sp-create-video 属于 super-prototyping 技能集，目标是把已有的产品画布板转化为一段“实拍”视频：视频中一个真实的人（在办公室、电梯或街上）拿出手机，屏幕上显示你的界面，拇指滑动推进流程，声音是房间的环境声。核心原则是：生成模型负责场景，但不能生成界面。因为生成模型看到截图后会重绘界面——颜色和形状可能对，但文字是编造的，而带编造文字的演示视频比没有视频更糟。
使用方式：画布来自 canvases/<slug>/，需要先用 sp-canvas 运行画布并了解其 references/layout.md 的文件夹规则。通过 sp root 找到脚本目录，设置变量 KIT、B、V 并创建输出目录。如果 sp 未找到，运行安装脚本。所有派生文件（板、帧、take、联系表）都放在 $V/ 下，scratch/ 已 gitignore，不要提交 mp4。
费用规则：每次 take 都花用户的钱，720p/10s 约 2 美元或 11 元人民币，1080p/15s 更贵且耗时几分钟。首次提交前要说明拍摄内容、分辨率和预计 take 数，然后拍一个、展示、询问。不要无人值守循环拍摄，失败重拍前要说明改了什么。密钥放在 $V/.ark_key 或 ARK_API_KEY，没有密钥就停下来问用户。Ark 是字节跳动的模型 API，国内叫火山引擎方舟，海外叫 BytePlus ModelArk，密钥有区域限制。
流程分六步：1) 选择路线：参考视频（默认，屏幕接近原样）、仅参考图片（屏幕会被重绘）、绿幕合成（像素完全可控）。2) 制作界面动画：在画布文件夹中创建 NN-<flow>-motion.html 运动板，用 frames.mjs 生成帧，ffmpeg 合成 mp4，并截取一张高清静帧。先看 mockup.mp4 检查节奏。3) 写提示词：分四块（外观风格、场景人物、屏幕契约、声音与负面列表），参考 prompting.md。4) 拍摄：用 ark.py 提交，需要视频的公开 URL（拒绝内联 data URI），可加 --dry 先预览请求。5) 检查 take：生成联系表和放大图，逐字检查屏幕文字、界面是否在拇指落下时变化、有无字幕水印、手机是否漂移、音频有无音乐人声。报告种子和费用。6) 如果界面仍被改写，使用绿幕合成路线：绿板图像带跟踪标记，拍摄锁定板，用 composite.py 将渲染帧角点固定回屏幕，拇指保持在最上层。这需要一天工作，但能确保像素完全属于你。
适用场景：需要真实感产品演示视频的团队，尤其是对屏幕文字准确性要求高的场景。限制：依赖 Ark API 密钥和费用，生成模型可能重绘界面，需要人工检查和多次尝试，流程较长。