用途：该技能用于规划口播视频或口播数字人的开头段落，时长约15–20秒，重点在动作、节奏和画面结构，不涉及人物长相、服装、场景和逐字台词。整体思路是让人物几乎全程保持在画面内，信息元素贴在人物四周，节奏由UI卡片切换承担。
主要能力：技能归纳了机位与构图（坐姿、腰部以上中景、人物居中、固定机位、干净背景、深色上衣与领夹麦）、剪辑层包装（左上章节标题、左下目录卡、右上带本人圆形小头像的UI截图卡、底部字幕、开场人后大标题字需人像抠图分层）、手势词汇表（M1双手外抛、M2捧框、M3单手掌、M4手出画只点头）、节拍规则（开场4秒每0.25–0.5秒换一次手腕角度，列举段每报一章轻点一次头并换卡）、表情与头部（微笑、语速快、每项轻点一次头、视线看镜头）以及开头结构模板（0–2秒总承诺、2–4.5秒报主题、4.5–20秒逐章节列举、结尾落在综合实战）。
使用方式：按模板填写基础姿态、逐句动作表、禁止动作、给视频模型的描述和包装清单。数字人生成建议拆成两段：开场0–4.5秒单独生成，列举段用「手出画+点头」的低风险描述；超过单段上限时按模型上限切段，接缝处用UI卡片切换或字幕遮挡。信息卡、目录、标题字全部在剪辑层完成，不写进生成描述。禁止手过肩高、列举段加手势、复杂手型、摇头或身体晃动。
适用场景：零基础系统教程、长视频目录式开场、希望营造「人一直在陪着讲」的观感。
限制：不适合情绪化观点和需要大量B-roll的叙事；数字人难度中等，需生成的全屏秒数接近20秒；生成时不应把原视频作为参考视频输入模型；具体模型生成时长上限、效果表现暂未提供。