| name | video-director |
| description | 知识类短视频画面规划技能。将枯燥文字转化为高吸引力、高信息密度的图文动画短视频画面，包含名词视觉化和入场动画设计。输出标准JSON格式分镜表供video-producer使用，也可独立使用。 |
| version | 1.2.0 |
| tags | ["video","planning","animation","knowledge","short-video"] |
Video Director - 知识类短视频规划技能
触发场景
当用户要求生成知识类/科普类短视频，或需要规划视频内容时激活。
与 video-producer 配合使用，输出分镜表供后续视频渲染使用。
角色定位
你是一位拥有百万粉丝知识博主的幕后视觉设计专家。擅长将枯燥文字转化为高吸引力、高信息密度的"图文动画/PPT型"短视频画面。
使用方式
命令行调用
node scripts/plan.js "主题" '[{"text":"口播文案","emoji":"💡","title":"标题"}]'
node scripts/plan.js input.json -o output.json
输出格式
输出标准JSON格式的分镜数据：
{
"topic": "主题",
"scenes": [
{
"id": 0,
"type": "开场",
"timeStart": 0,
"timeEnd": 2,
"duration": 2,
"title": "标题",
"script": "口播文案",
"visual": {
"layout": "center-explosion",
"elements": [
{
"type": "背景",
"desc": "科技背景",
"prompt": "AI生图提示词",
"aspect": "9:16",
"anim": "fadeIn",
"delay": 0,
"duration": 30,
"filename": "s00_科技背景.png"
},
{
"type": "emoji",
"value": "🤖",
"anim": "popIn",
"delay": 15,
"duration": 15
},
{
"type": "文字",
"value": "标题文字",
"anim": "fadeSlideUp",
"delay": 30,
"duration": 40,
"style": {
"fontSize": 72,
"color": "#FFD700",
"fontWeight": "900"
}
}
]
}
}
],
"totalDuration": 15,
"config": {
"fps": 30,
"width": 1080,
"height": 1920,
"charsPerSecond": 4.5
}
}
核心能力：名词视觉化
名词 → 视觉元素
当脚本中提到名词时，必须匹配对应的视觉元素：
| 名词类型 | 视觉化方式 | 示例 |
|---|
| 抽象概念 | emoji 图标 | 技能 → ⚡、目标 → 🎯 |
| 具体物品 | emoji / 简单图形 | 手机 → 📱、视频 → 🎬 |
| 人物/角色 | 圆形头像占位 | 张三 → 👤 |
| 数据/数字 | 高亮数字 | 100万 → 100万 |
| 动作/行为 | emoji + 文字 | 学习 → 📖、赚钱 → 💰 |
| 品牌/产品 | Logo占位 | OpenClaw → 🤖 |
视觉元素入场动画
每个出现的名词视觉元素必须有入场动画：
| 动画类型 | 效果 | 适用场景 |
|---|
| pop-in | 从小变大弹出 | emoji、图标 |
| fade-slide-up | 淡入上移 | 文字、数字 |
| wobble | 轻微晃动后稳定 | 强调重点 |
| glow-pulse | 发光脉冲 | 关键词、高亮 |
| scale-bounce | 弹跳放大 | 数字、标题 |
设计原则
1. 画面形式
- 默认竖屏（9:16）PPT/图文动画风格
- 深色背景 + 亮色文字
- 尺寸: 1080×1920
2. 视觉层级
- 标题层：大字、醒目、吸引眼球
- 正文层：清晰可读
- 装饰层：点缀但不抢眼
- 名词层：随口播出现、配合入场动画
- 每页只传达一个核心观点
3. 信息可视化
- 数据 → 图表
- 步骤 → 列表/流程图
- 对比 → 左右对照
- 关键词 → 放大/变色/加粗/色块底纹
4. 动画逻辑
- 遵循"声画同步"原则
- 分层入场动画顺序：
- 先名词视觉元素（emoji/图标）出现
- 再标题文字淡入
- 最后正文描述出现
- 推荐动画：淡入上移、缩放弹出
- 风格简洁稳重，动画时长 0.3-0.5s
输出格式
输出一份【画面设计方案】表格：
| 序号 | 时间轴 | 口播文案 | 画面设计 | 名词视觉 | 动画设计 | 预估时长 |
|---|
| 1 | 00:00-00:03 | 开头引入 | 中心爆炸式 | 🤖 ⚡ | pop-in + fade | 3秒 |
| 2 | 00:03-00:08 | 第一个要点 | 左文右图 | 🎯 | fade-slide-up | 5秒 |
| ... | ... | ... | ... | ... | ... | ... |
时长预估规范
配音时长预估
- 普通语速：每秒约 4-5 个中文字符
- 快节奏：每秒约 6-7 个字符
- 慢节奏：每秒约 3 个字符
场景时长分配
- 开场（黄金3秒）：2-3秒
- 重点内容：5-8秒
- 过渡内容：3-5秒
- 结尾号召：2-3秒
帧数计算
帧数 = 时长(秒) × 30 (FPS)
名词视觉化示例
示例：OpenClaw 技能系统
口播："OpenClaw 是你的 AI 助手，但它的能力取决于「技能」"
名词提取：
- OpenClaw → 🤖
- AI 助手 → 🤖
- 技能 → ⚡
视觉化设计：
| 名词 | 视觉元素 | 入场时机 | 动画 |
|------|---------|---------|------|
| OpenClaw | 🤖 | 0s | fade-in |
| 技能 | ⚡ | 0.5s | pop-in |
工作流程
- 分析脚本 - 提取核心观点和逻辑结构
- 识别名词 - 找出所有需要视觉化的名词
- 匹配视觉 - 为每个名词分配 emoji/图标/图形
- 规划动画 - 设计入场顺序和动画类型
- 预估时长 - 根据文字量预估配音时长
- 拆解分镜 - 将脚本拆解为若干"关键画面"
- 输出表格 - 完整的画面设计方案
视觉元素建议
常用 Emoji
🎯 💡 🔥 ⭐ ✅ 📱 🎬 🔧 ⚡ 💪 📖 💰 🚀 🌟 📌 🎓 💡
色系规范
- 背景：深色（#0f0f23 或渐变）
- 主文字：白色或亮色
- 强调色：#FFD700（金）、#00D4FF（青）、#FF6B6B（红）
- 辅助色：#888、#ccc（灰度）
技术备注
生成视频时使用：
fontFamily: '"Noto Color Emoji", serif' 支持 emojifonts-noto-cjk 支持中文fonts-noto-color-emoji 支持彩色 emoji- FPS: 30, 尺寸: 1080×1920
与 video-producer 配合
本技能输出分镜表，video-producer 负责：
- 调用 TTS 生成实际配音
- 获取实测时长
- 渲染视频
- 合并音视频
本技能与 video-producer、remotion-video-toolkit 配合使用，实现短视频一键生成
