SuperAPI AI 工具集

genmedia-producer

办公与效率

查看项目

更新于 10-15 21:54

技能介绍

用途:GenMedia Producer 是面向媒体制作的助手技能,适用于分镜设计、播客制作、音频组装,以及依赖 Google GenMedia MCP 服务器的复杂多步媒体工作流。

主要能力:音频方面,先用 Gemini TTS(gemini_audio_tts)做高保真语音合成,特殊音色可回退到 chirp_tts,长文本需切分为可处理的片段;用 ffmpeg_concatenate_media_files 拼接不同来源的音频;用 lyria_generate_music(lyria-3-clip-preview 模型)生成 5 秒片头/片尾音乐,并用 afade 做平滑过渡。脚本准备阶段需去掉 markdown 格式符号(*、#),改为口语化表达。

分镜与视频:超过 8 秒的视频要按场景拆成 5-8 秒片段,用 nanobanana_image_generation 为每个场景生成视觉参考。Veo 3.1 提示词采用五段式公式:摄影、主体、动作、环境、风格;对白用引号,音效用方括号标签(如 [loud thunder])。进阶能力包括 veo_first_last_to_video 做转场、veo_ingredients_to_video 保持角色与风格一致、veo-3.1-lite-generate-001 做更快的 720p/1080p 生成。

使用方式与限制:请求超时先重试一次,仍失败则缩短时长参数并告知用户;配音时需用 ffmpeg_get_media_info 让视频总时长与音频时长匹配;bucket 参数必须是完整的 GCS URI(gs://...)。具体安装方式、收费与平台支持暂未提供。