book-video-factory

name	book-video-factory
description	通用的多账号图书短视频生产工作流。用于用户希望建立图书号项目目录、配置账号级片头/声音/BGM/视觉规范，或只提供一本书后依次完成资料研究、口播稿、分镜、图片、配音、字幕、预览与成片导出。适用于新建工作区、批量管理多个账号、继续已有单书任务和检查生产状态；不绑定特定研究、图片、TTS、转录或视频渲染供应商。

图书号视频工厂

把一次性的视频制作变成可移动、可复用的账号矩阵工作区。第一次沉淀账号配置；以后以“账号 + 一本书”为入口推进单书生产。

不可违反的规则

• 所有写入配置的素材路径必须相对于账号目录。不得把绝对路径写入 workspace.yaml、account.yaml、book.yaml、日志或导出清单。
• API Key 只从进程环境或工作区 .env.local 读取；不得回显、复制到模板或提交到版本库。
• 不捆绑字体、音乐、视频、参考声音或账号凭据。只创建空素材目录。
• 先检查当前 Agent 实际拥有的工具。不得假装某阶段已经完成，也不得擅自安装大型依赖、下载模型或调用付费接口。
• 默认在文案、图片、预览三个节点等待确认。不得自动发布到社交平台。
• 书籍内容以事实摘要、观点提炼和原创表达为主，不复制大段原文。提醒用户只使用有权使用的声音、字体、图片、音乐与视频。

入口判断

1. 用户指定工作区时使用其指定位置；否则使用当前项目下的 book-video-workspace。
2. 若工作区不存在，进入“首次初始化”。
3. 若工作区存在但账号不明确：只有一个账号时使用它；多个账号时询问目标账号。
4. 用户给出书名后进入“单书生产”；用户只要求规划目录、增加账号或检查状态时，只完成对应管理任务。
5. 已存在的配置不要重复询问。只询问会改变结果且无法从文件或工具发现的信息。

工作区契约

即使模板或脚本不可用，也必须能按下面的结构直接创建：

book-video-workspace/
├── workspace.yaml
├── .env.local
├── .gitignore
└── accounts/
    └── <account-id>/
        ├── account.yaml
        ├── production.csv
        ├── shared/
        │   ├── intro/
        │   ├── bgm/
        │   ├── voice-reference/
        │   ├── fonts/
        │   └── config/visual-theme.css
        ├── books/
        │   └── <book-id>-<book-slug>/
        │       ├── book.yaml
        │       ├── 01-research/
        │       ├── 02-script/
        │       ├── 03-storyboard/
        │       ├── 04-images/
        │       ├── 05-audio/
        │       ├── 06-transcript/
        │       ├── 07-render/
        │       ├── 08-preview/
        │       └── 09-output/
        └── exports/
            ├── ready/
            ├── published/
            └── archive/

最小账号配置必须覆盖这些边界：

account_id: account-01
platform: xiaohongshu
video:
  width: 1080
  height: 1920
  target_duration_seconds: 40
  intro: ""
  opening:
    title_format: "《{book_title}》"
  intro_to_main_transition:
    type: glitch
    duration_seconds: 0.35
audio:
  voice_reference: ""
  bgm: ""
  bgm_start_seconds: 0
  bgm_loop: true
images: {count: 4, default_style: healing-watercolor-storybook}
workflow:
  require_script_approval: true
  require_image_approval: true
  require_preview_approval_before_render: true

空字符串表示尚未配置素材。素材存在时写相对路径，例如 shared/bgm/default-bgm.mp3。详细字段见 账号配置，完整目录职责见 项目结构。

配置优先级

发生冲突时严格按以下顺序取值：

1. 当前对话中用户明确提出的新要求。
2. 本书 book.yaml 的临时覆盖项。
3. 账号 account.yaml 的长期规则。
4. 工作区 workspace.yaml 的工具选择。
5. 本 Skill 的通用默认值。

用户确认某项以后都要沿用时，更新账号配置；只影响当前书时，写入 book.yaml。不要把账号固定项散落在渲染场景中。

首次初始化

1. 创建工作区和 .gitignore，确保 .env.local 被忽略。
2. 创建账号 ID；ID 只使用小写字母、数字和连字符。
3. 收集并保存账号长期规则：平台、画幅、目标时长、片头、标题、转场、声音、BGM、字幕、图片风格和确认节点。
4. 把用户提供的共享素材复制到相应 shared/ 目录，再在配置中记录相对路径；不要链接到工作区外文件。
5. 检查研究、图片、TTS、转录、混音和渲染能力，把选择写入 workspace.yaml 或 account.yaml。缺失能力允许暂时标记为 auto。
6. 运行工作区校验；报告错误和不阻塞生产的警告。

如果 Python 可用，可从 Skill 根目录运行可选脚本：

python scripts/workspace.py init --root ./book-video-workspace
python scripts/workspace.py add-account --root ./book-video-workspace --id account-01
python scripts/workspace.py validate --root ./book-video-workspace

没有 Python 时直接用文件工具创建相同结构，不得把 Python 当作核心依赖。

单书生产

1. 建立任务

• 接收目标账号、书名和作者；作者未知时允许留空，但研究阶段要核实。
• 创建递增三位编号和安全目录名，生成 book.yaml，在 production.csv 新增一行。
• 若同一账号已存在同名书，继续已有任务，不覆盖文件；除非用户明确要求创建新版本。

可选脚本：

python scripts/workspace.py add-book --root ./book-video-workspace --account account-01 --title "书名" --author "作者"

2. 研究与文案

• 优先使用已配置的读书或搜索工具；也可以使用用户提供的书摘、笔记和资料。
• 把来源、事实摘要和资料缺口写入 01-research/sources.md。
• 围绕一个适合短视频传播的角度写自然口播，不强行概括全书，不编造名言、销量或评价。
• 保存 02-script/script-v1.md，报告传播角度和预计时长。
• 若 require_script_approval 为真，在这里停止并等待确认。

3. 分镜与图片

• 按口播含义拆分字幕和 3–4 个画面段落，切换点放在断句边界。
• 保存 03-storyboard/storyboard-v1.yaml，其中每个画面包含旁白范围、构图、情绪、提示词和字幕安全区。
• 图片只做背景与情绪隐喻，不生成书名、作者、字幕、Logo、水印或平台 UI。
• 使用同一视觉语言生成图片，保存为 04-images/scene-01.* 等稳定文件名。
• 若 require_image_approval 为真，展示图片并等待确认。

4. 音频、字幕与渲染工程

• 按能力发现选择 TTS 或用户录音，完整旁白优先一次生成，保存 05-audio/voice-v1.wav。
• BGM 从账号配置指定时间进入；不足时按配置循环。BGM 必须低于旁白，优先做 ducking。
• 最终混音保存为 05-audio/mix-final-v1.wav。没有混音能力时明确停止，不输出伪成品。
• 用最终旁白或最终混音转录，修正识别错误后保存 06-transcript/final.zh-CN.srt；其他语言字幕按账号配置生成。
• 在 07-render/<renderer>/ 创建渲染工程。标题用 HTML/图层叠加并服从 title_format，不要把文字烘焙进背景图。
• 图片切换和字幕时间必须来自最终音频，不靠平均分配。

5. 预览、导出与状态

• 生成低成本预览到 08-preview/preview-v1.mp4 或提供渲染器的可访问预览入口。
• 若 require_preview_approval_before_render 为真，等待用户确认后才正式渲染。
• 正式成片写入 09-output/final-v1.mp4，并复制到账号 exports/ready/。
• 更新 book.yaml 和 production.csv。Skill 不负责上传或发布；用户发布后才将文件归档到 published/ 并填写发布日期。

完整状态和文件命名约定见 生产流程。

工具适配规则

按“能力”选择工具，不按品牌写死流程：

阶段	所需能力	允许实现
研究	书籍资料检索	读书工具、网页搜索、用户资料
图片	文生图或图像处理	当前 Agent 可调用的图片工具
口播	TTS、声音克隆或录音	本地模型、云端 TTS、用户音频
字幕	音频转文字	Whisper 类工具或渲染器转录
混音	循环、ducking、响度	FFmpeg 或渲染器内置音频能力
视频	时间线合成与渲染	HyperFrames 或其他可用渲染器

选择前先检查工具、认证和成本。调用会上传用户文件或产生费用时，先获得用户确认。具体输入输出契约和降级方式见 工具适配。

校验

在预览和导出前检查：

• 配置中的本地素材引用均为相对路径，且没有 .. 逃逸账号目录。
• .env.local 已被忽略，输出中没有密钥。
• 文案和图片已满足启用的确认节点。
• 最终音频、字幕和切图时间属于同一版本。
• 标题带规范书名号，背景图没有文字。
• 缺失工具或素材被明确报告，没有伪造完成状态。
• book.yaml 与 production.csv 状态一致。
• 正式渲染前已满足预览确认规则。

如果 Python 可用，运行：

python scripts/workspace.py validate --root ./book-video-workspace

按需读取

• 新建、移动或审计目录时读 项目结构。
• 编辑账号字段、覆盖规则或素材引用时读 账号配置。
• 选择研究、图片、TTS、转录、混音或渲染工具时读 工具适配。
• 推进单书状态、命名产物或恢复中断任务时读 生产流程。