qianjin-oral-video

version	1.0.0
slug	qianjin-oral-video
displayName	口播视频脚本生成
summary	将长文案自动转化为口播视频脚本，并可一键生成完整口播视频。输入一篇长文（公众号文章、演讲稿、报告、笔记等），输出完整的口播视频脚本（开场Hook、分镜脚本、视觉指令、情绪标记、字幕要点、时长估算、标题封面文案、平台适配），并通过
license	MIT
name	qianjin-oral-video
category	内容创作
platforms	["workbuddy","claude-code","cursor","windsurf","codex"]
description	将长文案自动转化为口播视频脚本，并可一键生成完整口播视频。输入一篇长文（公众号文章、演讲稿、报告、笔记等），输出完整的口播视频脚本（开场Hook、分镜脚本、视觉指令、情绪标记、字幕要点、时长估算、标题封面文案、平台适配），并通过 Manim 白板动画 + edge-tts 配音 + FFmpeg 合成管线自动渲染为 MP4 视频。支持人物肖像/场景插图嵌入、硬字幕叠加、8种白板动画场景。适用于抖音口播、视频号、B站知识区、小红书视频等自媒体口播场景。触发词：口播脚本、口播视频、视频脚本、转口播、文案变视频、oral video script、video script、script writing、生成视频、出片。
agent_created	true
disable	false

前进口播视频脚本引擎

将长文案一键转化为口播视频脚本——让文字变成镜头感十足、节奏带劲、让人看完就想点赞的视频脚本。

何时触发

当用户表达以下意图时，立即激活本技能：

• 生成/制作/写口播脚本、口播视频脚本
• 把文案/文章/长文转成视频脚本
• 文案变视频、文字改口播
• 做一个口播类视频
• 需要视频脚本/拍摄脚本 -oral video script, video script, script writing

核心工作流

第1步：源文解构

收到长文案后，先提取以下素材：

[源文解构]
核心观点：提取3-5条核心论点
金句素材：提取3-5条可口播传播的金句
数据素材：提取所有可用数据/百分比/对比数字
案例素材：提取具体企业/人物/事件案例
情绪线：标注源文情绪起伏点（愤怒→共鸣→释然→行动）

第2步：确定视频规格

根据目标平台确定脚本规格（详见 references/platform-specs.md）：

平台	时长	字数	画面	核心指标
抖音口播	60-90秒	250-350字	竖屏9:16	完播率
视频号	60-90秒	250-400字	竖屏9:16	点赞率
B站知识区	5-10分钟	1200-2500字	横屏16:9	三连率
小红书视频	30-60秒	150-250字	竖屏3:4	收藏率

如果用户未指定平台，默认生成抖音口播版（60-90秒），并附赠视频号短版。

第3步：生成口播脚本

按以下结构生成完整脚本（详见 references/script-structure.md）：

━━━ 口播视频脚本 ━━━

【标题】3个候选标题
【封面文案】封面文字+副文字
【预估时长】XX秒

━━━ 脚本正文 ━━━

[0-3秒] 开场Hook
  🎬 视觉指令：...
  🗣 口播台词：...
  📝 字幕要点：...
  💡 情绪标记：...

[XX-XX秒] 主体段落1
  ...

[XX-XX秒] 主体段落2
  ...

[XX-XX秒] 主体段落3
  ...

[XX-XX秒] 结尾金句+CTA
  ...

━━━ 配套素材 ━━━

【标题文案】3个备选
【封面文字】主标题+副标题
【话题标签】3-5个
【评论区引导话】1句

第4步：质量自检

生成脚本后，执行自检（详见 references/quality-checklist.md）：

检查项	标准
开场Hook	前3秒有明确钩子（反常识/数据/悬念/痛点）
信息密度	每15秒至少1个信息点（抖音）或每2分钟1个高潮点（B站）
口播节奏	单句≤18字，不出现书面长句
金句数量	至少1个可截图传播的金句
情绪起伏	不少于2次情绪转换（低→高或缓→急）
字幕适配	关键信息有字幕要点标注
CTA	结尾有明确互动引导

关键参考文件

文件	用途	加载时机
references/platform-specs.md	4平台详细规格（时长/字数/推荐机制/语气/禁忌）	需要确定平台规格时
references/script-structure.md	口播脚本结构模板（Hook公式/段落模板/视觉指令格式）	生成脚本时
references/hook-formulas.md	开场Hook公式库（6大类+变体）	设计开场时
references/visual-direction.md	视觉指令参考（镜头/B-roll/字幕/音效/道具）	编写视觉指令时
references/quality-checklist.md	脚本质量自检表	自检时
references/transformation-rules.md	长文→口播转化规则（句式/结构/语气/密度）	转化文案时
references/video-generation.md	视频生成完整指南（Manim白板动画+edge-tts配音+FFmpeg合成）	需要生成视频时

语言风格

口播脚本必须口语化、有节奏感。核心原则：

• 用嘴巴说的话，不是用笔写的字
• 每句≤18字，关键处≤12字短句收尾
• 适当使用语气词：嘛、呗、啊、呢（增加口播感）
• 禁止书面语：值得注意的是、综上所述、不言而喻
• 禁止AI腔：让我们一起、不难发现、值得注意的是
• 适当使用判断词：说白了、本质上、核心是、关键在于

输出格式

完整脚本输出为Markdown格式，包含以上所有板块。同时输出一份质量自检报告，附在脚本末尾。

视频生成（第5步 - 可选）

本技能支持将口播脚本直接生成 带配音的简笔风白板动画视频（Manim引擎）。

触发条件

当用户表达以下意图时，激活视频生成模块：

• 把脚本/这个做成视频/生成视频
• 帮我配音/加画面/做个口播视频
• 生成MP4/视频文件
• 给脚本配画面/简笔画视频/白板动画

工作流程

口播脚本. md → [1] 脚本解析器提取分段
              → [2] TTS配音 (edge-tts) → 每段MP3 + 词级时间戳
              → [3] Manim白板动画 → 每段简笔风MP4
              → [4] 字幕生成器 → SRT字幕轨道
              → [5] FFmpeg合成 → 最终MP4

运行命令

# 基本用法（默认抖音竖版）
python scripts/generate_video.py \
  --script outputs/口播脚本.md \
  --output outputs/口播视频.mp4

# 指定平台
python scripts/generate_video.py \
  --script 口播脚本.md \
  --output 口播视频.mp4 \
  --platform bilibili

# 限制段数测试
python scripts/generate_video.py \
  --script 口播脚本.md \
  --output test.mp4 \
  --max-segments 2 --quality l

场景类型（从视觉指令自动推断）

视觉指令关键词	白板场景	动画效果
开场/Hook/标题	TitleScene	大字标题+强调下划线
字幕弹出/要点/核心观点	TextRevealScene	关键词手写浮现
数据图表/柱状/对比	DataBarScene	动态柱状图
流程图/思维导图/组合	FlowScene	框+箭头逐步展开
图标/网格/平台列表	IconGridScene	图标逐个点亮
金句/收尾/核心句	QuoteScene	引号+高亮框强调

参数说明

参数	说明	默认
--script	口播脚本Markdown路径	必填
--output	输出MP4路径	必填
--platform	目标平台(douyin/channels/bilibili/xiaohongshu)	douyin
--voice	TTS声音	按平台自动选择
--quality	渲染质量(l/m/h/k)	l
--max-segments	限制处理段数(测试用)	全部
--workdir	工作目录(默认输出同目录)	自动

质量指标

指标	标准
音画同步	字幕与配音误差<200ms
配音自然	edge-tts中文自然语音
白板统一	全片马克笔调色板一致
字幕可读	白字+黑边，底部居中
风格匹配	简笔风适配口播内容类型

关键参考文件： | references/video-generation.md | 视频生成完整指南 | 需要生成视频时 |

本技能可与以下前进体系技能联动使用：

• qianjin-writer：先用写作引擎写好文章，再用本技能转口播
• qianjin-content-repurposer：一鱼多吃转化后，对视频平台版本进一步细化为口播脚本
• qianjin-trending-hunter：热点选题确定后，用本技能生成口播脚本快速出视频