和審查備註。

資訊收集

在構思概念之前,收集足夠的資訊:

  1. 歌曲套件
    • 最終音檔、時長、取樣率、位元深度、響度目標(若已知)
    • 歌曲標題、藝人名稱、合作藝人、版本名稱、ISRC/UPC(若已發行)
    • 核准的歌詞、明確/潔淨狀態、歌詞翻譯(若需要)
    • 可選音源:人聲、樂器、鼓組、貝斯、旋律、即興吟唱
    • BPM、調性、拍號、段落標籤(若已知)
  2. 發行與受眾
    • 目標:首映、視覺化工具、歌詞影片、粉絲互動、付費宣傳活動、巡演推廣、專輯宣傳、短影音鉤子測試
    • 目標平台與畫面比例
    • 截止日期、審查批准人、批准順序、鎖定的品牌/藝人指導方針
  3. 權利與安全性
    • 誰擁有或控制母帶與詞曲著作權
    • 同步授權、社交平台使用、付費廣告使用、地區、期限和平台使用權利是否已釐清
    • 是否包含任何取樣、插曲、混音、翻唱或第三方音源
    • 是否需要任何品牌、產品、場地、藝術作品、刺青、標誌、道具或可辨識人物的授權
    • 是否會使用 AI 生成的影片、聲音、肖像、編舞參考或風格參考
  4. 創意參考
    • 2-5 個參考影片及其可借鑑之處:節奏、燈光、鏡頭調度、剪輯節奏、字體處理、攝影語言、色彩、超現實程度
    • 不可複製的內容:藝人肖像、精確編舞、受保護的標誌、獨特場景佈置、逐鏡頭結構

如果權利狀態未知,僅進行規劃或內部模擬。在權利問題解決之前,不建議發布、付費推廣、發行交付或公開上映。

選擇概念路線

選擇一條主要路線和一個次要質感。影片可以混合模式,但不應感覺像六個不相關的概念。

  • 表演影片:藝人或表演者承載情感核心。最適合當魅力、人聲傳遞、樂團能量或明星特質重要時。
  • 敘事影片:故事場景將歌曲的情感弧線戲劇化。最適合當歌詞隱含衝突、轉變、記憶、浪漫、反抗、悲傷或勝利時。
  • 歌詞影片:字體、時機和設計承載體驗。最適合在官方影片發布前、歌詞是主要賣點,或預算/時間緊迫時。
  • 視覺化工具:重複的圖案、循環、氛圍世界、生成式動態或象徵性動畫支援聆聽體驗。最適合專輯、串流畫布和低摩擦的發布素材。
  • 舞蹈或編舞影片:動作是賣點。最適合節奏感強的曲目、短影音挑戰、粉絲參與和以表演為導向的社交宣傳活動。
  • 抽象/生成式媒體影片:AI 片段、動畫、拼貼、模擬或超現實意象圍繞歌曲創造夢境邏輯。最適合當藝人的世界比字面故事更重要時。
  • 發行素材套件:結合主影片、垂直鉤子剪輯、預告循環、Canvas 風格循環、歌詞片段、幕後花絮和平台縮圖。

製作啟發法則:如果歌曲有令人難忘的副歌歌詞,為該詞語設計至少一個可重複的視覺標誌。如果歌曲有器樂重拍,設計一個非歌詞的視覺回報:舞蹈動作、鏡頭移動、色彩切換、超現實轉變或蒙太奇爆發。

建立歌曲地圖

在編寫分鏡或提示之前,建立一個節拍與樂句地圖。

最低地圖要求:

  • 時間碼(mm:ss.mmm 格式)
  • 段落:前奏、主歌、導歌、副歌、後副歌、橋段、間奏、尾奏
  • 小節或樂句數量(若有)
  • 關鍵歌詞片段和人聲進入點
  • 節拍重音、過門、重拍、休止、裝飾音、即興吟唱
  • 情感強度(1-5 級)
  • 剪輯密度目標:長鏡頭、中速剪輯、快速剪輯、閃爍風險、靜音
  • 視覺事件:揭示、動作變化、文字進入、表演特寫、轉場、故事節拍

節拍地圖範例:

00:45.200-01:07.900 | Chorus 1 | hook repeats twice | intensity 5 | cut on snare every 2 bars; hold final hook for 2.5s | lyric text enters on vocal, not before | hero blue-to-red lighting shift

樂句映射比原始 BPM 更重要。依據音樂原因進行剪輯:強拍、歌詞起始、鼓過門、呼吸間隙、韻腳完成、貝斯重拍、和聲變化和靜音。除非音樂類型和概念需要那種強度,否則避免機械地在每個拍子上剪輯。

腳本、拍攝企劃與分鏡表

在提示或拍攝之前,撰寫一個簡短的拍攝企劃。

拍攝企劃應包含:

  • 一句承諾:觀眾會記住什麼
  • 藝人形象:標誌性、脆弱、俏皮、難以接近、紀錄片式、神話、匿名、動畫
  • 世界:地點、時代、色彩、質感、天氣、燈光、鏡頭感
  • 按歌曲段落劃分的結構
  • 重複出現的主題及其演變方式
  • 副歌一、副歌二、最終副歌中各會出現什麼,以及為何每次都要升級
  • 歌詞/螢幕文字的規則
  • 生成片段的規則:真實感程度、攝影語言、連續性錨點、負面約束
  • 批准風險:權利、肖像、閃爍、露骨內容、品牌安全

分鏡表欄位:

ID | Timecode | Section | Shot size | Subject | Action | Camera/motion | Lighting/color | Sync requirement | Asset/source | Notes

同步要求範例:

  • 對嘴精確同步主唱
  • 舞蹈動作落在強拍上
  • 歌詞文字在音節處出現
  • 僅用作插入鏡頭;無嘴部動作
  • 循環必須每 4 小節無縫重新開始
  • AI 片段可以偏移;在器樂質感下使用

表演與編舞指導

針對表演:

  • 在拍攝現場或生成/對嘴指導中使用播放。表演者必須聽到最終核准的音檔版本或與時間碼對齊的播放版本。
  • 按段落指導情感節拍,而不只是「充滿能量地唱」。例如:主歌一克制眼神接觸,導歌踱步,副歌直對鏡頭,橋段轉身背對,最終副歌全身釋放。
  • 捕捉同步安全的鏡頭:鎖定嘴部特寫、中景表演、全身廣角、細節插入、慢動作、非歌唱的插入鏡頭。
  • 在非預期精確同步的鏡頭中,避免出現明顯的歌唱嘴部,除非嘴部被遮擋或不在鏡頭軸線上。
  • 對於樂團,將特色樂器映射到可聽見的時刻。除非是故意的諷刺,否則不要在吉他獨奏時切到鼓手。

針對舞蹈:

  • 根據歌曲地圖標記拍數。備註動作名稱、身體方向、攝影機方向和關鍵影格。
  • 為保持編舞連續性,先拍攝一個乾淨的廣角主鏡頭,然後加入特寫和細節鏡頭。
  • 圍繞 5-15 秒令人難忘的動作來規劃短影音挑戰段落。
  • 如果使用 AI 生成舞者,提示應針對廣泛的節奏和姿勢變化,但必須手動驗證;生成的動作可能不遵循精確拍數。

歌詞與螢幕文字

僅使用經核准的歌詞。如果未提供歌詞,請索取或自行轉錄並標記為未核准。

歌詞影片規則:

  • 將文字對齊主唱人聲,而非樂器網格。
  • 保持換行符合音樂性:樂句、韻腳、呼吸或語義單位。
  • 為主唱、背景和聲、即興吟唱和非歌詞字幕設計階層。
  • 不要在情感時刻遮擋藝人的臉,除非概念是字體優先。
  • 為垂直 UI 疊加層和字幕保留安全邊距。
  • 在可行時提供一個乾淨無文字的主版本,以利在地化和未來編輯。

螢幕文字可以包含標題卡、片尾名單、警告、發行日期、周邊/巡演呼籲行動和揭露聲明。保持揭露資訊易於閱讀,並靠近它們所說明的聲明或內容。

生成影片提示轉換

使用 AI 圖像/影片工具時,將音樂影片方向轉換為製作提示。不要要求模型「製作一個音樂影片」並期望能同步。大多數生成式影片系統在精確對嘴、歌詞時機、文字保真度和連續性方面表現較弱,除非提供者特別支援這些控制項。

提示組成部分:

  • 鏡頭時長和畫面比例
  • 主體身份或虛構角色描述;避免未經授權的真人肖像
  • 一個清晰的動作短語
  • 攝影機運動和鏡頭尺寸
  • 燈光、鏡頭、色彩、質感、地點
  • 來自歌曲地圖的時機錨點
  • 連續性錨點:服裝、道具、色彩、環境
  • 負面約束:無可讀的隨機文字、無多餘手指、無標誌、無唱歌嘴部、無面孔變形、無閃爍

生成片段提示範例:

一個 4 秒、9:16 垂直畫面,用於獨立流行音樂影片的最終副歌。一位虛構的銀色夾克表演者在濕漉漉的霓虹小巷中奔跑,在強拍上猛然轉向鏡頭,並扔出一把閃光粉,化為漂浮的星星。手持跟拍鏡頭,35mm 鏡頭感,飽和的青色和洋紅色,潮濕路面倒影,高能量副歌回報。無真實名人肖像、無可讀標誌、無對嘴嘴部動作、無頻閃、無品牌標誌。

在生成片段最強的領域使用它們:超現實插入、視覺化工具、環境、轉場、象徵性動作、夢境序列和紋理。當對嘴同步至關重要時,使用專業的對嘴或頭像工具、現場錄影或精心指導的動畫。

剪輯節奏

音樂影片剪輯應感覺在音樂上具有意圖性,但不會變得可預測。

  • 在前奏中建立視覺語法。
  • 使用主歌進行敘事、營造親密感或建立世界。
  • 使用導歌進行加速:攝影機運動、較短剪輯、漸增的文字密度、色彩過渡。
  • 使用副歌呈現最可重複的視覺想法。
  • 為最終副歌保留一個升級:新地點、更廣的鏡頭、編舞群體、色彩反轉、雨/火/紙屑、人群或抽象轉變。
  • 讓重要的歌詞有呼吸空間。一個有力的歌詞通常透過延長鏡頭比更多剪輯效果更好。
  • 創造對比:在長時間延長後加上密集蒙太奇,在混亂後加上寂靜,在寬廣編舞後加上特寫。
  • 避免超過無障礙標準的閃爍模式;不要將快速全畫面頻閃作為預設的「能量」解決方案。

有目的地使用剪輯版本:

  • 6-8 秒:賣點/預告/Canvas 風格的循環;僅一個想法。
  • 10-15 秒:社交挑戰或副歌賣點。
  • 20-30 秒:付費社交廣告或發行公告。
  • 45-60 秒:較長的短影音節選。
  • 完整長度:標準音樂影片或視覺化內容。

對嘴與播放同步

針對真人演員或頭像/對嘴工作:

  • 在生成或拍攝同步鏡頭之前鎖定音檔版本。
  • 在現場拍攝時盡可能使用場記板/時間碼或可見的拍板。
  • 將嘴形對齊輔音和樂句開頭;母音本身較寬容,爆發音則不然。
  • 以正常速度和半速檢查同步。
  • 如果鏡頭稍微不對,在最嚴重的音節上使用插入鏡頭,而不是拉伸主音檔。
  • 除非經過明確核准,否則不要更改已發行歌曲的音高、節奏或時序以配合生成的視覺內容。

針對歌詞同步:

  • 抽查所有副歌重複部分;複製貼上的時間經常會偏移,因為人聲的樂句會改變。
  • 確認審查/潔淨的歌詞處理方式與發行的音檔版本相符。

權利、片尾名單與揭露檢查點

當出現以下任何情況時,升級給客戶、版權持有者、唱片公司、經理、發行商、平台專家或法律顧問:

  • 受版權保護的歌曲並非由藝人或客戶擁有/控制
  • 包含翻唱、混音、取樣、插曲、節拍租賃、庫存循環或第三方人聲
  • 影片將用於付費廣告、品牌合作、政治背景、受監管行業或代言
  • 出現真人肖像、聲音複製、數位複製品、檔案素材、粉絲素材、未成年人、私人場所、刺青、標誌或藝術作品
  • 平台原生音樂庫在允許範圍之外使用
  • 生成媒體過於模仿在世藝人、名人、舞者、攝影師、導演或可辨識的視覺風格
  • 可能適用工會表演者、唱片公司合約、發行商或場地規則

需套用的記錄在案的事實(驗證日期:2026年7月11日):

  • YouTube 要求創作者揭露觀眾可能誤認為真實人物、地點、場景或事件的寫實修改或合成內容;YouTube 表示,明顯不寫實、動畫、特效或製作輔助用途通常不在該工具要求的範圍內。來源:YouTube 部落格「我們如何幫助創作者揭露修改或合成內容」及 YouTube 說明「此內容的製作方式」揭露頁面。
  • TikTok 要求創作者標記寫實的 AI 生成內容,並提供創作者和自動 AI 標籤;將未經修改的內容誤導性地標記為 AI 生成可能...

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

calesthio/brand-launch-film-production

Provider-independent production workflow for AI agents creating brand launch films, product reveal videos, manifesto films, campaign hero films, website hero videos, investor/customer launch assets, and social cutdowns. Use when planning, scripting, generating, editing, reviewing, or delivering launch films that must align strategy, claims, brand voice, visual direction, product proof, accessibility, compliance, and multi-platform delivery.

calesthio/character-design-continuity

Provider-independent character design and continuity direction for generated media. Use when an agent must create, preserve, revise, or QA a recurring character across AI-generated images, video clips, avatars, animation, comics, ads, product mascots, serialized social posts, or multi-shot campaigns; especially when building character bibles, reference packs, prompts, expression/pose ranges, costume/hair/makeup/prop continuity, identity and likeness safeguards, iteration plans, handoff notes, or continuity reviews.

calesthio/generative-media-skills

Provider-independent localization and dubbing production direction for AI agents producing translated videos, dubbed ads, social clips, explainers, avatar videos, documentaries, training media, and multi-market campaigns. Use when planning or reviewing subtitle-versus-dub strategy, translation adaptation, glossary/style-guide setup, casting or voice matching, lip-sync or phrase-sync direction, synthetic dubbing boundaries, captions/subtitles handoff, accessibility, platform delivery, client review, or localization QA.

calesthio/generative-media-skills

Provider-independent cinematic trailer production for AI agents creating movie-style trailers, teaser trailers, launch trailers, game trailers, documentary trailers, series promos, and high-impact generated-media previews. Use for trailer strategy, structure, shot planning, voiceover/title-card copy, music and sound-design direction, generated-video prompt translation, edit pacing, platform/runtime choices, delivery handoff, rights/claims caveats, and trailer QA.

calesthio/generative-media-skills

Provider-independent explainer video production for AI agents creating educational, product, concept, nonprofit/public-service, onboarding, training, animated, mixed-media, and short social explainers. Use when an agent must turn a topic, brief, research corpus, product, process, policy, dataset, or complex idea into a factual, accessible, narrated, captioned, storyboarded, generated-media-ready explainer video with claim review, localization, pacing, variants, and QA.

calesthio/generative-media-skills

Use this skill to plan, direct, finish, and QA provider-independent mono or stereo 180-degree, 360-degree, spherical, spatial, wide-FOV, and immersive video. It covers format choice, capture rigs, stitching, nadir and seam management, stereoscopic comfort, attention direction, stabilization, ambisonic and spatial audio, titles, captions, accessibility, edit, color, VFX, projection metadata, Vision Pro, YouTube, headset delivery, device QA, and privacy, location, and likeness rights. Do not use it for interactive XR apps, volumetric/world-model generation, game-engine experiences, or provider-specific video generation prompts.

calesthio/generative-media-skills

Provider-independent captions and media accessibility direction for AI agents producing or finishing generated videos, ads, social clips, explainers, avatar videos, documentaries, podcasts/video recuts, training media, and localized content. Use when planning, authoring, reviewing, localizing, burning in, exporting, or QAing captions, subtitles, SDH, transcripts, audio description, flashing/motion safety, caption readability, or accessible media handoff files.

calesthio/generative-media-skills

Provider-independent dialogue editing and ADR direction for AI agents producing generated videos, films, ads, avatar clips, explainers, localization/dubbing, podcasts, recuts, and social content. Use for dialogue prep, repair, room tone, take comping, sync, ADR cueing, dubbing direction, pronunciation, de-essing, plosives, mouth clicks, voice continuity, synthetic voice consent boundaries, captions/transcripts handoff, mix handoff, loudness, intelligibility, accessibility, and QA.

calesthio/motion-graphics-direction

Provider-independent motion graphics direction for AI agents producing title sequences, lower thirds, explainer graphics, product UI overlays, social ads, kinetic typography, diagrams, data callouts, brand films, and video post. Use when planning, prompting, storyboarding, specifying, implementing, reviewing, or QAing motion graphics across live footage, generated video, UI capture, data visualization, brand systems, typography, accessibility, claim integrity, runtime handoff, and iteration.

相關技能