前进口播视频脚本引擎
将长文案一键转化为口播视频脚本——让文字变成镜头感十足、节奏带劲、让人看完就想点赞的视频脚本。
何时触发
当用户表达以下意图时，立即激活本技能：
- 生成/制作/写口播脚本、口播视频脚本
- 把文案/文章/长文转成视频脚本
- 文案变视频、文字改口播
- 做一个口播类视频
- 需要视频脚本/拍摄脚本
-oral video script, video script, script writing
核心工作流
第1步：源文解构
收到长文案后，先提取以下素材：
[源文解构]
核心观点：提取3-5条核心论点
金句素材：提取3-5条可口播传播的金句
数据素材：提取所有可用数据/百分比/对比数字
案例素材：提取具体企业/人物/事件案例
情绪线：标注源文情绪起伏点（愤怒→共鸣→释然→行动）
第2步：确定视频规格
根据目标平台确定脚本规格（详见 references/platform-specs.md）：
| 平台 | 时长 | 字数 | 画面 | 核心指标 |
|---|---|---|---|---|
| 抖音口播 | 60-90秒 | 250-350字 | 竖屏9:16 | 完播率 |
| 视频号 | 60-90秒 | 250-400字 | 竖屏9:16 | 点赞率 |
| B站知识区 | 5-10分钟 | 1200-2500字 | 横屏16:9 | 三连率 |
| 小红书视频 | 30-60秒 | 150-250字 | 竖屏3:4 | 收藏率 |
如果用户未指定平台，默认生成抖音口播版（60-90秒），并附赠视频号短版。
第3步：生成口播脚本
按以下结构生成完整脚本（详见 references/script-structure.md）：
━━━ 口播视频脚本 ━━━
【标题】3个候选标题
【封面文案】封面文字+副文字
【预估时长】XX秒
━━━ 脚本正文 ━━━
[0-3秒] 开场Hook
🎬 视觉指令：...
🗣 口播台词：...
📝 字幕要点：...
💡 情绪标记：...
[XX-XX秒] 主体段落1
...
[XX-XX秒] 主体段落2
...
[XX-XX秒] 主体段落3
...
[XX-XX秒] 结尾金句+CTA
...
━━━ 配套素材 ━━━
【标题文案】3个备选
【封面文字】主标题+副标题
【话题标签】3-5个
【评论区引导话】1句
第4步：质量自检
生成脚本后，执行自检（详见 references/quality-checklist.md）：
| 检查项 | 标准 |
|---|---|
| 开场Hook | 前3秒有明确钩子（反常识/数据/悬念/痛点） |
| 信息密度 | 每15秒至少1个信息点（抖音）或每2分钟1个高潮点（B站） |
| 口播节奏 | 单句≤18字，不出现书面长句 |
| 金句数量 | 至少1个可截图传播的金句 |
| 情绪起伏 | 不少于2次情绪转换（低→高或缓→急） |
| 字幕适配 | 关键信息有字幕要点标注 |
| CTA | 结尾有明确互动引导 |
关键参考文件
| 文件 | 用途 | 加载时机 |
|---|---|---|
references/platform-specs.md |
4平台详细规格（时长/字数/推荐机制/语气/禁忌） | 需要确定平台规格时 |
references/script-structure.md |
口播脚本结构模板（Hook公式/段落模板/视觉指令格式） | 生成脚本时 |
references/hook-formulas.md |
开场Hook公式库（6大类+变体） | 设计开场时 |
references/visual-direction.md |
视觉指令参考（镜头/B-roll/字幕/音效/道具） | 编写视觉指令时 |
references/quality-checklist.md |
脚本质量自检表 | 自检时 |
references/transformation-rules.md |
长文→口播转化规则（句式/结构/语气/密度） | 转化文案时 |
references/video-generation.md |
视频生成完整指南（Manim白板动画+edge-tts配音+FFmpeg合成） | 需要生成视频时 |
语言风格
口播脚本必须口语化、有节奏感。核心原则：
- 用嘴巴说的话，不是用笔写的字
- 每句≤18字，关键处≤12字短句收尾
- 适当使用语气词：嘛、呗、啊、呢（增加口播感）
- 禁止书面语：值得注意的是、综上所述、不言而喻
- 禁止AI腔：让我们一起、不难发现、值得注意的是
- 适当使用判断词：说白了、本质上、核心是、关键在于
输出格式
完整脚本输出为Markdown格式，包含以上所有板块。同时输出一份质量自检报告，附在脚本末尾。
视频生成（第5步 - 可选）
本技能支持将口播脚本直接生成 带配音的简笔风白板动画视频（Manim引擎）。
触发条件
当用户表达以下意图时，激活视频生成模块：
- 把脚本/这个做成视频/生成视频
- 帮我配音/加画面/做个口播视频
- 生成MP4/视频文件
- 给脚本配画面/简笔画视频/白板动画
工作流程
口播脚本. md → [1] 脚本解析器提取分段
→ [2] TTS配音 (edge-tts) → 每段MP3 + 词级时间戳
→ [3] Manim白板动画 → 每段简笔风MP4
→ [4] 字幕生成器 → SRT字幕轨道
→ [5] FFmpeg合成 → 最终MP4
运行命令
# 基本用法（默认抖音竖版）
python scripts/generate_video.py \
--script outputs/口播脚本.md \
--output outputs/口播视频.mp4
# 指定平台
python scripts/generate_video.py \
--script 口播脚本.md \
--output 口播视频.mp4 \
--platform bilibili
# 限制段数测试
python scripts/generate_video.py \
--script 口播脚本.md \
--output test.mp4 \
--max-segments 2 --quality l
场景类型（从视觉指令自动推断）
| 视觉指令关键词 | 白板场景 | 动画效果 |
|---|---|---|
| 开场/Hook/标题 | TitleScene | 大字标题+强调下划线 |
| 字幕弹出/要点/核心观点 | TextRevealScene | 关键词手写浮现 |
| 数据图表/柱状/对比 | DataBarScene | 动态柱状图 |
| 流程图/思维导图/组合 | FlowScene | 框+箭头逐步展开 |
| 图标/网格/平台列表 | IconGridScene | 图标逐个点亮 |
| 金句/收尾/核心句 | QuoteScene | 引号+高亮框强调 |
参数说明
| 参数 | 说明 | 默认 |
|---|---|---|
--script |
口播脚本Markdown路径 | 必填 |
--output |
输出MP4路径 | 必填 |
--platform |
目标平台(douyin/channels/bilibili/xiaohongshu) | douyin |
--voice |
TTS声音 | 按平台自动选择 |
--quality |
渲染质量(l/m/h/k) | l |
--max-segments |
限制处理段数(测试用) | 全部 |
--workdir |
工作目录(默认输出同目录) | 自动 |
质量指标
| 指标 | 标准 |
|---|---|
| 音画同步 | 字幕与配音误差<200ms |
| 配音自然 | edge-tts中文自然语音 |
| 白板统一 | 全片马克笔调色板一致 |
| 字幕可读 | 白字+黑边，底部居中 |
| 风格匹配 | 简笔风适配口播内容类型 |
关键参考文件：
| references/video-generation.md | 视频生成完整指南 | 需要生成视频时 |
本技能可与以下前进体系技能联动使用：
- qianjin-writer：先用写作引擎写好文章，再用本技能转口播
- qianjin-content-repurposer：一鱼多吃转化后，对视频平台版本进一步细化为口播脚本
- qianjin-trending-hunter：热点选题确定后，用本技能生成口播脚本快速出视频
