AI 影片產生器(提示詞 → 剪輯 → 完成影片)
此技能模仿 Fliki 的「AI 影片產生器」堆疊(請參閱 references/fliki-notes.md):生成式影片模型負責製作鏡頭,而後製層則加入旁白、字幕、音樂和尺寸調整。
模型使用權限: 此容器無權存取模型。使用者必須在自己擁有的 Flow / Kling / Fliki 帳戶(或其他工具)中,根據這裡撰寫的提示詞來生成剪輯。此技能負責規劃和後製。
模式 A — 規劃 + 提示詞
- 簡介。 收集以下資訊,若使用者未指定則使用預設值:
- 主題或腳本
- 長度(預設 30–60 秒)
- 長寬比(9:16 Reels、16:9 YouTube、1:1 貼文)
- 風格(電影感、動畫、3D、UGC 手機拍攝、產品攝影棚…)
- 他們擁有哪些模型
- 旁白和字幕的語言
- 腳本。 撰寫一個在前 3 秒內有鉤子的腳本,一個鏡頭一個想法,並加上行動呼籲。對於事實,僅使用使用者的來源或經過驗證的搜尋結果。顯示腳本並等待使用者確認。
- 分鏡表。 每個鏡頭 3–8 秒(多數模型製作 4–10 秒的剪輯),以表格呈現:
# | 時間 | VO 台詞 | 鏡頭 | 模型 | t2v 或 i2v。 - 逐鏡頭提示詞。 使用
references/prompt-guide.md中的範本,每個鏡頭一個圍欄程式碼區塊,方便使用者逐一複製。- 每個提示詞必須能獨立運作:重複主體的完整描述、場景設定、光線、鏡頭、動作、風格和長寬比。模型不會記住先前的鏡頭。
- 一致性: 在「聖經」中定義每個角色和產品一次(臉部、頭髮、服裝、顏色、道具),並在每個鏡頭中貼上相同的詞彙。對於困難案例,先為參考靜止畫面撰寫圖片提示詞,然後從該圖片進行圖片轉影片。
- 原生音訊: 如果模型能生成音訊,請加入
Audio:行(僅環境音和音效)。僅在使用者想要鏡頭內人物說話時,才將對話放在引號內。 - 模型擅長處理的內容: 每個鏡頭一個動作。一個鏡頭運鏡加上一個主體動作是可以的;三個同時發生的事件通常會失敗。
- 文字: 不要要求模型生成可讀文字、標誌或 UI。這些應在組裝階段加入,或作為程式繪製的疊加層。
- 交接。 提供給使用者:
- 分鏡表
- 提示詞
- 下載檔案的命名規則(
s01.mp4、s02.mp4…) - 「請將剪輯寄回此處,我會幫您完成影片」
模式 B — 組裝剪輯
- 取得剪輯(透過聊天上傳、雲端硬碟連結或工作空間中的檔案)。使用
ffmpeg … tile製作聯絡表,並檢查每個剪輯是否符合其鏡頭:主體錯誤、變形的手或臉部、不需要的文字。對於不好的剪輯,建議重新生成,而不是直接使用。 - 旁白。 選擇一種:
- 使用者提供的 MP3 檔案
- 透過
request_credential使用 ElevenLabs(主機api.elevenlabs.io,標頭xi-api-key)— 切勿在聊天中索取金鑰 - 無(僅字幕)
- 如果有旁白,則進行對齊以取得
words.json:使用scripts/align.py。 - 撰寫
edit.json(格式位於scripts/assemble.py頂端):- 每個剪輯的修剪點:剪去前 0.3 秒和後 0.3 秒(模型常在這些地方出現抖動)
fit涵蓋/包含、fade- 旁白、音樂 +
music_db、單字、字幕樣式 fontsdir搭配本機 woff2/ttf 檔案(印度語需要)
- 渲染。 執行
python scripts/assemble.py edit.json final.mp4。此腳本會將每個剪輯標準化為 W×H 和 FPS、交叉淡入淡出、混合剪輯音訊、旁白和音樂(旁白時音樂音量降低)、燒錄逐字高亮字幕,並套用 loudnorm −14 LUFS。 - 其他比例。 更改 W/H 並再次渲染。使用
cover進行滿版素材,使用contain進行無法裁切的廣角鏡頭。 - 交付。
- 使用
blackdetect檢查是否有黑畫面。 - 製作一個小於 20 MB 的 720p 複本,用於 WhatsApp。
- 使用
SendUserFile傳送兩個檔案。
- 使用
規則
- 真實人物: 不得使用真實、在世人物的逼真 AI 肖像(政治人物、名人、一般人),除非是使用者本人且獲得同意。請改用剪影或象徵性鏡頭。提醒使用者,YouTube 和 Meta 要求標示逼真的 AI 生成內容。
- 無虛假主張: 不得有假見證、捏造的統計數據,或假裝是真實客戶評論的 UGC。若廣告未聲稱是真實人物的經驗,則採用 UGC 風格是可行的。
- 模型規格變化迅速: 剪輯長度、價格和模型名稱在
references/中有附日期註記。必要時請檢查使用者的工具,且不要承諾確切的點數或價格。