Video Creation Suite Agent Skill

视频创作套件

任务目标

• 本 Skill 用于: 提供完整的视频创作能力，支持三种创作模式
• 能力包含:
• 模式一: 原创创作: 11个智能体协同原创视频创作（《三体》IP创作、通用原创）
• 模式二: 视频二创: 从原视频反推到新视频合成的完整二创流程
• 模式三: 视频分析: 视频抽帧、视觉分析、内容提取
• 技术能力: 配音生成、音效生成、背景音乐生成、视频合成
• 触发条件: 用户需要进行视频创作（原创/二创/分析）

三种创作模式

模式一: 原创创作

• 适用场景: 从零开始创作原创视频
• 子模式:
• 《三体》IP创作（专门针对《三体》IP）
• 通用多智能体协同（11个智能体分工）
• 流程: 选题策划 → 视觉设计 → 素材生成 → 视频合成 → 质量检测

模式二: 视频二创

• 适用场景: 基于现有视频进行二次创作
• 流程: 视频反推分析 → 素材生成 → 视频合成 → 文件下载
• 能力: 视频抽帧、视觉分析、图片生成、配音、音效、音乐、合成

模式三: 视频分析

• 适用场景: 分析视频内容、提取分镜参考、生成创作提示词
• 流程: 视频抽帧 → 视觉分析 → 结构化输出
• 能力: 抽帧、视觉模型调用、提示词生成

前置准备

环境依赖

opencv-python>=4.8.0
pillow>=10.0.0
moviepy>=1.0.3
numpy>=1.24.0
requests>=2.28.0
edge-tts>=6.1.0

API 配置（可选）

• Coze Bot API: 视觉分析
• 环境变量: COZE_BOT_ID, COZE_API_KEY
• Edge-TTS: 配音生成
• 安装: pip install edge-tts
• Suno API: 背景音乐生成
• 环境变量: SUNO_API_KEY
• 三种模式: 开发者、用户、占位

操作步骤

模式选择

智能体根据用户输入自动选择模式：

判断原创创作模式

• 用户提到"创作《三体》视频"、"三体IP创作" → 《三体》IP创作
• 用户提到"多智能体协同"、"原创视频"、"从零创作" → 通用多智能体协同

判断视频二创模式

• 用户提到"二创视频"、"反推视频"、"视频重制"、"根据参考视频创作" → 视频二创

判断视频分析模式

• 用户提到"分析视频"、"提取分镜"、"生成提示词" → 视频分析

模式一: 原创创作

子模式1: 《三体》IP创作

第一阶段: 前期筹备

• 原著考据与设定提取
• 阅读 references/three-body-settings.md
• 提取《三体2》威慑纪元核心设定
• 输出: 时间线锚点表、人物行为合规清单

• 剧情架构设计
• 搭建"三线并行"叙事框架
• 设计3个核心冲突点和1个情感高潮
• 输出: 三线平行叙事分镜大纲、情绪曲线图

• 台词创作
• 基于人物性格撰写台词
• 输出: 角色对白脚本（含语气/停顿标记）

第二阶段: 视觉制作

• 视觉风格规范制定
• 阅读 references/visual-style-guide.md
• 输出: 视觉风格指南、场景/人物设计规范

• 场景设计
• 设计3个核心场景
• 输出: 场景概念图提示词、场景要素清单

• 人物一致性建模
• 罗辑形象锚定
• 输出: 罗辑标准形象锚定图集、人物状态对照表

• 分镜脚本细化
• 将剧情大纲转化为专业分镜
• 输出: 电影分镜脚本（含时间码）、渲染元数据

第三阶段: 音频与剪辑

• 素材生成
• 配音生成: 调用 scripts/voice_generator.py 生成角色配音
• 参数: --input <旁白数据JSON> --output ./output/audio/voice
• 音效生成: 调用 scripts/sound_generator.py --type sound 生成音效
• 参数: --input <音效配置JSON> --output ./output/audio/sound_effects
• 背景音乐生成: 调用 scripts/sound_generator.py --type music 生成背景音乐
• 参数: --input <音乐配置JSON> --output ./output/audio/background_music
• 视频合成: 调用 scripts/video_compositor.py 合成最终视频
• 参数: --images <图片目录> --audio <音频目录> --subtitles <字幕文件> --output <输出路径>

• 质量管控
• 调用 scripts/quality_checker.py 检测技术指标
• 原著合规检测
• B站适配优化

子模式2: 通用多智能体协同

11个智能体分工

• 文案创作
• 故事策划
• 脚本创作
• 分镜导演
• 分镜画师
• 字幕师
• 配音师
• 音效师
• 视频工程师

10. 质检

11. 数据反馈

5阶段协同流程

• 需求承接
• 内容创作
• 生图创作
• 音频字幕
• 视频合成
• 全流程质检
• 数据迭代

模式二: 视频二创

第一阶段: 视频反推分析

• 提取视频关键帧
• 调用 scripts/video_frame_extractor.py 提取关键帧
• 参数: --input <原视频路径> --output ./output/frames --interval 2
• 输出: 序列图片到 ./output/frames/

• 视觉分析
• 调用 scripts/coze_bot_client.py 分析关键帧
• 智能体描述分析需求: "分析这些视频帧，提取:画面风格、色调特征、构图方式、节奏模式"
• 输出: 分析结果保存到 ./output/analysis.json

• 生成创作方案
• 智能体根据分析结果，生成二创方案
• 输出: 新视频主题、画面风格调整、脚本大纲、素材需求清单

第二阶段: 素材生成

• 生成图片素材
• 智能体根据脚本生成关键帧提示词
• 调用 scripts/image_generator.py 生成图片
• 输出: 图片到 ./output/images/

• 生成配音
• 智能体作为配音师，创作旁白脚本
• 调用 scripts/voice_generator.py 合成配音（基于Edge-TTS）
• 参数: --input <旁白脚本JSON> --output ./output/voice
• 输出: 配音文件到 ./output/voice/

• 生成音效和背景音乐
• 调用 scripts/sound_generator.py --type both 生成音效和背景音乐
• 参数: --input <完整配置JSON> --output ./output/audio
• 输出: 音效到 ./output/audio/sound_effects/, 背景音乐到 ./output/audio/background_music/

• 生成字幕
• 智能体创作字幕内容
• 调用 scripts/subtitle_generator.py 生成字幕文件
• 参数: --input <字幕数据JSON> --output ./output/subtitles
• 输出: SRT字幕到 ./output/subtitles/

第三阶段: 视频合成

• 合成最终视频
• 调用 scripts/video_compositor.py 合成视频
• 参数: --images ./output/images --audio ./output/audio --voice ./output/voice --subtitles ./output/subtitles --output ./output/final.mp4
• 输出: 最终视频 ./output/final.mp4

• 文件下载
• 调用 scripts/file_server.py 启动HTTP服务器
• 参数: --port 8080 --directory ./output
• 输出: 下载链接 http://localhost:8080/final.mp4

模式三: 视频分析

分析流程

• 视频抽帧
• 调用 scripts/video_frame_extractor.py 提取关键帧
• 参数: --input <视频路径> --output <输出目录> --interval <间隔秒数>

• 视觉分析
• 调用 scripts/coze_bot_client.py 分析每帧内容
• 参数: --message "<分析提示>" --image_path <图片路径>
• 输出: 结构化分析结果（JSON格式）

• 批量处理
• 自动遍历所有关键帧
• 批量调用视觉模型
• 汇总分析结果

资源索引

技术脚本

• 视频处理: scripts/video_frame_extractor.py - 提取关键帧
• 视觉分析: scripts/coze_bot_client.py - 调用Coze Bot API
• 图像生成: scripts/image_generator.py - 生成图片素材
• 配音生成: scripts/voice_generator.py - 生成配音（Edge-TTS）
• 音效和音乐: scripts/sound_generator.py - 生成音效和背景音乐（Suno API）
• 字幕生成: scripts/subtitle_generator.py - 生成字幕
• 视频合成: scripts/video_compositor.py - 合成最终视频
• 文件服务: scripts/file_server.py - HTTP下载服务器
• 质量检测: scripts/quality_checker.py - 检测技术指标
• 错误处理: scripts/error_handler.py - 重试和错误日志

参考文档

• 《三体》IP创作:
• references/three-body-settings.md - 《三体》原著设定与威慑纪元规则
• references/visual-style-guide.md - 视觉风格规范与设计原则
• references/storyboard-template.md - 分镜脚本标准模板
• references/character-profiles.md - 人物档案与行为准则

• 视频二创:
• references/recreation-guide.md - 视频二创方法论
• references/prompt-templates.md - 分析提示词示例
• references/suno-api-guide.md - Suno API使用指南

资源文件

• assets/scene-examples/ - 场景设计提示词示例
• assets/character-reference/ - 人物形象描述参考

注意事项

• 模式自动选择: 智能体根据用户输入自动选择合适的创作模式
• 脚本共享: 所有模式共享同一套技术脚本，避免重复
• API配置: 所有API通过环境变量配置，支持多种模式
• 错误处理: 所有脚本都包含错误处理和重试机制
• 容错降级: API不可用时自动降级为占位实现

使用示例

示例1: 《三体》IP创作

用户: "帮我创作一个《三体》威慑纪元的8分钟视频"

智能体执行:
1. 自动选择模式一: 《三体》IP创作
2. 按照前期筹备 → 视觉制作 → 音频与剪辑 → 质量管控流程
3. 调用相应脚本生成配音、音效、背景音乐
4. 合成最终视频

示例2: 视频二创

用户: "这个视频帮我二创一下，换个风格"

智能体执行:
1. 自动选择模式二: 视频二创
2. 提取原视频关键帧
3. 视觉分析，提取风格特征
4. 生成新素材（图片、配音、音效、音乐）
5. 合成新视频

示例3: 视频分析

用户: "分析这个视频，提取分镜和提示词"

智能体执行:
1. 自动选择模式三: 视频分析
2. 抽取视频关键帧
3. 分析每帧内容
4. 输出结构化分析结果

API 配置说明

Suno API 三种模式

• 开发者模式: 技能预置 API Key，开箱即用
• 用户模式: 用户配置自己的 API Key
• 占位模式: 自动降级，完全免费

Edge-TTS 音色列表

• 中文: zh-CN-XiaoxiaoNeural(活泼)、zh-CN-XiaomengNeural(温柔)、zh-CN-YunyangNeural(沉稳)
• 英文: en-US-JennyNeural(美式)、en-GB-SoniaNeural(英式)

Coze Bot API

• 用于视觉分析
• 环境变量: COZE_BOT_ID, COZE_API_KEY