Menu
从 SRT 字幕文件自动生成完整白板动画视频的端到端工作流。依次完成分镜解析、图片生成、视频生成三个阶段。当用户提供 SRT 文件并要求生成白板动画视频，或说"从字幕生成白板视频"、"白板视频工作流"时触发。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | whiteboard-video-workflow |
| description | 从 SRT 字幕文件自动生成完整白板动画视频的端到端工作流。依次完成分镜解析、图片生成、视频生成三个阶段。当用户提供 SRT 文件并要求生成白板动画视频，或说"从字幕生成白板视频"、"白板视频工作流"时触发。 |
从 SRT 字幕文件到完整白板动画视频片段的自动化工作流。
| 参数 | 必填 | 说明 |
|---|---|---|
srtPath | 是 | SRT 字幕文件的绝对路径 |
outputDir | 否 | 输出根目录，默认为 SRT 文件所在目录 |
整个流程分为 10 步，必须严格按顺序执行。步骤 3、5、7 使用 subagent，其余步骤由主 agent 直接执行。
运行本 skill 的 scripts/check_env.py，一次性检查所有依赖（Python 虚拟环境、RUNNINGHUB_API_KEY）：
python3 <skill-dir>/scripts/check_env.py
PYTHON_PATH=<路径>，记录该路径用于步骤 7，继续ENV_RESULT=... JSON 中解析各项检查结果，向用户展示清晰易懂的错误说明和修复指引（见下方故障排查指引），终止工作流注意：脚本会自动检测并安装可修复的依赖，只将无法自动修复的问题报告给大模型。
当环境预检失败时，必须向用户清晰解释原因并给出具体修复步骤。根据失败项不同，给出对应说明：
RUNNINGHUB_API_KEY 未配置：
白板动画视频生成需要 RunningHub API 来调用 AI 模型先生成图片。你需要在 skill 目录下的
.env文件中配置 API Key。修复方法：
- 在
<skill-dir>/.env文件中添加一行：RUNNINGHUB_API_KEY=你的API密钥- 如果文件不存在，先创建它
- API Key 可在 RunningHub 获取
- 配置完成后重新运行即可
Python 依赖安装失败：
白板动画依赖 OpenCV、NumPy、PyAV 等 Python 库来处理视频。自动安装未能成功。
修复方法：
- 请确认你的 Python 版本为 3.9 或更高版本
- 然后重新运行本工作流，脚本会再次尝试自动安装
多项检查同时失败时，逐条列出每个失败项及对应修复方法，便于用户一次性解决所有问题。
outputDir，则使用 srtPath 所在目录作为输出根目录outputDir 转换为绝对路径运行本 skill 的 scripts/workflow_helper.py：
python3 <skill-dir>/scripts/workflow_helper.py init-dirs "<outputDir>"
输出 JSON 含 storyboardDir、imageDir、videoDir 三个绝对路径，保存备用。
启动一个 subagent，指令为：
使用 Read 工具读取文件
<将本 skill 目录替换为实际绝对路径>/references/storyboard-parser.md，按照其中的工作流步骤执行。输入参数：
- srtPath =
<将srtPath替换为实际绝对路径>- projectRoot =
<将storyboardDir替换为实际绝对路径>- skill-dir =
<将本 skill 目录替换为实际绝对路径>（用于定位脚本）完成后返回 storyboard.json 的绝对路径和场景数量。
注意：主 agent 必须将实际路径值填入指令中，不要传递变量名，subagent 无法访问主 agent 的上下文。
必须等待 subagent 完成并获取 storyboard.json 路径后才继续。
运行本 skill 的 scripts/workflow_helper.py：
python3 <skill-dir>/scripts/workflow_helper.py gen-prompts "<storyboardJsonPath>"
输出一个 JSON 字符串数组，每个元素是一个带白板风格前缀的图片生成提示词，数组索引与 storyboard 中的 scenes 顺序一一对应。
同时从 storyboard.json 中提取每个 scene 的 duration 值（毫秒），按顺序记录为数组备用。
启动一个 subagent，指令为：
使用 Read 工具读取文件
<将本 skill 目录替换为实际绝对路径>/references/image-generator.md，按照其中的工作流步骤执行。使用批量模式，将以下 JSON 字符串数组作为 prompt 参数传入：
<将步骤4输出的提示词JSON数组的实际内容粘贴于此>参数：
- skill-dir =
<将本 skill 目录替换为实际绝对路径>（用于定位脚本）- 输出目录 =
<将imageDir替换为实际绝对路径>- 宽高比 = "16:9"
注意：主 agent 必须将实际提示词内容和路径值填入指令中，不要传递变量名，subagent 无法访问主 agent 的上下文。
重要： 返回所有生成图片的路径列表，顺序必须与提示词数组顺序一致。
必须等待 subagent 完成并获取所有图片路径后才继续。
确认步骤 5 返回的图片路径数组长度与 storyboard 的 scenes 数量一致，顺序正确（第 i 张图片对应第 i 个 scene）。
启动一个 subagent，指令为：
调用 whiteboard-animation skill，使用批量模式。跳过环境预检（主 agent 已确认环境就绪），直接运行批量生成脚本：
<将PYTHON_PATH替换为步骤0获取的实际值> <将whiteboard-animation skill目录替换为实际路径>/scripts/batch_generate.py \ --images <imagePaths[0]> <imagePaths[1]> ... \ --durations <durations[0]> <durations[1]> ... \ --output-dir <videoDir绝对路径>主 agent 必须将
PYTHON_PATH和 skill 目录的实际绝对路径填入指令中，不要传递变量名，subagent 无法访问主 agent 的上下文。参数：
--images：按分镜顺序排列的图片路径列表（空格分隔）--durations：与图片一一对应的时长列表（单位：毫秒，直接使用 storyboard 中的 duration 值，无需转换）--output-dir：<videoDir绝对路径>重要： 完成后，收集
<videoDir>目录下所有生成的视频文件路径，按文件名时间戳排序，将完整的视频路径列表返回给主 agent。顺序必须与输入图片顺序一致。
必须等待 subagent 完成并获取所有视频路径后才继续。
运行本 skill 的 scripts/workflow_helper.py，将所有视频片段按顺序合并为一个完整视频。必须使用步骤 0 获取的 PYTHON_PATH（PyAV 依赖在虚拟环境中）：
<PYTHON_PATH> <skill-dir>/scripts/workflow_helper.py merge-videos "<outputDir>" <videoPath1> <videoPath2> ...
输出 JSON 含 mergedVideo（合并后的视频绝对路径）、totalSegments、sizeMB。
输出最终结果，包含合并后的完整视频路径和所有片段信息：
输出格式示例：
{
"mergedVideo": "/path/to/output/白板视频_20260329_120000.mp4",
"videoSegments": [
"/path/to/video/vid_20260329_120000_h264.mp4",
"/path/to/video/vid_20260329_120010_h264.mp4"
],
"totalSegments": 2,
"sizeMB": 15.3,
"outputDir": "/path/to/output"
}
check_env.py 脚本会自动检测并安装可修复的依赖，只将无法修复的问题报告给大模型PYTHON_PATH 必须传递给步骤 7 的 subagent 使用，也用于步骤 8 的视频合并（PyAV 依赖在虚拟环境中），避免重复环境检查storyboard-parser.md - SRT 分镜解析工作流指令，由步骤 3 的 subagent 读取执行image-generator.md - 图片生成工作流指令，由步骤 5 的 subagent 读取执行check_env.py - 一次性环境预检，检查 Python 虚拟环境、API Key，自动安装可修复的依赖workflow_helper.py - 提供 init-dirs（创建目录结构）、gen-prompts（解析 storyboard 生成提示词）、merge-videos（合并视频片段）三个子命令generate-storyboard.py - 解析 SRT + groups.json 生成 storyboard.jsongenerate-image.py - 模型文生图，支持单张和批量并发模式prompt_template.py - 白板风格提示词模板