Communitygithub.com

AI 影片產生器

規劃並完成使用生成式影片模型(Google Veo 3.1 / Flow、Kling、Seedance、MiniMax、LTX、PixVerse、Gemini Omni Flash)製作的影片 — 將想法或腳本轉換為分鏡表,並附上可直接複製使用的逐鏡頭提示詞(文字轉影片、圖片轉影片),再將使用者生成的片段組合成一部完成的影片,包含旁白、自動降低音量背景音樂、逐字高亮字幕以及 9:16 / 1:1 / 16:9 匯出。

AI 影片產生器 是什麼?

這項技能模仿 Fliki 的「AI 影片產生器」工作流程,分為兩個模式:規劃與組裝。在模式 A 中,它會收集主題、長度、外觀和模型等詳細資訊,撰寫一個在最初 3 秒內有鉤子的腳本,然後建立一個分鏡表,其中每個鏡頭都帶有獨立且無需依賴上下文的提示詞。提示詞包含對主體、設定和動作的完整描述,並內建一致性「聖經」,確保角色在外觀上保持一致。在模式 B 中,它會接收使用者生成的剪輯片段、檢查是否有瑕疵、選擇旁白(上傳音檔或透過 ElevenLabs API)、對齊音訊、並撰寫一個 `edit.json` 組裝檔案。它會執行 `scripts/assemble.py` 來標準化剪輯、添加淡入淡出效果、混合音訊、疊加逐字高亮字幕,並將音訊標準化為 -14 LUFS。它會生成多種尺寸比例的影片,並透過 `blackdetect` 檢查錯誤,最後交付一個全解析度和一個 720p 的複本。此技能禁止使用未經授權的真人肖像、虛假證詞或過時的模型價格。它整合了 Veo、Kling、MiniMax 和 PixVerse 等平台,特別適合製作「無臉」頻道劇集或廣告。

相容平台~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/1Harsh88/Video-skill/tree/HEAD/.claude/skills/ai-video-generator

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

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

  1. 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
  2. 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。
  3. 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。
  4. 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。
  5. 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

  1. 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。
  2. 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)
  3. 如果有旁白,則進行對齊以取得 words.json:使用 scripts/align.py。
  4. 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)
  5. 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。
  6. 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。
  7. 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。

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。

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

相關技能