视频剪辑AI助手（AIPDD）

概述

本目录即技能包本体，根目录 SKILL.md 是全局唯一索引，统筹三大技能包与两个公共底座：文案技能包 [copywriting](copywriting/copywriting.md)、音频技能包 (audio/audio.md)、视频技能包 (video/video.md)；模型算力统一由公共底座 [model-invoker](model-invoker/model-invoker.md) 提供，本地媒体处理统一由公共底座 [ffmpeg-tool](ffmpeg-tool/ffmpeg-tool.md) 提供。

技能包索引

视频技能包子技能速查

技能选择指引

1. 文案类需求（提取抖音文案、语音转文字、音频转写、仿写文案、改写口播稿）→ 用 [文案技能包](copywriting/copywriting.md)。
2. 音频类需求（文案转口播音频、文字转语音、口播音频生成）→ 用 [音频技能包](audio/audio.md)。
3. 视频类需求：
   • 混剪（多段素材拼一条、裁剪、转场、字幕、BGM）→ 用 [视频混剪](video/video-mix-edit/video-mix-edit.md)。
   • 数字人（对口型、数字人口播）→ 用 [数字人口播](video/digital-human/digital-human.md)，按其中「执行流程」逐步走。
   • 探店/美食素材 → 用 [探店美食剪辑](video/shop-exploration/shop-exploration.md)；口播原片精剪 → 用 [口播剪辑](video/koubo-edit/koubo-edit.md)。
   • 营销种草/带货（A-roll/B-roll 素材）→ 用 [营销种草视频](video/marketing-promo/marketing-promo.md)。
   • 自动剪辑方案（一键成片/长转短/批量混剪/平台工具选型）→ 用 [自动剪辑专家](video/auto-editor/auto-editor.md)。
   • 爆款规划/复盘/综艺喜剧二创 → 用 [短视频剪辑工厂](video/video-factory/video-factory.md)。
   • 剪映草稿（生成剪映工程/解说视频草稿、草稿检查修复、字幕配音）→ 用 [剪映草稿](video/jianying-draft/jianying-draft.md)。
   • 分镜剪辑（分镜脚本/多片段编排成片、时间线/转场/字幕烧录/混音工程、成片自检/模板/交接）→ 用 [分镜剪辑](video/shot-edit/shot-edit.md)。
   • 解说短视频创作（brief/素材 → 视觉代码视频、16 模板选择）→ 用 [解说短视频创作](video/knowledge-video/knowledge-video.md)。
   • 白板动画/手绘视频（SRT 字幕 → 白板手绘动画 MP4）→ 用 [白板手绘动画](video/whiteboard-animation/whiteboard-animation.md)。
   • 微课/课件视频（PPT/图文素材 → AI 配音字幕成片 + 剪映草稿）→ 用 [微课/课件视频](video/microlesson/microlesson.md)。
   • 短剧创作自动化（整条剧本→分镜→生成→合成产线、外部 Agent/MCP 驱动、需下载部署 aipdd-drama-agent）→ 用 [AI 短剧 Agent](video/drama-agent/drama-agent.md)。
4. 需求不明确时，先向用户确认属于哪类需求，再进入对应技能包；确认后按下方「场景工作流编排」逐步执行。

场景工作流编排

以下为端到端场景流程（需求 → 子技能组合路径），共 16 个场景。每个场景的详细参数、命令与红线以对应子技能文档为准；模型调用统一走 [model-invoker](model-invoker/model-invoker.md)，本地媒体处理统一走 [ffmpeg-tool](ffmpeg-tool/ffmpeg-tool.md)。

场景1：数字人口播视频

需求信号：数字人口播、对口型配音、换口播、AI 主播视频。

流程（先产文案 → 再产音频 → 最后产视频）：

1. 文案：用户直接提供文字稿，或先用 [douyin-copywriter](copywriting/douyin-copywriter/douyin-copywriter.md) 从抖音视频提取口播文案、再经 [copywrite-rewrite](copywriting/copywrite-rewrite/copywrite-rewrite.md) 仿写，得到最终口播文字稿（用户确认后进入下一步）。
2. 口播音频（仅场景1 对口型需要）：用 [text-to-speech](audio/text-to-speech/text-to-speech.md) 基于参考人声音频 + 文字稿合成口播音频（IndexTTS 声音克隆）；付费合成前先展示制作卡（文案/模型/参数/付费请求数量）获用户批准，批准一次后不重复确认。
3. 视频合成（二选一，由用户选定场景）：
   • 场景1 对口型：[lip-sync](video/digital-human/lip-sync/lip-sync.md) 用 LatentSync 将口播音频 + 原始视频合成对口型视频。
   • 场景2 数字人：[avatar-video](video/digital-human/avatar-video/avatar-video.md) 用 minimax h3 以参考人声 + 角色图 + 场景图 + 文字稿一步生成口播视频（无需先单独生成音频）。

关键规则：口播音频 URL 取步骤2 结果而非参考人声；文字稿较长先读文件再填参数；视频生成是异步任务，轮询完成再交付。交付物：对口型/数字人口播视频 URL + 模型/后端报告。

场景2：口播视频混剪

需求信号：混剪、多段素材拼一条、裁剪、转场、字幕、BGM。

流程：

1. 需求澄清：主题、素材数量与来源、目标时长、是否需要配音/字幕/BGM（按 plan.json 字段契约收集）。
2. 素材准备：素材统一收齐（HTTPS URL 或本地路径）。
3. 配音（可选）：需要口播配音时，先走场景10（文字稿 → text-to-speech 口播音频）。
4. 剪辑执行：用 [ffmpeg-tool](ffmpeg-tool/ffmpeg-tool.md) 逐步执行：trim（裁剪）→ concat（拼接）→ subtitle（字幕）→ burn（压制）→ replace-audio（配音/配乐）→ convert（导出格式/比例）。转场（xfade）、去气口（silencedetect）、CTA 等超出脚本能力时用 ffmpeg-tool 文档中的补充 FFmpeg 命令。
5. 质量校验与交付：核对时长/分辨率/字幕/音画同步后交付成片。

关键规则：按上述顺序执行避免重复转码损耗画质；具体参数见 [video-mix-edit](video/video-mix-edit/video-mix-edit.md)。交付物：成片文件 + 剪辑步骤清单。

场景3：探店/美食视频

需求信号：探店剪辑、美食视频、餐厅种草视频。

流程：

1. 需求澄清：门店/菜品信息、成片时长、发布平台。
2. 脚本：按三要素（钩子 → 内容 → 行动号召）生成口播脚本（可走 copywriting 提取/仿写）。
3. 素材整理：机位素材（主镜头/特写/环境），按保留率 30-40% 甄选。
4. 剪辑：按两种剪辑逻辑（主线叙事 / Vlog 式）之一执行；节奏公式、特效、调色、配乐（BGM -24dB 至 -18dB）、字幕逐步落地（ffmpeg-tool 执行）。
5. 质检与交付：多平台比例/时长适配。

关键规则：素材未标注机位/用途时先询问；详细规则见 [shop-exploration](video/shop-exploration/shop-exploration.md) 与 [internal-manual.md](video/shop-exploration/references/internal-manual.md)。交付物：成片 + 平台适配版本。

场景4：口播剪辑

需求信号：口播原片精剪、竖版口播、口播视频剪辑。

流程（8 步流水线，详见 [koubo-edit](video/koubo-edit/koubo-edit.md)）：素材盘点 → 画面校正 → 语音结构分析 → 口播剪辑 → 动画设计 → 字幕 → 配乐 → 导出自检。

关键规则：文字不覆盖说话人脸；修订时不覆盖唯一成品文件；每步产出中间文件供回溯。交付物：抖音风格口播成片。

场景5：营销种草视频

需求信号：营销种草、带货短视频、A-roll/B-roll 成片。

流程（7 步，详见 [marketing-promo](video/marketing-promo/marketing-promo.md)）：需求澄清 → 参数确认 → 转写 A-roll（ffmpeg-tool 提取音频 + model-invoker FunASR curl 转写）→ AIPDD chat 生成选段脚本（AIPDD 不可用时降级 NewAPI）→ 本地剪辑执行（trim/concat/变速/subtitle/burn/convert/replace-audio）→ 质量校验 → 交付。

关键规则：素材未标注 A-roll/B-roll 必须先询问；临时错误重试 2 次；中断后从中间产物继续。交付物：30-180 秒种草成片。

场景6：长视频转短视频

需求信号：长转短、拆条、切片、高光剪辑。

流程：

1. 素材深读：长视频全片过一遍，标记高光段。
2. 高光选段：按主题/情绪/信息密度筛选。
3. 拆条剪辑：trim 取段 → concat 组合 → subtitle/burn 包装（ffmpeg-tool）。
4. 平台适配：竖屏/横屏比例、时长（15-60 秒）、封面文案。
5. 发布与复盘。

关键规则：先深读再选段，不盲剪；详细规则见 [auto-editor](video/auto-editor/auto-editor.md)（AI长转短知识库）与 [video-factory](video/video-factory/video-factory.md)。交付物：多条短视频成片。

场景7：综艺/喜剧深读二创

需求信号：综艺剪辑、喜剧二创、切片解说。

流程（硬规则：第一遍绝不直接出终剪；4 道人工门禁，详见 [video-factory](video/video-factory/video-factory.md) 路线A）：素材深读（第一遍只读不剪，产出深读报告）→ 剪辑方案（选题/结构/笑点分布）→ 用户确认 → 初剪 → 用户审核 → 终剪 + 配音方案 → 用户确认 → 交付复盘。

交付物：深读报告、剪辑方案、终剪成片、配音方案。

场景8：爆款规划/复盘

需求信号：爆款规划、选题复盘、留存优化。

流程（详见 [video-factory](video/video-factory/video-factory.md) 路线B）：目标定义（平台/人群/转化目标）→ 脚本/文案产出（copywriting 支持）→ 留存分预测（低于 0.70 先修方案再交付）→ 制作发布 → 数据复盘迭代。

交付物：规划方案、留存分评估、成片、复盘报告。

场景9：文案生成（独立场景）

需求信号：提取抖音文案、抖音转文字、语音转写、仿写文案。

流程：

1. 提取：[douyin-copywriter](copywriting/douyin-copywriter/douyin-copywriter.md) 提取抖音视频文案（API 字幕优先，FunASR 转写兜底）。
2. 仿写：[copywrite-rewrite](copywriting/copywrite-rewrite/copywrite-rewrite.md) 基于参考文案仿写新口播文字稿。
3. 输出文字稿（供场景1/2/10 使用或直接交付）。

交付物：口播文字稿文本。

场景10：口播音频生成（独立场景）

需求信号：文案转音频、文字转语音、口播配音、解说配音。

流程：

1. 文字稿：用户提供或来自场景9。
2. 合成：[text-to-speech](audio/text-to-speech/text-to-speech.md) 展示制作卡获批准后，调用 IndexTTS（可声音克隆）生成口播音频。
3. 交付音频 URL；中断后按任务标识恢复，重放时逐字段一致，防重复付费。

交付物：口播音频 URL。

场景11：剪映草稿解说视频

需求信号：剪映、剪映草稿、解说视频、电影解说、长视频解说、故事板生成草稿。

流程（详见 [jianying-draft](video/jianying-draft/jianying-draft.md)）：

1. 环境检查：python video/jianying-draft/scripts/api_validator.py --json（剪映专业版 + Python 3.10+ + FFmpeg/MediaInfo）。
2. 故事板：用户提供 storyboard JSON，或经 model-invoker chat（AIPDD 优先，不可用降级 NewAPI）按 movie_commentary 提示词从长视频/解说稿生成；不虚构时间戳。
3. 验证与 dry-run：storyboard_validator + movie_commentary_builder --dry-run，修复错误后再生成。
4. 生成草稿：movie_commentary_builder（--name 唯一草稿名、可选 --bgm）；配音默认 model-invoker 语音合成（AIPDD 优先，其次 NewAPI IndexTTS）生成音频后加入草稿，--tts edge-tts 为免费备选。
5. 验收检查：draft_inspector summary——原声场景无生成配音、解说与字幕同步、无重叠、时长符合目标。
6. 导出：Windows 自动导出（auto_exporter）；macOS 手动在剪映导出；检查导出文件后再交付。

关键规则：原声强于解说时保留原声；云端素材默认禁用（JY_ALLOW_CLOUD_RESOLVE=1 且用户有权）；不打包用户剪映缓存/会员素材。交付物：剪映草稿（draft）+ 验收报告；导出后交付成片。

场景12：分镜剪辑

需求信号：分镜、分镜剪辑、分镜脚本、按分镜成片、短剧成片、AI 短剧、多片段拼成片、时间线编排、成片自检。

流程（详见 [shot-edit](video/shot-edit/shot-edit.md)，脚本仅 Python 标准库、离线可用）：

1. 收集分镜与素材：分镜表（每 shot 时长/顺序，用户提供）+ 视频片段（用户提供或 model-invoker 生成）+ 字幕（.srt/.ass）+ 配音 + BGM；素材缺失先询问。
2. 构建时间线：python video/shot-edit/scripts/edit_timeline.py --prompts prompts.json --out ./build（prompts.json 即分镜表；9:16 竖屏 1080×1920，clips[] 精确排布）。
3. 生成 FFmpeg 工程：edit_ffmpeg.py（xfade 转场 + subtitles 字幕烧录 + amix 配音混音 + BGM，产出 ffmpeg_run.sh/.bat，素材路径占位）。
4. 看板与清单：edit_report.py 产出 edit_board.html + edit_manifest.md。
5. 成片自检：edit_review.py 产出 edit_selfcheck.md（红/黄/绿：时间线连续性/配音字幕 BGM 覆盖/转场时长/占位素材是否替换）；可选 --accept 沉淀风格模板、--handoff 生成发布交接包。
6. 渲染交付：生成的 FFmpeg 工程由用户执行或走 ffmpeg-tool 底座渲染；只生成命令不渲染，不声称已渲染成片。

关键规则：不编造素材（占位路径不生成不存在的字节）；自检不阻塞（黄/红项由用户决定）；素材版权用户自备。交付物：时间线 JSON + FFmpeg 工程（sh/bat）+ 看板 + 自检报告（+ 风格模板/发布交接包）。

场景13：解说短视频创作

需求信号：解说视频、知识科普、产品宣传视频、数据报告视频、客户证言视频、电商促销视频、模板视频。

流程（详见 [knowledge-video](video/knowledge-video/knowledge-video.md)，视觉代码视频路线）：

1. 环境审计（必做）：python video/knowledge-video/scripts/system_audit.py --cache-dir .cache；返回 hard_stop 立即终止。
2. 模板选择：16 模板 + 推荐菜单；最低必要信息 = brief + 模板 + 平台/宽高比 + 时长目标 + 可用素材。
3. 素材摄入：asset_ingest.py（图片/音频/视频/文档文本摘录；大范围扫描先确认）。
4. 方案草稿确认：概要说明后询问"现在生成可渲染的 HTML 项目吗？"。
5. 逐帧文案 + TTS：frame_contents 逐帧写实文案（≤8 词标题 + 1~2 句副文案）；配音默认 model-invoker 语音合成（AIPDD 优先，其次 NewAPI IndexTTS）。
6. 生成项目 + 渲染前确认：video_engine.py 生成 HTML 项目 → hyperframes lint 修复 → 概要汇报获确认后渲染。

关键规则：JSON 清单非渲染目标；只使用免费工具；不 sudo、不改 PATH；素材当数据；Key 不回显。交付物：可渲染 HTML 项目（+ 渲染 MP4）。

场景14：白板手绘动画

需求信号：白板动画、白板视频、手绘视频、SRT 动画、字幕转动画。

流程（详见 [whiteboard-animation](video/whiteboard-animation/whiteboard-animation.md)，每步完成后必须停止并等待用户明确确认）：

1. 读字幕出策略：parse_srt.py 解析字幕并建议分镜（25–35 秒/幕）。
2. 生成线稿：model-invoker 文生图（AIPDD 优先）按统一视觉规范（#F5EBD7 纸底、极简手绘、禁文字）逐幕出线稿。
3. 标注 + 预览台：按字幕叙事语义像素级标注 annotation.json（sequence/startMs/protectedRegions），创建后立即打开预览台。
4. 区域预览：render_annotation_preview.py 出检查图核对分区/顺序/保护。
5. 预览台调整：拖拽调整区域/时序并保存写回标注。
6. 渲染成片：render_stream_whiteboard.py 逐幕流式笔迹渲染 MP4（ink→color 权重 2:1）。
7. 多幕合并：merge_scenes.py 按顺序合并。

关键规则：确认关卡严格（不把"未回复""笼统授权"当确认）；先读字幕再标注不臆测；遮罩不变量；编辑框不属于动画画面。交付物：白板手绘动画 MP4。

场景15：微课/课件视频

需求信号：微课、课件视频、录课、精品课、PPT 转视频、图文转视频、自动成片。

流程（详见 [microlesson](video/microlesson/microlesson.md)）：

1. 分析素材：PPT（python-pptx 读页）/图片/文稿/视频任意组合；分析结果先汇报再生成。
2. PPT 渲染 PNG：PowerPoint COM 导出每页 1920×1080 PNG（Visible=True）。
3. 旁白 + 配音：每片段中文旁白与画面一致；默认 model-invoker 语音合成（AIPDD 优先，其次 NewAPI IndexTTS）。
4. 单段合成：画面停留 max(最低时长, 配音时长 + 0.5s)。
5. SRT 字幕：绝对时间轴（微软雅黑白字黑边）。
6. 剪映草稿（版本感知）：jy_draft 自动探测剪映 v5.9/v10.9/v11.2 写出兼容草稿（不依赖 pyJianYingDraft）。
7. MP4 导出（主交付物）：ffmpeg 合成 1920×1080 H.264+AAC 30fps，与剪映版本无关。

关键规则：MP4 与剪映版本无关；草稿兼容但非自动导出；PNG 不能直接做草稿片段；SRT 路径不带盘符；旁白不虚构素材内容。交付物：MP4 成片 + SRT + 可编辑剪映草稿。

场景16：AI 短剧创作自动化（aipdd-drama-agent 下载 + MCP 接入）

需求信号：短剧自动化、DramaClaw、aipdd-drama-agent、MCP 接入、workbuddy 接入、剧本到成片、画布生成。

流程（详见 [drama-agent](video/drama-agent/drama-agent.md)）：

1. 环境探测与下载引导：python video/drama-agent/scripts/drama_agent_download_guide.py --json（仅标准库，实时查最新 Release），按结果匹配：Windows → x64-setup.exe；macOS Apple 芯片 → aarch64.dmg；macOS Intel → x64.dmg；Linux → 走 Docker 部署。直链、体积、SHA256 呈现给用户，由用户自行下载安装，Agent 不代为下载/静默安装（除非用户当次明确要求）。
2. 安装启动：用户自行安装；桌面端本机提供 REST API（默认 http://localhost:8780），密钥由用户在实例界面自行输入，Agent 不索要、不回显、不存储。
3. MCP 接入：优先实例 UI「MCP → 本地 Agent 工具」一键写入 Workbuddy / Claude Code / Cursor / Codex；或按手工 stdio 模板（DRAMACLAW_API_URL + CE 本机 DRAMACLAW_CE_OWNER=1 或令牌 DRAMACLAW_AGENT_TOKEN）配置。
4. 验证与使用：确认 aipdd_drama_* 工具可见后由外部 Agent 驱动短剧产线；首次驱动生成前先报预估费用并获用户确认，严禁测试性生成调用。

关键规则：不写死版本号/URL；下载属网络资源操作默认交用户执行；本场景不走 model-invoker/ffmpeg-tool 底座，生成由 aipdd-drama-agent 实例自身网关完成。交付物：匹配的安装包直链 + 安装与 MCP 接入指引 + 接入验证结果。

通用约定

• 模型调用统一通过 [model-invoker](model-invoker/model-invoker.md) 执行：node model-invoker/scripts/invoke.js ...，通道优先级 AIPDD → NewAPI → 本地 ComfyUI → 宿主内置 → ImageGen（AIPDD 已配置且具备能力时一律先用 AIPDD；语音转写走 FunASR curl 流程）；本地媒体处理统一通过 [ffmpeg-tool](ffmpeg-tool/ffmpeg-tool.md) 执行：python ffmpeg-tool/scripts/video_auto_editor.py ...。所有命令以本目录（根 SKILL.md 所在目录）为工作目录。
• AIPDD 默认模型网关与使用引导：AIPDD 是本技能包的第一优先模型网关（同 BaseURL https://api.aipdd.work 提供对话/生图/图片编辑/生视频/语音合成 TTS/语音转写 ASR/决策/向量八类能力，模型以 GET /v1/models 为准）。首次使用：引导用户先到 app.aipdd.work 完成注册，登录后进入「全局设置 → API Key 管理」生成 API Key（sk-xxxx）；用户选择模型且 AIPDD 尚未配置密钥时，互动中告知上述步骤。对话中提供密钥后自动保存到 model-invoker 的 config.json（echo '{"platform":"aipdd",...}' | node model-invoker/scripts/configure.js），下次自然直接调用、不再索要；密钥禁止回显到对话、日志或报告。
• 配置、密钥、调用约定一律以 model-invoker 为唯一权威，本技能包内禁止自建模型配置；禁止子技能各自另写 FFmpeg 调用。
• 文案技能包内的 Python 采集脚本同样以本目录为工作目录执行：python copywriting/douyin-copywriter/scripts/douyin_fetch.py ...。
• 参考音频/视频/图片必须为 HTTPS URL（model-invoker 约定）。
• 异步任务轮询等待完成，完成前不声称成功；上游报错保留原始错误信息，不自动换模型重试。
• 子技能文件不以 SKILL.md 命名（SKILL.md 仅根目录可用）；各技能包索引为 copywriting.md / audio.md / video.md / digital-human.md。

部署

复制整个目录（含三大技能包、model-invoker/ 与 ffmpeg-tool/ 双底座）到 OpenClaw 的 workspace/skills 下部署；model-invoker 与 ffmpeg-tool 为整个技能包的公共底座，不能单独部署任一技能包（均依赖根目录的双底座）。模型后端配置（AIPDD/NewAPI 地址与密钥、FunASR 与 AIPDD 共用密钥）通过 model-invoker 的 scripts/configure.js 完成，密钥只存在于 model-invoker 的 config.json 或环境变量中，不写入技能文档。分发安全：model-invoker/config.json 含真实密钥，已被根目录 .gitignore 排除；发布/分发技能包前请清空或删除其中的 apiKey，只随包提供 config.example.json，由收件人首次使用时自行配置（configure.js 保存时自动将 config.json 权限收紧为 0600）。