自媒體影片製作
將一個主題做成可直接發佈的多平台影片。涵蓋文旅民族文化、知識科普、產品帶貨、生活劇情四類內容，支援三條產線：出提示詞包、出畫面、出成片 MP4。
核心原則
先定規格，再寫內容，最後出畫面。 順序錯了會導致返工：畫幅定了寫腳本、腳本定了配畫面、字幕規格隨畫幅走。
按需消耗。 生圖和生影片消耗積分，動畫面生成前先報預計消耗，讓用戶確認再執行。
不越界。 不自動發佈到任何平台，不讀寫用戶帳號憑據，不刪除用戶已有檔案。
執行流程
第 1 步：確認規格
從用戶輸入中提取以下資訊，缺省項按下表補齊。提取不到且會顯著影響結果時才追問，一次最多問一個關鍵問題。
| 項目 | 缺省值 | 可選值 |
|---|---|---|
| 畫幅 | 9:16 豎屏 | 9:16 豎屏、16:9 橫屏、1:1 方形 |
| 清晰度 | 1080P | 720P 輕量、1080P 高清 |
| 時長 | 45 秒 | 15 秒、30 秒、45 秒、60 秒、90 秒 |
| 內容類型 | 按用戶描述判斷 | 文旅民族文化、知識科普、產品帶貨、生活劇情、風景混剪 |
| 產線 | 按用戶措辭判斷 | 提示詞包、畫面、成片 |
產線判斷規則：
- 用戶說「給我提示詞」「我要複製到豆包/即夢/可靈」「只出文案」→ 路線 A
- 用戶說「出畫面」「生成影片」「要圖片」「配上畫面」→ 路線 B
- 用戶說「合成」「出成片」「要 mp4」「最終檔案」→ 路線 C
- 都沒明說時：先給路線 A 的提示詞包，末尾告知可升級到 B 或 C
畫幅對應的解析度固定：9:16 輸出 1080×1920，16:9 輸出 1920×1080，1:1 輸出 1080×1080。
第 2 步：寫文案與分鏡
按內容類型選擇腳本結構，載入 references/script-templates.md。
輸出為 Markdown 表格，列為：鏡號、時間區間、畫面內容、口播文案、字幕文字、素材需求。
硬性要求：
- 開頭 3 秒必須有鉤子，類型按內容定：提問、反差、懸念、利益點、視覺奇觀
- 每個鏡頭的口播控制在 15 到 25 字，唸出來不超過 6 秒
- 總時長嚴格等於目標時長，各鏡時間區間連續且不留空檔
- 字幕文字與口播文案一致，不另寫一套
- 結尾 3 秒有明確行動引導或懸念收尾
第 3 步：定畫面風格
載入 references/visual-styles.md，按內容類型和情緒選定風格。
每條鏡頭輸出畫面提示詞，格式：
主體 + 動作 + 環境 + 光線 + 鏡頭語言 + 風格 + 畫幅
提示詞必須包含畫幅關鍵詞，供生圖和生影片模型識別。
第 4 步：出字幕規格
載入 references/spec-sheet.md，輸出字幕參數表。
必出欄位：字體、字號、顏色、描邊寬度、描邊顏色、位置、背景樣式、顯示模式、動畫。
按畫幅自動換算字號：豎屏 60，1:1 方形 54，橫屏 48。
字幕文字必須逐句斷行，單行不超過 14 個漢字，超過則拆行。
第 5 步：配配音方案
載入 references/tts-domestic.md，輸出配音方案。
按優先級推薦：免費檔（Edge TTS）、進階檔（SiliconFlow / Fish Audio）、複刻檔（VoxCPM）。
必須給出：音色名稱、語速、音量、情緒標註、可試聽渠道。
第 6 步：出產物
按產線執行。
路線 A 提示詞包：輸出一份完整 Markdown 文件，包含腳本表、畫面提示詞、字幕規格、配音參數、剪輯參數。可直接複製到豆包、即夢、可靈、剪映。
路線 B 畫面生成：先報預計積分消耗，用戶確認後逐鏡呼叫生圖和生影片能力。呼叫時傳入第 3 步的提示詞。
路線 C 成片：呼叫本機工具鏈合成 MP4。
python scripts/make_video.py --spec 規格文件.json --out 輸出目錄
第 7 步：交付與自檢
按下表逐項核對，全部通過才交付。
| 檢查項 | 通過標準 |
|---|---|
| 時長 | 實際時長與目標誤差不超過 1 秒 |
| 畫幅 | 解析度與畫幅匹配 |
| 字幕 | 無錯別字，無遮擋關鍵畫面 |
| 音畫同步 | 字幕出現時間與口播對齊 |
| 素材 | 無重複片段明顯露出 |
| 版權 | 背景音樂和素材來源已標註 |
| 平台合規 | 無絕對化用語、無虛假承諾 |
任一項不通過則修復後重新出片。
三條產線的差異
路線 A 提示詞包
產出物是一個 Markdown 文件。用戶拿到後自己到各平台生成。不消耗積分，不需要本地環境。
境外素材庫（Pexels、Pixabay、Coverr）在文件中標註「需代理」，國內平台標註為免代理。
路線 B 畫面生成
產出物是本地圖片和影片片段檔案。消耗積分：單圖約 5 到 10 積分，5 秒影片約 50 到 100 積分。
執行前必須報出本鏡預計消耗。單個鏡頭的畫面描述要具體到能直接用於生成，抽象描述會導致畫面空洞。
路線 C 成片
產出物是最終 MP4 檔案。需要本機有 FFmpeg。
畫面來源可以是 B 產出的檔案，也可以是用戶自備素材。用本地素材時先確認檔案路徑和時長。
國內可用渠道
主線只用國內可直接訪問的渠道：
- 配音：Edge TTS（免費免 Key）、SiliconFlow 硅基流動、Fish Audio、MiniMax
- 文案：豆包、通義千問、DeepSeek、智譜清言、Kimi
- 畫面：豆包、即夢、可靈、通義萬相
- 剪輯：剪映
境外源（Pexels、Pixabay、Coverr、Edge TTS 以外的 ElevenLabs 等）只作為可選增強，使用時必須標註需代理。
停止條件
出現以下情況時停止並說明，不要硬撐：
- 用戶要求的時長與畫幅組合在當前生影片能力下無法實現
- 畫面提示詞無法支撐該鏡頭的敘事意圖
- 成片路線中 FFmpeg 不可用且用戶不接受降級
- 涉及未授權素材、他人肖像或版權內容
- 用戶要求自動發佈到平台
依賴檢查
執行前運行：
python scripts/check_environment.py
返回 ready 說明環境完整，直接進入正常流程。返回 partial 時繼續可用功能並說明受限項。返回 needs_setup 時只展示當前任務缺失的項。返回 unavailable 時給恢復步驟和安全降級方案。
降級策略
| 缺失項 | 影響 | 降級做法 |
|---|---|---|
| 生影片能力 | 路線 B 無法出動態畫面 | 改出靜態圖配 Ken Burns 緩動，或轉路線 A |
| 生圖能力 | 無法生成首幀 | 改用純文生影片，或轉路線 A |
| FFmpeg | 路線 C 無法合成 | 轉路線 A，並輸出剪映可直接匯入的字幕檔案 |
| 字型檔案 | 字幕渲染失敗 | 回退到系統黑體，提示樣式可能有偏差 |
| 背景音樂 | 成片無配樂 | 輸出靜音成片，附音樂推薦清單 |
降級後必須標註限制和驗證狀態。核心正確性無法保障時停止，不猜結果頂替。
參考檔案
references/script-templates.md四類內容的腳本結構與鉤子模式references/visual-styles.md風格庫、配色、運鏡、畫面提示詞模板references/spec-sheet.md畫幅、清晰度、字幕、配音、剪輯全參數references/tts-domestic.md國內配音渠道、音色選擇、參數配置references/setup-guide.md依賴安裝與帳號配置assets/subtitle-presets.json字幕樣式預設