القائمة
基于 Remotion 的词汇视频自动化生成 skill。输入一个英文单词，自动跑完诊断、TTS 音频、节奏分割、视频渲染、飞书上传和成本汇报。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Use when generating PPT-style image slides, poetic presentation covers, quiet paper-texture visual pages, report pages, invitations, social cards, or slide-image sets with GPT-Image-2 via image_generate.
Use when generating high-readability hand-drawn knowledge diagrams, architecture diagrams, workflow maps, or consulting-style visual explanations with GPT-Image-2 via image_generate.
可独立运行的 GPT-Image 增强版 EPUB2Podcast：在本地把 EPUB 转成双人中文音频、GPT-Image/Smart Slide 视觉页、最终 MP4，并生成 YouTube 发布素材。
可独立运行的 standalone 版 EPUB2Podcast：用户只需下载当前项目本身，即可在本地把 EPUB 转成 Smart Slide + 双人中文音频 + 最终 MP4 视频播客。
【Ark Agent Plan 专用版本】EPUB 转双人中文播客视频流水线：使用火山引擎 TTS（与 Seedream/Seedance 共享技术栈），Smart Slide + 双人音频 + 最终 MP4 视频，无需额外 Google/OpenRouter API Key。
【Ark Agent Plan 专用版本】Manim 数学/算法讲解视频完整流水线，使用火山引擎 TTS 中文旁白（与 Seedream/Seedance 共享认证）。Plan → TTS → Code → Render → Stitch → Deliver. 适用于：Manim 动画 + 中文配音、音画同步讲解视频、3Blue1Brown 风格教学视频。
| name | vocabulary-video-pipeline |
| description | 基于 Remotion 的词汇视频自动化生成 skill。输入一个英文单词，自动跑完诊断、TTS 音频、节奏分割、视频渲染、飞书上传和成本汇报。 |
| version | 1.0.0 |
| author | Hermes Agent |
| license | MIT |
| metadata | {"hermes":{"tags":["video","remotion","vocabulary","tts","education","feishu"]}} |
基于 Remotion 的词汇视频自动化生成流水线。输入一个英文单词，自动生成带中文讲解、TTS 音频和动态视觉效果的教育视频。
输入单词
↓
diagnose → 推荐模板 + 生成草稿 JSON（强制包含 origin-chain）
↓
generate_audio_beats → TTS + 静音检测 + 节奏数据 + 尾部静音填充
↓
Director signoff → 校验 beats/视觉/音频匹配，不通过则阻断
↓
Remotion render → MP4
↓
Feishu upload + 成本报告
.env 中的火山引擎 TTS 参数lark-cli 并登录（用于飞书上传）pip install pydubexport VOCAB_VIDEO_PROJECT_ROOT=/path/to/vocabulary-video-pipeline
若不设置，脚本会自动搜索常见路径。
python3 scripts/generate_word_video.py --word breakfast
python3 scripts/generate_word_video.py --word breakfast --draft-only
python3 scripts/generate_word_video.py --word breakfast --audio-only
python3 scripts/generate_word_video.py --word breakfast --skip-render --skip-upload
python3 scripts/generate_word_video.py --word breakfast --skip-director
vocabulary-video-pipeline/
SKILL.md # 本文件
README.md # 面向外部用户的说明
scripts/
generate_word_video.py # 统一入口脚本（6步流程）
director_validate.py # Director 校验器
generate_audio_beats.py # TTS + 静音检测
diagnose_word.py # 模板诊断引擎
tts_cost_report.py # 成本统计
assets/
preview-*.jpg # 效果预览图
| 场景 | 类型 | 用途 |
|---|---|---|
hero-word | 入题 | 展示单词、音标、标签 |
origin-chain | 词源 | 展示词汇历史演变 |
meaning-compare | 辨析 | 对比近义词 |
full-screen-mood | 氛围 | 情绪化场景描述 |
quote-page | 引用 | 英文名句 + 中文翻译 |
answer-cards | 问答 | 三问答卡片 |
ending-summary | 总结 | 公式 + 要点 + 结语 |
npm run diagnose:word 只会生成一个带有 props 和 beats 空壳的骨架 JSON。在执行 TTS 和渲染之前，必须填充以下内容：
props：标题、副标题、卡片文案、颜色等beats：这是 TTS 的口播稿，必须是 流畅的叙事讲解，不是碎片化的要点列表# 1. 生成草稿骨架
python3 scripts/generate_word_video.py --word breakfast --draft-only
# 2. 手动或请 LLM 填充 data/breakfast-draft.json 中的 props 和 beats
# 3. 再继续执行完整流程
python3 scripts/generate_word_video.py --word breakfast
diagnose_word.py 会在任何策略下自动插入 origin-chain。如果某个单词的词源不明确，可以写它的派生历史或语义演变，不能空着。
director_validate.py 在渲染之前执行，校验以下内容：
origin-chainorigin-chain，ending-summary 的 beats 中禁止再出现"拉丁语""源自古英语""词根""演变"等词源关键词（避免叙事断裂）未通过 Director signoff 的 draft，pipeline 会被强制中断，不会进入渲染。
generate_audio_beats.py 会自动给每个 scene 的 MP3 追加静音尾部，player.tsx 与 Root.tsx 的时长计算也已统一为 lastBeat.endFrame + 40。
所以只要草稿正确，不需要手动调整就能避免截断。
zh-CN火山引擎 Seed-TTS 2.0 在不指定 language 时，可能会默认输出繁体中文发音（如把"吗"读成"嗎"、"话"读成"話"）。
修复方式：在调用火山 TTS API 的 audio 参数中显式指定：
{
"audio": {
"voice_type": "...",
"language": "zh-CN"
}
}
已在 generate_audio_beats.py 中固定此参数。如果未来换用其他 TTS 服务，也需要确认有类似的 Simplified Chinese 锁定机制。