vox-explainer 是 Advibly MCP 上的一个技能，目标是把一个品牌角度变成成片的 Vox 风格纸拼贴讲解广告。资料将其描述为“大胆、有力、带旁白的短片”，每个节拍是一张会动起来的撕纸拼贴海报，每 4 到 6 秒切一次，真实产品照片以写实方式存在于纸艺世界中。生成与组装都在 Advibly MCP 上完成。
用途与视觉方向 该技能面向广告与讲解短片制作。它强调两种视觉层次：拼贴外观在图像步骤产生，即每张海报由图像模型做成完整拼贴海报，撕纸、剪纸、半调、粗体扁平色与烘焙进画面的标题文字都在图像中；拼贴运动在视频步骤加入，视频模型把整张海报动画成“活拼贴”，层与层之间产生视差、元素漂浮散落、边缘颤动。资料特别指出产品保持写实：画面里除真实产品照片外都是印刷纸张，产品照原样合成，这是广告卖点所在的关键元素。
主要流程与能力 流程分多个阶段。第一阶段是需求确认，收集品牌、要展示的产品及照片 URL、画幅 9:16 或 16:9、核心主张、时长；默认约 32 秒、6 到 8 个镜头，60 秒为上限，因为拼接工具最多接受 12 个片段。第二阶段是叙事节拍图，这是唯一的强制批准关口，需先读节拍层参考文件，按主张选择叙事弧线，草拟完整节拍图并以可编辑 JSON 展示，用户确认后才继续。第三阶段是主题与模型选择，从主题预设中挑 3 或 4 个候选，生成第一拍宽幅海报做对比，由用户凭眼挑选主题与图像模型。第四阶段为每个镜头生成拼贴海报关键帧，按五段式结构写提示词，风格块在每张海报上逐字不变。第五阶段为每个已批准海报添加运动，使用五轴运动提示词。后续阶段在资料中被提及但细节被截断：用 advibly_generate_voiceover 生成旁白，用 advibly_generate_music 生成音乐床，最后用 advibly_render_composition 把旁白、静态音乐床与安静片段音效合成。
使用方式与工具约束 资料给出若干硬性默认值。图像模型默认 advibly_generate_image 的 nano-banana-2、分辨率 2K；gpt-image-2（quality: high）用于标题反复退化的单张海报或与拼贴冲突的产品参考编辑；seedream-5-pro 用于文字密集海报。视频模型默认 advibly_generate_video 的 gemini-omni-flash，支持 4 到 10 秒、仅 9:16 与 16:9、无结束帧、需正向措辞；需要精确落点、非纵横画幅或超过 10 秒时回退 seedance-2.0；出现真人或第三方品牌标识时切换 kling-v3。每个广告只用一个图像模型和一个视频模型。片段音频只允许音效，禁止旁白、对话和歌词。提示词上限 2000 字符。每次生成传 brand_id 与 project_id，on_brand 设为 false 以保留主题配色。标题全部在图像生成时烘焙，没有后期文字叠加工具。
适用场景与限制 适合需要风格化、节奏快、带旁白的品牌讲解或产品广告短片，尤其是希望用纸拼贴编辑部风格表达单一强主张的场景。限制包括：品牌必须已存在，技能只能读取品牌不能创建，无品牌时需先去 onboarding；主题与模型选择依赖人工目测；资料未提供具体价格、效果保证、支持语言之外的兼容细节；图像与视频生成可能返回 pending 状态，下游需要完成 URL 时需调用 advibly_get_generation。