geeklee/srt-vox-director

Letzte erfasste Quellaktivität: 10. August 2026 um 07:55

SkillsMP-Katalog aktualisiert: 17. Oktober 2026 um 00:09

gesammelte Skills: 1

GitHub-Stars: 111
GitHub-Forks: 18

README des Repositorys

README-Quelldatei: README.md

# srt-vox-director ## 风格库 21 种，编号连续。**全部用同一个题材、同四件物件、同四处中文生成，唯一变量是风格本身**，所以下面这张图可以直接横向比： ![21 种风格样图](assets/style-grid.jpg) 风格不是滤镜，是一整个解释世界——选定后要贯彻到视觉隐喻、主体构建、文字载体、运动动词、音效、转场，而不只是背景材质。 --- 把一份**已经写好的 SRT 字幕**，变成可以直接复制去生图、生视频的提示词包。大多数同类工具从一个选题开始，替你写脚本、配音、渲染，最后吐一个 MP4。这个 skill 反过来：**旁白已经存在**，它只负责从字幕到画面的那一段—— 按语义切分镜、锁死视觉圣经、逐镜产出参考图提示词与图生视频提示词。 **它不生成任何图片或视频。** 交付的全部是文本，图和片子由你在自己选的平台上生成。「给我提示词」不等于允许生成媒体，这条在任何模式下都不放宽。 **所有提示词都用中文写。** 风格块、参考图提示词、视频提示词、负面约束，一律中文。 ## 为什么是 SRT 驱动旁白全文开局就有，这带来三个同类工具拿不到的好处： - **选风格不用猜。** 通读全文就能判断题材、信息形状、观众情绪，按七个维度打分推荐，而不是靠用户一句「我想要科技感」去猜。 - **切分镜有硬边界。** 镜头时长不是编出来的，是从时间码算出来的，因此可以校验：镜头必须无缝覆盖整条时间轴，不留空洞、不重叠。 - **音画对不上有解。** 平台只能生成 4/6/8/10 秒，与旁白的差值被显式算出来、分正负两种写法编排进提示词，剪辑时一步处理，不会累积漂移。 ## 五个模式 | 模式 | 做什么 | |---|---| | 1 选风格 | 从 21 种里推荐三种、展示样图，定下风格 DNA 与视觉圣经 | | 2 切分镜 | 读 SRT，按语义切分并就近吸附到 4/6/8/10 秒，输出分镜表 | | 3 出完整包 | 主模式。分批输出参考图提示词与视频提示词 | | 4 局部补出 | 只重出某一镜 | | 5 诊断修复 | 出图或出片失败时，按症状定位并做最小必要改写 | 默认链路 `1 → 2 → 3`，每步停下来等确认。直接扔一个 SRT 进来就从模式 1 开始。 ## 快速开始 ``` 把 story.srt 做成解释视频的提示词包 ``` 它会依次：读完字幕判断题材 → 推荐三个风格方向并给出样图 → 你选定后出分镜表和规模提示 → 确认后分批产出提示词。几十镜的片子会写 `state.json`，回来说「继续」就接着跑。拿到提示词之后的链路是：图片平台生成 PNG/JPG（**这个文件才是参考图**）→ 图生视频工具上传该图并粘贴视频提示词 → 下载 MP4 → 连同旁白与字幕导入剪辑。默认路线 ChatGPT Images → Google Flow → 剪映，可以换成任何同能力的平台。这张参考图画的是这一镜的**目标构图**，上传后模型把它当垫图、重新生成第 0 帧并演化—— 所以生成片的第 0 帧与上传图常常并不一致，这是正常的。 ## 项目结构 ``` srt-vox-director/ ├── SKILL.md 路由与判定规则，不复述任何表格 ├── assets/ │ ├── style-grid.jpg 21 张样图拼在一起的横向对比图 │ ├── style-samples/ S01–S21，同题材同构图的单张样图（给用户选风格） │ ├── style-highlight/ S01–S21，分界特写（给用户分辨易混的两条） │ ├── style-board/ S01–S21，六格风格板（给图像模型，出图时上传） │ ├── sample-prompts.md 统一变量版样图提示词（21 条，中文） │ ├── style-highlight-prompts.md 分界特写提示词（21 条，中文） │ └── style-board-prompts.md 风格板提示词（21 条，中文） │ 三份都只在重出图时读， │ 正常流程不要读进上下文 ├── examples/ │ ├── end-to-end.md 一个完整走通的范例 │ └── storyboard-examples.md 分镜算例（从 storyboard-algorithm 移出） ├── scripts/ │ ├── _lint_rules.py 校验器共享常量（CLIP_LENGTHS / BANNED / read_text） │ ├── check_storyboard.py 分镜表校验器，出片前跑 │ ├── check_prompts.py 逐镜提示词校验器，每批写完跑 │ ├── check_state.py state.json 校验器，续跑前跑 │ └── check_docs.py 文档一致性校验器，改文档后跑 ├── tests/ │ ├── test_checkers.py 校验器回归测试（stdlib unittest） │ └── fixtures/ good/ 已知全过的 3 镜项目，bad/ 故意埋 FAIL └── references/ ├── style-gallery.md 样图索引与评级 ├── style-library.md 21 条风格块（可直接粘贴的中文） ├── style-selector.md 七维打分与自定义风格 DNA ├── storyboard-algorithm.md 分镜算法、吸附表、差值、拆分、校验器 ├── storyboard-blueprints.md 九类题材的专属切镜策略 ├── prompt-templates.md 模板正典与无效写法对照 ├── prompt-keywords.md 上屏文字、渲染路线 ├── prompt-motion.md 参考图角色、运动库、收束动作、桥接帧 ├── delivery-contract.md 输出段落结构、目录结构、state.json ├── delivery-handoff.md 新手平台交接 └── troubleshooting.md 失败症状的定位与修法 ``` references 按流水线阶段用四个前缀分组： `style-`（模式 1）→ `storyboard-`（模式 2）→ `prompt-`（模式 3/4）→ `delivery-`（交付）。前缀只表示归属，不表示读取顺序——`ls` 是字母序，和上面这条流水线正好相反。 **每个口径与公式只有一处正典。** SKILL.md 只做路由，不复制表格；引用正典的地方一律写明在哪个文件第几节，避免副本各自漂移。 ## 几条不肯让步的规则 **一镜一个知识点。** 语义完整是硬约束，时长贴靶是软优化，差值最小可以牺牲，顺序不可颠倒。为了凑时长把两个知识点塞进一镜，是这个 skill 定义的最严重错误。 **吸附就近，不是向上。** 分界点 5/7/9。4.9 秒的旁白配 4 秒的片子（补差 0.9，末帧定格补上），不是配 6 秒（白多 1.1 秒还得编个收束动作去填）。 **参考图画目标构图，带字的东西必须在参考图里就印好。** 上传图是垫图，模型重新生成第 0 帧并演化到终态，所以参考图画的是这一镜想呈现的核心画面。带字载体只能在画面里就位、贴合、展开、被揭开，不能从画外飞入——那等于让视频模型自己造汉字，字必漂。无字部件不受此限。 **展示型镜头的上屏文字必须完整覆盖旁白。** 一个字都不许压缩。超 14 字块的行拆成多张卡——拆卡，不是砍字。 **同一镜内不许有两个文字载体长得像。** 实测中最常见的失败就是四个标签做成四个一样的圆角矩形，逐个写明形状、材质、尺寸差异。 **提示词里每条约束都要附一个可执行的物件或动作。** 「不要留空」无效，「底部加一排标本架，每块底座留空白」有效；「要有动感」无效，「纸卡从左侧滑入 140 像素，顺时针转 3 度，回弹一次后停稳」有效。 ## 输出 ``` <SRT 所在目录>/ ├── your.srt 你的输入 ├── state.json 断点续跑状态 ├── storyboard.md 分镜表 + 关键词台账 ├── 01_提示词/ 视觉圣经、逐镜参考图提示词与视频提示词、剪辑与后期 ├── 02_参考图/ 你存：SNN_reference.png ├── 03_生成视频/ 你存：SNN_clip.mp4 └── 04_成片/ 你存：剪辑导出 ``` 产出直接落在 SRT 所在目录，不另建子目录。 `state.json`、`storyboard.md` 与 `01_提示词/` 由 skill 写，另外三个目录留给你存在别的平台生成的媒体。 --- ## 参考借鉴 | star | 项目 | |---:|---| | 1085 | [Alisa0808/vox-director](https://github.com/Alisa0808/vox-director) | | 178 | [MegaTroll222/VOX-COLLAGE-BROLL](https://github.com/MegaTroll222/VOX-COLLAGE-BROLL) | | 161 | [cyberlesterr/paper-collage-video](https://github.com/cyberlesterr/paper-collage-video) | | 132 | [Anil-matcha/vox-ai-motion-graphics-generator](https://github.com/Anil-matcha/vox-ai-motion-graphics-generator) | | 77 | [CK42BB/vox-explainer-skill](https://github.com/CK42BB/vox-explainer-skill) | | 54 | [louchi1984-coder/voxeasy](https://github.com/louchi1984-coder/voxeasy) | | 18 | [Phantomlau3674/voxstylehub-steven](https://github.com/Phantomlau3674/voxstylehub-steven) |

README-Quelldatei lesen

README des Repositorys wird geladen…

Skills in diesem Repository

Audio- und Videotechniker

1 Berufskategorien · 100% klassifiziert

Skill

Beruf

Beschreibung

Aktualisiert

srt-vox-director

Audio- und Videotechniker

把已经写好的字幕（SRT / 配音稿 / 解说词 / 旁白稿）变成 Vox 风格解释视频的分镜与提示词包——参考图提示词、图生视频提示词、分镜表、关键词台账、视觉圣经、风格选择。只交付文本提示词，不生成任何图片或视频。适用于用户已有成片旁白、想做成分镜或配画面、需要切分镜头与处理时长差值、选定视觉风格，或出图/出片失败后诊断修复（字错了、画面没动、风格跑偏等）。

Quellsprache: Chinesisch

2026-08-10

Es werden 1 von 1 gesammelten Skills angezeigt.

Mit einem KI-Assistenten installieren

Diesen Prompt kopieren und in den verwendeten KI-Assistenten einfügen.

Follow https://skillsmp.com/skill-install/prompt.md to install Agent Skills from https://github.com/geeklee/srt-vox-director.