视频创作套件

任务目标

• 本 Skill 用于: 提供完整的视频创作能力，支持三种创作模式
• 能力包含:
  • 模式一: 原创创作: 11个智能体协同原创视频创作（《三体》IP创作、通用原创）
  • 模式二: 视频二创: 从原视频反推到新视频合成的完整二创流程
  • 模式三: 视频分析: 视频抽帧、视觉分析、内容提取
  • 技术能力: 配音生成、音效生成、背景音乐生成、视频合成
• 触发条件: 用户需要进行视频创作（原创/二创/分析）

三种创作模式

模式一: 原创创作

• 适用场景: 从零开始创作原创视频
• 子模式:
  • 《三体》IP创作（专门针对《三体》IP）
  • 通用多智能体协同（11个智能体分工）
• 流程: 选题策划 → 视觉设计 → 素材生成 → 视频合成 → 质量检测

模式二: 视频二创

• 适用场景: 基于现有视频进行二次创作
• 流程: 视频反推分析 → 素材生成 → 视频合成 → 文件下载
• 能力: 视频抽帧、视觉分析、图片生成、配音、音效、音乐、合成

模式三: 视频分析

• 适用场景: 分析视频内容、提取分镜参考、生成创作提示词
• 流程: 视频抽帧 → 视觉分析 → 结构化输出
• 能力: 抽帧、视觉模型调用、提示词生成

前置准备

环境依赖

opencv-python>=4.8.0
pillow>=10.0.0
moviepy>=1.0.3
numpy>=1.24.0
requests>=2.28.0
edge-tts>=6.1.0

API 配置（可选）

• Coze Bot API: 视觉分析
  • 环境变量: COZE_BOT_ID, COZE_API_KEY
• Edge-TTS: 配音生成
  • 安装: pip install edge-tts
• Suno API: 背景音乐生成
  • 环境变量: SUNO_API_KEY
  • 三种模式: 开发者、用户、占位

操作步骤

模式选择

智能体根据用户输入自动选择模式：

判断原创创作模式

• 用户提到"创作《三体》视频"、"三体IP创作" → 《三体》IP创作
• 用户提到"多智能体协同"、"原创视频"、"从零创作" → 通用多智能体协同

判断视频二创模式

• 用户提到"二创视频"、"反推视频"、"视频重制"、"根据参考视频创作" → 视频二创

判断视频分析模式

• 用户提到"分析视频"、"提取分镜"、"生成提示词" → 视频分析

模式一: 原创创作

子模式1: 《三体》IP创作

第一阶段: 前期筹备

1. 原著考据与设定提取

   • 阅读 references/three-body-settings.md
   • 提取《三体2》威慑纪元核心设定
   • 输出: 时间线锚点表、人物行为合规清单

2. 剧情架构设计

   • 搭建"三线并行"叙事框架
   • 设计3个核心冲突点和1个情感高潮
   • 输出: 三线平行叙事分镜大纲、情绪曲线图

3. 台词创作

   • 基于人物性格撰写台词
   • 输出: 角色对白脚本（含语气/停顿标记）

第二阶段: 视觉制作

4. 视觉风格规范制定

   • 阅读 references/visual-style-guide.md
   • 输出: 视觉风格指南、场景/人物设计规范

5. 场景设计

   • 设计3个核心场景
   • 输出: 场景概念图提示词、场景要素清单

6. 人物一致性建模

   • 罗辑形象锚定
   • 输出: 罗辑标准形象锚定图集、人物状态对照表

7. 分镜脚本细化

   • 将剧情大纲转化为专业分镜
   • 输出: 电影分镜脚本（含时间码）、渲染元数据

第三阶段: 音频与剪辑

8. 素材生成

   • 配音生成: 调用 scripts/voice_generator.py 生成角色配音
     • 参数: --input <旁白数据JSON> --output ./output/audio/voice
   • 音效生成: 调用 scripts/sound_generator.py --type sound 生成音效
     • 参数: --input <音效配置JSON> --output ./output/audio/sound_effects
   • 背景音乐生成: 调用 scripts/sound_generator.py --type music 生成背景音乐
     • 参数: --input <音乐配置JSON> --output ./output/audio/background_music
   • 视频合成: 调用 scripts/video_compositor.py 合成最终视频
     • 参数: --images <图片目录> --audio <音频目录> --subtitles <字幕文件> --output <输出路径>

9. 质量管控

   • 调用 scripts/quality_checker.py 检测技术指标
   • 原著合规检测
   • B站适配优化

子模式2: 通用多智能体协同

11个智能体分工

1. 文案创作
2. 故事策划
3. 脚本创作
4. 分镜导演
5. 分镜画师
6. 字幕师
7. 配音师
8. 音效师
9. 视频工程师
10. 质检
11. 数据反馈

5阶段协同流程

1. 需求承接
2. 内容创作
3. 生图创作
4. 音频字幕
5. 视频合成
6. 全流程质检
7. 数据迭代

模式二: 视频二创

第一阶段: 视频反推分析

1. 提取视频关键帧

   • 调用 scripts/video_frame_extractor.py 提取关键帧
   • 参数: --input <原视频路径> --output ./output/frames --interval 2
   • 输出: 序列图片到 ./output/frames/

2. 视觉分析

   • 调用 scripts/coze_bot_client.py 分析关键帧
   • 智能体描述分析需求: "分析这些视频帧，提取:画面风格、色调特征、构图方式、节奏模式"
   • 输出: 分析结果保存到 ./output/analysis.json

3. 生成创作方案

   • 智能体根据分析结果，生成二创方案
   • 输出: 新视频主题、画面风格调整、脚本大纲、素材需求清单

第二阶段: 素材生成

4. 生成图片素材

   • 智能体根据脚本生成关键帧提示词
   • 调用 scripts/image_generator.py 生成图片
   • 输出: 图片到 ./output/images/

5. 生成配音

   • 智能体作为配音师，创作旁白脚本
   • 调用 scripts/voice_generator.py 合成配音（基于Edge-TTS）
   • 参数: --input <旁白脚本JSON> --output ./output/voice
   • 输出: 配音文件到 ./output/voice/

6. 生成音效和背景音乐

   • 调用 scripts/sound_generator.py --type both 生成音效和背景音乐
   • 参数: --input <完整配置JSON> --output ./output/audio
   • 输出: 音效到 ./output/audio/sound_effects/, 背景音乐到 ./output/audio/background_music/

7. 生成字幕

   • 智能体创作字幕内容
   • 调用 scripts/subtitle_generator.py 生成字幕文件
   • 参数: --input <字幕数据JSON> --output ./output/subtitles
   • 输出: SRT字幕到 ./output/subtitles/

第三阶段: 视频合成

8. 合成最终视频

   • 调用 scripts/video_compositor.py 合成视频
   • 参数: --images ./output/images --audio ./output/audio --voice ./output/voice --subtitles ./output/subtitles --output ./output/final.mp4
   • 输出: 最终视频 ./output/final.mp4

9. 文件下载

   • 调用 scripts/file_server.py 启动HTTP服务器
   • 参数: --port 8080 --directory ./output
   • 输出: 下载链接 http://localhost:8080/final.mp4

模式三: 视频分析

分析流程

1. 视频抽帧

   • 调用 scripts/video_frame_extractor.py 提取关键帧
   • 参数: --input <视频路径> --output <输出目录> --interval <间隔秒数>

2. 视觉分析

   • 调用 scripts/coze_bot_client.py 分析每帧内容
   • 参数: --message "<分析提示>" --image_path <图片路径>
   • 输出: 结构化分析结果（JSON格式）

3. 批量处理

   • 自动遍历所有关键帧
   • 批量调用视觉模型
   • 汇总分析结果

资源索引

技术脚本

• 视频处理: scripts/video_frame_extractor.py - 提取关键帧
• 视觉分析: scripts/coze_bot_client.py - 调用Coze Bot API
• 图像生成: scripts/image_generator.py - 生成图片素材
• 配音生成: scripts/voice_generator.py - 生成配音（Edge-TTS）
• 音效和音乐: scripts/sound_generator.py - 生成音效和背景音乐（Suno API）
• 字幕生成: scripts/subtitle_generator.py - 生成字幕
• 视频合成: scripts/video_compositor.py - 合成最终视频
• 文件服务: scripts/file_server.py - HTTP下载服务器
• 质量检测: scripts/quality_checker.py - 检测技术指标
• 错误处理: scripts/error_handler.py - 重试和错误日志

参考文档

• 《三体》IP创作:

  • references/three-body-settings.md - 《三体》原著设定与威慑纪元规则
  • references/visual-style-guide.md - 视觉风格规范与设计原则
  • references/storyboard-template.md - 分镜脚本标准模板
  • references/character-profiles.md - 人物档案与行为准则

• 视频二创:

  • references/recreation-guide.md - 视频二创方法论
  • references/prompt-templates.md - 分析提示词示例
  • references/suno-api-guide.md - Suno API使用指南

资源文件

• assets/scene-examples/ - 场景设计提示词示例
• assets/character-reference/ - 人物形象描述参考

注意事项

• 模式自动选择: 智能体根据用户输入自动选择合适的创作模式
• 脚本共享: 所有模式共享同一套技术脚本，避免重复
• API配置: 所有API通过环境变量配置，支持多种模式
• 错误处理: 所有脚本都包含错误处理和重试机制
• 容错降级: API不可用时自动降级为占位实现

使用示例

示例1: 《三体》IP创作

用户: "帮我创作一个《三体》威慑纪元的8分钟视频"

智能体执行:
1. 自动选择模式一: 《三体》IP创作
2. 按照前期筹备 → 视觉制作 → 音频与剪辑 → 质量管控流程
3. 调用相应脚本生成配音、音效、背景音乐
4. 合成最终视频

示例2: 视频二创

用户: "这个视频帮我二创一下，换个风格"

智能体执行:
1. 自动选择模式二: 视频二创
2. 提取原视频关键帧
3. 视觉分析，提取风格特征
4. 生成新素材（图片、配音、音效、音乐）
5. 合成新视频

示例3: 视频分析

用户: "分析这个视频，提取分镜和提示词"

智能体执行:
1. 自动选择模式三: 视频分析
2. 抽取视频关键帧
3. 分析每帧内容
4. 输出结构化分析结果

API 配置说明

Suno API 三种模式

• 开发者模式: 技能预置 API Key，开箱即用
• 用户模式: 用户配置自己的 API Key
• 占位模式: 自动降级，完全免费

Edge-TTS 音色列表

• 中文: zh-CN-XiaoxiaoNeural(活泼)、zh-CN-XiaomengNeural(温柔)、zh-CN-YunyangNeural(沉稳)
• 英文: en-US-JennyNeural(美式)、en-GB-SoniaNeural(英式)

Coze Bot API

• 用于视觉分析
• 环境变量: COZE_BOT_ID, COZE_API_KEY