用途
本技能是一份讲解视频（Explainer Video）制作指南，目标是把一个想法从脚本推进到成片。它同时提供方法论（脚本结构、节奏、分镜、转场）和基于 inference.sh CLI（belt）的命令行操作示例，用于生成配音、画面、音乐并完成合成。
主要能力
脚本公式
- Problem-Agitate-Solve（PAS）— 60 秒：Problem 10 秒约 25 词；Agitate 10 秒约 25 词；Solution 15 秒约 35 词；How It Works 20 秒约 50 词；CTA 5 秒约 12 词。
- Before-After-Bridge（BAB）— 90 秒：Before 15 秒；After 15 秒；Bridge 40 秒；Social Proof 10 秒；CTA 10 秒。
- Feature Spotlight — 30 秒（社交）：Hook 3 秒；Feature 15 秒；Result 7 秒；CTA 5 秒。
节奏规则
- 标准旁白：150 wpm（对话式节奏）
- 复杂/技术内容：120 wpm（留出理解时间）
- 活力/社交：170 wpm（短视频更快）
- 儿童内容：100 wpm（清晰缓慢）
- 关键规则：每个关键信息对应一个场景，不要把多个想法塞进同一画面。
场景时长建议
- 建立镜头：3-5 秒
- 功能演示：5-8 秒
- 屏幕文字/数据：3-4 秒（必须可读）
- 转场：0.5-1 秒
- CTA 画面：3-5 秒
画面生产
指南给出多种场景类型的 belt 命令示例，包括产品情境、抽象概念可视化、生活方式/结果镜头、前后对比，以及先生成静帧再图生视频的流程。示例调用 google/veo-3-1-fast、bytedance/seedance-2-0、falai/flux-dev-lora、falai/wan-2-5-i2v 等应用。
配音生产
脚本写作建议：短句（每句最多 15 词）、主动语态、口语化、一句一个想法。配音生成示例使用 falai/dia-tts。TTS 节奏控制技巧：句号表示中等停顿，省略号表示长停顿（戏剧性），逗号表示短停顿，感叹号表示强调/能量，问号表示升调。
音乐与音频
背景音乐建议：音量在旁白之下 20-30%（人声出现时压低 6-12dB）；风格匹配品牌调性；结构为开场渐强（前 3 秒）→ 旁白下循环 → CTA 处渐强；旁白下只用纯器乐、无 vocals。
合成流程
完整生产工作流示例：1）生成配音；2）并行生成场景画面（使用 --no-wait）；3）用 infsh/media-merger 合并场景；4）用 infsh/video-audio-merger 加入配音；5）用 infsh/caption-videos 添加字幕。
视频长度参考
- 社交预告：15-30 秒（TikTok、Instagram Reels、YouTube Shorts）
- 产品演示：60-90 秒（网站、落地页）
- 功能讲解：90-120 秒（YouTube、邮件）
- 教程/演示：2-5 分钟（YouTube、帮助中心）
- 投资人路演视频：2-3 分钟（路演材料补充）
转场类型
- 硬切：相关场景之间的默认选择，干净专业
- 溶解/交叉淡化：时间流逝、情绪转变，柔和沉思
- 划像：新主题或新章节，清晰分隔
- 推近/变焦：深入细节，聚焦注意力
- 匹配剪辑：场景间视觉相似，巧妙难忘
常见错误与修正
- 脚本太啰嗦 → 削减到最多 150 wpm
- 前 3 秒没有钩子 → 以问题或惊人数据开场
- 画面滞后于旁白 → 画面应与文字匹配或略微提前
- 背景音乐太响 → 人声下压低 6-12dB
- 没有字幕 → 社交视频 85% 静音观看，始终加字幕
- 想法太多 → 每个视频只保留一个核心信息
使用方式
需要 inference.sh CLI（belt）。安装技能：npx skills add belt-sh/cli。登录：belt login。随后通过 belt app run 调用各应用生成画面、配音、音乐，并按合成流程合并。相关技能可通过 npx skills add inference-sh/skills@ai-video-generation、@video-prompting-guide、@text-to-speech、@prompt-engineering 安装。浏览全部应用：belt app list。
适用场景
产品演示、功能讲解、社交短视频、教程/演示、投资人路演视频等需要从脚本到成片的讲解视频制作。
限制
本资料未提供具体收费、价格、平台兼容性或生成效果保证等信息，相关内容暂未提供。