Communitygithub.com

分鏡腳本廣告製作(Storyboard Reel)

指導 AI 代理如何規劃、構建或剪輯「分鏡腳本廣告」(storyboard reel),最終產出一個 Logo 和一份小型品牌一覽表。當有新任務需要此工藝時使用。

分鏡腳本廣告製作(Storyboard Reel) 是什麼?

這個技能(Storyboard Reel)將手繪分鏡、低多邊形角色的幾張渲染圖以及產品,轉化為一段約 28 秒、9:16 比例的廣告,並配上音樂和音效,不含旁白或字幕。它支援 Claude Code、Cursor 等 AI 代理透過命令列執行,引擎核心為 `python3 scripts/storyboard_reel.py`,邏輯分散在 `sr_lib.py`(鏡頭種類、預設值、時間、檢查)、`sr_shots.py`(繪製)、`sr_matte.py`(去背)和 `sr_media.py`(ffmpeg、rembg、媒體伺服器)等腳本中。工作流程高度結構化,從建立新任務、撰寫 `job.json`(基於分鏡)、去背、製作背景圖、產生聯絡表,到生成影片片段、預覽、撰寫社群貼文,最後渲染並上傳。整個流程設有兩個「閘門」(關卡):在產生聯絡表與預覽後,必須獲得使用者批准才能繼續,以確保品質。此技能支援多種鏡頭類型(例如 logo、dolly、pose、clip、glow、shirt、card、still、scan 等),並提供 VHS 復古效果、手持晃動、淡入閃白等編輯端可調參數。成本方面,背景圖、去背與本地渲染免費,但付費關鍵影格、影片片段(如 OpenArt)及 AI 音樂/音效則需要消耗點數。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/lokiverde/video-studio/tree/HEAD/skills/storyboard-reel

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

分鏡腳本廣告(Storyboard Reel)

將手繪分鏡、低多邊形角色的幾張渲染圖以及產品,轉化為一段約 28 秒、9:16 比例的廣告,並配上音樂和音效。不含旁白或字幕覆蓋在動作之上。

引擎:從專案根目錄(包含 scripts/ 的資料夾)執行 python3 scripts/storyboard_reel.py <command> <job>。使用 --help 可列出所有指令。邏輯位於 scripts/sr_lib.py(鏡頭種類、預設值、時間、檢查)、sr_shots.py(繪製)、sr_matte.py(去背)、sr_media.py(ffmpeg、rembg、媒體伺服器)。在 Windows 上請用 python 代替 python3。

起點:skills/storyboard-reel/job_template.json。使用 new 指令會將其複製到任務中。其中的範例是一個人物加光效的廣告。以鏡頭為主的廣告則是從 clip 鏡頭建構。

格式

  • 9:16,約 28 秒。音樂背景(music bed)決定長度。
  • 引擎繪製的鏡頭種類:logo(黑底)、black、dolly(向人物推進)、pose(定格)、clip(一次圖像轉影片的移動)、glow(道具的光芒聚集並爆開)、white、shirt(白底空白 T 恤,設計淡入,標題在其下方)、card(標題、模型圖、價格、尺寸、顏色、網站)、still(全畫面關鍵圖像)和 scan(透過瞄準鏡搜尋)。
  • 可重新排列、重複或刪除鏡頭種類以符合分鏡。如果某個面板沒有任何鏡頭種類可以繪製,則需要在 sr_shots.py 中新增繪圖函式並進行測試。在繞過此問題進行構建之前,請先說明情況。
  • VHS 效果:在 job.json 中設定 "vhs": 0.5(0 為關閉,1 為全開)。它作用於角色部分,並在白色閃光中淡出,使 T 恤和卡片畫面恢復乾淨。當 vhs 開啟時,主要輸出檔案為 final_9x16_vhs.mp4。

輸入素材

  • 一個資料夾,包含分鏡頁面和角色渲染圖(每個姿勢一張)。檔案名稱中包含 logo、mockup 或 board 的檔案會被自動選取。如果有的話,請加入白底的 Logo 和產品模型圖。
  • 產品頁面網址。new 指令會讀取該頁面的 Shopify .json 檔案以取得標題、價格、尺寸和顏色。
  • 用於揭曉畫面的背面印刷照片,需為素色淺色背景。如果未設定,則會使用 Shopify 的第一張商品圖片。這張圖片通常是很複雜的模型圖,所以請換成一張乾淨的。

工作流程

  1. 新任務。 python3 scripts/storyboard_reel.py new <product-url> <images-folder> [--word <topic>] [--title "<title>"] 將圖片複製到 src/,商品圖片複製到 product/,並填入卡片文案。--word 會以一個主題詞作為任務資料夾名稱的結尾。
  2. 根據分鏡撰寫 job.json。 將每個面板對應到一個鏡頭,設定 panel 以符合分鏡,將每個渲染圖分配給一個角色,並撰寫背景提示(plate prompt)。當 python3 scripts/storyboard_reel.py check <job> 列印出時間軸且沒有任何問題時,即完成此步驟。
  3. 去背(人物廣告):執行 cutouts <job>,然後開啟 work/cut/feet_check.jpg。rembg 可能會在淺色地板上遺漏蒼白的骨骼並保留投射陰影。使用 figures.<name>.feet 方框(以原始像素為單位)修復每個腳部(add 恢復蒼白像素,drop 清除深色地板陰影,rebuild 重新推導方框)。重新執行直到每個腳部都完整。
  4. 背景圖。 執行 plate <job> --n 3 會在媒體伺服器上生成候選背景(免費)。查看 work/bg/plates.jpg 並將 plate.src 設定為最合適的那個。在提示詞中保留 "wide empty flat floor in the foreground",因為角色站立在 look.feet_y 所指定的位置。你也可以將 plate.src 設定為自己的圖片。
  5. 聯絡表,第一個關卡。 執行 stills <job> 會寫入 work/contact_sheet_9x16.jpg。檢查腳部是否站在地板上、角色是否避開了底部的 UI 條,以及卡片文案是否正確。向使用者展示這張聯絡表以及影片片段的報價。停止並等待使用者回覆。
  6. 影片片段,僅在使用者同意後。 執行 kling-frames <job> 會寫入 work/kling/<shot>_start.jpg(以及 _end.jpg,如果片段有結束幀的話),並列印每個提示詞。將這些幀上傳到你的圖像轉影片服務(OpenArt:上傳,使用 openart_model_cost 報價,然後生成),需要在 ~/video-studio/relay/auth.md 中的授權行(AUTH line)下操作。儲存下載的檔案,然後執行 prep-clip <job> <download.mp4> --shot <id>。片段的長度決定了其鏡頭長度。
  7. 預覽,第二個關卡。 執行 preview <job> 會渲染出包含片段伸展和聲音的 work/preview_clip.mp4。逐幀檢查動作,重新執行 stills,然後向使用者展示預覽和新的聯絡表。停止並等待使用者回覆。
  8. 發布文案。 撰寫 job.json 中的 post 部分:一個簡短的 caption,然後是 instagram、tiktok、youtube(標題和描述)、facebook、hooks、order 和一個 cover 備註。引擎會從 sr_post.py 中附加固定的簽名區塊到每個說明文字。請為你的品牌編輯該區塊。當 kit <job> 列印時沒有出現 "post copy not ready" 的訊息時,即完成此步驟。
  9. 批准與渲染。 在使用者同意後:執行 approve <job>,然後執行 render <job>。這會寫入 out/final_9x16_vhs.mp4(類比錄影帶版本,較慢)、out/cover.jpg、out/post.txt 和 out/posts.md。然後執行 render <job> --clean 來寫入乾淨的 out/final_9x16.mp4。每次渲染也會寫入一個 _nomusic 的副本(僅音效,無音樂背景)。檢查記錄檔中的 1080x1920 30/1 <length>s, audio 這一行,然後在剪輯點處擷取幀。--out <path> 會進行旁渲染,不影響 out/ 資料夾和任務狀態。
  10. 上傳。 執行 upload <job> 會將最終成品、副本、封面和發布工具包發送到你的 CDN 儲存空間(BunnyCDN,金鑰在 config.env 中)。如果發布文案中有空的說明文字或遺留的 <placeholders>,它會拒絕上傳。重新上傳會使用新的名稱(_v2),因為 CDN 在重複使用路徑時會繼續提供舊檔案。提供使用者新的 URL,並從 posts.md 貼上各平台的說明文字。發布是使用者的步驟。

預覽關卡(在程式碼中強制執行)

render 會被阻止,直到執行過 approve,而 approve 僅在基於當前任務製作的聯絡表上運作。任何對畫面的變更都會使批准失效:鏡頭、角色、背景圖、外觀、去背、新的片段,或 job.json 中視覺部分的任何路徑。音訊和發布文案的編輯不會使其失效。畫面變更後,請製作新的聯絡表並再次展示。render --no-preview 僅用於使用者對該單一任務的明確豁免。

以鏡頭為主的動作

動態鏡頭是以鏡頭為主的圖像轉影片片段,撰寫方式類似實拍鏡頭:一個攝影機 rig 和鏡頭、一個攝影機運動("不是變焦,不是剪輯"),然後是動作。從低解析度方案開始。帶有慢速變焦的定格靜態畫面看起來像幻燈片。

  • 僅有起始幀: 攝影機是自由的(推軌、弧線移動、前進)。
  • 必須精準落在某個姿勢上的推進: 加入結束幀,是結束姿勢約 1.12 倍的裁切。這樣推進就能精準地落在該處。僅有起始幀的特寫可能會導致頭部錯位。
  • 靜態片段(clip,帶有 start 和 end 圖片路徑)必須跟隨一個 src 是其起始幀的靜態畫面。
  • "in": 1.0 會跳過片段的第一秒。dur: "clip" 會採用片段的實際長度,而 fill 鏡頭則吸收差值。
  • "gain" 會使片段變暗。"lights_out": {"at": 2.8, "flicker": 0.7, "floor": 0.04} 會使燈光閃爍並降至接近全黑,在剪輯階段以零成本完成。搭配相符的音效使用。
  • 保持威脅在畫面之外。黑暗和看不見比螢幕上的怪物更可怕。
  • 保持槍火在畫面之外:切到全黑,讓聲音來傳達。即使被告知,模型仍會讓武器開火,因此請逐幀檢查武器片段,並在任何槍擊發生前結束該鏡頭。
  • 給影片模型的提示詞措辭:
    • 一個緩慢、連續的運動。指出哪些保持靜止(身體、腳部、背景)。
    • 說明道具的行為方式("the staff stays upright and never swings")。避免使用 "swing"。
    • 描述應該出現的內容。否定措辭("no mist")通常被忽略,所以展示少一點。
    • 當道具移動時,整個身體隨之移動:重量、軀幹、頭部。腳部固定。
    • 特寫鏡頭在片段的大部分時間需要緩慢的呼吸和微小的傾斜,然後是一個快速的動作。沒有這些就會看起來像凍結了一樣。
  • 片段長度:3 到 5 秒。較長的片段給模型遊走的空間。

剪輯端可調參數(免費,在剪輯階段處理)

  • "fade_in" 使片段從全黑淡入。"flash" 加入一個白色閃光剪輯。
  • "handheld"(0 到 1)使手持靜態畫面搖晃。在攝影機片段上使用 0,因為它們本身帶有攝影機運動。
  • scan 是透過瞄準鏡搜尋,作為一個獨立的鏡頭,在一個寬景靜態畫面上進行。切勿為此使用影片模型的平移,因為平移會像滑塊一樣滑動: {"kind": "scan", "dur": 4.4, "src": "<wide still>", "span": 0.236, "scope": {"radius": 0.445, "sway": 16, "steady": 2.4}, "path": [[0.0, 0.13, 0.24], [3.2, 0.645, 0.345]]} 每個路徑點是 [秒數, x, y],作用於靜態畫面上。瞄準點會像彈簧一樣追蹤路徑,因此它會超調、修正,最終落在最後一個點上。告訴影片模型 "no circle, no crosshair",如果片段是透過瞄準鏡顯示的話。剪輯階段會繪製瞄準環。
  • "live" 應用於掃描鏡頭時,會在靜態畫面內的指定秒數處播放一個寬景片段,使被攝主體在鏡頭找到他時以真實速度移動。用於消除停頓。
  • 一個模型不會做出的微小機械動作(扳機、開關):從關鍵幀開始在剪輯階段進行調整。將移動部分作為多邊形裁切,填充其後方的背景,在一個緩慢的推動下繞其關節旋轉。裁切畫面,使該動作填滿手機螢幕。
  • shirt 鏡頭的 "from_black": 1.0, "from_white": 0 在分鏡沒有白閃(white-out)時,使揭曉畫面從全黑淡入。

全畫面靜態圖與關鍵幀

當沒有角色渲染圖,或者分鏡包含特寫和主觀鏡頭時使用。

  • still 鏡頭使用一個全畫面圖像 src,可選參數有 push、anchor [x, y]、fade_in、fade_out 和 flash。
  • 關鍵幀來自圖像編輯模型,比例為 9:16。將角色設計稿和場景作為參考提供給它,設計稿優先。在一個測試過的設定中,只有前兩個參考能送達模型,因此請將重要的參考放在前面。
  • 片段的結束幀是其起始幀的編輯版本("the same image, only ..."),以使兩者對齊。一個小的變更在程式碼中進行本地編輯比在模型中編輯更快。
  • 特寫鏡頭要符合設計稿自身的視角:側面鏡頭就是設計稿的真正側面輪廓。
  • 側面輪廓的頭骨要保持真實比例(圓形頭骨覆蓋在短臉之上)。頭罩應順應頭骨形狀並覆蓋頂部和後部。在提示詞中說明這點。
  • 透過頭飾的側面輪廓來判斷。描述輪廓("short, round, ends at the back of the head")。像 "tall" 或 "pointed" 這樣的詞會使圖像模型生成一個巫師帽。
  • 一隻手大約和頭骨的高度一樣長。對於骨骼手,請分別命名指骨。單用 "Thick chunky" 會得到一個拳頭。
  • 開場鏡頭從高處寬廣地拍攝整個場景開始,然後下降到角色。先製作寬景幀,並將結束的特寫幀作為其裁切部分。一個描述 "the camera has moved" 的編輯往往會導致角色在原地被縮放。

先免費製作草稿分鏡

在任何付費呼叫之前,在媒體伺服器上粗略製作每個面板(FLUX,每個約 8 秒)到 work/keys/,然後執行 stills。使用者可以免費看到整個剪輯的模樣。草稿不保持角色一致性,所以在展示時要說明這點。付費關鍵幀會取代這些草稿。 對於新角色,角色設計稿是第一個付費呼叫。之後的每個關鍵幀都將該設計稿作為第一個參考。

每個角色要保持一個螢幕方向(如果草稿面向錯誤的方向,則將其鏡像翻轉)。回歸的角色應使用其真實的關鍵幀來剪輯,絕不使用草稿。

將每個重複出現的角色保存在 assets/characters/<name>/ 中,並附上一個 README:設計稿、服裝規則、他們使用的場景。在任何關鍵幀之前,請先閱讀 README。

音樂與音效

  • 音樂背景:純音樂,約 30 秒,針對 check 列印的時間軸進行創作。典型的起承轉合:在 Logo 處重擊,在推軌鏡頭下是陰鬱的背景音,透過片段和光效是漸強的鋪墊,在白閃處下墜,最後在卡片處重擊。使用 ElevenLabs 音樂生成,或使用你自己的授權曲目。將其儲存為 assets/music/<name>.mp3,並將提示詞放入 audio.prompt。
  • 音效位於 assets/sfx/(撞擊聲、颼颼聲、上升音)。加入 audio.sfx 條目,錨定到某個鏡頭。當道具改變時,製作一個新的。
  • audio.mute: [<shot ids>] 會硬性中斷這些鏡頭上的音樂,並保留音效播放。用於 "cut to black, then gunfire"。
  • 生成的槍聲爆發會模糊成一片噪音牆。生成一個乾淨的槍聲,並在本地分層疊加爆發音:一個低架濾波,每次擊發伴隨一個音高下降的重低音,每次擊發的音高和音量做些微變化,然後加上限制器。

成本

背景圖、去背和本地渲染是免費的。付費關鍵幀、影片片段(OpenArt 或類似服務)以及 ElevenLabs 音樂和音效會消耗點數。請先對每個項目進行報價,並在 ~/video-studio/relay/auth.md 中維護授權行。

job.json 簡介

length(音樂的剪輯點)、product(網址、標題、價格、尺寸、顏色)、plate(src、prompt)、figures(名稱對應到 src,可選 feet、centre_on)、shots(一個列表,包含 id、kind、dur、panel 以及種類特定的鍵值)、vhs、handheld、audio(music、prompt、music_gain、fade_out、mute、sfx)、post(每個平台的文案),以及一個可選的 look。每種鏡頭種類的預設值位於 sr_lib.py 的 SHOT_DEFAULTS 中。螢幕上的文字可以接受 {title}、{details} 和 {site} 作為變數。

注意事項

  • 去背需要 rembg:pip install rembg。cutouts 指令會提示缺少什麼以及如何設定。
  • 光效(glow)會根據顏色找到一個洋紅色的球體。對於其他道具,請設定 light.at([x, y, r],角色方框的百分比)和 light.rgb。對照實際的產品頁面檢查價格和尺寸。
  • ffmpeg 必須在您的 PATH 環境變數中。所有螢幕上的文字都是用 Pillow 繪製的,因此 ffmpeg 不需要 drawtext 濾鏡。

Individual skills in this repo

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

相關技能