用途 本技能用于从零制作一条完整成片：推广短片、知识讲解、故事短片、发布片、资讯快评、数据故事、排版动效、歌曲 MV 与歌词视频，或用户选定场景模板、以作品示例表达「做一条视频」时。核心主张是先做规划再动手：风格、角色与每个镜头先用文字定下来，执行时照着做。只做转录、加字幕、翻译、配音或剪辑已有视频时不使用本技能；知识讲解、科普、教学类成片另读 explainer-video 处理内容与讲解画面要点，制作步骤仍按本技能。
流程概览
- 简报与能力盘点。走场景模板时以模板前言中确认的简报为起点，不重复提问；未走模板时把缺项合成一轮问，并顺带询问是否有视觉参考图。用户消息中残留的方括号占位项当作缺项询问，不自行编造。画面中的事实只用简报与材料内容。用户带来稿子与材料时，先建立段落与材料的对应表，作为分镜卡「画面来源」的底稿。素材含有人说话时，先导入并转写，再建语义索引，用 speech_relevant 取原声片段；画面素材较多时可建画面索引，用 videos_match_frames 或 space_search_v2 挑候选。片中涉及真实地点、事件、人物、产品或年代且素材不足时，用 assets_search 主动检索网上素材，Commons 与 Internet Archive 的结果许可清晰，YouTube 结果许可多半未写、下载前须经用户同意。规划前用 models_capabilities 盘点语音合成、图片生成、音乐生成与转写能力；BaoCut 目前没有视频生成，音效由内建配方本机合成，配乐为本机能力（YuE2 音乐模型包），模型包未装时说明大小与不可商用许可并询问是否安装。
- 全局定义，只写文字不出图。包括风格说明（风格子类型、渲染与线条、色彩与光、细节密度四维度）、重复出现元素（标识名、外观、服装或材质、语言、物理属性）与声音档（旁白音色与语气、对白、配乐三选一：内嵌、单独配乐轨或无配乐）。使用设计系统仅在用户要求时，读取其 README.md 与 tokens.json，标志与产品图只用素材文件，不生成或仿画。
- 分镜与声音规划。每镜 3–10 秒、一镜一个动作或一个信息点，每镜一张卡，含叙事作用、节奏、场景、动作、过渡描述、目标时长、运镜、首帧构图、镜间边界、首帧是否复用、画面来源、对白、音效、配乐线索、旁白预算与文本。过渡描述最关键，需 2–4 句写清主体外观、运动、状态变化与始终存在的元素；运镜须在物理上成立。旁白按叙事分段再分配镜头，字数按预算乘实测语速估算。规划完列出参考图需求表与配乐情绪弧表。计划给用户过目后再执行；用户说「直接做」时不停下，把计划附在交付里。
- 参考图。有图片生成时，每个重复元素先出纯白底主参考图，提示词复用风格说明与元素描述，结尾写明不要文字、水印、标志与标注；模型收输入图时可把主参考图作为 images 出其他角度，不收时只能靠逐字复用提示词维持一致，可能不稳定。无图片生成时，用户素材取代表帧作参考，代码画面先渲染一帧风格样张。
- 逐镜执行。先做开头约 10–15 秒的样段，打磨配色、字体、版式、动效快慢与过渡，导出预览给用户确认后作为全片基准。画面来源四选一或组合：用户素材（导入后时间线裁切）、网上素材（检索下载后裁切）、生成图片（按卡出首帧图）、代码画面（用自包含 HTML 动态图形，读 motion-graphics；整镜整段代码场景读 code-scenes）。标了首帧复用的镜头按顺序串行做。画面中人物开口说话或唱歌需口型同步，这一版做不到，改用画外音、字幕或画面文字并告知用户。旁白按段提交 speak，全片同一音色与语气说明，量时长对照预算；音效用 assets_sfx 单独一条轨；配乐用 music 生成纯音乐（instrumental），style 译自全局属性，targetDurationSec 等于成片时长，生成慢需 jobs_wait 等待；无音乐生成时可用代码合成简单配乐或跳过并说明。用 videos_create 按简报画幅（16:9 为 1920×1080、9:16 为 1080×1920、1:1 为 1080×1080）建视频，各轨就位。
- 混音与成片。各声音轨叠加不替换，旁白全片同音量，配乐用 setDucking 在旁白下压低，导出时做响度标准化；字幕按旁白稿与字时间对齐，画面文字留在安全区；片尾署名照用户给的逐字使用；先用 export 导出预览检查，再导出成片。等长任务时去做写发布文案等不依赖结果的事。
- 验收。对照忠实、可看、合要求三条底线与简报，用 videos_inspect 逐镜核对时长、画布尺寸与轨道内容；报告分「量出来的」「看过的」「要人听的」三栏，用了网上素材时另列署名与许可提醒，并列出降级清单。
- 修改意见。意见按镜号或时间点逐条写，先合并重复、冲突项请用户定；判断落在事实与稿子、分镜结构、画面风格、单镜细节、声音哪一层，风格层改动对全片生效；每条改动自成一笔修改并导出改动处预览逐条回复。通常一两轮即可，方向大改时回到全局定义与分镜重定。
适用场景与限制 适用于从零策划并制作成片的场景，尤其是需要先定风格与分镜、再逐镜落地并配声音的短片与动效类视频。限制包括：BaoCut 目前没有视频生成，画面里人物说话唱歌无法做口型同步；图片模型不接受输入图时多角度一致性有限；音乐模型包需另行安装且可能只许非商业用途；YouTube 素材许可多为未知，须经用户同意使用；三维、物理或需要外部库的画面超出代码画面范围时改用素材或生成图片。