product-video-ad

name	product-video-ad
description	商品短视频广告。卖点 → 分镜脚本 → 分段生成 → 拼接加字幕成片。当用户说「做条广告」「短视频」「投流素材」「分镜脚本」「带货视频」时使用。

product-video-ad — 商品短视频广告

从卖点到成片：写分镜 → 逐镜生成 → 拼接 → 上字幕。

和 main-image-video 的分工：那个是主图位的 3 秒单镜， 这个是多镜串联的完整广告，15–30 秒，用于投流。

---

一、能力边界

能做	说明
分镜脚本	卖点 → 镜头序列，含时长、画面、字幕
逐镜生成	每个镜头独立生成，失败只重跑那一个
自动拼接	ffmpeg 串成成片，编码不一致时自动重编码
字幕	按分镜时长自动生成 SRT，烧录或封装
品牌一致	--brand 让全片色调运镜统一

不能做	说明
配音配乐	脚本给文案，配音配乐请用剪辑软件
精确卡点	生成模型的时长是档位，卡音乐点请后期调
真人口播	用 ugc-testimonial

---

二、分镜结构

15 秒带货视频的通用骨架，四段：

段	时长	干什么	画面
钩子	0–3s	让人停下来	最强视觉冲击：使用场景、痛点对比、意外角度
卖点	3–9s	说清为什么买	2–3 个特写，一个卖点一个镜头
场景	9–13s	让人代入	真实使用场景，模特或环境
落点	13–15s	给行动理由	商品全貌 + 价格/优惠字幕

一个镜头只讲一件事。 一个镜头塞两个卖点，两个都记不住。

---

三、分镜文件

{
  "shots": [
    { "id": "s1", "seconds": 3, "image": "docs/flat-lay/example-output.jpg",
      "prompt": "Slow push-in on the model wearing the olive cable-knit sweater, cold morning light, breath visible.",
      "caption": "零下十度，只穿了这一件" },
    { "id": "s2", "seconds": 3, "image": "docs/flat-lay/garment-flatlay.jpg",
      "prompt": "Macro pan across the cable knit texture, fibers catch the light.",
      "caption": "粗棒针织，三层锁温" },
    { "id": "s3", "seconds": 4  
       
        
          
       
        
  

caption 会按 seconds 累加自动排时间轴生成 SRT，不用手对时间码。

---

四、工具调用

export DLAZY_VIDEO_MODEL=<你账号里可用的视频模型 ID>

node scripts/video.mjs --mode storyboard --task product-video-ad \
  --board examples/board.json --outdir out/ad --subtitles --brand examples/brand.yaml

# 先看计划，不计费
node scripts/video.mjs --mode storyboard --task product-video-ad \
  --board examples/board.json --outdir out/ad --dry-run

产出：

out/ad/s1.mp4 … s4.mp4     每个镜头
out/ad/captions.srt        字幕
out/ad/concat.txt          拼接清单
out/ad/final.mp4           成片
out/ad/final-sub.mp4       带字幕成片

某个镜头失败不影响其他镜头——重跑那一个，再手动拼一次即可。

---

五、执行流程

1. 先要卖点，不要直接写分镜。问用户：主推什么、给谁看、投哪个平台。
2. 写分镜给用户确认。文字确认比生成完再改便宜一个数量级。
3. --dry-run 看一遍。确认每镜的 prompt 和参考图对得上。
4. 跑。逐镜生成，失败的单独补。
5. 看成片。不满意就改单个镜头重跑，别整条重来。

---

六、Prompt 写法

每镜遵循：运镜 + 主体 + 环境 + 保真约束

<Camera move>. <Subject action>. <Environment>.
Keep the product identical to the reference image.
No text overlay in the frame, no watermark. Photorealistic, cinematic.

关键：No text overlay in the frame。 字幕是后期加的， 让模型自己画文字必然出乱码。

---

七、常见问题

现象	原因	怎么办
镜头之间商品不一致	每镜独立生成，模型各画各的	全部镜头传同一张商品参考图，并用 --brand
拼接后画面跳	各镜编码参数不同	脚本会自动重编码兜底；仍跳就统一各镜的尺寸
字幕没烧进去	ffmpeg 没带 libass	脚本自动降级为软字幕轨，播放器可开关
没装 ffmpeg	—	片段照常生成，用输出的 concat.txt 事后补拼
成片太长	分镜时长加起来超了	投流素材 15 秒最稳，超过 30 秒完播率明显下滑

---

Tips

• 前 3 秒决定一切。钩子镜头值得多跑几版挑一条。
• 字幕写口语。「零下十度只穿了这一件」比「优质保暖面料」有效得多。
• 竖版 9:16。投流素材几乎都是竖版，生成时就按竖版出，别事后裁。