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 / viduprompt✓场景描述（英文效果更好）duration-目标时长（秒）aspect_ratio-16:9 / 9:16 / 1:1reference_image-参考图（图生视频）style-realistic / anime / cinematicmotion-low / medium / highseed-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#

text

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#

text

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#

text

[主体] + [动作] + [场景] + [镜头] + [风格]

示例#

text

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

使用示例#

生成场景#

text

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#

text

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