space-video-script

name	space-video-script
description	视频口播脚本撰写，两大特色——(1) 去 AI 味，把书面/AI 腔改成能念出口的真人口语；(2) 把模糊想法逼成一份精确到秒的分镜脚本（每个镜头讲什么、怎么呈现、停多久、怎么切）。当用户说「写口播脚本」「这段太 AI 了改成人话」「口播稿」「分镜脚本」「精确到秒」「script」「改成能念的」时触发。输入可以是选题正文、一段草稿，或一句模糊描述。

space-video-script · 去 AI 味口播脚本

把「想讲的东西」变成「能对着镜头念、且精确到秒的脚本」。分两层活：先去 AI 味（能念），再定分镜（精确）。

第一层：去 AI 味（能不能念出口）

口播稿和文章不是一回事。文章能读，口播要能念。AI 写的稿子念出来会「假」，症状固定：

AI 腔症状	改法
长句套从句，一口气念不完	拆短句，一句一个意思
「不仅…而且…」「首先其次最后」书面连接词	换口语过渡：「然后」「你看」「问题来了」
排比三连、工整对仗	打破工整，留一点松弛和口头语
破折号、括号补充	念不出来的标点一律改成口语插入
「值得注意的是」「综上」「这意味着」等套话	直接删或换大白话
形容词堆砌代替具体	换成具体的数字、例子、动作

判断标准只有一个：读出声。 卡壳、喘不上气、听着像念稿的地方，就是要改的地方。

若用户有自己的「AI 腔黑名单 / 审稿标准」，先读进来，按它过一遍。

第二层：分镜（精确到秒）

不允许停在「我想做个 3 分钟的产品视频」这种模糊描述。通过追问逐步逼到位，直到每一秒都有安排。

追问清单（模糊 → 精确）

1. 时长目标？平台？比例（竖屏 3:4 / 横屏 16:9）？
2. 开场前 3 秒是什么钩子？
3. 分几个段落？每段核心一句话是什么？
4. 每段画面来源：真人口播 / 录屏 / B-roll 动画 / 截图？
5. 视觉主题：配色、字体、运动风格？

输出：script.md（逐镜头，精确到秒）

# 视频脚本 · <标题>
平台: 视频号竖屏 3:4 | 目标时长: 90s | 风格: 深色/极简

| 时间 | 口播（去AI味后的台词） | 画面 | 呈现方式 | 转场 |
|------|----------------------|------|---------|------|
| 0:00-0:03 | 「我这半天，几乎没碰键盘。」 | 真人口播 | 特写+气泡出镜 | 硬切 |
| 0:03-0:10 | … | 录屏 | 屏幕放大高亮 | 叠化 |
| 0:10-0:18 | … | B-roll | motion 文字动画 | 推入 |

每行必须写清：这几秒讲什么、画面是什么、怎么呈现、怎么切到下一镜。 字幕文本、文字动画点、B-roll 需求都在这里标注，供下游 space-video-broll / space-video-subtitle 直接取用。

交接

• 上游：space-video-topic 的 正文.md 或用户草稿
• 下游：script.md 里标了 B-roll 需求 → space-video-broll；标了字幕文本 → space-video-subtitle；口播台词 → 录制/剪辑

编排（复用已有能力）

• 去 AI 味的深度改写 → 走用户的 Humanizer-zh
• 口播腔转换、长文转口播 → 走用户的 podcast-script-generator

本技能负责把「去 AI 味」和「精确分镜」合成一份能直接开拍的 script.md。

核心原则

• 先能念，再精确：去不掉 AI 味，分镜再准也白搭
• 逼到秒：不接受模糊描述，追问到每秒有安排
• 留真人痕迹：适度口头语、停顿、自我修正，比工整更可信