用途：video-storytelling 用于把故事概念转化为多场景视频，自动生成图像序列与角色配音，并合成为同步 MP4。适合教育视频、儿童故事、视觉故事书、角色驱动叙事等场景。
主要能力：包含视觉一致性系统（全局风格锁定、角色锁定、多轮图像生成，每场景引用上一场景图像以减少角色与风格漂移）、叙事系统（角色声音映射、情绪标签、每场景 50-80 词约 15-20 秒）、视频组装（按总音频长度均分每场景时长，输出 H.264 MP4）。默认 1 个标题场景加 5 个故事场景，共 6 场景，可自定义。默认风格锁定为 1080×1080 方形、50mm 镜头、平视、柔和三点光、暖色主光 4500K、指定色板、半写实卡通等；负向锁定排除文字错误、水印、额外角色等。默认旁白男声 George、女声 Rachel，角色声音包括 Josh、Bella、Adam、Matilda、Antoni 等 ElevenLabs 声音 ID。
使用方式：先收集故事概念、基调、场景数、角色描述与风格偏好；为每个角色建立档案（名称、物种、颜色、服装、特征、性格、voice_id）；规划逐场景大纲；构建风格与角色锁定；用图像生成技能按序生成图像并保存为 scene-XX.png；用 ElevenLabs 的 text_to_dialogue 生成各场景音频；用 ffmpeg 拼接音频为 full_audio.mp3；再调用 assemble_video.sh 传入 full_audio.mp3 与图像文件，输出 full_audio.mp4。
限制：依赖 image-generation 与 elevenlabs 技能及相应 API 密钥；需要 Python 与 ffmpeg 环境；资料未提供具体安装命令、收费与价格信息；实际效果取决于所用图像模型与声音库，资料未给出性能或质量保证。