Communitygithub.com

YLKC269/MR-Next

專為音樂人、影片創作者與社群媒體編輯打造,用於製作 AI 音樂影片或情感短片,並融入歌詞排版。使用者提供音樂、歌詞、參考素材、角色、排版方向、情緒或目標平台後,此技能會分析節拍與人聲時機、分離角色/場景/文字參考、設計節拍驅動的空間排版、將長作品拆解為連貫鏡頭、審查提示詞,並將生成作業路由至 H3 或其他影片工具。最終產出 MV 概念、鏡頭提示詞、歌詞文字計畫與拼接指南。最適合風格化 MV 與字幕驅動的音樂視覺作品,不適用於一般字幕處理、授權 IP 複製或全手動後期剪輯。

MR-Next 是什麼?

這是一款專為創作 AI 音樂影片(MV)與情感短片設計的高階技能,能將音樂、歌詞、節奏、排版與鏡頭語言整合為一體。使用者提供音樂、歌詞、角色/場景/排版參考圖片、情緒方向與目標平台後,技能會自動分析拍點與人聲時機,設計出與節奏同步的動態空間排版,並將長於 15 秒的作品透過「多鏡頭分鏡+頭尾幀連續+節拍硬切+全域主音軌對齊」機制拆解為多個 2-5 秒的連貫短鏡頭。它支援 TikTok/Reels/YouTube/Bilibili 等多種平台格式,並輸出完整的 MV 提示詞腳本、鏡頭時間線與拼接指南,最終可由 Hub 影片代理平行生成各鏡頭後再統一剪輯調色。此技能的核心價值在於讓排版成為「空間中的動態圖形主體」而非傳統字幕條,同時強制鎖定歌詞不可改寫,確保嘴型與文字完全同步。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/YLKC269/MR-Next/tree/HEAD/skills/mv-subtitle-skill-confirmed

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

音樂美學 MV

用途

當使用者想要創作、修改、審查或生成音樂影片提示詞,或需要將音樂、歌詞、排版、參考素材、節奏、表演與鏡頭語言整體設計的情感短片提示詞時,請使用此技能。工作流程將 MV 提示詞規則轉化為 Hub 執行:關鍵創意決定會先經確認,鎖定的提示詞會寫入畫布文字節點,媒體創作則委派給 Hub 代理。

請勿將其用於一般字幕嵌入、通用影片剪輯、非音樂產品廣告,或缺乏 MV 結構的單純單張圖片/單一剪輯請求。

Hub 相容性規則

  • 請勿假設可使用第三方工具、shell 腳本、瀏覽器外掛或外部生成 API。
  • 將鎖定的提示詞與修改內容寫入 Hub 畫布的文字節點。
  • 將角色卡、場景卡、排版卡、影片剪輯、背景音樂與最終組裝委派給 Hub 的圖片、影片、音樂與剪輯代理。
  • 請勿硬編碼輸出路徑;一律使用 Hub 回傳的路徑。
  • 如果使用者說「跳過確認 / 直接做」,僅對當次運行生效,除非外部協調器有啟用的 session 授權。
  • 如果使用者只想要提示詞,交付後即停止。如果使用者想要完成的 MV,則在確認後繼續生成與組裝。

核心原則

  1. 先理解作品再選擇結構。範本用於組織,但不是強制格式。
  2. 使用最新確認的創意意圖。
  3. 省略無關欄位,不要填入佔位符。
  4. 不要因為預設範本包含,就機械式地加入表演、排版、轉場、鏡頭運動或角色動作。
  5. 螢幕上的文字是設計的視覺圖層,不是一般字幕,除非使用者明確要求字幕。
  6. 如果使用者上傳真實歌曲或節拍,除非使用者要求更換,否則它就是主音樂基底。
  7. 針對長於 15 秒影片的自然多鏡頭拼接:當時長超過模型單次生成限制時,使用「多鏡頭分鏡拆解+尾/頭幀畫面連續+節拍硬切+全域主音訊對齊」。每個片段必須保留相同的律動、速度感、畫面比例、角色邏輯、視覺預設、光線語言與排版運動規則。
  8. 如果使用者想要完成但無歌詞的音樂美學 MV,請先生成並鎖定原創歌詞。最終 MV 必須同時參考角色卡、排版包裝卡與場景卡。排版包裝卡僅控制文字包裝風格、字體紋理、圖形設計、排版比例與運動語言。

步驟 1:前置鎖定

在撰寫最終製作提示詞前,以簡潔的建議選項確認最低基礎。

1.1 影片格式

提供固定選項:

使用情境長寬比解析度
TikTok / Reels / Shorts 直立9:161080×1920
YouTube / Bilibili 橫向16:91920×1080
貼文方形1:11080×1080
密集直立廣告測試9:16720×1280
電影寬螢幕 MV21:92560×1080

所選的比例必須重複用於角色卡、場景卡、排版參考、鏡頭提示詞、影片剪輯與最終組裝。

1.2 目標時長與多鏡頭結構

在撰寫提示詞或生成影片前,先確認目標 MV 時長。切勿將模型預設值當作使用者意圖。

提供簡潔的時長卡:

  1. 10 秒測試:一或兩個鏡頭,用於驗證角色、場景、排版與音訊風格。
  2. 15 秒鉤子:2-4 個短鏡頭,用於更完整的副歌/鉤子/表演段落。
  3. 30 秒或更長的完整 MV (多鏡頭拼接):由於許多模型有 15 秒單次生成上限,自動使用多鏡頭拼接工作流程。先生成或鎖定一首連續歌曲/BGM,將 30 秒分割為 4-8 個動態的 2-5 秒鏡頭,再透過節拍同步與頭/尾幀連續性進行拼接。
  4. 自訂時長:使用者提供時長;根據所選模型的單次剪輯限制規劃鏡頭數與拼接方式。

如果存在上傳的音樂,已確認的時長即為音樂視窗長度。

1.3 音樂視窗

如果上傳或指定的音樂長於已確認的時長,請在撰寫提示詞前鎖定一個片段:

  1. 建議視窗:助理識別最強的副歌/鉤子/情緒轉折點,並請求確認。
  2. 使用者時間戳:使用者提供起始與結束秒數;驗證兩者均在音訊範圍內。
  3. 多變體:僅用於廣告鉤子測試或多種創意方向。

如果音樂短於目標時長,除非使用者明確要求拉伸或延長,否則使用完整音訊。

1.3.0 歌詞鎖定與歌詞優先備用方案

在最終影片提示詞或生成之前,決定歌詞所有權:

  1. 若使用者提供歌詞,則這些歌詞即為鎖定歌詞。除非明確要求,否則不得生成、添加、改寫、擴展、翻譯、改述或替換。
  2. 若使用者想要完成但無歌詞的音樂美學 MV,則生成與音樂風格、人聲模式、時長、情緒與視覺預設相符的簡短原創歌詞,然後鎖定。
  3. 鎖定的歌詞是饒舌/歌唱表演與可見排版的唯一文字來源。
  4. 將鎖定的歌詞分割到每個鏡頭的 Rap line:、Vocal line:、Soft vocal line: 或 Spoken line:。
  5. 每個 Typography: 欄位必須來自相同的鎖定歌詞。在聲樂表演期間,可見文字必須逐字與演唱的短語相符。
  6. 在最終的排版 MV 中,表演者必須說唱或演唱鎖定的歌詞,且可見的嘴唇形狀、下巴動作、呼吸、臉部重音、點頭與手勢重音需跟隨短語與節奏。

1.3.1 針對 >15 秒影片的預設多鏡頭拼接

對於 >15 秒的 MV(例如 30 秒),全域多鏡頭提示稿是權威來源:

  1. 鎖定完整主音訊:鎖定一首連續的歌曲/BGM 音軌,以完整人聲與律動作為唯一的音訊基準。
  2. 建立鏡頭時間表:將 30 秒分割為 4-8 個 2-5 秒的短鏡頭,精確對應到歌詞時間戳與節拍(如小鼓、808、Drop)。
  3. 頭/尾幀與場景連續性:如果鏡頭 B 繼續同一場景,則使用鏡頭 A 的尾幀作為鏡頭 B 的頭幀。如果是硬切,則保留相同的角色卡、服裝、光線提示詞,並使用同方向的鏡頭運動或匹配剪接的視覺元素。
  4. 生成與編輯組裝:影片代理根據鏡頭時間表生成每個鏡頭。剪輯代理將所有片段對齊到全域主音訊的拍點網格,進行修剪、速度調整與拼接,以實現自然的唇形同步、節拍同步與轉場。

步驟 2:創意合約

在最終提示詞之前,建立一份簡潔的創意合約:

  • 音樂類型、樂器配置、速度/BPM 感、人聲模式與情緒溫度。
  • 歌詞來源與鎖定歌詞。
  • 目標時長與多鏡頭拆分(例如 30 秒拆分為 6 個短鏡頭)。
  • 參考圖片角色:角色卡、場景卡、排版包裝卡。
  • 鏡頭語言、鏡頭尺寸、焦點、節拍剪輯密度與轉場邏輯。
  • 排除事項:例如無淡入淡出、無光滑 AI 美女臉、無導致變形的單鏡頭過度拉伸。

步驟 3:參考角色與場景取樣

為每張參考圖片指派單一任務:

  • 排版參考卡:僅控制文字包裝風格、字體紋理、圖形設計、排版比例與運動語言。不得貢獻人物或場景。
  • 角色參考卡:控制角色身分、臉部氛圍、髮型、服裝輪廓、比例、姿勢與存在感。
  • 場景參考卡:控制場景風格、空間氛圍、影像紋理、背景深度與光線情緒。

3.1 近景場景切換與多鏡頭取樣

對於 Trap、Dark-pop、Cyber-grunge 等快節奏 MV,在多個近景空間之間快速切換:

  • 保持場景情緒統一,但每個鏡頭的空間必須明顯不同,例如局部背景、隧道、牆面、燈條或反射地板。
  • 場景切換必須由音樂衝擊點觸發:重低音、808 Drop、小鼓、人聲重音或排版撞擊。
  • 鏡頭切換是 Trap 節拍上的「視覺取樣」:硬切、跳接、掃描故障切、閃切或動作匹配切。

步驟 4:預設語法,以 Dark-pop / Cyber-grunge 與 Trap 為例

視覺與剪輯語言

  • 寫實的高級時尚紋理與電影雜誌質感,參考 90 年代末/00 年代初的獨立雜誌、影印紙張、底片掃描與 Zine 拼貼。
  • 重顆粒、輕微底片抖動、網點、粗糙印刷邊緣、掃描偏移。
  • 剪輯必須僅使用硬切。無淡入淡出、溶解或柔和轉場。
  • 影像與排版強烈回應節拍提示:Hi-hat 滾奏產生微晃/幀跳躍、小鼓觸發放大/硬切/肩膀下沉、808 重低音產生低頻壓縮/拉伸/偏移。

排版包裝規則

  • 排版是空間中的動態圖形主體,而非字幕條。它可位於前景、中景、背景,或被肩膀/手部遮蔽。
  • 文字絕不可遮蓋眼睛或主要臉部表情;在關鍵唇形同步時避免遮蓋嘴巴。
  • 有歌聲時,可見文字必須與實際演唱的歌詞完全一致。每個鏡頭僅有一個主要排版事件。

步驟 5:提示詞結構範本

多鏡頭稿本必須按鏡頭模組化,配準確時長與音訊對應:

[全域美學與角色鎖定]:(全域角色與美學錨點提示詞)

鏡頭 1 (0.0 秒 - 3.5 秒)
Vocal Line: "..."
Typography: "..."
Visual & Action: ...
Camera & Motion: ...
Transition Out: 在重低音上硬切至鏡頭 2 / 同方向甩鏡

鏡頭 2 (3.5 秒 - 7.0 秒)
Vocal Line: "..."
Typography: "..."
Visual & Action: ...
Camera & Motion: ...
Transition Out: ...

步驟 6:BGM 連續性與自然多鏡頭拼接系統

6.1 全域音訊連續性

整個 MV 必須綁定一條主音訊。在分段影片生成期間,請勿使用獨立的斷開片段音訊。所有影片片段在剪輯組裝時,都會對齊到主音訊時間軸上的對應時間戳。

6.2 自然拼接協議

針對 >15 秒的拼接,強制執行五項連續性鎖定:

人聲與唇形連續性:切點必須落在歌詞暫停、呼吸、小鼓或 Drop 處。請勿在正在進行的母音或歌詞中間進行硬切,除非下一個鏡頭是帶有連續嘴型的極特寫。

節奏與拍點匹配:切點必須落在 1/4 或 1/8 拍點網格上。使用速度調整來對齊點頭、手勢與眨眼至拍點。

美學與調色:每次跨鏡頭生成都攜帶相同的美學標題提示詞:顆粒程度、LUT 方向與光線方向。最終組裝使用統一的 35mm 底片顆粒與 LUT 來隱藏批次顏色差異。

轉場與運動連續性:對於長鏡頭延續,使用前一鏡頭的尾幀作為下一鏡頭的頭幀,並提示動作的延續。對於硬場景切換,使用動能連續性,例如同方向平移或手部遮蔽匹配剪接。

排版運動拼接:前一鏡頭中的文字應在重低音上碎裂、橫掃或撞擊畫面;下一鏡頭的文字則在重音上撞入或展開,轉移視覺動量。

步驟 7:檢查清單

在交付前默默驗證:

  • 若目標時長超過 15 秒,是否已自動使用多鏡頭拆分?
  • 是否已鎖定一條全域主音訊,且切點是否與節拍對齊?
  • 切點是否避免在歌詞中途斷開人聲,並確保自然的唇形與呼吸連續性?
  • 相鄰鏡頭是否有明確的拼接邏輯(如尾/頭延續、同方向運動、匹配剪接或節拍硬切)?
  • 剪輯風格是否嚴格為硬切,無淡入淡出或柔和轉場?
  • 角色/場景/排版卡是否已隔離,無交叉污染?
  • 排版是否為空間圖層,從不遮蓋眼睛或主要臉部表情?
  • 影像品質、顆粒、顏色與光線是否全域一致?

步驟 8:畫布交付

在完整的 MV 提示稿鎖定後,將其寫入名為 Complete MV Prompt 或 完整MV Prompt 的專用畫布文字節點。該節點必須包含完整的多鏡頭提示稿與拼接備註。後續修改將更新同一個節點。

步驟 9:最終 MV 生成與組裝工作流程

  1. 提示詞鎖定與畫布寫入:確認包含時間戳、歌詞對應與轉場邏輯的完整多鏡頭提示稿已寫入畫布。
  2. 平行鏡頭生成:影片代理根據鏡頭時間表生成每個 2-5 秒的鏡頭。對於延續鏡頭,提取前一鏡頭的尾幀作為下一個 I2V 的頭幀。
  3. 多軌剪輯與拼接:剪輯代理匯入全域主音訊,將所有鏡頭影片按時間戳對齊,在拍點網格上進行修剪與速度調整,並使用同方向運動或閃切遮罩檢查接縫。
  4. 後製完成:套用統一的 Movie LUT 與 35mm 底片顆粒疊層,以減少 AI 塑膠感並鎖定視覺一致性。
  5. 交付:輸出無縫的完整 MV 影片檔案。

Individual skills in this repo

This repo contains 5 individual skills — each has its own dedicated page.

YLKC269/MR-Next

Create complete stylized 3D animated shorts from a story idea through an ordered production workflow covering project brief, story outline, character and environment cards, standardized shot planning, text or optional pencil storyboards, video-model selection, single-shot generation, assembly, BGM matching, and final review. Use when the user wants an end-to-end narrative animation workflow with strong character consistency, scene continuity, timing, camera, performance, and audio control. Not for single images, simple edits, photorealistic live action, or one standalone clip.

YLKC269/MR-Next

For marketers and creators producing promotional content for brands, products, websites, apps, shops, or personal projects. Users provide logos, product images, interface screenshots, official links, or other verifiable assets and confirm duration, aspect ratio, audience, and campaign focus. The Skill organizes brand facts and asset provenance, selects a narrative direction, plans precise beats and shots, generates needed imagery, video, voiceover, or music, and completes assembly and pre-delivery review. It outputs a promotional short that highlights product capabilities, use cases, and a call to action. Best for launches, website showcases, and social promotion; not for imitating real brand marks without authorized assets, inventing product claims, or producing long-form narrative films.

YLKC269/MR-Next

For creators making surreal short videos that blend rough glowing hand-drawn animation with live-action spaces. Users provide a scene idea, contact object or hand, desired mood, and optional language or style constraints. The Skill clarifies the physical contact, designs continuous morphing, escape route, and delayed handheld chase movement, then writes a reusable 15-second 16:9 video prompt in the user's language. After user confirmation it recommends MiniMax H3 generation and checks contact realism, camera delay, rough glowing stroke texture, and non-horror tone. Best for single-scene creative clips, not polished CG, horror jump scares, plush characters, or multi-scene cuts.

YLKC269/MR-Next

Turn product images and ad requirements into minimalist product ad shorts for e-commerce promotion and product launches. The Skill confirms format and product variants, extracts selling points, writes concise English ad copy, builds product anchors, plans beat-synced typography/storyboards, and generates a clean product film with premium camera language. Not for KOC talking-head ads, general editing, or complex screen demos.

YLKC269/MR-Next

For creators explaining science, education, or general knowledge through tactile handmade papercraft visuals. Users provide a topic, core knowledge points, or source material and may specify audience, duration, aspect ratio, and deliverable type. The Skill extracts the learning goal and visual metaphor, proposes creative directions, designs paper characters, layered diorama sets, and props, creates preview concepts plus image and video prompts, and plans storyboards, camera movement, transitions, and sound with staged approvals and review checklists. It outputs a production-ready papercraft stop-motion explainer package, or selected assets such as still prompts, image-series prompts, short-video prompts, or storyboards. Best for cut-paper, pop-up-book, layered diorama, and miniature stop-motion explainers; not for standard 2D cartoons, line doodles, live action, or explainers without a paper-art look.

相關技能