用途:生成两位AI主持在固定机位宽景2-shot中对谈的短视频,约60秒、16:9、纯对话、原生音频,适合品牌/课程/社群/产品的短片广告或VSL、双人出镜UGC讲解,以及YouTube、X、Reels用的横版播客片段(竖版可在成片后裁切)。
主要能力:内置7步流水线,每步是一份recipes/下的独立markdown文件,按序执行:01定义角色(每位主持一份JSON)、02生成起始帧(Wavespeed gpt-image-2)、03定义宽景场景(描述2-shot的JSON)、04定义片段(每个约15秒对白块一份JSON)、05生成片段(Wavespeed Seedance 2.0 文生视频,以宽景作参考图)、06拼接(ffmpeg stream-copy)、07合规扫描(可选,VidJutsu /v1/compliance/video,必要时烧录免责声明)。
环境变量:WAVESPEED_API_KEY 必需,用于图像(gpt-image-2)、视频(bytedance/seedance-2.0)生成及参考图CDN上传;GEMINI_API_KEY 可选,用于通过 Nano Banana 2 生成4K起始帧;VIDJUTSU_API_KEY 或 ~/.vidjutsu/config.json 中的令牌可选,仅合规扫描与免责声明烧录需要。
使用方式:先按 references/folder-structure.md 建好工作目录,再依次读执行recipes。需要JSON结构或API约定时查 references/ 下的角色、场景、片段、各接口与ffmpeg拼接等参考文档。
风格约束:全程16:9;用片段模型的原生音频,不另叠旁白;源生成不含字幕、叠加层、音乐或第三方标识;两位主持需在发型、服装颜色、姿态上轮廓差异明显;每个对白块由Host A提一个简单问题,Host B讲解回答;语气口语化、面向非技术观众。
成本与耗时:单张起始帧2K约30秒至2分钟;单条约15秒 Seedance 片段720p约5–8分钟且可并行;完整4块约60秒广告从搭建到出片在2小时内,整套栈成本为个位数美元。具体价格、平台限制等资料暂未提供。