SuperAPI AI 工具集

make-short-video

通用与其它

查看项目

更新于 10-31 16:16

技能介绍

make-short-video 用于把一句话或书名转化为成片的中文竖屏短视频。流程默认自动运行,只有在标题歧义、事实无法核验、所需内置能力不可用或用户明确要求审批节点时才暂停。

【用途与模式】 支持两种模式:提示中出现书名、作者、ISBN 或明确要求书籍介绍/评论时进入书籍模式,否则进入通用简讯模式。可解析用户对时长、平台、受众、风格、声音、音乐、字幕、行动号召和输出目录的自然语言覆盖设置。书籍模式在创建项目或写入 brief.json 前会进行只读身份预检,若标题对应多部作品或可靠事实不足,会提出一个简洁问题;其余情况自动继续。

【规格契约】 默认产出 1080x1920、30fps、H.264/AAC 的 MP4;目标 45-55 秒,硬性上限低于 59 秒;用户要求更短时遵从。以最终旁白音频作为唯一时间基准,场景、字幕、转场、音效、进度与总时长均由其派生。旁白须为一个连续文件,不得拼接逐句 TTS。仅使用 Codex 内置网络研究与 image_gen,以及本地软件和本地模型,不调用第三方 API、不申请 API 密钥。生成图片不含文字、logo、水印、二维码和界面元素,所有文字在 HTML 中添加。输出带版本号,不覆盖已有渲染、已批准脚本、素材或项目清单。无法继续时保存可恢复检查点,不静默切换到基于 API 的降级方案。

【项目与检查点】 在活动工作区创建 short-video-runs/<YYYYMMDD-HHMM>-<slug>/(用户指定其他位置时除外),复制 DESIGN.md 并在不改动安全区契约的前提下细化。持久检查点包括 sources.md、brief.json、angles.json、script.txt、storyboard.json、project.json,以及 assets/images/、audio/、captions/、qa/、renders/ 目录。不创建占位媒体,已成功完成的检查点会保留以便失败后恢复。

【研究与写作】 书籍模式需核验准确标题、作者、与版次无关的前提、主要主题以及脚本中用到的情节事实,优先使用出版社、作者页面、图书馆、ISBN 目录和可信访谈或评论,并在 sources.md 记录链接与声明级注释;须改写,不得虚构引语、读者反应、奖项、销量、角色或情节。通用模式仅在视频做事实性声明时研究并记录来源,用户提供的事实视为用户上下文而非独立核验的真相。生成三个内部角度并分别按 3 秒钩子、事实支撑、视觉潜力、自然度和与需求契合度评分,全部存入 angles.json 并自动选择最高分。默认时长写 180-220 字自然旁白,按时长覆盖调整;避免硬推销、目录式摘要、傲慢声明、过度排比及重复“不是……而是……”等套路,首句须立即有意义。

【视觉与音频】 旁白切分为 6-8 个语义节拍(35 秒以下为 4-6 个),每拍一个目的、一个图像概念、最多三个叠加关键词和一句在 script.txt 中逐字存在的锚点短语。每场景用一次内置 image_gen,首个通过图片作为后续场景风格锚点;提示词按原生 9:16 描述主体、动作、环境、时代、光线、情绪、色调、标题负空间、字幕负空间和一致性约束,人脸、手、动作和关键物避开 style.md 定义的标题与字幕带。逐图检查,失败场景做一次针对性修正重试;内置图像生成持续不可用则停止并保留项目,不使用 CLI/API 降级。音频方面,先以检查模式运行 bootstrap.ps1,仅在依赖缺失且在范围内时用 -InstallSystemDependencies -InstallModels 安装;运行 prepare_audio.ps1 以 Piper zh_CN-xiao_ya-medium 一次性合成全部 script.txt,经 FFmpeg 轻度后处理,转写最终旁白并对齐已确认脚本,生成可选 BGM 和 audio/master.wav。对齐覆盖率或精确文本匹配低于 0.90 须拒绝,修正发音或重新生成旁白,不得靠变调、变速或重压缩掩盖不自然语音。

【合成与交付】 最终音频与字幕时间存在后才创建 project.json,每个场景边界映射到其锚点短语的第一个时间戳,场景连续且处于旁白时长内。先以草稿模式运行 render_project.ps1,它校验项目、构建确定性 HyperFrames 合成、执行 lint 与当前合并检查、渲染草稿、生成 ffprobe 报告和联系表;用 view_image 检查联系表,查看开头、每场景主帧、中段和结尾,修复真实问题并重跑草稿,再运行 render_project.ps1 -Mode final。交付返回最新最终 MP4、script.txt、project.json、最新 qa/report-final-vN.json 及对应最终联系表的可点击路径,并说明时长、分辨率、帧率、声音、BGM 设置以及自动化与视觉检查是否全部通过,如实说明遗留限制。技能仅在明确要求时更新,正常生产期间不自我修改。

【适用场景与限制】 适合由书名或简短需求快速制作来源可核的中文竖屏短视频;依赖 Codex 内置研究与图像生成能力、本地 Piper 与 FFmpeg 等环境,图像生成不可用时会停止而非降级;输出规格可被用户以兼容设置覆盖。