katha-studio 是做什麼的?
您將與使用者共同完成一部完整的動畫故事影片。一部影片就是一個資料夾,裡面包含一個 film.json。
工具為 python3 "${CLAUDE_SKILL_DIR}/scripts/katha.py"(以下簡稱 KATHA)。它不需要任何 pip 套件。
需要付費的步驟(角色表、圖片、對嘴、移動)會顯示價格並暫停。僅在加上 --yes 參數時才會實際扣款。
請在使用者在聊天中同意該價格後,才執行 --yes。語音步驟會使用使用者自己的 ElevenLabs 配額。
需要時請閱讀以下文件:
references/film-format.md:film.json中每個欄位的說明。references/story-craft.md:如何撰寫能留住觀眾的 katha 劇本,以及鏡頭規則。references/troubleshooting.md:已知問題與解決方法。
0. 首次執行:引導設定
當使用者是新手,或後續任何步驟因缺少工具或金鑰而失敗時,請執行此步驟。
- 執行
KATHA doctor。它會針對每個項目顯示 OK 或 MISS,並附上修正方法。 - 對於每個 MISS,逐一為使用者提供適用其系統的確切修正指令。請等待使用者回報完成後再繼續。
- 金鑰:告知使用者建立一個 fal 金鑰 (https://fal.ai/dashboard/keys) 和一個 ElevenLabs 金鑰 (https://elevenlabs.io/app/settings/api-keys),並在 fal 中存入點數(製作第一部短片,US$10 已足夠)。
- 告訴使用者在自己的終端機中執行
python3 "${CLAUDE_SKILL_DIR}/scripts/katha.py" setup。切勿要求他們將金鑰貼到聊天中,也請不要自行輸入金鑰。 - 再次執行
KATHA doctor。僅在顯示 READY 時才繼續。
注意:ElevenLabs 的免費方案不允許商業使用。要營利的頻道需要 Starter 或更高階的方案。
1. 故事(關卡 1:使用者批准劇本)
- 一次問一個問題:故事內容、語言、長度(第一部影片建議從 1 到 3 分鐘開始)、以及頻道名稱。
- 執行
KATHA new <folder> --title "<title>" --language <code>。 - 撰寫
film.json:風格、角色(每個角色需包含完整的look)、配音員(旁白加上每個會說話的角色各一位)、以及場景。請遵循references/story-craft.md。 - 執行
KATHA validate <folder>並修正所有 FAIL 的項目。 - 以表格形式(包含編號、說話者、類型、台詞、簡短圖片描述)向使用者展示劇本,並顯示
KATHA cost <folder>。根據他們的意見修改,直到獲得批准。
2. 配音
- 執行
KATHA voices --language <code>(可加上--gender male、--accent standard或--search "old"來縮小範圍)。為每個角色提供 3 個選項,並附上試聽連結。 - 使用者選定後,將對應的 voice_id 填入
film.json的voices欄位。使用程式庫中的語音無需將其新增到帳戶。 - 僅當語音步驟因「voice not found」錯誤而失敗時,才執行
KATHA voices --add <voice_id> --owner <owner> --name "<role>"。這會使用帳戶中的一個語音槽位。 - 執行
KATHA voice <folder> <2 或 3 個 id>,並請使用者聆聽audio/raw<id>.mp3後,再進行完整影片的配音。
3. 角色(關卡 2:使用者批准每個角色表)
- 執行
KATHA sheets <folder>,告知使用者價格,待其同意後加上--yes執行。 - 使用「讀取」工具親自檢視每一張
img/char_<id>.png。檢查年齡、臉部、服裝、顏色以及人數。 - 將角色表展示給使用者。如果有角色表不正確,請修改該角色的
look,然後執行KATHA sheets <folder> <id> --yes。
角色表是影片的身份標識。在使用者批准角色表之前,絕不要生成場景圖片。
4. 圖片、語音、動作
KATHA images <folder>(會顯示價格),然後加上--yes執行。它只會生成缺少的圖片。- 檢視
img/contact.jpg,然後打開每張看起來有問題的圖片。檢查:角色是否正確、有無多餘人物、有無文字、有無錯誤的皇冠或服裝,並且確認每個對話場景都有清晰正視的臉部且嘴巴閉合。 - 重新製作有問題的圖片:改進其
image提示詞,然後執行KATHA images <folder> <id> --yes --redo。 KATHA voice <folder>。它會快取每句台詞,所以第二次執行是免費的。修改文字後,要重新製作某句台詞,請執行KATHA voice <folder> <id>。KATHA talk <folder>(會顯示價格),然後加上--yes執行。僅在那些場景的圖片和語音都最終確定後才能執行:新的圖片或新的語音需要新的片段。- 親自檢視每一張
clips/s<id>_check.jpg。如果片段顯示了字母、偽字幕或改變的臉部,請重新製作:KATHA talk <folder> <id> --yes --redo。 - 如果影片包含
move場景:KATHA move <folder>(會顯示價格),然後加上--yes執行。
5. 建置與檢查(關卡 3:使用者觀看影片)
KATHA build <folder>。輸出:out/<slug>.mp4和out/thumbnail.jpg。KATHA check <folder>必須顯示 PASS。KATHA frames <folder>,然後自行檢視out/frames.jpg和縮圖。- 撰寫
out/youtube.md:3 個標題選項(少於 70 個字元,包含故事名稱加上情感鉤子)、一段描述(2 行摘要、道德寓意、故事出處文字、根據場景長度包含時間戳的章節)、10 個標籤,以及用於 YouTube Studio 的「修改過的內容」問題所需的一句「使用 AI 工具製作」。 - 請使用者觀看完整影片(含聲音)。根據他們的要求,在各自的步驟中修正每個問題,然後重新建置。
來自實際錯誤的規則
- 每個對話場景都需要正面的特寫鏡頭,包含頭部和肩膀,嘴巴閉合。側面或低頭的畫面會導致對嘴效果不佳。
- 保持對嘴提示詞為預設的「.」。含有台詞文字或「無字幕」等字眼的提示詞,在測試中會導致 Kling 畫出假的字幕文字。Kling 沒有負面提示詞功能。
- 對於成年神明,請寫「約 30 歲的成年男性(不是兒童)」。沒有這句話,模型經常會把克利須那(Krishna)等神畫成兒童。
- 如果某個場景有風險,請寫出角色「不要」穿什麼(例如對貧窮的婆羅門寫「沒有皇冠、沒有珠寶」),因為模型會模仿畫面中另一個角色的服裝。
- 保持每句台詞在 250 個字元以內。將長篇演講拆分為 2 個場景和 2 張圖片。
- 不要複製其他頻道的劇本、角色或縮圖。古老的故事可以自由講述,但模仿其他頻道的演繹方式是不允許的。
- YouTube 可能會因「不真實的內容」(大量製作且無人工作業的影片)而停止營利。告訴使用者要變化故事和結構,並以自己的聲音加入個人開場或道德寓意。