爆款短视频生产线素材简笔画版

概述

真人不出镜·手绘短视频生产线

本 skill 是「真人不出镜」自动化短视频手绘图片版。把一段纯文字文案，端到端变成 1080×1440（3:4）竖屏短视频：配音 + AI 手绘插画轮播 + 顶部标题/账号 + 底部字幕与标签。

交互规范（强制·不可违反）

1. 只做视频的事：不问与视频制作无关的问题，不拓展话题
2. 不擅自做主张：每一项都让客户明确选择，不自动选默认值、不替客户决定标题/配音/BGM/品牌信息
3. 确认门逐项对话：一项一项问，像聊天一样自然，不用表格、不丢一堆参数说明给客户看
4. 执行静默：跑脚本时不逐步汇报进度，只在出错时才说明
5. 结果只给结论：成片输出只给路径 + 质检结论，不展开过程
6. 禁止客套：不说"好的我来帮你"、"让我解释一下"等过渡语，直接做事

何时使用

• 用户要量产不露脸的抖音/视频号风短视频（知识、读书、成长、认知类）
• 用户给了文案，需要自动：分段断句 → 配音 → 配图 → 出片
• 用户要调整成片视觉风格（符合本 skill 固化标准）

适用：读书感悟 / 知识科普 / 思维认知 / 情感共鸣 / 个人成长不适用：真人出镜、实拍混剪、复杂特效/转场

首次使用引导（要点）

新用户第一次使用必须走引导。完整规范见 references/first_run.md，详细步骤见 docs/first_run_detailed.md。

核心规则（强制）：

1. 纯新用户视角：禁止假设用户有历史
2. 配音方式必须弹问卡：免费预置音色（10+ 个可选）/ 克隆自己的声音，不得静默默认
3. BGM 必须弹问卡：默认内置 BGM（首次自动下载）/ 自带 / 不加
4. 品牌区先给样式示例再问：用示例 / 自定义 / 留空
5. 开工前一次说清风险：生图耗积分、BGM须可商用、克隆声额度有限、凭证别泄露

仅当用户已熟悉流程、且各项输入齐备时，可跳过引导直接执行工作流。

开工确认门（弹问卡，逐项确认）

开始生产前，逐项弹问卡让客户选，一项一项来。不替客户选、不静默默认。 没全部确认前禁止执行任何脚本。详细引导规范见 docs/first_run_detailed.md。

按顺序逐项弹问卡：

1. 文案：弹问卡「文案怎么来？」
   • 客户粘贴/写（推荐）
   • AI 按主题生成
   • 用内置骨架模板

拿到文案后按规则自行分段，不用问客户。

1. 主标题：弹问卡「标题怎么来？」
   • AI 根据文章内容按规则提炼标题
   • 客户提供标题
2. 配音方式：弹问卡「用哪种配音？」
   • 免费预置音色·云希（推荐新手）
   • 其他公共音色（云扬/云浩/晓伊等）
   • 腾讯云声音克隆
   • 火山引擎声音克隆
   • 我提供录音，你帮我复刻

选克隆声时，立刻输出对应配置步骤（见 docs/first_run_detailed.md 第七/八节）。

1. BGM：弹问卡「BGM 怎么解决？」
   • 用内置 BGM（默认，首次自动下载）
   • 不加 BGM（纯人声）
   • 用我自己的
   • 去免费库找
2. 品牌区：先给样式示例（输出文字示意图），再弹问卡「你的视频顶部/底部要怎么配品牌区？」
   • 用参考示例（推荐）
   • 填我自己的品牌信息
   • 留空（默认）
3. 配图数量：自动计算 N=ceil(时长/8)，不用问客户。

全部确认 → 直接开跑，中间不弹窗、不停顿、不追问。跑完输出成片路径 + 质检报告。

生产线工作流（5 步）

1. 文案处理（AI 自行分段）

• 用户给整段文案，分段由 AI 完成，按语义断句成 6–10 句
• 写 input/articleN.txt（每句一行）
• 从首句意提炼主标题（≤12 字）
• 标题不朗读：--title 仅视觉展示；需要朗读的内容写进 --input

2. 生成插画素材

① 先算张数：跑 scripts/estimate_duration.py 拿配音总时长，N = ceil(时长 / 8)② 逐张顺序生成（不要并行，会时间戳碰撞）：

• N 张黑白红手绘插画，输出 output/scene_1.png … scene_N.png
• Prompt 模板：Clean minimalist line illustration, pure white background, <简单物件>, simple black ink outline, friendly and calm, no human face, no scary elements, no text, no watermark, no signature, centered composition, generous white space, 16:9
• 生成后立即去水印（scripts/clean_ai_image.py）+ 重命名

3. 配音

• 默认推荐：--tts edge 走微软公共音色，零凭证，10+ 中文音色可选
  • 男声：yunxi(云希,默认)/yunyang(云扬)/yunjian(云健)/yunxia(云夏)/yunhao(云浩)
  • 女声：xiaoxiao(晓晓)/xiaoyi(晓伊)
  • 方言：xiaobei(东北话)/xiaoni(陕西话)
• 腾讯云克隆声（按需）：腾讯云一句话版（需用户自配凭证 + clips/voice_id.txt）
• 火山引擎克隆声（按需）：火山引擎豆包语音大模型（需用户自配 API Key + clips/voice_id.txt），支持语速/音调微调（--speech-rate/--pitch）
  • 用户选此方式时，读取 references/voice_clone_guide.md 引导配置
• 首次建克隆用 scripts/voice_clone.py（腾讯）；火山用户在控制台完成训练

4. 合成成片

• 运行 scripts/make_video.py：TTS → 拼句 → 加载插画 → 逐帧合成 → ffmpeg 合成（可选叠BGM）→ 输出 mp4
• --cover-frames 20：前 20 帧定格为封面帧（纯白底 + 金黄标题）

5. 抽封面帧（可选）

ffmpeg -y -i output/final_epNN.mp4 -vf "select=eq(n,0)" -frames:v 1 -q:v 2 output/cover_epNN.jpg

固化视觉标准（硬标准）

完整硬参数见 references/visual_standards.md，要点：

• 1080×1440（3:4），三段布局，封面帧前 20 帧
• 封面：纯白底 + #FFC31F 金黄粗体标题（110px，1.5倍行距）
• 顶部信息区整体下移 20px；16:9 素材区 y 430~1038
• 主标题黑色 90px，1.5 倍行距；账号/副标题/拼音可选，不传则留白
• 字幕区 y 1050~1370，44px，2 倍行距，最多 2 行，优先标点处断行
• 底部标签可选（y=1350），不传则留白
• BGM 音量固定 0.06，人声 volume=1.6 提亮

关键命令速查

# ① 测配音时长，算配图数 N = ceil(时长 / 8)
python scripts/estimate_duration.py --input input/articleN.txt --tts edge

# ② 出片（默认 --tts edge 走公共音色；不传品牌参数则留白）
python scripts/make_video.py 
  --input input/article.txt 
  --images output/scene_1.png output/scene_2.png ... output/scene_N.png 
  --out output/final_epNN.mp4 
  --cover-frames 20 --pic-dur 8 
  --title "把自己当艺术品"

# 启用品牌信息示例：
python scripts/make_video.py ... 
  --account "@周周读书随笔" 
  --subtitle "让读书成为人生最坚强的底气" 
  --pinyin "zhouzhou du shu sui bi" 
  --tags "思维认知|读书感悟|生活随笔|终身学习|好书推荐|人生成长"

# 走腾讯克隆主播声（需用户自配凭证 + clips/voice_id.txt）
python scripts/make_video.py ... --tts tencent --voice-id clips/voice_id.txt

# 走火山引擎克隆声（需 VOLC_API_KEY 环境变量 + clips/voice_id.txt 存音色ID）
python scripts/make_video.py ... --tts huoshan --voice-id clips/voice_id.txt --speech-rate 0 --pitch 0

# 不加 BGM（纯人声）
python scripts/make_video.py ... --bgm none

# 抽封面帧
ffmpeg -y -i output/final_ep02.mp4 -vf "select=eq(n,0)" -frames:v 1 -q:v 2 output/cover_ep02.jpg

Pillow 偶被沙盒回收：python -m pip install Pillow --ignore-installed --no-deps --no-cache-dir pillow==12.3.0

脚本说明

已知坑（高频）

完整明细见 references/known_pitfalls.md 和 docs/pitfalls_detailed.md。

• ImageGen 并行生成会覆盖 → 必须逐张顺序生成
• 生成图带 AI 水印 → 用 clean_ai_image.py 处理
• Pillow 偶被回收 → 重装命令见上
• ffmpeg concat 中文路径乱码 → 用 Python wave 拼 WAV
• edge_tts 国内偶发无音频 → 自动 fallback，仍失败换腾讯克隆声

付费流程（X402 协议）

本 skill 为 Pay Skill，1 元/次计费（无论输出几条视频），通过微信 Agent Pay（X402 协议）完成支付。

前置检查

调用前检查：

1. weixinpay 插件：已安装 → 继续；未安装 → 提示用户安装，终止流程
2. 微信支付AI专属卡开通状态：调用 mcp__weixinpay__weixinpay_register 检查。已开通 → 继续；未开通 → 引导用户按返回的绑定链接完成开通，终止流程

硬门校验（代码层强制）

make_video.py 启动时强制校验：

• 传 --paid-token <订单号> → 向商户服务端验证，未付费直接退出（exit 2）
• 不传 → 直接退出（exit 2）

工作流程

第一步：请求资源（首次请求）

POST https://skillpay.reexin.cn/demo/skill/invoke
Content-Type: application/json

{
  "query": "短视频标题或短描述（≤30字，不传完整文案）"
}

⚠️ query 只传短描述（如视频标题/主题），不传完整文案。商户端 description 约 127 字节限制，传整篇文案会下单失败。

第二步：处理 402 响应

商户返回 HTTP 402，提取并保存：

• WeixinPay-Required — 支付凭据（paymentCode），禁止向用户展示原始值
• X-Out-Trade-No — 订单号（支付后重试必须携带）

第三步：弹出支付卡片（系统自动触发）

402 响应中包含 WeixinPay-Required，系统自动检测并触发工程化支付，弹出微信支付卡片。智能体无需也不应手动调用工具去重复发起支付。

兜底：如系统未自动弹出支付卡片，调用 mcp__weixinpay__weixinpay_retry_pay 传入 paymentCode 触发：

代码复制

mcp__weixinpay__weixinpay_retry_pay({ paymentCode: "第二步保存的值" })

等待用户在支付卡片上完成支付。不主动轮询、不臆测、不编造支付状态，等待系统回传支付结果。

第四步：支付成功后立即出片（不等用户追问）

⚠️ 禁止单独查询订单状态：商户端不区分"查询"与"消费"，任何验证请求都会消耗授权。支付成功后直接执行本步，不得用任何脚本独立查询/验证订单号。

支付成功后，立即携带 X-Out-Trade-No 重新请求商户服务端，body 与第一步一致：

POST https://skillpay.reexin.cn/demo/skill/invoke
Content-Type: application/json
X-Out-Trade-No: 第二步保存的订单号

{
  "query": "短视频标题或短描述（与第一步完全一致）"
}

收到 authorized: true 后，立即执行出片脚本：

python scripts/make_video.py 
    --input input/article.txt 
    --images output/scene_1.png output/scene_2.png ... 
    --out output/final.mp4 
    --title "标题" 
    --paid-token "第二步保存的订单号"

异常处理

• 支付超时/取消：不自动重试，询问用户是否对同一订单重新支付。用户确认后，调用 mcp__weixinpay__weixinpay_retry_pay({ paymentCode: "第二步保存的值" }) 重新触发支付卡片
• 402 重复返回：说明查单未通过，提示重新发起
• 网络异常：提示重试，已生成的订单号有效期内可继续用
• 履约幂等：already_fulfilled: true 表示已履约过，正常返回不重复计费
• 支付反复失败：引导用户使用 weixinpay-feedback 技能反馈问题

版权与免责声明

• BGM 默认内置：首次自动从服务器下载无版权 BGM（bgmfaceless.mp3），音量固定 0.06。客户可 --bgm 覆盖或 --bgm none 禁用。
• 客户自带 BGM：版权由客户自行负责，本 skill 仅做技术合成，不对第三方音乐版权纠纷负责。
• 配音克隆声：克隆的是本人或已获授权的声音，用他人声音复刻须获得授权。
• 成片用途：本 skill 产出模板化短视频，最终发布内容的合规与版权由使用者承担。

免责声明

用户需确保用于声音复刻的音频素材已获得声音本人的明确授权。因用户未经授权使用他人声音所产生的一切法律责任，由用户自行承担，与本 skill 作者无关。