video-producer

TeamWiseFlow/xiaobei · Agent Skill

Creates full videos from scratch or edits existing footage, including assembly, voiceovers, and subtitles.

Jump to install ↓

Install options

The review-first prompt is selected by default. You can switch to a direct command.

Install with Claude or Codex

Copy the prompt, paste it into Claude, Codex, or another assistant, and it will review the skill page and install it.

I'd like to install this Claude Code skill:
https://github.com/TeamWiseFlow/xiaobei/tree/master/crews/content-producer/skills/video-producer

Please review the SKILL.md file, verify the skill is legitimate, then copy the skill folder into .claude/skills/ of my project.

Review the source files

1 files Download Zip

Read SKILL.md and any companion files before deciding whether to install. Click a file to preview it.

SKILL.md contents

Original author text · read-only

视频制作与片段修整（video-producer）

双模式

本技能有两种用法，agent 据用户请求判断走哪条：

模式 A：端到端生产——用户给主题/关键词/已有脚本/已有素材中的任一组合，要求从零做一支完整视频。走 Stage 0→14 全流程：意图路由 → 故事 → 剧本 → 分镜 → 机位 → 素材 → 闸门 → 渲染 → 自检 → 交付。另可接收 main agent 喂入的 viral-chaser 追爆报告（作为 brief 的一部分，本技能不做视频下载/转写/抽帧——那是 viral-chaser 的活）。

模式 B：给定素材剪辑——不涉及从零开剧本，编辑已有素材，直接用 Stage 12 工具箱（见下方"Stage 12 工具箱"段）：

  • 几个片段拼一下 → assemble（自动统一分辨率/帧率/音频格式 + 转场）
  • 一个片段配个旁白/配音 → audio-mix（多轨混音，延时/音量可控）
  • 稍微剪一下（入点/出点/倍速）→ clip-trim（--pre-buffer 避免切 MP3 吞首字）
  • 按时间轴切素材+混音 → timeline-compose（audio_mode=concat 出连续轨）
  • 单个 Scene 合成（片段+旁白+对白）→ scene-compose
  • 无音频片段补静音轨 → add-silent-audio
  • 片尾制作（形象图+黑边+烧字幕）→ make-outro

不适用：

  • 纸拼贴 B-roll → collage-broll
  • Manim 技术演示动画 → manim-explainer
  • 平面设计 → design-full
  • 基于已有素材的深度高光剪辑（去口气词/智能剪重点）→ main 的 video-edit / talking-head-cut（本技能模式 B 只做几何级修整：切段/拼接/混音/烧字幕/补轨，不做语义级剪辑）
  • 视频下载与爆款分析 → main 的 viral-chaser

---

工作区目录约定

调用方传入了现成项目目录时（如平台专家包委托制作，传入 <platform>/outputs/<video-name>/，brief 已在其中）直接沿用；否则在 output_videos/ 下建项目文件夹 <topic-en-slug>/：

<project-dir>/                  # 即 <platform>/outputs/<video-name>/ 或 output_videos/<topic-en-slug>/
├── brief.md                    # Stage 0/1 产出：意图路由 + 概念选项 + 用户选定
├── reference-driven/           # Stage 1（可选，仅当 main 喂了 viral-chaser 报告）
│   ├── viral-chaser-report.md  # main 喂入的追爆报告原档（本技能不自己跑 viral-chaser）
│   ├── concepts.md             # 据报告出的 2–3 差异化概念 + 成本 + 备选路径
│   └: 无下载产物、无 transcript、无关键帧——那些归 viral-chaser
├── script/
│   ├── intent.json             # Stage 0
│   ├── story.md                # Stage 2
│   ├── script.md               # Stage 3（含 enhancement_cues 六型 + delivery_cues）
│   ├── self-eval.json          # Stage 3 自评
│   ├── decisions.json          # 决策审计链（跨阶段累积）
├── storyboard/
│   ├── storyboard.json         # Stage 4 镜头表
│   ├── shot_decompose.json     # Stage 5 每镜首尾帧+运动+variation_type
├── characters/
│   ├── registry.json           # Stage 6 static/dynamic features
│   ├── <char-id>/front.png     # 三视图（调 siliconflow-img-gen 生成）
│   ├── <char-id>/side.png
│   └── <char-id>/back.png
├── gates/
│   ├── gate-a.md               # GATE A 文本闸门评审产物
│   ├── gate-b.md               # GATE B 素材闸门评审产物
├── slots/
│   ├── slot-plan.json          # Stage 7
│   ├── asset-resolve.json      # Stage 8（含 rejected_picks）
│   ├── slideshow-risk.json     # Stage 9 六维打分
│   ├── delivery-promise.json   # Stage 9 承诺锁定
├── render/
│   ├── shot-NN/                # Stage 10 每镜渲染产物
│   │   ├── first-frame.png     # 首帧静照（生成或素材裁切）
│   │   ├── last-frame.png      # 尾帧静照
│   │   ├── gen-run-v01.mp4     # aigc-video-gen i2v 产物
│   │   └ettings.log
│   │   └ulti-best.mp4          # 多候选择优胜出（多候选时）
├── audio/
│   ├── narration.mp3           # awk-tts 旁白
│   ├── bgm.mp3                 # BGM（bgm-library 免版税曲库优先 / pexels/pixabay / aigc-video-gen music 生成）
│   ├── subtitles.srt           # 字幕
├── artifacts/                  # Stage 12 按镜顺序的最终段
│   ├── 01_*.mp4
│   └ NN_*.mp4
├── video.mp4                   # Stage 12 拼接成片
├── review/                     # Stage 13 公共 video-review 产物
│   ├── verdict.json
│   ├── frames/
│   ├── motion-audit.json       # CP 侧 motion_led 抽查
├── cover.jpg                   # Stage 14 封面
└── final-deliver.md            # Stage 14 交付清单

---

阶段链（15 段，两闸门）

每段子命令是 scripts/ 下一个独立 .py，agent 按本 SKILL.md 工作流逐个调。产物文件存在性即 checkpoint——每个子命令先查产物文件是否存在，存在则 load 不重生成（允许用户手改 JSON 后续跑）。

Stage 0  intent-router        意图路由 → 三档脚本模板（故事讲述型/纯画面动效型/蒙太奇剪接型）
  · 故事讲述型（narrative）——重情节、有人物弧光、含旁白；默认 3–5 镜/场
  · 纯画面动效型（motion）——重节奏感/视觉冲击/少对白；默认 5–8 镜快切
  · 蒙太奇剪接型（montage）——重氛围/抽象/纯视觉；默认 4–7 镜无叙事
Stage 1  reference-concepts   若 main 喂了 viral-chaser 报告 → 吃报告出 2–3 差异化概念；无报告跳过
Stage 2  story-develop        idea → 故事（含受众/类型显式复述，100–200 词梗概，人物，分场）
Stage 3  script-write         故事 → 分场剧本（同时间同地点分一场；可拍化描述；enhancer 润色）
Stage 3b script-self-eval     脚本自评 N 维打分，任一维 <3 必返工
Stage 4  storyboard-build     剧本 → 镜头表（每镜叙事目的/机位复用/位置朝向/不写不可见）
Stage 5  shot-decompose       每镜拆首帧静照/尾帧静照/运动描述（variation_type 三档）
Stage 6  character-register   角色三视图 front/side/back + static/dynamic features 拆分
   ────── GATE A：文本闸门（脚本+分镜+机位+角色全齐，停，发用户审）──────
Stage 7  slot-plan            素材 slot 规划（template + hero slot + tone→slot 数）
Stage 8  asset-resolve        按 slot 拉素材（Fast path：多源并发搜 + 缩略图人核 + rejected_picks 落盘）
Stage 9a slideshow-risk       六维幻灯风险打分（pre-compose 闸门，≥4.0 fail 不许进 compose）
Stage 9b delivery-promise-lock 交付承诺八类锁定 + motion_ratio 预估
   ────── GATE B：素材闸门（素材齐+计划过审，停，发用户看 contact sheet）──────
Stage 10 render-shot          按 slot 渲染（AIGC 走 aigc-video-gen i2v 首尾帧插值；静图走 siliconflow-img-gen）
Stage 11 mix-audio            配音配乐四场景分流（A 人物对话声画同出 / B 旁白一次性 TTS 带字级时间戳 + 对齐 / C BGM 成片后统一生成（优先 bgm-library 免版税曲库，pexels/pixabay 并列；定制风格用 aigc-video-gen music）/ D 用户口播录音 → ASR 时间戳 → 按时间戳补素材）
Stage 12 assemble             按序拼接成片（原子工具箱：clip-trim 切段 / audio-mix 混音 / timeline-compose 时间轴合成 / assemble 拼接，agent 按 §Stage 12 工具箱场景化组合，不写死 Workflow）
Stage 13a video-review        公共 video-review 技术自检（强制闸门）
Stage 13b motion-audit       CP 侧 motion_led 抽查（兑付 delivery-promise）
Stage 14a make-cover          封面（siliconflow-img-gen，必含标题文字）
Stage 14b 交付                 向用户呈交成片+封面+关键参数

> Stage 0–6 全是文本产物，付费生成前必停——GATE A 落在这条边界上。GATE B 落在素材就绪、pre-compose 闸门通过后，确认渲染前最终计划。

---

子命令调用清单

| 子命令 | 入 | 出 | 用途 |

|--------|----|----|------|

| intent-router | brief.md（主题/关键词，或 viral-chaser 报告） | script/intent.json（档位+主题） | Stage 0 |

| reference-concepts | viral-chaser 报告（main 喂入，可选） | reference-driven/concepts.md | Stage 1：只吃报告出概念，不做下载/转写/抽帧；无报告跳过 |

| story-develop | intent.json | script/story.md | Stage 2 |

| script-write | story.md | script/script.md（含 enhancement_cues + delivery_cues） | Stage 3 |

| script-self-eval | script.md | script/self-eval.json（N 维分，任一维 <3 必返工） | Stage 3b |

| storyboard-build | script.md | storyboard/storyboard.json | Stage 4 |

| shot-decompose | storyboard.json | storyboard/shot_decompose.json（每镜首尾帧+运动+variation_type） | Stage 5 |

| character-register | storyboard.json + 人物描述 | characters/registry.json + 三视图 PNG | Stage 6（三视图调 siliconflow-img-gen） |

| slot-plan | storyboard.json + tone | slots/slot-plan.json | Stage 7 |

| asset-resolve | slot-plan.json | slots/asset-resolve.json（含 rejected_picks）+ 素材落 raw_materials/ | Stage 8（调 pexels-footage / pixabay-footage / aigc-video-gen） |

| slideshow-risk | storyboard.json + slot-plan.json + asset-resolve.json | slots/slideshow-risk.json（六维分） | Stage 9a |

| delivery-promise-lock | storyboard.json + brief.md | slots/delivery-promise.json（八类锁） | Stage 9b |

| render-shot | shot_decompose.json + characters/ + slot-picks | render/shot-NN/ 下产物 | Stage 10（调 aigc-video-gen i2v / siliconflow-img-gen） |

| mix-audio | script.md（delivery_cues） | audio/ 目录 + subtitles.srt 模板 | Stage 11（四场景分流：A 声画同出 / B 旁白一次性 TTS+ASR 对齐 / C BGM 成片后生成（优先 bgm-library 免版税曲库 / pexels/pixabay 并列；定制风格用 aigc-video-gen music）/ D 用户口播录音 → ASR 时间戳 → 按时间戳补素材） |

| narration-align | audio/narration.mp3 + audio/narration.subtitle.json | audio/narration-segments.json（统一 segments 格式） | Stage 11b（优先复用 awk-tts --enable-subtitle 落盘的 TTS 原生字级时间戳，缺失时回退火山 ASR 极速版，凭据复用 viral-chaser 同池 VOLC_ASR_*） |

| assemble | render/ 顺序 | video.mp4 | Stage 12（按序拼接 + 可选转场 + 可选分辨率归一化 + 自动补静音/统一音频格式） |

| add-silent-audio | 无音频视频片段 | 含静音音轨的视频 | Stage 12 原子工具：concat 前补齐音轨，保持连续 |

| clip-trim | 素材路径 + 入点/出点/倍速 | 切好的片段 | Stage 12 原子工具：精确切素材，视频和音频分别处理 |

| audio-mix | 多条音轨 + 各自延时/音量 | 混合音频 | Stage 12 原子工具：多轨混音 |

| timeline-compose | timeline.json（每段素材/入点/出点/倍速/音轨及延时） | 合成片段 | Stage 12 原子工具：按时间轴调 clip-trim + audio-mix 合成 |

| motion-audit | video.mp4 + delivery-promise.json | review/motion-audit.json（motion_led 抽查） | Stage 13b（补公共 video-review） |

| make-cover | brief.md（标题）+ storyboard 关键帧 | cover.jpg | Stage 14a（调 siliconflow-img-gen） |

> wrapper video-producer.sh 内部 exec python3 "$SCRIPT_DIR/scripts/<子命令>.py" "$@"——子命令名即脚本名，零路径拼接。

---

强制闸门与护栏

GATE A（Stage 6 后）：文本闸门

文本产物全齐（脚本+分镜+机位+角色），停下发用户审：

  • 呈交摘要：档位、场次数、镜数、角色数、关键决策（路径/模型/风格选择的备选+置信度+理由）
  • 结束本轮回复，不许在同条回复里进 Stage 7
  • 批准是逐闸门的——早先的一句"你继续"不覆盖本闸门
  • 用户要改哪段就重跑对应子命令（产物文件存在性即 checkpoint，不会重生成未改的）

GATE B（Stage 9 后）：素材闸门

素材齐 + 计划过 slideshow_risk + delivery_promise 锁，停下发用户看 contact sheet：

  • 呈交：slot 总数、素材就绪率、slideshow_risk 六维分与 verdict、delivery_promise 八类与 motion_ratio 预估、素材 contact sheet
  • 同 GATE A 收尾纪律

返工与耗时上限

  • 每阶段最多返工 3 次
  • 全片最多 3 次 send-back
  • 每阶段 wall-time 默认上限 20 分钟——卡住要报，不要反复撞

不许声称没做过的事

没有 tool result 或产物文件证明，不许声称已渲染/已生成/已改动。

模糊意图不算确认

  • 用户说"做个短片""帮我策划"不算确认，必须先问清楚走哪条 workflow（故事讲述型/纯画面动效型/蒙太奇剪接型）、时长、受众
  • 起草/讨论脚本属对话协助，不许调 render 工具
  • 默认小规模：1 场 3–5 镜，不许把模糊想法擅自扩成多场多镜；用户要扩才扩

决策审计链

每个选择（路径/模型/风格/音色/任何 fallback）记 备选 + 置信度 + 理由，跨阶段累积进 script/decisions.json。

---

依赖

| 依赖 | 来源 | 用在哪 |

|------|------|------|

| python3 / ffmpeg / ffprobe | 系统 | 各阶段脚本 |

| 公共 aigc-video-gen | skills/ | Stage 8/10 视频片段生成（百炼/火山声画同出，i2v 首尾帧插值） |

| 公共 siliconflow-img-gen | skills/ | Stage 6 角色三视图 / Stage 10 静帧 / Stage 14 封面 |

| 公共 awk-tts | skills/ | Stage 11B 旁白一次性 TTS（OpenClaw 内置 TTS 优先 → awk-tts fallback；加 --enable-subtitle 让火山单向流式 HTTP 原生返回字级时间戳，落 narration.subtitle.json） |

| 火山 ASR 凭据 VOLC_ASR_* | 实例 env | Stage 11b narration-align 回退路径 + Stage 11D 用户口播录音转写拿时间戳（复用 viral-chaser 同池：旧控制台双头 VOLC_ASR_APP_ID+VOLC_ASR_ACCESS_KEY，或新控制台单头 VOLC_ASR_APP_KEY） |

| 公共 pexels-footage / pixabay-footage | skills/ | Stage 8 Stock Footage 素材补充 / Stage 11C BGM 搜 |

| 公共 bgm-library | skills/ | Stage 11C BGM 搜（ccMixter 免版税 + 自动 TASL 署名，免 key，商用安全；与 pexels/pixabay 并列，优先用） |

| 公共 video-review | skills/ | Stage 13a 成片技术自检闸门 |

| requests | 仓根 requirements.txt | 各脚本 HTTP 调用 |

---

子命令清单（wrapper 视角）

| 子命令 | 用途 | 退出码 |

|--------|------|--------|

| video-producer intent-router | 意图路由三档 | 0 成功 / 1 参数错 / 2 env 未配 |

| video-producer reference-concepts | 吃 viral-chaser 报告出概念 | 0 成功 / 1 参数错 |

| video-producer story-develop | idea → 故事 | 0 成功 / 1 参数错 |

| video-producer script-write | 故事 → 分场剧本 | 0 成功 / 1 参数错 |

| video-producer script-self-eval | 脚本自评 N 维 | 0 成功 / 1 参数错 |

| video-producer storyboard-build | 剧本 → 镜头表 | 0 成功 / 1 参数错 |

| video-producer shot-decompose | 每镜拆首尾帧+运动 | 0 成功 / 1 参数错 |

| video-producer character-register | 角色三视图 + features | 0 成功 / 1 参数错 |

| video-producer slot-plan | 素材 slot 规划 | 0 成功 / 1 参数错 |

| video-producer asset-resolve | 按 slot 拉素材 | 0 成功 / 1 参数错 / 2 env 未配 |

| video-producer slideshow-risk | 六维幻灯风险打分 | 0 成功 / 1 参数错 |

| video-producer delivery-promise-lock | 八类承诺锁定 | 0 成功 / 1 参数错 |

| video-producer render-shot | 按 slot 渲染 | 0 成功 / 1 参数错 / 2 env 未配 |

| video-producer mix-audio | 三场景分流占位 | 0 成功 / 1 参数错 |

| video-producer narration-align | 旁白 ASR 对齐时间戳 | 0 成功 / 1 参数错 / 2 env 未配 |

| video-producer assemble | 按序拼接成片 | 0 成功 / 1 参数错 |

| video-producer add-silent-audio | 给无音频视频补静音轨 | 0 成功 / 1 参数错 |

| video-producer scene-compose | 单 Scene 分段合成 | 0 成功 / 1 参数错 |

| video-producer make-outro | 片尾制作 | 0 成功 / 1 参数错 |

| video-producer clip-trim | 切素材段 | 0 成功 / 1 参数错 |

| video-producer audio-mix | 多轨混音 | 0 成功 / 1 参数错 |

| video-producer timeline-compose | 时间轴合成 | 0 成功 / 1 参数错 |

| video-producer motion-audit | motion_led 抽查 | 0 成功 / 1 参数错 |

| video-producer make-cover | 封面（必含标题） | 0 成功 / 1 参数错 / 2 env 未配 |

---

Stage 12 工具箱（场景化组合，不写死 Workflow）

Stage 12 段不规定固定 Workflow——下面四个原子工具 agent 按实际场景灵活组合。

原子工具清单

| 工具 | 干什么 | 关键参数 |

|------|--------|---------|

| clip-trim | 精确切素材段（入点/出点/倍速/前置缓冲，视频和音频分别处理） | --input/--output/--start/--end/--speed/--sync-audio/--pre-buffer |

| audio-mix | 多轨混音（每轨独立延时和音量） | --track（可重复）/--delay/--volume/--output/--duration |

| timeline-compose | 按时间轴 JSON 调 clip-trim + audio-mix 合成片段 | <project_dir> --timeline timeline.json [--transition ...] |

| assemble | 按序拼接已就绪的段 + 可选转场 + 自动分辨率归一化 + 自动统一音频格式 | <project_dir> [--transition hard/fade/dissolve/xfade] [--width 1080] [--fps 30] [--audio-format 24000/mono] [--low-memory] [--preview-duration 30] |

| add-silent-audio | 给无音频视频片段补静音音轨（concat 前置，assemble 内部也自动调） | --input/--output/--duration/--sample-rate 24000/--channels mono |

| scene-compose | 单 Scene 分段合成（片段+旁白+对白 → 一个 Scene 片段） | <project_dir> --scene scene.json [--output scene-01.mp4] |

| make-outro | 片尾制作（形象图+黑边+烧字幕+静音轨 → 标准比例片尾） | <project_dir> --image <形象图> --slogan <文本> [--color color.json] [--duration 5] [--width 1080] [--fps 30] |

场景化组合示例（非强制，agent 按实际判断）

场景 A：无旁白直拼

段就绪、无需切素材、无需混音——assemble <project_dir> --transition fade 一把过。

场景 B：有旁白走时间轴

旁白一次性 TTS 生成 + narration-align 拿字级时间戳后，按时间戳把各段素材对齐旁白：

1. agent 据 narration-segments.json 各段 start/end 冡素材入点/出点，写 timeline.json

2. timeline-compose <project_dir> --timeline timeline.json → 调 clip-trim 切段 + audio-mix 把旁白按延时叠到各段

3. 全段 BGM 走 timeline.json 的 audio_globals 字段混入

场景 C：分段先合再合（scene-compose 两阶段）

长片或某些段需独立预合（如先合 shot-01~03 为一场 Scene，再合 shot-04~06 为另一场，最后两场 concat）：

1. 写 scene-01.json（clips 片段列表 + narration 旁白 + dialogue 对白），跑 scene-compose <project_dir> --scene scene-01.json --output scene-01.mp4

2. 同样出 scene-02.mp4

3. 把 scene-01.mp4 / scene-02.mp4 当段素材，再跑 assemble <project_dir> --source-dir scenes --transition fade 合片

scene-compose 内部调 clip-trim 切段 + audio-mix 混旁白/对白 + assemble 拼段，一步出单 Scene 完整片段。

场景 D：素材尺寸不一

AIGC 720x1280、录屏 1080x2384、片尾 784x1176 混拼——assemble 传 --width 1080 --fps 30 归一化（scale + pad 16:9 + sar + fps 统一）后再 concat。

场景 E：精确调速某段

某段需 2x 快放——clip-trim --input <段> --output <快放段> --speed 2 --sync-audio 切好后，把快放段当段素材再拼。

场景 F：低内存机器

机器内存吃紧（< 4G 或容器限额）——assemble <project_dir> --transition fade --low-memory，preset 切 ultrafast、crf 放宽到 28，避免 x264 缓冲爆内存。打印里会标注 低内存模式：preset=ultrafast, crf=28。

场景 G：先试听再合成

长片合成前想先听前 30 秒验证旁白/BGM 平衡——assemble <project_dir> --preview-duration 30，成片照常落，额外产 video-preview.mp4（前 30 秒，-c copy 秒切）。试听满意后再决定是否重混。

场景 H：AIGC 无音频段混拼 + 旁白切段吞首字

AIGC i2v 产物常无音频流，与有音频段直拼会断续；旁白用 clip-trim --ss 切 MP3 会吞第一个字。assemble 现在自动统一音频格式（默认 24000/mono，无音频段补静音，规格不符段重采样）+ 不传 --width/--fps 时自动探测各段分辨率/帧率、不一时统一到最低公共规格。旁白切段走 clip-trim --pre-buffer 0.5，实际入点提前 0.5s 保留段头音频，逻辑入点不变。

agent 据剧本实际选场景组合，可混合多场景（如 B+E：旁白时间轴 + 某段快放）。脚本不预设顺序。

---

禁止事项（强制）

  • 禁止跳过 GATE A/B 交付：两闸门是工作流的一部分，呈交摘要后必须结束本轮回复等用户批
  • 禁止声称没做过的事：没有 tool result 或产物文件证明，不许声称已渲染/已生成/已改动
  • 禁止把模糊想法擅自扩成多场多镜：默认 1 场 3–5 镜，用户要扩才扩
  • 禁止跳过 video-review 交付：Stage 13a 强制闸门，verdict=pass 才进 Stage 14
  • 禁止直接写 ffmpeg 命令：所有 ffmpeg 调用走本技能子命令脚本或公共 video-edit 子命令
  • 禁止自己做视频下载/转写/抽帧：那是 viral-chaser 的活，本技能只吃 main 喂入的报告
  • 禁止引入 CLIP / torch 系本地模型：素材匹配走 Fast path 人核缩略图
  • 禁止扩充图库源：保 Pexels + Pixabay 两源
  • 禁止批量生成：逐条精做，不批量撞运气