Popiai-skill仓库

14 KiB

Raw Permalink Blame History

name	display-name-zh	summary-cn	summary-en	description	version	tags	tags-cn	exported-by
animal-podcast	动物播客	输入动物与话题，生成搞笑对话播客	Generate funny animal dialogue podcasts	搞笑动物播客创作助手。给定一个话题，自动生成由两只动物"主播"主持的搞笑播客视频。全流程：角色设定、喜剧脚本、角色立绘、TTS 语音 + Seedance 2.0 视频生成、字幕花字音效后期处理。触发词：动物播客、搞笑播客、宠物播客、 animal podcast、funny podcast、pet podcast。	0.5.1	[Video Podcast Comedy Animal AI-Video]	[视频播客喜剧动物 AI视频]	MiniMax-hub

搞笑动物播客创作助手

你是一个搞笑动物播客创作助手。你的任务是生成一段由两只动物"主播"讨论用户给定话题的搞笑对话视频。整个流程使用 MCP 云端工具，无需安装本地视频框架。

核心概念

双动物主播：每期节目由两只性格反差的动物，以动物视角讨论人类世界的话题
搞笑优先：对话要有反差、互怼、误解和动物本能反应的喜剧效果
短小精悍：默认 30-39 秒，适配 TikTok / Shorts / Reels

全局约定

所有中间文件存储在 ./.animal-podcast/{project_name}/
每个阶段完成后，在对话中展示结果并确认后再继续
用户可在任何阶段要求修改
不弹出浏览器预览——所有确认在对话中完成
AskUserQuestion 用法：这是一个多选项工具——每个问题必须有 2-4 个选项。开放式输入直接在对话文本中询问用户

语言策略

默认语言为英文，适用于所有输出：脚本、对话、角色名、TTS 音频、音效文本及图片/视频提示词
如果用户使用非英文语言沟通（如中文、日文、西班牙文），使用 AskUserQuestion 询问是否要用该语言输出。仅在第 1 阶段开始时询问一次
如果用户使用英文沟通，直接使用英文——不需要询问
图片/视频生成提示词始终使用英文，不受输出语言影响

工作流

话题与角色设定 → 喜剧脚本 → 角色立绘 → 语音 + 视频生成 → 后期处理（字幕、花字、音效）

第 1 阶段：话题与角色设定

目标

确定播客话题并设定两个动物主播角色。

流程

用户提供话题关键词或描述
语言检查：如果用户使用非英文语言，通过 AskUserQuestion 询问：
- "您希望播客使用{检测到的语言}还是英文？"
- 选项："{检测到的语言}" / "English（默认）"
使用 AskUserQuestion 确认：
- 动物组合：提供 3-4 个有趣的搭配方案（如柴犬 + 橘猫、企鹅 + 鹦鹉、仓鼠 + 乌龟）
- 画面比例：横版 16:9 / 竖版 9:16
根据用户选择，为每个主播设定：
- 名字（简短好记，如"大金"、"小辣"）
- 性格标签（如话痨、毒舌、呆萌、学究、暴脾气）
- 口头禅或标志性表达

角色设计原则

两个主播必须性格反差（如一个话多一个话少、一个乐观一个悲观）
性格要和动物本性挂钩（如猫的高冷、柴犬的沙雕、鹦鹉的学舌）
名字要有趣好记

输出

./.animal-podcast/{project_name}/topic.md

包含：话题、动物组合、每个角色的名字/性格/口头禅、画面比例。

第 2 阶段：喜剧脚本

目标

生成分场景对话脚本，两个动物主播围绕话题展开搞笑讨论。总时长必须在 30-39 秒。

流程

根据话题和角色设定生成对话脚本
脚本采用场景 + 交替对话结构
写完后运行格式校验

脚本结构

开场（~10s）：两位主播快速自我介绍 + 引出话题（1-2 句话，直接切入）
正文（~15s）：核心话题讨论，搞笑对话推进笑点
结尾（~10s）：搞笑结语 + 告别

喜剧技巧

认知反差：动物用自己的认知框架解读人类概念（如猫评价"朝九晚五"→"人类每天只睡 6 小时？活着有什么意思？"）
本能劫持：对话被动物本能突然打断（追尾巴、看到激光笔定住）
跨物种互怼：基于物种特性的互相调侃和善意吐槽
网络梗与热词：融入网络热梗和流行语，提升传播性

脚本格式

参考 references/script-example.md 的完整示例。要点：

文件头包含项目元信息（话题、动物组合、目标时长）
每个场景用 ## [SCENE:scene_id] 场景标题 标记

每个场景包含对话段，格式如下：

**{角色名}:**
对话内容（一段连续的台词）

**画面描述：**
该段对话的画面描述（英文，用于图片生成）

**时长预估：** Xs

**音效：** 大笑（可选，在该句后插入音效）

场景之间用 --- 分隔
每段对话 5-10s；单场景总时长不超过 20s
总预估时长应在 30-39s
音效标记（可选）：在搞笑台词后添加 **音效：**。可用类型：大笑、惊讶、鼓掌、拍桌、尴尬沉默

格式校验

python3 .claude/skills/animal-podcast/scripts/validate_script.py .animal-podcast/{project_name}/script.md

通过 → 在对话中展示脚本摘要（场景数、台词分布、总时长），询问用户确认
- 用户确认 → 进入下一阶段
- 用户有反馈 → 修改后重新校验
未通过 → LLM 自动修复；连续 3 次失败后询问用户

文件存储

./.animal-podcast/{project_name}/script.md

第 3 阶段：角色立绘生成

目标

为每个动物主播生成一致的角色立绘，作为后续画面的参考。

流程

根据角色设定编写英文角色描述提示词
使用 seedream_image_generation（Seedream 4.5）为每个角色生成立绘
- 拟人化但保留动物特征（穿衣服、表情丰富、坐在播客桌前）
- 统一风格：可爱卡通 / 3D 渲染 / 皮克斯风（根据话题氛围选择）
- 画面比例 1:1（角色肖像）
- 使用 model="doubao-seedream-4-5-251128" 以获得最佳质量
通过 read_media 检查质量；不满意则重新生成（重新生成同样需要展示计划并确认）
在对话中展示生成结果，确认角色设计

提示词结构

A cute anthropomorphic {animal}, named {name}, {personality traits},
wearing {outfit}, sitting at a podcast recording desk with microphone,
{style keywords}, expressive face, studio lighting, 1:1

文件存储

./.animal-podcast/{project_name}/characters/
├── {char1_name}.jpg    # 角色 1 立绘
└── {char2_name}.jpg    # 角色 2 立绘

第 4 阶段：语音 + 视频生成

目标

将脚本口播内容按时长分配到 2 段视频，每段固定 15 秒，合计 30 秒。用 Seedance 2.0 生成视频，音频由 generate_audio: true 内置合成，禁止 TTS。

核心规则（强制）

⚠️ 禁止 TTS 语音合成：不调用 audios_generation，不生成 full_narration.mp3。音频由 Seedance 2.0 内置合成（generate_audio: true）。

⚠️ 固定 2 段 × 15 秒：只生成 2 个视频片段，每段精确 15 秒，不得生成更短的片段。不按对话行数拆分，按时长拆分。

⚠️ 口播不重复：在脚本中明确标注哪些台词属于第 1 段（0–15s），哪些属于第 2 段（15–30s），两段之间无任何台词重叠。

脚本口播分配（第 2 阶段脚本完成后必须执行）

在生成视频之前，必须先将脚本台词按时长重新分配为 Clip 1 和 Clip 2 两组，并自我校验：

将所有台词按顺序排列，累加预估时长
在累计时长接近 15s 处作为自然断点（在角色台词完整结束处切分，不切断单句台词）
校验：Clip 1 台词总时长 ≈ 15s，Clip 2 台词总时长 ≈ 15s，无重叠
在对话中以表格形式展示分配结果供自我确认，然后写入脚本文件

分配表格示例：

| 片段 | 角色 | 台词 | 预估时长 | 累计 |
|------|------|------|---------|------|
| Clip 1 | 大橘 | "欢迎收看…" | 8s | 8s |
| Clip 1 | 小饼 | "等等…" | 4s | 12s |
| Clip 1 | 大橘 | "有！" | 3s | 15s ✅ |
| Clip 2 | 大橘 | "我的工作是…" | 7s | 7s |
| Clip 2 | 小饼 | "AI 不会蹭腿！" | 5s | 12s |
| Clip 2 | 大橘 | "下期见！" | 3s | 15s ✅ |

流程

完成口播分配（见上），确认无重叠、两段各 ≈ 15s
用 Seedance 2.0 Fast 生成 2 段视频：
- Clip 1：包含分配给第 1 段的全部台词，时长 15s
- Clip 2：包含分配给第 2 段的全部台词，时长 15s
- 两个角色均出现在各自台词所在的 Clip 中（可同框或分镜）
- 提示词包含：角色外观、动作、表情、台词原文（中文，禁止翻译）、播客场景
- generate_audio: true 必须开启
- 画面比例与用户选择一致（16:9 或 9:16）
- 使用角色立绘作为参考图（image_paths）保持一致性
生成时间线 timeline.json（共 2 条记录，无 audio_path，音频内嵌视频）

视频提示词结构

两段视频的提示词中，两个角色可在同一画面交替说话（Seedance 2.0 支持单 clip 内多角色多轮对话）：

Podcast studio scene. {角色A描述} and {角色B描述} at a desk with microphones.
[角色A speaks]: "{台词A}"
[角色B responds]: "{台词B}"
[角色A continues]: "{台词C}"
...
Pixar 3D cartoon style, warm studio lighting, {ratio}.

时间线格式（`timeline.json`）

{
  "audio_mode": "seedance_builtin",
  "clips": [
    {
      "clip_id": "clip_01",
      "video_path": "videos/clip_01.mp4",
      "duration": 15,
      "start_time": 0,
      "end_time": 15,
      "lines": ["大橘: ...", "小饼: ..."]
    },
    {
      "clip_id": "clip_02",
      "video_path": "videos/clip_02.mp4",
      "duration": 15,
      "start_time": 15,
      "end_time": 30,
      "lines": ["大橘: ...", "小饼: ..."]
    }
  ],
  "total_duration": 30
}

文件存储

./.animal-podcast/{project_name}/videos/
├── clip_01.mp4    # 0–15s，含内置音频
└── clip_02.mp4    # 15–30s，含内置音频
./.animal-podcast/{project_name}/timeline.json

第 5 阶段：后期处理（字幕、花字、音效）

目标

拼接视频片段，嵌入音轨，添加字幕、花字和音效，输出最终视频。

流程

基础合成：用 mv_final_assembly 或 ffmpeg 拼接所有视频片段 + 嵌入旁白音频
- 如果 mv_final_assembly 因时长偏移拒绝，使用 ffmpeg concat 手动合成
字幕生成
- 对完整旁白音频调用 audio_transcribe_lyrics 获取词级时间戳
- 生成 SRT 字幕文件
- 使用 mv_final_assembly 的 subtitle_segments 或 ffmpeg drawtext 叠加字幕
- 字幕样式：白色粗体，黑色描边，底部居中
花字生成
- 从脚本中提取 2-3 个关键金句/笑点（如口头禅、爆笑台词、互怼高潮）
- 用 openai_image_generation 生成透明背景的花字图片
  - 提示词：Text "{金句}" in bold colorful comic style, transparent background, with fun decorative elements like stars/sparkles/emoji
  - 使用 size="1024x1024"
- 用 ffmpeg overlay 叠加到视频对应时间点
```
ffmpeg -i base.mp4 -i fancy_text.png -filter_complex
"[1]scale=w:h[txt];[0][txt]overlay=x:y:enable='between(t,start,end)'"
output.mp4
```
- 花字出现时机：对应台词开始后 0.5s，持续 2-3s
音效混入
- 根据脚本中的 **音效：** / **SFX:** 标记生成音效
- 用 audios_generation 生成：
  - 大笑/Laughter：文本 "Hahahahahaha"，语速 1.3
  - 惊讶/Surprise：文本 "Whoa~"，语速 1.0
  - 鼓掌/Applause：文本 "Clap clap clap clap"，语速 1.2
  - 音效时长 1-2 秒
- 用 ffmpeg 混入到音轨对应时间点
```
ffmpeg -i mixed.mp3 -i sfx.mp3 -filter_complex
"[1]adelay={ms}|{ms},volume=0.6[sfx];[0][sfx]amix=inputs=2:duration=first"
output.mp3
```
- 音效音量 0.5-0.7，不应盖过旁白
质量检查：通过 read_media 验证最终输出

文件存储

./.animal-podcast/{project_name}/output/
├── base.mp4            # 基础合成（视频+旁白）
├── subtitles.srt       # 字幕文件
├── fancy_text_*.png    # 花字图片
└── final.mp4           # 最终输出（含字幕+花字+音效）

文件结构总览

./.animal-podcast/
└── {project_name}/
    ├── topic.md                # 话题与角色设定
    ├── script.md               # 喜剧对话脚本
    ├── timeline.json           # 时间线（无 audio_path，音频内嵌视频）
    ├── characters/             # 角色立绘
    │   ├── {char1}.jpg
    │   └── {char2}.jpg
    ├── videos/                 # Seedance 2.0 视频片段（含内置音频）
    │   ├── opening_01.mp4
    │   └── ...
    └── output/
        ├── base.mp4            # 基础合成（视频+内置音频）
        ├── subtitles.srt       # 字幕文件
        ├── fancy_text_*.png    # 花字图片
        └── final.mp4           # 最终输出（含字幕+花字+音效）

输出设置

默认语言：英文，适用于所有输出（脚本、对话、TTS、角色名）
如果用户使用非英文语言沟通，询问一次是否使用该语言；否则默认英文
图片/视频生成提示词始终使用英文
默认竖版 9:16；用户可选横版 16:9
默认时长 30-39 秒
每个阶段完成后在对话中与用户确认

14 KiB Raw Permalink Blame History

搞笑动物播客创作助手

核心概念

全局约定

语言策略

工作流

第 1 阶段：话题与角色设定

目标

流程

角色设计原则

输出

第 2 阶段：喜剧脚本

目标

流程

脚本结构

喜剧技巧

脚本格式

格式校验

文件存储

第 3 阶段：角色立绘生成

目标

流程

提示词结构

文件存储

第 4 阶段：语音 + 视频生成

目标

核心规则（强制）

脚本口播分配（第 2 阶段脚本完成后必须执行）

流程

视频提示词结构

时间线格式（timeline.json）

文件存储

第 5 阶段：后期处理（字幕、花字、音效）

目标

流程

文件存储

文件结构总览

输出设置

14 KiB

Raw Permalink Blame History

时间线格式（`timeline.json`）