用途：把一句口播压成一个清晰视觉隐喻，做成从空色场逐件组装的编辑隐喻拼贴动画。与 ray-cover 共享视觉体系，不模仿具体品牌或活跃艺术家的可识别签名。分两种产出：单句 5 秒 B-roll（单条或批量），以及由 beat map 驱动的 45–60 秒完整讲解片（含旁白 TTS、内容感知变速、字幕与拼装）。
主要能力：默认三闸门链路——只设计视觉隐喻并等待确认（Gate 1）、只生成最终静帧并等待确认（Gate 2）、调用视频模型做首尾帧组装动画并 QA（Gate 3），按成本递增排列，批量时只放行通过的条目。支持批量并行、风格参考图锚定、强制无声交付、逐秒 contact sheet、尾帧对照与客观评分。
使用方式：先运行 bash <本skill目录>/scripts/check_setup.sh 自检；静帧用 generate_image.py，首尾帧用 prepare_frames.sh，批量视频用 video_dispatch.py（video-jobs.json，含 prompt、image、output、aspect_ratio、duration，可选 provider 与 model），QA 用 qa_video.sh；完整讲解片用 assemble.py 读 beats.json。模型默认 gemini-3-pro-image 静帧、gemini-omni-flash-preview 首尾帧插值、gemini-3.1-flash-tts-preview 旁白，三者共用 GEMINI_API_KEY，按量计费。
适用场景：竖版 9:16 编辑隐喻拼贴风 B-roll、带旁白字幕的讲解短片。限制：默认交付 720×1280、24fps、5 秒、无声 MP4；画面内禁字、禁 logo、禁水印与 UI；需要精确图层、遮挡、镜头穿越或可编辑时间线时改用 HyperFrames；真人口播与产品实拍广告不走本流程。成本与价格以实际使用为准。