scene-video-generator

# 分镜视频生成 ## 功能 将分镜描述转换为 **AI 场景视频**（不含数字人）： - 纯 AI 生成场景 - 图生视频（从参考图扩展） ## ⚠️ 与 digital-avatar 的分工 | 需求 | 用哪个 skill | |------|-------------| | 数字人口播视频 | → `digital-avatar` | | 纯 AI 场景（无人/路人/产品展示等）| → `scene-video-generator`（本 skill）| **数字人相关的视频生成请用 `digital-avatar` skill，确保后端一致性。** ## 支持的后端 | 后端 | 特点 | 时长限制 | 适用场景 | |------|------|----------|----------| | Jimeng 即梦 | 国内，快，中文理解好 | 5s | 国内平台 | | Kling 可灵 | 国内，质量高 | 5-10s | 高质量需求 | | Runway | 国际，Gen-3 质量顶级 | 5-10s | 高端制作 | | Pika | 快速，风格化强 | 3-5s | 风格化内容 | | Vidu | 国内，性价比高 | 4-8s | 一般需求 | 默认使用 Jimeng（如已配置）。 ## 输入参数 | 参数 | 必填 | 说明 | |------|------|------| | backend | - | jimeng / kling / runway / pika / vidu | | prompt | ✓ | 场景描述（英文效果更好）| | duration | - | 目标时长（秒）| | aspect_ratio | - | 16:9 / 9:16 / 1:1 | | reference_image | - | 参考图（图生视频）| | style | - | realistic / anime / cinematic | | motion | - | low / medium / high | | seed | - | 随机种子（复现用）| ## 输出格式 ```yaml video: id: "scene_001" backend: kling url: "https://..." duration: 5.0 resolution: "1920x1080" aspect_ratio: "16:9" prompt: "原始 prompt" seed: 12345 status: completed ``` ## 工作流程 ### 流程 A：纯 AI 生成 ``` 输入: prompt + 参数 ↓ 翻译/优化 prompt（如需要） ↓ 调用后端 API ↓ 等待渲染（30s-3min） ↓ 输出: 视频 URL ``` ### 流程 B：图生视频 ``` 输入: reference_image + prompt ↓ 上传参考图 ↓ 调用 image-to-video API ↓ 输出: 视频 URL ``` > 💡 **需要数字人口播？** 请使用 `digital-avatar` skill。 ## Prompt 优化技巧 ### 结构 ``` [主体] + [动作] + [场景] + [镜头] + [风格] ``` ### 示例 ``` 原始：女生在办公室看电脑 优化：A young professional woman sitting at a modern office desk, looking at computer screen with focused expression, soft natural lighting from window, medium shot, shallow depth of field, cinematic color grading ``` ### 镜头术语 | 中文 | 英文 | 说明 | |------|------|------| | 特写 | close-up | 脸部/细节 | | 中景 | medium shot | 半身 | | 全景 | wide shot | 全身+环境 | | 跟拍 | tracking shot | 跟随移动 | | 推镜 | dolly in | 推进 | | 拉镜 | dolly out | 拉远 | 详见 [references/prompt-guide.md](references/prompt-guide.md) ## 使用示例 ### 生成场景 ``` 用户：生成一个5秒的视频，内容是：一个人在咖啡厅用笔记本工作 执行： 1. 优化 prompt 2. 调用 Kling API 3. 等待渲染 4. 返回视频 URL ``` ### 批量生成分镜 ``` 用户：根据这个分镜列表生成视频 [附 YAML] 执行： 1. 解析分镜列表 2. 逐个生成（或并行） 3. 返回视频列表 ``` ## 与上下游对接 **上游输入**： - `video-script-generator` 的 scenes[].shot_description（非口播场景） **下游输出**： - `video-stitcher` 消费视频片段 **并行 skill**： - `digital-avatar` 负责口播场景视频 - 本 skill 负责 AI 场景视频 - 两者输出都汇入 `video-stitcher` ## 注意事项 1. 不同后端对 prompt 长度有限制（通常 500 字符内） 2. 复杂动作/多人场景效果不稳定 3. 建议先小批量测试再批量生成 4. 保存 seed 以便复现满意的结果 5. 渲染时间可能较长，使用异步处理