自动化克隆数字人口播混剪视频
抖音短视频双路径生产体系(单 Skill 版)。Path A[付费·高质量]:策略大脑→(可选:素材混剪/AI高光提取)→脚本优化→AI生图/素材准备→配音渲染(百炼/GPT-SoVITS/CosyVoice/VoxCPM2+剪映/Remotion/ffmpeg/数字人)。Path B[免费·动画风]:采集热点→脚本→edge-tts免费配音+HyperFrames开源渲染→MP4,零云费开箱快。触发词分层:①"抖音短视频/选题规划/合规闸门/运营策略" ②"口播脚本/AI生图/AI配音/视频渲染/Remotion渲染" ③"蹭热点/快速出片/免费做视频" ④"混剪/高光提取/素材粗剪/autoclip
skillhub install @user_3b54b400/douyin-pro
README 文档
11,590 字抖音短视频生产 · 双路径 Skill
一条 Skill,两条路:Path A [付费] 追求品质上限;Path B [免费] 追求零成本快出。选完就跑,不用配环境。
⚡ 一键安装(首次必做)
Windows 用户(复制即跑):
# 1. 装 ffmpeg(没装的话)
winget install ffmpeg # 或下载 https://www.gyan.dev/ffmpeg/builds/
# 2. 装 Node.js ≥22(HyperFrames 需要)
winget install OpenJS.NodeJS.LTS
# 3. 装 edge-tts
pip install edge-tts
# 4. 一键验证全部依赖
python scripts/install_path_b_deps.py --check
Mac 用户:
brew install ffmpeg node pip && pip3 install edge-tts && python3 scripts/install_path_b_deps.py --check
全绿 → 直接出片。有红 → 按提示装缺失项。Path B 只需这 3 样东西,2 分钟搞定。
两条路径怎么选
| 🅰️ Path A 高质量 [付费] | 🅱️ Path B 免费直出 [免费·动画风] | |
|---|---|---|
| 画面风格 | ✅ 真人混剪 / AI生图 / Remotion模板 / 数字人 | ⚠️ 文字动画风格(非真人实拍,不适合真人出镜需求) |
| 音色 | ✅ 可克隆专属声音 | ⚠️ 微软预设音色(不可克隆) |
| 费用 | 需自备 TTS(百炼/CosyVoice 等)+ 渲染环境 | 完全免费(edge-tts + HyperFrames 开源) |
| 联网 | 可完全离线运行 | edge-tts 需联网调用微软接口(偶尔等待或超时时自动降级到 CosyVoice) |
| 适合谁 | 品牌号、矩阵号、要真人质感、有实拍素材需混剪 | 蹭热点、模板化批量、快速试错 |
| 上手时间 | 10–30 分钟配环境 | 2 分钟装依赖即可跑 |
| 混剪支持 | ✅ 可选 混剪层(autoclip)提取高光 | ❌ 无,Path B 从热点/脚本直接生成 |
💡 不知道选哪个? 先用 Path B 免费出一条试试效果 → 满意了再投入 Path A 配环境。
🟢 Path B 可移植提示:本行链路(edge-tts + HyperFrames + ffmpeg + 本地脚本)是纯开源组件,理论上可改写进 Codex / Claude Code 等带 bash 的 agent 直接跑(平台专属入口除外)。详见下方「🧩 平台兼容性与适配范围」。
🎯 你说什么 → 我做什么(照着说就行)
| 你说这话 / 有这个意图 | 我做什么 | 用哪条路 |
|---|---|---|
| 「做一条抖音短视频」「从选题到成片」 | 全流程端到端 | 问你要 A 还是 B |
| 「帮我采集最近 XX 热点」 | 全网素材采集报告 | Path B |
| 「帮我写个口播稿 / 优化这段文案」 | 脚本优化 + 标题方案 + 分镜 | A 或 B 都行 |
| 「帮我生成配图 / AI 生图」 | shot_plan → AI 生图(9 模型可选) | Path A |
| 「用 edge-tts 免费配音直接出 MP4」 | 脚本 → edge-tts 配音 → HyperFrames 渲染 | Path B |
| 「用 CosyVoice / 百炼配音出片」 | 脚本 → TTS 配音 → 渲染通道出片 | Path A |
| 「只做账号策略 / 选题方向」 | 大脑层策略分析 | A 或 B 可选 |
| 「合规检查一下这篇文案」 | 合规六闸检测 | A 或 B 都行 |
| 「蹭热点出条视频」 | 采集热点 → 脚本 → Path B 免费直出 | Path B |
| 「我要真人出镜效果」 | Path A(数字人或实拍素材混剪) | Path A |
| 「帮我批量出 5 条 XX 视频」 | 批量流水线自动循环 | Path B(或 A) |
| 「我有实拍素材,先帮我混剪/挑高光」 | 混剪层 AI 提取 clip_segments → 再进脚本 | Path A(混剪流) |
| 「用 Remotion 模板出片」 | 脚本 → 配音 → Remotion 渲染 | Path A |
| 「用文字/图片直接生成视频」「把这张图变动态」 | 平台内置 AI 视频模型(非本 skill A/B 流程) | 走「多模态内容生成」入口,结果可回灌混剪层 |
| 「我该用 Path A 还是 B?」 | 分析需求后推荐 + 理由 | — |
💡 原则:你说得越具体越好。不确定就说「帮我做一条关于 XX 的抖音短视频」,我会问你几个关键问题然后开干。
🚨 出问题了?30 秒自救(不用查文档)
第一步:判断问题类型
| 现象 | 最可能原因 | 立刻这样做 | 修完后呢? |
|---|---|---|---|
| 一开始就说「缺少必填信息」 | 没给够具体要点 | 补 3–5 条有立场的要点(别只给一个笼统主题) | ✅ 自动继续 |
| 跑着超时报错 | 网络不通 / API Key 过期 | 检查网络 → 查 Key 过期没 → 余额够不够 | ✅ 重试即恢复 |
| 输出的不是 JSON / 结构乱了 | 温度太高或模型太弱 | 把 temperature 降到 0.6–0.7,换强模型 | ✅ 重试即恢复 |
| 质量分 score 不及格 | 要点太泛或模型不够好 | 已自动重跑 2 次;仍不行就补具体要点后手动重来 | ✅ 重来即可 |
| 分镜脚本不合格(太泛) | visual_prompt 没写具体画面 | 每槽写 ≥15 字 + 含具象名词(如「办公桌上凉掉的咖啡杯」) | ✅ 自动重新校验 |
| 渲染报错(TTS/剪映) | 依赖没装好 | 跑 python scripts/installpathb_deps.py --check 排查 | ✅ 装好后重跑 |
| 变量红显 / DSL 导入失败 | Dify 变量未绑定 | 在画布里重新拖拽变量绑定 | ✅ 绑定后重跑 |
| 合规检测拦截 | 文案含极限词/违规表述 | 按提示修改违规词 | ✅ 改后自动继续 |
| edge-tts 联网超时 | 微软服务偶尔不通 | 自动降级:CosyVoice → GPT-SoVITS → 百炼(按顺序尝试) | ✅ 自动切换 |
| 批量出片其中一条失败 | 单条数据问题 | 该条自动跳过,不影响其他条 | ✅ 查看失败条日志后单独重跑 |
第二步:安装 / 环境排错(依赖类问题)
| 报错 | 解决 |
|---|---|
pip install edge-tts 超时 | 加 -i https://pypi.tuna.tsinghua.edu.cn/simple |
node -v < 22 | 去 nodejs.org 下 LTS 22+,或 winget install OpenJS.NodeJS.LTS |
ffmpeg: command not found | Win: winget install ffmpeg / Mac: brew install ffmpeg |
npx hyperframes 报错 | npx hyperframes browser ensure(首次下载 Chromium) |
python scripts/... 找不到 | cd 到 skill 根目录(有 scripts/ 的那层)再运行 |
| 依赖缺失(通用) | 跑 python scripts/installpathb_deps.py --check → 缺啥装啥 |
第三步:卡住了?4 步排查
① 跑 `python scripts/install_path_b_deps.py --check` → 缺什么装什么
② 看最后 20 行终端输出 → 复制给 AI 助手分析
③ 网络问题?→ 检查代理/VPN → edge-tts 不通就自动降级 Path A 配音
④ 完全不知道哪错了?→ 把完整报错发给 AI 助手
🔧 需要深度排查? →
skills/抖音/references/error-handling.md(E001-E015 完整码表 + 大白话翻译 + 逐条修复步骤)
🚨 避坑清单(新手必读,5 分钟省 80% 坑)
记忆口诀:三点五分一七二,TTS 验时长别忘掉
写脚本阶段(最容易翻车)
| ❌ 坑 | 后果 | ✅ 正确姿势 |
|---|---|---|
| 只给 1 条笼统主题(如"讲 AI") | 脚本空洞、被质量门打回 | 给 3–5 条有立场的具体要点 |
| video_duration 填 300s(5分钟) | LLM 装不下,截断烂尾 | 15–120 秒,长内容拆系列 |
| temperature 设 1.0 | JSON 乱、声画错位 | 0.6–0.7 |
| 跳过 shot_plan 随便配图 | 完播率暴跌 | 必须 shot_plan 驱动每帧画面 |
配图阶段
| ❌ 坑 | 后果 | ✅ 正确姿势 |
|---|---|---|
| visual_prompt ≤14 字或无具象名词 | 分镜不合格被打回 | 每槽 ≥15 字 + 具体物体名 |
| source 留空不填 | 硬校验阻塞 | 必填 aigen 或 assetpool |
| 用未授权人脸做数字人 | 合规红线直接毙 | 必须 书面授权 |
渲染阶段
| ❌ 坑 | 后果 | ✅ 正确姿势 |
|---|---|---|
| TTS 后不验证实际时长 | ±10s 偏差,声画错位 | 以 ffprobe 实际时长 为准回写 beat |
| 同系列视频换 style_anchor | 风格跳来跳去不像一个号 | 同系列 共享同一个 style_anchor |
| Path B 想要真人出镜效果 | HyperFrames 是文字动画,做不到 | 真人需求走 Path A(数字人/混剪) |
| 渲染报错就从头重来 | 浪费时间 | 先看报错→对应上方「30秒自救」→90%是依赖问题 |
Dify 用户额外注意
| ❌ 坑 | 后果 | ✅ 正确姿势 |
|---|---|---|
| 导入 DSL 后变量红显不处理 | 运行时字段丢失 | 在画布里重新拖拽绑定每个变量 |
| 以为必须装 Dify 才能用 | 白忙活 | 对话直跑即可,Dify 完全可选 |
五层模块(按需加载,不用全读)
| 层 | 复杂度 | 模块文件 | 职责 | 前提条件 |
|---|---|---|---|---|
| ① 大脑层 | 🟡 | skills/大脑/SKILL.md | 账号定位/选题/合规六闸/推荐通道 | 无,纯推理 |
| ② 采集 | 🟢 | skills/采集/SKILL.md | 全网素材采集(WebSearch/feedgrab) | 无(零配置模式) |
| ③ 脚本优化 | 🟡 | skills/抖音/SKILL.md | 产出 optimizedscript / shotplan / score | 给主题或初稿即可 |
| ④ 绘影图像 | 🟡 | skills/绘图/SKILL.md | shot_plan → 图片(9模型可切换) | WorkBuddy 生图工具可用 |
| ⑤ 渲染引擎 | 🔴 | skills/video-render-engine/SKILL.md | 配音×渲染 → 成片 | 至少装好一种 TTS + 一种渲染通道 |
扩展层(可选,仅实拍素材场景):
| 层 | 复杂度 | 模块文件 | 职责 | 前提条件 |
|---|---|---|---|---|
| ②.5 混剪 | 🟡 | skills/混剪/SKILL.md | AI 高光提取 / 素材粗剪 → clip_segments | 原始实拍/直播回放素材 |
主理人(司远)只做编排和合规总控,不代写任何模块的专业产出。 💡 想用真正的多 agent 并发编排(而非单主机串行)?见下方「🤝 多 Agent 模式」。
字段怎么在各层之间传递
大脑层 采集/混剪 中游脚本 绘影 下游渲染
┌────────┐ ┌─────────────┐ ┌──────────────┐ ┌────────┐ ┌──────────────┐
│account │ │ clip_ │─────▶│ optimized_ │ │image_ │ │ dubbing_ │
│position│ │ segments │ │ script │──▶│map │──▶│ method │
│topic │───▶│ (可选) │ │ title_options│ │ │ │ render_ │
│compli- │ │ │ │ shot_plan [] │ │ │ │ channel │
│ance │ │ │ │ score │ │ │ │ aspect_ratio │
└────────┘ └─────────────┘ └──────────────┘ └────────┘ └──────────────┘
(可选) (实拍素材可选) (每次必经) (可选) (每次必经)
4 条铁律:
- 每层必须把上一层完整结构化字段原文带入下一层,禁止凭记忆跳过
dubbingmethod枚举:edgetts(免费) / baike / gptsovits / voxcpm2 / cosyvoicerenderchannel枚举:hyperframes(免费) / jianying / remotion / ffmpeg / digitalhuman- 合规闸门由大脑设计、下游执行,任何层不得放宽
Handoff 字段速查
| 阶段 | 关键字段 |
|---|---|
| 大脑→中游 | accountpositioning / topicdirection / compliancegate / renderchannel(推荐) / dubbing_method(推荐) |
| 采集/混剪→中游 | clip_segments(实拍素材时传入脚本优化器) |
| 中游→绘影 | shotplan(beat / visualprompt / source / suggested_channel) |
| 绘影→下游 | imagemap.json(beatindex → image_path) |
| 中游→下游 | optimizedscript / dubbingmethod(edgetts免费/baike/gptsovits/cosyvoice) / renderchannel(hyperframes免费/jianying/remotion/ffmpeg/digitalhuman) / aspectratio / clip_segments(如混剪过) |
枚举值必须合法,否则下游校验不通过。Path B =
edge_tts+hyperframes= 免费直出。
✨ 独特价值(为什么不是又一个普通工具)
| 创新点 | 市面方案 | 本 Skill |
|---|---|---|
| 双路径可切换 | 只有一条固定流程 | Path A / Path B 一键切换,中间产物通用 |
| 零云费直出 | 按量计费/订阅制 | Path B 全链路零成本 |
| 合规内置 | 出完再审 | 合规六闸嵌入每一层,违规无法到达渲染 |
| 字段标准化 | 各模块各搞各的 | 统一 handoff JSON,换模块不换接口 |
| 质量门自动重跑 | 人工检查 | score<7 自动重跑最多 2 次 |
| 小白→专家渐进 | 要么太浅要么太深 | 复杂度标签 + 速查卡,按需深入 |
国内适配
- Path A:全链路国内部署——Dify+通义/DeepSeek、WorkBuddy内置生图、百炼/剪映/ffmpeg/CosyVoice。GPT-SoVITS + ffmpeg 组合 = 完全离线。
- Path B:WebSearch/WebFetch(国内可达)、edge-tts(微软免费,需联网)、HyperFrames(本地渲染)。edge-tts 是唯一联网环节,偶尔不通自动降级。
| 功能 | 离线? | 外部依赖 |
|---|---|---|
| 大脑层·策略推理 | ✅ 完全离线 | 无 |
| 脚本优化 | ✅ 完全离线 | 无 |
| AI 生图 | ✅ 完全离线 | 无 |
| GPT-SoVITS 配音 | ✅ 完全离线 | 无(本地GPU) |
| edge-tts 配音 | ❌ 需联网 | 微软TTS(国内直连稳定) |
| ffmpeg 合成 | ✅ 完全离线 | 无 |
| HyperFrames 渲染 | ✅ 完全离线 | 无(本地Chromium) |
质量承诺
- 每层必须把上一层完整结构化字段原文带入,禁止凭记忆跳过
- 合规闸门由大脑设计、下游执行,任何层不得放宽
- 不产出未过质量自检卡的成片
端到端实例(你说什么 → 我怎么做 → 出什么)
Path B 免费直出(5 分钟)
你:「帮我蹭最近 AI 热点,用免费方式快速出一条抖音视频」
我做:① 采集 → AI热点报告 ② 脚本 → 口播稿+shot_plan+score=8.2 ③ 渲染 → edge-tts+HyperFrames → final.mp4(1080×1920,带字幕) ✅ 零云费 3-5min
Path A 品牌向(有配音环境,10-15 分钟)
你:「帮我的知识付费账号做一条品牌向视频,用百炼克隆音色」
我做:① 大脑 → 定位+合规闸门 ② 脚本 → 优化稿+shotplan+score=8.5 ③ 绘影 → 6张配图 ④ 渲染 → 百炼配音+剪映混剪 → brandfinal.mp4 ✅ 四层全跑
Path A 实拍混剪流(有原始素材,15-20 分钟)
你:「我有一段 5 分钟直播回放,帮我挑高光剪成抖音带货视频」
我做:① 大脑 → 定位+合规闸门 ② 混剪 → autoclip 提取 clipsegments ③ 脚本 → 按高光写口播+shotplan ④ 绘影/素材准备 → ⑤ 渲染 → CosyVoice 配音 + 剪映精修(或 Remotion 模板化) → montage_final.mp4 ✅ 混剪层启用
Path A Remotion 模板化出片(有脚本和图,10 分钟)
你:「给我做一条品牌一致的动态图文视频,用 Remotion 出片」
我做:① 大脑 → 定位+风格锚点 ② 脚本 → 口播稿+shotplan ③ 绘影 → AI 生图 ④ 渲染 → edgetts/百炼配音 + Remotion 模板渲染 → remotion_final.mp4 ✅ 程序化动态图形
只要脚本(1-2 分钟)
你:「我有一段口播初稿,帮我优化」
我做:① 大脑可选(合规) ② 脚本 → 10维优化 → optimizedscript + titleoptions×5 + shot_plan + score ✅ 只跑一层
🎓 高级功能(进阶按需深潜)
| 功能 | 前提条件 | 在哪学 | 难度 |
|---|---|---|---|
| 数字人出镜 | 授权肖像+运行时 | skills/video-render-engine/SKILL.md §9.5 | 🔴 |
| 数字人训练/克隆 | GPU 或 SaaS + 训练素材 | §9.8 + skills/video-render-engine/references/digital-human-training.md | 🔴 |
| 批量流水线(10+条) | 一种 TTS + ffmpeg | §11 批量代码 | 🟡 |
| Dify 工作流集成 | Dify 实例 | skills/抖音/assets/dify-workflow-template.json | 🟡 |
| 多语言视频 | 对应语种 TTS | CosyVoice §8.5 或 edge-tts 多音色 | 🟡 |
| 自定义 HyperFrames 模板 | HTML/CSS/GSAP | templates/hyperframespathb/ + §9.6 | 🟡 |
| 声音克隆 | 参考音频(10-30s) + 百炼账号 | §8.2 百炼章节 | 🟡 |
| Remotion 程序化模板 | Node.js + React | §9.3 + skills/video-render-engine/references/render-channels.md | 🔴 |
| 实拍素材 AI 混剪 | autoclip + 原始视频 | skills/混剪/SKILL.md | 🟡 |
学习路径:Path B 跑通基础(🟢) → Path A CosyVoice+剪映(🟢→🟡) → 按需深入 Remotion / 混剪 / 数字人(🔴)
🧩 AI 直出视频(平台内置模型 · 本 skill 之外的补充能力)
上面全部方法都是「脚本 → 配音 → 渲染/混剪」的编排路线。 WorkBuddy 还内置 4 个 AI 扩散视频模型,给「文字 / 图片」就能直接生成动态视频,不走本 skill 的 A/B 流程—— 通过平台「多模态内容生成」入口(或 AI 内容创作专家团的 video-generator 成员)调用。
| 模型 | 调用标识 | 输入 → 输出 | 适合场景 |
|---|---|---|---|
| HY-Video-1.5 | hy-video-1.5 | 文字 → 5–10s 视频(也支持图生视频) | 一句话出片、场景切换、多角色交互 |
| YT-Video-2.0 | yt-video-2.0 | 图片 → 动态连贯视频 | 产品/广告/影视质感画面 |
| YT-Video-HumanActor | yt-video-humanactor | 单张人物照片 → 说话/表情视频 | 单图驱动人像,免授权肖像运行时 |
| YT-Video-FX | yt-video-fx | 图片 + 特效模板 → 动态特效 | 飘雪/拥抱/变身/万物归尘等模板 |
和本 skill 的关系:互补,不是替代。
- 本 skill = 工业化流水线(口播、矩阵号、真人质感、实拍混剪)。
- 这 4 个 = 扩散式直接生成动态画面(创意片段、素材生成、单图人像)。
怎么接入你的工作流(推荐组合):
- 用
HY-Video-1.5/YT-Video-2.0生成几段素材片段(MP4); - 把它们当作实拍素材喂进本 skill 的「②.5 混剪层」(autoclip)→ 提取
clip_segments; - 再走中游脚本 + 下游配音渲染,汇入成片。
→ 等于给 Path A 混剪流补上「AI 生成素材」入口,不必自己拍/找素材。
⚠️ 这 4 个模型不在本 skill 目录内,由平台统一提供,无需安装任何依赖。🔴 仅 WorkBuddy 平台可用——依赖平台内置运行时与「多模态内容生成」入口,无法在其它 agent 上复现。 触发方式:直接说「用文字/图片生成视频」「把这张图变成动态视频」即可唤起「多模态内容生成」。
🧩 平台兼容性与适配范围(重要 · 仅 WorkBuddy vs 可移植)
本 skill 在 WorkBuddy 上开箱即用。但内部各能力的"可移植到 Codex / Claude Code / 其它带 bash 的 agent"程度不同——下面逐能力标注,方便你判断能搬哪些、哪些搬不了。
| 能力 | 适配范围 | 说明 |
|---|---|---|
| 🧩 AI 直出视频(HY-Video / YT-Video 4 模型) | 🔴 仅 WorkBuddy | 模型由平台内置,外部无等价实现;必须经「多模态内容生成」入口调用 |
| Path A 付费通道(百炼 / 剪映 / GPT-SoVITS / CosyVoice / 数字人) | 🔴 仅 WorkBuddy + 需各自账号密钥 | 依赖平台托管或外部付费服务 |
| 「多模态内容生成」入口 / 零配置 WebSearch·WebFetch / 受管 Python·Node 运行时 | 🔴 仅 WorkBuddy | 平台内置工具与运行时 |
| Path B 免费链路(edge-tts + HyperFrames + ffmpeg + 本地脚本) | 🟢 可移植 | 纯开源组件(Python/Node/ffmpeg),改写成 AGENTS.md / Claude Code skill 格式 + 备好环境即可在别处跑 |
| 合规六闸 / 脚本 10 维优化 / 分镜 shot_plan(纯逻辑层) | 🟢 可移植(作为方法论) | 本质是 markdown SOP 与提示词,任何 agent 可读可执行 |
| autoclip 混剪层(实拍素材高光提取) | 🟡 部分可移植 | 依赖开源 autoclip CLI + ffmpeg,逻辑可搬;与本 skill 字段衔接需适配 |
一句话结论:当「可运行的 skill」只认 WorkBuddy;当「编排思路 / 免费渲染脚本」可在其它 agent 复用——最现实做法是拆出 Path B 免费链路独立版(摘掉平台专属入口即可)。
🤝 多 Agent 模式(可选 · 把 6 个子模块交给会 spawn agent 的宿主并发编排)
上方「五层模块(按需加载)」默认是单主机串行:一个宿主 agent 拿着本 SKILL.md,按「大脑 → 脚本 → 绘图 → 渲染」顺序逐层读、把结构化 JSON 字段往下传(见上方字段传递图)。 如果你想真正多 agent 并发(几个角色同时干、再汇总),可以把本 skill 的 6 个子模块交给一个能 spawn 子 agent 的宿主(例如 WorkBuddy 的「AI 内容创作专家团 · 司远」)来编排——这也正好是调用上方「🧩 AI 直出视频」4 个平台视频模型的入口(本 skill 自己到不了)。
子模块 → 专家团成员 映射
| 本 skill 子模块(agent) | 专家团对应成员 | 职责衔接 |
|---|---|---|
大脑 douyin-brain-strategy | creative-strategist | 账号定位 / 选题 / 合规六闸 |
脚本 douyin-script-optimizer | copywriter | 口播稿 + shot_plan + 质量门(score) |
绘图 douyin-image-generator | image-creator | 9 模型生图 / 素材摄入 |
渲染 video-render-engine + 混剪 douyin-montage | video-generator + video-editor | 配音渲染 / 平台视频模型 / 剪辑混剪 |
采集 content-collector | 宿主 WebSearch 或 content-adapter | 热点 / 素材采集 |
⚠️ 两个「司远」别混:本 skill 第 176 行的「主理人(司远)」只是文档里的角色比喻(指跑这份 skill 的人);真正的多 agent 宿主是另一套「AI 内容创作专家团 · 司远」专家,两者独立、不要对号入座。
并发要点(多 agent 模式)
- 可并行:绘影生图 与 平台视频模型生成素材片段 互不依赖,可同时派
image-creator和video-generator; - 必须串行:脚本层(
copywriter)先出optimizedscript+shotplan,绘影和渲染才能接字段; - 合规闸门:大脑设计的合规规则在每一层(尤其
copywriter产出前)都要回放,任一不过即拦截; - 汇总成片:宿主把各 agent 产物(文案 / 图 / 视频片段)交给
video-editor拼接,或回灌本 skill 的「②.5 混剪层」。
适配范围再提醒
- 多 agent 模式下,平台 4 视频模型(HY/YT)变得可达——补齐了本 skill 本地链路缺的「AI 生成素材」短板(接入法见「🧩 AI 直出视频」);
- 但 Path A 付费通道、平台运行时仍 🔴 仅 WorkBuddy;Path B 本地链路仍 🟢 可移植。
文件索引与阅读路径
| 你的目标 | 读这些(按顺序) | 预计时间 |
|---|---|---|
| 第一次用,想快速出片 | 本文件「⚡一键安装」→ references/pathbbeginner.md → scripts/pathbbuild.py --help | 10 min |
| 只想写/优化脚本 | 本文件 → skills/抖音/SKILL.md 前5节 | 15 min |
| 只想配音+渲染 | skills/video-render-engine/SKILL.md(有📑顶部导航) | 20 min |
| 想用 Remotion 模板化出片 | skills/video-render-engine/SKILL.md §9.3 → templates/remotion/ | 25 min |
| 有实拍素材要混剪 | skills/混剪/SKILL.md → skills/抖音/SKILL.md | 20 min |
| 想了解完整 Path A | 本文件路径介绍 → 逐层 Read 各模块前3节 | 40 min |
| 遇到问题排错 | 本文件「🚨30秒自救」→ skills/抖音/references/error-handling.md | 按需 |
| 高级功能 | 上方「🎓高级功能」表 → 对应深潜文档 | 因功能异 |
核心文件清单
scripts/installpathb_deps.py— Path B 依赖安装 + 环境自检(首次必跑)scripts/pathbbuild.py— Path B 全链路串联脚本templates/hyperframespathb/— Path B 现成合成模板(lint 0 错误)skills/大脑/SKILL.md— 策略引擎 [🟡] 账号定位/选题/合规六闸skills/采集/SKILL.md— 内容采集 [🟢] 零配置热点采集skills/混剪/SKILL.md— 素材混剪 [🟡] AI 高光提取 / autoclip 粗剪skills/抖音/SKILL.md— 脚本优化器 [🟡] 口播稿+分镜+质量门skills/绘图/SKILL.md— 绘影图像层 [🟡] 9 模型 AI 生图skills/video-render-engine/SKILL.md— 渲染引擎 [🔴] 配音×渲染 → 成片skills/抖音/references/error-handling.md— 完整错误码 E001-E015 + 大白话翻译 + 高级排错skills/抖音/assets/— Dify 工作流骨架 + 质量门运行器references/pathbbeginner.md— Path B 新手指南(5分钟白话版)references/pathbrunbook.md— Path B 一站式手册(含排错)skills/video-render-engine/references/dubbing-methods.md— 5 种配音方案详解skills/video-render-engine/references/render-channels.md— 5 种渲染通道详解avatars/— 团队头像(上传 SkillHub 时可跳过)
v5.1.8(T.C.E 六轮评审 · 双向融合最终版): 融合 v5.1.7(内容最全)与 v5.1.8(评审精简重构)两版优点—— 吸收 5.1.8 的结构改进:①「⚡ 一键安装」提到文件最前(Win/Mac 复制即跑);② 每条路径加 [付费]/[免费] 标签 + ⚠️ 画面风格限制最醒目标注;③「🎯 意图路由表」覆盖 12 种常见话术一站式;④「🚨 30 秒自救」10 种现象 + 安装排错表 + 4 步排查树全覆盖;⑤「🚨 避坑清单」4 场景 16 条 + 记忆口诀;⑥ edge-tts 联网依赖 + 自动降级在路径处醒目提示;⑦ 修正全部错误路径引用(
error-handling.md/digital-human-training.md/render-channels.md指向正确子模块路径)。 保留 5.1.7 的实质内容:独特价值表、国内适配矩阵、质量承诺、端到端实例、高级功能表、文件阅读路径、核心文件清单、Handoff 字段速查。 v5.2.0(平台 AI 视频模型接入 + 版本校正):① 新增「🧩 AI 直出视频(平台内置模型)」一节,补齐 WorkBuddy 内置 4 个 AI 视频大模型(HY-Video-1.5 / YT-Video-2.0 / YT-Video-HumanActor / YT-Video-FX),说明其与本 skill 编排路线的互补关系及「生成素材 → 回灌混剪层」的接入方式;② 意图路由表新增「文字/图片直接生成视频」话术去向;③ 修正 changelog 版本号漂移(frontmatter 已升 5.2.0,此处此前仍停留在 5.1.8)。 v5.2.1(平台兼容性与适配范围标注):① 新增「🧩 平台兼容性与适配范围」专节,按 🔴 仅 WorkBuddy / 🟢 可移植 / 🟡 部分可移植 逐能力标注可移植性;② 在「AI 直出视频」章节与 Path B 选择处加行内 🔴/🟢 标记;③ 同步 video-render-engine 子模块版本至 5.2.1。 v5.2.2(多 Agent 模式章节):① 新增「🤝 多 Agent 模式」专节,说明本 skill 默认单主机串行、如何把 6 个子模块交给能 spawn 子 agent 的宿主(如 AI 内容创作专家团)并发编排;② 给子模块→专家团成员映射、并发要点(可并行/必须串行)、与「🧩 AI 直出视频」衔接;③ 澄清文档内「主理人(司远)」比喻与真实多 agent 宿主的区别。 历史版本:v5.1.0(双路径初版)→ v5.1.2(Path B 资产补全)→ v5.1.7(Round 5 结构性精简 627→345 行)→ v5.1.8(T.C.E 六轮评审双向融合最终版)→ v5.2.0(AI 直出视频章节 + 版本校正)→ v5.2.1(平台兼容性标注 + 子模块版本对齐)→ v5.2.2(多 Agent 模式章节)。
同分类其他技能
查看全部 ›通过同一个AI创作工具完成AI图片、视频、音乐与语音创作,查找公开社交数据,编辑视觉成果,并集中查看和管理生成资产。Beatra 全能创
135 180.6万 AI音乐MV短片制作用一首歌的情绪、节奏和视觉概念,制作一个短视觉短片。这个 AI 音乐 MV 短片制作与歌曲生成视频工作流可以把音乐片段和视觉方向变成电影
15 66.1万 MiniMax H3 AI视频创作用 MiniMax H3 这款 AI视频生成器创作高质感 2K AI 视频。从文字创意出发完成文生视频,让静态图片自然动起来,用首尾画面
27 64.2万 AI数字人口播与虚拟主播视频用一张人像和一段短脚本或语音,制作有明确讲述内容的数字人口播视频。可使用现成录音,也可以先选择音色,把脚本生成旁白,让画面中的人物随声音
44 61.3万 架构图一键生成使用 ContextWeave 生成或修改架构图、流程图、思维导图和复杂信息图。适用于需要从代码、文件或自然语言中提取结构与关系并实际产
288 54.7万 海报设计工作室将一段活动描述、一张产品照片或品牌参考图,转化为抓人眼球的活动海报、宣传 banner 或社交媒体配图。这款 AI海报设计与制作工具生成
39 42.1万