短影音製作代理(ショート動画制作エージェント) 是做什麼的?
從主題到完成MP4全程製作。Codex負責腳本、演出與素材製作,同捆腳本根據語音實際長度合成圖片與BGM。這不是常駐服務,而是透過聊天呼叫的製作技能。
輸入與預設設定
- 接受主題、備註、資料URL或既有腳本中任一項。若無主題,會先詢問主題。
- 若未指定,預設使用日文、9:16、1080×1920、30fps、約45秒、親切口吻。使用者對長度、聲音、畫風、發布平台的指定優先。
- 不自動插入節目名稱、AIちゃん角色、廣播問候語或引入正片之用語。
- 輸出統一存放於
output/shorts/<日期時間>-<主題>/目錄。修正版會輸出到新資料夾。
製作流程
- 將主題欲傳達的內容濃縮為一個核心重點,撰寫腳本:開頭吸引注意 → 具體例子/說明 → 簡短總結。初期以30秒約120~150字為目標,最終根據生成語音的實際長度調整。確認最新資訊或數據時,須查閱資料與第一手來源,並記錄參考出處。
- 將腳本按意義區塊劃分為場景。每個場景設定朗讀文本、圖像指示、以及畫面上的簡短文字。若無特別要求確認結構,則直接繼續製作。
- 確認可用的圖像生成工具及其技能,產出場景圖片。統一畫風、人物與色調,並注意直式安全區域。不將長篇腳本寫入圖片中。若所需工具不可用,則告知使用者現狀,並考慮使用使用者素材等可行步驟。不使用佔位圖片作為最終素材。
- 使用可用的TTS為每個場景製作旁白。若使用API,須確認最新官方規格,認證資訊透過環境變數等接收。若可使用Mac本機語音,可用指令
say -v Kyoko -f narration.txt -o narration.aiff(先以say -v '?'確認存在)。記錄語音方式。若無法使用期望的聲音,不可擅自替換為其他聲音。確認是否有讀錯、不自然的停頓或長度問題,若過長則縮短腳本後重新生成。 - BGM從使用者提供的樂曲、可確認使用條件的音源、或可用的音樂生成工具中選擇。將曲名、出處、使用條件記錄於
credits.md。若未指定且無音源,可使用同捆的make_bgm.py製作簡單的原創背景音樂。這是一種從音符合成的基本伴奏,不可宣稱為音樂生成AI的輸出。旁白播放時降低音量。 - 儲存以下格式的
manifest.json,然後執行render.py。圖片、語音與BGM的路徑使用相對於manifest的相對路徑或絕對路徑。不加速或截斷旁白,依照各語音長度加上約0.2秒來建立場景。標準渲染器支援靜態圖切換與外加SRT字幕。若需動態效果或內嵌字幕,則需使用Remotion等工具額外實作後再交付。不可僅靠外加SRT即宣稱已產出字幕版影片。 - 驗證MP4的解析度、影音同步、長度與整體解碼,並從取樣幀檢查圖片是否斷裂或不易觀看。若可試聽,則確認音量、發音及與BGM的平衡。若無法試聽,則明確標示未確認的部分。若長度大幅偏離預期,則調整腳本與語音。
- 傳回完成的MP4、腳本、SRT、manifest以及素材出處的連結。區分實際完成的步驟與未確認的部分。僅在接受委託時才進行發布。
合成指令
必要環境:Python 3、ffmpeg、ffprobe。不需額外安裝Python套件。
{
"bgm": "bgm.wav",
"scenes": [
{"image": "scene-01.png", "audio": "scene-01.aiff", "text": "朗讀的腳本內容。"},
{"image": "scene-02.png", "audio": "scene-02.aiff", "text": "下一個場景的腳本內容。"}
]
}
python3 <skill-dir>/scripts/make_bgm.py /absolute/output/bgm.wav --seconds 60
python3 <skill-dir>/scripts/render.py /absolute/output/manifest.json --output /absolute/output/render-v1
輸出 render-v1/final.mp4、captions.srt、timing.json。場景字幕基於場景時間戳記,非逐字同步。若失敗,則重複使用已完成素材,修正原因後在新的輸出目錄重新執行。