Agent Skill

口播种草视频制作

只有一个选题,也能做出一条口播种草视频。这个 AI口播视频制作与短视频脚本生成工作流,会先按你的产品或主题选定脚本结构,写出钩子、中段和结尾引导,并且把画面和口播分成两栏分别写,再产出方便你剪进自己版本的分镜静图、你选定音色的口播音轨、可选的纯音乐垫底,以及由开场画面动起来、配好整段口播的竖屏短片。适合小红书种草口播、达人推荐、带货口播文案与脚本、测评向短视频、服务与知识类讲解,以及新号起号的日更内容;抖音、视频号、小红书、快手都能用——不用拍摄、不用出镜、不用上传任何素材,真正的无素材出片。

内容创作·beatra·来自 skill_hub·skillhub.cn ↗
skillhub install @beatra-ai/oral-seeding-video-maker
25 Stars·20.6万 综合热度·6,572 字文档·源站更新 2026-11-22

README 文档

6,572 字

口播种草视频制作

从一个选题开始,最后拿到一条口播推荐视频。什么都不用上传——不用产品图,不用拍摄素材,也不用录好的人声。

适用范围与相邻路线

这条路线是:一个主题、一种脚本结构、一份分镜表、生成好的分镜图,以及一条由首帧动起来的竖屏口播成片。当有人想用口播形式推荐某样东西、手上又还没有任何拍摄素材时,它就是合适的。

素材已经存在时,别的工作流更合适。已有一张产品图、要把它做成视频,属于产品视频工作流。脚本已经写好、只差一个声音,属于配音工作流。有一条参考片要拆解重做,属于拆片重制工作流。需要一个真人或数字人出现在画面里,属于数字人口播工作流。需要体验证据的效果宣称,缺证据时停在标注草稿。需要实拍剪辑的工作路由出去。本包已经具备静图、口播、可选配乐和开场动画,零素材短片留在这里做完。

输入与默认值

唯一的硬性输入是主题:要推荐的产品、服务或话题,一句话说清。缺了就问;除此之外一开始什么都不要问。

对话里已经说过的受众、目标、账号人设和发布平台,直接复用。这些没有时,从主题里自己定,并在确认里说明你定了什么,而不是回头去问。

默认使用 9:16 竖屏画布、12 秒目标时长、脚本结构选择(references/script-patterns.md)中选定的脚本结构、一张首帧加上用户标记的其他分镜,以及一个贴合短视频社交内容的口播音色。除非用户提出,否则不加音乐。默认把前 3 秒写成钩子——让人继续看下去的理由——而不是先自报家门。

有两件事决定了后面的每一个判断。成片默认 12 秒、最长 15 秒——这是本路线自己的上限,且必须落在所选实时模型卡支持的范围内,并且其中只有首帧会被动画成视频——其他被标记的分镜以静帧交付,供用户自己剪辑使用。

说法按来源划分。这东西是什么、给谁用、怎么用,由你来写。价格、参数、成分、效果、时限、资质和优惠条件,都来自用户。这些缺失时,就绕开它们把这一段写出来;绝不要生造一个看起来合理的数字,因为最后要为它负责的是用户。

标准流程

第 1 到 3 步不花钱。用户批准分镜表之前,不会发生任何付费调用。

  1. 选定结构。 读懂主题,从脚本结构选择(references/script-patterns.md)的六种脚本结构里选一种。结构决定分几段、每段干什么。
  2. 写出分镜表。 口播结构是钩子 → 证据或体验 → 行动号召,每一段都带精确到秒的起止点,并且分成两个独立字段——画面上是什么,以及嘴里说什么。文案按口播文案写法(references/spoken-lines.md)所述做筛查。如果前 3 秒没有承担钩子,先改这份仍免费的分镜表,再进入任何生成确认。
  3. 展示分镜表并取得批准。 后面整条流程都建立在它之上,而此刻修改它是免费的。
  4. 先用 beatra.voices.list(支持中英双语 search 以及 supportsdirection、supportsemotion、supportsperformancetags、supportscontext 等 11 维能力筛选与 capabilities.* 字段)选音色,并可用免费的 beatra.voices.preview 试听。读取实时的 texttoimage、texttospeech 和 imagetovideo 卡片,用 beatra.models.list——需要开启「智能语音导演」时加上 speechscript,需要垫乐时加上 texttomusic,需要裁剪/淡入淡出/响度均衡时加上 audioprocess——对照相应卡片核对计划参数。若口播需要停顿、重音或发音引导,且不手工插 / 切停顿或自造 {} 表演标签时,用 beatra.speech.preparescript 处理一次(逐字保留已核准文案与真实数据,同文案 48 小时内仅换音色或模型不额外收费,最多同时 2 个任务)。付费前必须先跑免费的 beatra.speech.validate 确认 valid、weightedcharacters、实时积分与 estimatedduration_seconds 贴合 12 秒目标(15 秒上限)。
  5. 确认准备工作。 展示哪些分镜会出图、9:16 画布以及之后再改它的代价、从 beatra.voices.list 中选定的现成音色、任何计划中的 beatra.speech.preparescript 调用、免费 beatra.speech.validate 预校验结果、是否包含垫乐与付费 beatra.audio.process 精修(trim、fade、normalizeloudness)、当前实时预估费用,以及每一次计划中付费调用所用的稳定请求 ID。
  6. 用 beatra.images.generate 生成分镜图,一张一次调用。用 beatra.speech.synthesize 合成口播(若前一步用了智能语音导演,原样传入 scripts[].synthesis;保持默认 subtitleenable: true,免费随附逐句对齐的 output.subtitles JSON/SRT/VTT 字幕及 speechstartseconds/speechendseconds/integratedloudness_lufs 信息,绝不传入字幕数组参数),然后读取真实返回的时长、体积和 MIME 类型。仅在已确认后调用 beatra.music.generate 生成垫乐;若确认对垫乐做整修,按一条付费 beatra.audio.process 合并完成 trim、淡入淡出与响度均衡(上限 <= 60 min、<= 300 MB、>= 1 s、每日限 50 次且逐条串行)。
  7. 展示真实产物。 宿主能访问时,把分镜图显示出来、把口播放出来,并报告真实时长与随附的免费字幕文件。把任务真正返回的事实,和宿主无法查看的媒体区分开。
  8. 出示视频入场卡。 展示路线 imagetovideo、工具 beatra.videos.animate、批准的首帧、那条口播、以音频为准的时长(不小于真实口播时长的最小整数秒)、分辨率(若已设定)、当前实时预估价,以及当前卡片是否带有适用的 freefirstvideo 优惠(首次赠送积分通常不足以启动一条付费视频);并说明余额不足时怎么办。规划、比较或一句「做成片吧」都不算批准;首帧或口播已批准也不等于批准了视频。在用户确认已充值、或确认余额足够这次预估之前,不要创建视频的 clientrequestid,也不要提交。确认之后,用批准的首帧、那条口播、明确选定的模型,以及那个以音频为准的时长,调用一次 beatra.videos.animate。
  9. 用 beatra.tasks.get 轮询这个任务直到终态,交付成片,并复核你确实能看到的部分。

视频模型要明确指定,不要交给 auto:这个能力上只有部分模型接受外部提供的口播音轨,不接受的那些会把它丢掉。

画布由首帧决定,所以画布定晚了,就意味着每一件付费产物都要重做一遍。

需要确认的决定

分两个阶段确认花钱:先是智能语音导演(beatra.speech.prepare_script)、分镜图、口播、垫乐以及垫乐精修(beatra.audio.process),连同它们每一次计价调用一起确认,然后是最终视频。视频那次确认要放在用户看过可访问的分镜图、听过口播之后,因为这次调用最贵。每张卡都写明:

  1. 做什么 — 智能语音导演(beatra.speech.preparescript,如启用)、分镜图、口播、可选垫乐和可选 beatra.audio.process 垫乐精修(trim、fade、normalizeloudness)(随后是成片)分别对应点名的准备、生成、合成、处理或动画调用。
  2. 积分 — 刚从 beatra.models.list(以及免费 beatra.speech.validate)读到的实时价格;卡上有垫乐时按明确选定音乐模型的实时 pricing 列价,启用 speechscript / audioprocess 时按各自实时价格分槽位列出并给出合计。绝不用记忆里的数字,也绝不把 prepare_script 或 audio.process 标为免费。
  3. 几笔 — 这张卡上每个计划槽位一次付费调用。
  4. 身份 — 每个槽位一个新的不透明 clientrequestid。
  5. 若停在这里 — 已批准的分镜表仍然可用。
  6. 若余额不足 — 原样转达官方说明和充值链接。用户说已充值后才可重试。

同样要确认、而不能自行决定的还有:9:16 以外的画布、把目标时长顶到 15 秒上限、用户没有核实过的关于该主题的说法、加垫乐或 beatra.audio.process 精修,以及任何在产物已批准之后的改动。每一个改掉的参数都是新的付费工作,需要新的请求标识和重新批准。

垫乐作为单独的音轨交付。查看实时 texttomusic 卡片是否列出 durationseconds / durationfit 控制项;否则时长只是提示词里的编排方向。在确认卡上先说明这一点:要么搭配一次已确认的付费 beatra.audio.process 调用(trim、淡入淡出、响度均衡)对齐片长,要么明确由用户在自己的剪辑软件里裁剪。

执行

所有远程 Beatra 工具只通过本 Skill 随包的 scripts/mcp_client.py 调用,工具名作为命令行参数,参数以 JSON 从标准输入传入:

printf '%s' '{"capability":"text_to_image"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"speech_script"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"text_to_speech"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"image_to_video"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"text_to_music"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"audio_process"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"language":"zh-CN","supports_direction":true}' | python3 scripts/mcp_client.py call beatra.voices.list

不要配置或调用宿主 Beatra Connector,也不要使用 REST/OpenAPI 作为降级方案。每一个逻辑上的付费请求给一个稳定、不透明的 clientrequestid,并且只提交一次。

交付与复核

交付选定的脚本结构、分镜表、每一张作为静帧交付的分镜图、口播音轨连同免费对齐的 output.subtitles(JSON/SRT/VTT 字幕文件)、垫乐(原轨或经 audio.process 精修后的版本)及其返回时长、成片、每一个任务 ID、返回的 artifact 链接、解析后的模型、返回的尺寸与时长,以及 billing.netchargedcredits。只报告任务确实返回的事实。

宿主能查看或播放返回的媒体时,检查每一张分镜图是否对得上它所服务的那一段、口播是否存在且收尾干净、成片是否贴合画布。说明哪些媒体细节无法检查,而不是从任务元数据里把它们推断出来。

恢复

每一个任务 ID 都立刻记下来,并且只轮询那一个任务。queued 和 running 意味着等待。创建请求的响应丢失时,只用逐字节一致的冻结载荷、在同一个标识下重新提交;任务 ID 丢失时,按该能力列出任务,把候选项和你自己的台账逐一比对之后再重试。重做其中一张分镜图时,其他产物原样复用。遇到 insufficientbalance 时,原样转达返回的消息,把余额错误里的充值地址保持逐字不变,并且只有在用户说自己已经充值之后,才用同一个冻结的 clientrequest_id 重试。

账户余额

用户问还剩多少积分,或某次实时估价够不够时,调用 beatra.wallet.get。问已经扣了多少 时,调用 beatra.wallet.ledger。两者都是只读的。不要臆造查余额或充值的工具。也不要把 wallet.get 变成每次付费提交前的必需步骤。

模型卡返回里带 top_up 块时,按卡片给出的档位和顺序原样转述。不要给档位排高低,不要 贬低其中任何一档,也不要替用户挑。选哪一档是用户自己的事,钱包页会把整份清单摆在他 面前。任何时候都不要凭记忆报档位。

按任务查阅参考

  • 在六种结构里选定、确定分几段、说清每段干什么:脚本结构选择(references/script-patterns.md)
  • 按长度预算写口播文案、说法的来源,以及文案筛查:口播文案写法(references/spoken-lines.md)
  • 11 维音色筛选、免费试听、智能语音导演、免费校验、对齐字幕与音频精修:语音、音色与音频精修说明(references/speech-and-audio.md)
  • 确切载荷、每一次确认冻结了什么、轮询、重做某一个阶段、恢复与取消:口播种草视频工作流(references/workflow.md)
  • 首次安装或授权过期:安装与认证(references/installation-and-auth.md)
  • 非计费的安装包注册:安装注册(references/installation-registration.md)
  • 任务轮询、产物与结果字段:任务与结果(references/tasks-and-results.md)
  • 余额、校验与结构化错误:计费、错误与恢复(references/billing-errors-and-recovery.md)
  • 随包客户端连不上时:随包 MCP Client 连接诊断(references/mcp-connection.md)
  • 更新与安全:更新与安全(references/updates-and-security.md)
  • 移除本包或共享凭据:卸载与断开连接(references/uninstall-and-disconnect.md)

更新与安全

本 Skill 会自动更新。内置客户端每天最多一次从 Beatra 官网读取本渠道的版本信息 (中国大陆网络走 www.beatra.cn 与 cdn.beatra.cn)。有新版本时,它下载官方发布包, 逐个文件校验 SHA-256,再替换本 Skill 自己的文件;你放进这个目录的其他文件不会被 改动。替换过程中断时,下次运行会自动恢复到替换前的状态。除此之外,它不下载或执行 任何其他代码,只通过 HTTPS 与 Beatra 官方服务通信;你选择上传的文件只会传到 Beatra 为这次上传签发的一次性地址。

关闭自动更新:python3 scripts/mcp_client.py update --auto off。关闭后,客户端每天 最多提示一次在你安装它的商店里更新的命令。详见更新与安全(references/updates-and-security.md)。

同分类其他技能

查看全部 ›