virtual-singer-mv-script

用途

虚拟歌手 MV 分镜剧本生成器用于为虚拟歌手生成完整的 MV 分镜剧本，从歌词或音频出发，产出可执行的视频制作蓝图。它面向需要将音乐与视频分镜对齐的创作流程，帮助把音频/歌词转化为结构化的分镜脚本。

主要能力

音频分析：使用 mutagen 读取真实时长，librosa 检测 BPM，生成能量曲线并映射到场景时间节点，输出 scene_timeline.json。
歌词解析：识别 Verse/Chorus/Bridge 等结构，计算 0-10 的情绪曲线，并将时间轴对齐到秒。
场景分配：根据情绪映射场景类型，使用 Chloe 专属场景库，设计运镜与首尾帧衔接，并进行音频同步校正。
模型选择：评估场景复杂度，推荐视频生成模型并配置参数。
输出形式：JSON 格式完整分镜（可直接对接视频生成管线）、Markdown 可读剧本（供人类审阅）、情绪曲线图（emotion_score 0-10 走势）、精确到毫秒的时间轴对齐。

使用方式

触发词包括：生成MV剧本、MV分镜脚本、虚拟歌手视频剧本、mv script、分镜设计、分析音频生成MV。

输入参数（任选一种方式）：

音频文件（audio）：MP3/WAV/M4A 文件路径，推荐使用，可精准同步。
纯歌词（lyrics）：歌词文本。
角色卡（character_card）：歌手角色卡路径，默认 Chloe。
风格（style）：cinematic / ethereal / anime / realistic。
场景数（scenes）：默认 9。

推荐方式：

python3 scripts/audio-analyzer.py <audio_file> -s 9 -v

自动分析时长、BPM、能量曲线，生成精准时间线。

快速开始：

Step 0：音频分析（推荐）

python3 ~/clawd/skills/virtual-singer-mv-script/scripts/audio-analyzer.py \
  /path/to/song.mp3 \
  -s 9 -v -o /tmp/song_analysis.json

输出：时长、BPM、9个场景的精准起止时间。

Step 1：生成完整剧本

cd ~/clawd/skills/virtual-singer-mv-script

# 有音频 → 精准模式
python3 scripts/audio-analyzer.py "/path/to/song.mp3" -s 9
python3 scripts/lyrics-parser.py --lyrics "..." --bpm 88
python3 scripts/scene-assigner.py --parsed /tmp/lyrics_parsed.json \
  --timeline /tmp/song_analysis.json
python3 scripts/merge-output.py \
  --lyrics /tmp/lyrics_parsed.json \
  --scenes /tmp/scenes_assigned.json \
  --output mv_script.json

工作流程：音频文件/歌词文本 → 0. 音频分析（audio-analyzer）→ 1. 歌词解析（lyrics-parser）→ 2. 场景分配（scene-assigner）→ 3. 模型选择（model-selector）→ 完整 MV 分镜剧本（JSON + MD）。

适用场景

虚拟歌手 MV 制作：为虚拟歌手生成分镜剧本，指导视频生成。
视频分镜设计：将歌词或音频转化为结构化的分镜脚本。
音频同步：需要精确到毫秒的时间轴对齐与 BPM 同步的转场卡点。

限制与注意事项

音频优先：有音频时必须用 audio-analyzer.py 分析真实时长。
首尾帧连续性：尾帧视觉元素必须在下一场景首帧中出现。
情绪曲线连贯：不允许突然跳跃（除非音乐设计需要）。
总时长精确：所有分镜时长之和 = 音频总时长。
BPM 同步：转场卡点必须落在节拍上。
场景时间分配规则（音频同步模式）：前奏 (0-10%) 10% 平静 3.0；主歌1 (10-25%) 15% 渐升 4.5；过渡 (25-40%) 15% 铺垫 6.0；副歌1 (40-55%) 15% 爆发 8.0；副歌2 (55-70%) 15% 维持 8.5；高潮 (70-82%) 12% 巅峰 9.0；桥段 (82-92%) 10% 承接 8.5；终极 (92-98%) 6% 最高 10.0；尾声 (98-100%) 2% 消散 2.0。关键原则：所有场景时长基于真实音频时长计算，不可用固定值估算。
帧文件规范：帧命名 scene{NN}_{first|last}.png，如 scene01_first.png、scene01_last.png。每帧 prompt 必须包含元素：A beautiful young East Asian woman, long black wavy hair, pink cherry blossom hair clip, white lace dress, holding cherry blossom branch near her lips singing, fair skin。
视频模型选择规则：静态人物+自然光推荐 kling-1.6（性价比高，静态稳定）；动态运镜+人物推荐 kling-2（运镜理解强）；360°旋转/复杂特效推荐 veo-3.1（粒子/旋转效果最佳）；长镜头+叙事推荐 sora-2（长时一致性）；国风/舞蹈推荐 seedance-3.0（东方美学流畅）。

示例：完整示例《雨停》MV 精准剧本、《樱花落尽时》MV 演示剧本。

技能介绍

用途

主要能力

使用方式

适用场景

限制与注意事项