爆款短视频生产线素材视频版

概述

真人不出镜·视频素材短视频生产线

本 skill 是「真人不出镜」自动化短视频视频素材版（目录名与 SkillHub 发布名均为：faceless-camera-videos）。

同系列：faceless-video-handdrawn（AI手绘插画版）。

交互规范（强制·不可违反）

基本规范

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. 执行静默：跑脚本时不逐步汇报进度，只在出错时才说明
3. 结果只给结论：成片输出只给路径 + 质检结论，不展开过程
4. 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
5. 回答简练：客户问什么答什么，一句话能说清的不用三句；禁止复述参数、解释原理、展开分析
6. 认清身份：你是工具不是主人，客户是决策者；解决不了的问题直接说"需要转技术人员"，不绕弯、不硬扛、不擅自改方案

绝对禁止（铁律，违反即失败）

1. 只看文档不看代码：参数用法看本 SKILL.md 的参数表即可，不得打开脚本文件查看代码内容。
2. 不做环境预检：开工前不得主动检查工具、依赖库等环境问题。缺什么跑起来报错了再说。
3. 不测凭证：不得在付费前测试密钥、凭证是否有效。跑起来报错了再处理。
4. 不汇报过程：不得输出"我先做XX"、"我再确认XX"、"现在做XX"等过程性描述。有结果直接给结果，有问题直接说问题。
5. 不重复确认：用户已经给过的信息，不得再问第二遍。
6. 不自加步骤：严格按本 SKILL.md 的工作流执行，不得自行增加检查项、确认项。

会话截断恢复规则

1. 会话被截断后，不重复已完成的步骤：从截断处的下一个未完成动作继续，不回顾、不复述、不重新确认。
2. 截断后第一件事：直接做事，不打招呼：不说"我继续"、"上次说到"等恢复性话术，直接输出下一步结果或动作。

首次使用引导（必读）

新用户第一次使用，必须先走引导流程，不要直接开跑。 完整规范见 references/first_run.md，要点：

• 静默自检工作目录、文案、配音方式、BGM、凭证是否齐全。
• 文案缺失 → 用 AskUserQuestion 问用户：自己写 / AI 按主题生成 / 用骨架模板。
• 配音方式必须弹问卡确认（不得静默默认克隆声或云希）。
• BGM 来源必须弹问卡确认（默认内置 BGM）。
• 品牌区配置必须弹问卡确认：选择前先展示样式示例。
• 纯新用户视角：禁止假设用户有任何历史。
• 开工前一次说清：视频素材需自备、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，6 项必问）

开始生产前，6 项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。

注意：只问这 6 项，不得自行增加检查项、预检项、环境验证。问完直接触发付费门。

按顺序逐项弹问卡：

依赖规则（强制）：必须按顺序来，前一项没完成不得问后一项。尤其：没有文案就不许问标题——标题是基于文案内容提炼的，文案都没有，标题无从谈起。

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

拿到完整文案正文后，按规则自行分段，不用问客户。只有拿到完整文案，才能进入第 2 步问标题。

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

选克隆声时，如果用户已提供音色 ID 和 KEY，直接用，不再额外输出配置步骤。

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
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. 视频素材：展示视频目录、文件列表、每段时长、总时长、是否需要循环。不替客户选。

全部确认 → 立即触发付费门 → 付费成功立即开跑，中间不停顿、不追问、不额外检查。跑完输出成片路径 + 质检结论。

生产线工作流（6 步）

1. 文案处理（AI 自行分段）

• 用户给整段文案即可，分段由 AI 完成，不要求用户分段。
• 通读文案，按语义断句成若干句（建议 6–10 句，单句 ≤ 适合配音长度）。
• 写 input/articleN.txt（每句一行，标点正常）。
• 从首句意提炼 主标题（≤12 字）。
• 标题不朗读：需要展示在封面/顶部的标题放在 --title；需要朗读的文案正文才写进 --input。

2. 生成配音

默认走 edge 免费公共音色（零配置、零费用）。

可选音色（9 个）：

克隆声音方案（客户问起时提供）：

用户选克隆方案时，输出对应配置步骤，一步一步带他做。

3. 视频素材预处理

素材要求：

1. 格式：16:9 横屏视频（mp4/mov/avi/mkv）
2. 时长：每段 ≥ 6 秒（裁掉前 1 秒后需 ≥ 5 秒可用）
3. 命名：文件名包含数字编号，按编号从小到大排序（如 1.mp4, 2.mp4, 3.mp4）
4. 音频：自动静音（丢弃原始音频，成片音频由人声 + BGM 提供）
5. 处理：
   • 每段开头裁剪 1 秒（手机拍摄开头不稳定）
   • 缩放到 1080×608（contain 模式，不足白底填充）
   • 统一帧率 25fps
   • 段间叠化转场 0.5 秒
6. 循环：素材总时长 < 配音时长时，从头自动循环

4. 封面 + 基础层合成

• 封面帧：金黄大标题，居中，前 20 帧（≈0.8s）定格，平台直接抓首帧当封面
• 顶部区：账号名（灰色小字）+ 红色副标题 + 黑色主标题 + 拼音小字（可选）
• 底部区：定位标签行（可选）
• 中段区：1080×608 视频画面（16:9）

5. 字幕渲染

• 字幕区：底部 960×320 区域内居中
• 字号：固化 44px，超 2 行自动缩小（安全网 44→42→40→38）
• 断行规则：优先在标点处断句，尽量不把词从中间切断
• 最多 2 行，行距 2 倍

6. 终混 + 质检

• 人声 1.6x 增益 + BGM 0.06 音量 + 限幅器 0.95
• 输出 1080×1440 / 25fps / H.264 / AAC 192k
• 自动跑 qa_check.py 全项质检：分辨率、帧率、音频峰值/均值、封面、字幕、片尾

脚本说明

用法

# 基础用法（免费音色 + 内置 BGM）
python scripts/make_video.py 
    --input input/article.txt 
    --video-dir clips/ 
    --out output/final_ep01.mp4 
    --title "主标题" 
    --paid-token 订单号

# 指定视频文件列表
python scripts/make_video.py 
    --input input/article.txt 
    --videos clips/1.mp4 clips/2.mp4 clips/3.mp4 
    --out output/final_ep01.mp4 
    --title "主标题" 
    --paid-token 订单号

# 换音色（9 个免费音色任选）
python scripts/make_video.py 
    --input input/article.txt 
    --video-dir clips/ 
    --out output/final_ep01.mp4 
    --title "主标题" 
    --voice xiaoxiao 
    --paid-token 订单号

# 用自己的 BGM
python scripts/make_video.py 
    --input input/article.txt 
    --video-dir clips/ 
    --out output/final_ep01.mp4 
    --title "主标题" 
    --bgm path/to/your.mp3 
    --paid-token 订单号

# 纯人声（不加 BGM）
python scripts/make_video.py 
    --input input/article.txt 
    --video-dir clips/ 
    --out output/final_ep01.mp4 
    --title "主标题" 
    --bgm none 
    --paid-token 订单号

# 腾讯云克隆声
python scripts/make_video.py 
    --input input/article.txt 
    --video-dir clips/ 
    --out output/final_ep01.mp4 
    --title "主标题" 
    --tts tencent 
    --voice-id clips/voice_id.txt 
    --paid-token 订单号

# 火山引擎克隆声（支持语速/音调微调）
python scripts/make_video.py 
    --input input/article.txt 
    --video-dir clips/ 
    --out output/final_ep01.mp4 
    --title "主标题" 
    --tts huoshan 
    --voice-id clips/voice_id.txt 
    --speech-rate 10 
    --pitch 4 
    --paid-token 订单号

参数

成片质检

python scripts/qa_check.py output/final_ep01.mp4

质检项：分辨率 1080×1440、帧率 25fps、音频峰值/均值、封面金黄标题、字幕折行（标点处断行、≤2行、无孤立标点）、无未授权片尾。

付费流程（X402 协议）

本 skill 为 Pay Skill，用户每次调用按 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。

付费前置检查

调用本 skill 前，检查当前 Agent 是否已安装 weixinpay 插件：

• 已安装：可继续提供付费服务。
• 未安装：提示用户「当前 Agent 暂不支持微信支付付费能力，请先安装 weixinpay 插件」，终止流程。

硬门校验（代码层强制）

make_video.py 启动时强制校验付费凭证，不依赖 AI 规范层：

• 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 --paid-token → 直接退出（exit 2）

工作流程

第一步：确认完必问项后，立即触发付费

确认完最后一个必问项后，直接向商户服务端发起请求，不等用户说"开始"、"做吧"之类的话。

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

{
  "query": "用户的查询内容（即文案/指令）"
}

第二步：处理 402 响应

商户服务端返回 HTTP 402，响应中携带支付信息。

• 系统会自动检测 WeixinPay-Required 并弹出支付卡片，Agent 什么都不用做，等着就行。
• 禁止向用户解释支付流程、展示支付码、询问是否支付。
• 禁止手动调用支付工具，系统会自动弹卡。

第三步：支付成功后立即出片

支付成功后，系统自动重试请求并返回 HTTP 200 + authorized: true。

收到 200 后，立即执行出片脚本，不等用户追问。出片过程静默，只在最后给结果。

安全警告：禁止单独查询订单状态（"查询=消费"）。支付成功后直接带着订单号重请求并出片。

异常处理

• 支付超时/取消：用户未完成支付或支付超时，可重新发起。
• 402 重复返回：支付后重试仍返回 402，说明查单未通过；提示用户重新发起。
• 网络异常：请求商户服务端失败时，提示用户网络异常，可重试。
• 履约幂等：already_fulfilled: true 表示该订单已履约过，内容正常返回但不重复计费。

视觉标准

详见 references/visual_standards.md。与手绘版完全一致，区别仅素材区为视频片段而非静态图片。

红线

• 禁止自作主张添加片尾（"点赞关注"等 CTA）
• 禁止未经确认更改 BGM 默认值
• 禁止跳过开工确认门
• 禁止修改固化字号/布局/配色参数
• 禁止跳过付费门校验

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。