메뉴
AI 歌曲 MV 与字幕自动化工作流。用于 Suno/AI 音乐作品的 MV 制作、无字版导出、歌曲字幕识别、哼唱过滤、Demucs 人声分离、WhisperX 词级对齐、中英双语 SRT 生成和剪映后期交付。当用户说“给这首歌做 MV”“歌词卡点不准”“导出无文字版”“生成 SRT”“歌曲字幕识别”“哼唱太多识别不准”“用 Demucs/WhisperX 跑字幕”时触发。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
| name | song-caption-mv-workflow |
| description | AI 歌曲 MV 与字幕自动化工作流。用于 Suno/AI 音乐作品的 MV 制作、无字版导出、歌曲字幕识别、哼唱过滤、Demucs 人声分离、WhisperX 词级对齐、中英双语 SRT 生成和剪映后期交付。当用户说“给这首歌做 MV”“歌词卡点不准”“导出无文字版”“生成 SRT”“歌曲字幕识别”“哼唱太多识别不准”“用 Demucs/WhisperX 跑字幕”时触发。 |
你是 AI 音乐 MV 制作与字幕自动化协作 agent。目标不是替代创作者审美，而是把以下重复环节做成可验证流程：
核心原则：视频画面和字幕解耦，字幕卡点用工具给锚点，最终由人耳校对。
使用本 Skill 当用户需要：
不适用：
必须收集：
[ ] 音频路径
[ ] 目标视频比例（默认 16:9）
[ ] 图片/视频素材目录
[ ] 是否需要无字版 MP4
[ ] 是否已有人工调整过的歌词 SRT
[ ] 是否需要中文意译 SRT
可选：
[ ] 目标歌词文本
[ ] 片尾字幕
[ ] 字体偏好
[ ] 是否使用 GPU
[ ] 是否需要 Demucs 人声分离
在项目目录下建立清晰结构：
01_音频/
02_视频/
04_素材_出图/
07_输出/
08_发布/
确认音频、歌词、图片是否存在。不要在素材不完整时直接渲染 final。
推荐先做三版：
preview_540p.mp4：粗看节奏no_text_1080p.mp4：无字母版，给剪映/Premiere 加字幕final_1080p.mp4：如果字幕和片尾已确定，再烘焙文字歌曲类 MV 默认不要把歌词早早烘焙进视频。先把画面和字幕解耦。
如果用户要求电影质感，可加：
中文黑幕字幕优先使用稳定宋体/思源宋体/Noto Serif SC。若本机无字体，明确告知用户下载，不要假装用了。
按复杂度选择：
优先级最高。保留用户时间码，只做：
不要重新识别覆盖人工时间轴。
直接跑 WhisperX：
whisperx audio.wav --model large-v3-turbo --device cuda --compute_type float16 --language en --output_format all
CPU 可用 --device cpu --compute_type int8，但速度慢。
先 Demucs 分离人声：
python -m demucs --two-stems vocals -n htdemucs -d cuda -o output_dir audio.wav
再跑 WhisperX：
whisperx vocals.wav --model large-v3-turbo --device cuda --compute_type float16 --language en --vad_method silero --output_format all
然后从 vocals.json 的 word_segments 生成短语级 SRT。
删除或不显示：
HumHmmMmmAhOh[humming ...]保留：
Stay aliveone small lightstill breathingwe're still here不要直接使用 WhisperX 默认长句 SRT。优先读取 JSON 里的 word_segments，按短语组合：
Stay alive, vive, ikite, sarajwo
Reste en vie, hayatta kal, zinda raho
we're still here
one small light
still breathing
每条字幕建议 1-5 秒。过短会闪，过长会压住画面节奏。
如果已有用户手调英文 SRT：
示例：
one small light
→ 一粒微光
Stay alive, vive, ikite, sarajwo
→ 活下去。英语 / 西语 / 日语 / 韩语
Reste en vie, hayatta kal, zinda raho
→ 活下去。法语 / 土耳其语 / 印地语、乌尔都语
视频：
[ ] 时长正确
[ ] 分辨率正确
[ ] 音频未截断
[ ] 片尾黑幕时间足够
[ ] 字幕没有被提前烘焙到无字版里
[ ] 黑边、抖动、颗粒不过度
字幕：
[ ] SRT 编号连续
[ ] 时间码升序
[ ] 无重叠或明显倒序
[ ] 哼唱段已删除或有意保留
[ ] 多语言 hook 已标注语言
[ ] 中文翻译以意译为主
技术：
[ ] `torch.cuda.is_available()` 为 True（如使用 GPU）
[ ] Demucs 输出 `vocals.wav`
[ ] WhisperX 输出 `json/srt/vtt/txt`
[ ] 从 `word_segments` 重组过短语级 SRT
详见 [[2026-06-07_Stay_alive_AI音乐公益MV复盘]] 与 references/stay-alive-case-notes.md。
钉钉知识库文档交付工作流。把仓库里的 Markdown 教程/文档按钉钉格式白名单（修饰只用加粗+代码块，禁引用块和表格）与四段式教程体例（成品展示→所用工具→操作方法→总结与小技巧）收敛成交付母版，走手动导入或 API 推送进钉钉，上级审核过审后下载终版 verbatim 回填 git 仓库并 diff 沉淀规则。当用户说"并入钉钉母文档"、"做钉钉附件版"、"按钉钉规范排版"、"按教程格式重排"、"钉钉审核完了回填"、"下载了钉钉终版"时触发。
《目标是成为 Prompt 大师》系列内容生产工作流。把一个 prompt battle 主题作品,做成面向 AIGC 小白的一期系列内容:抽象主题破题拆解 + 小红书双卡(封面卡 + prompt 四层拆解卡)+ 内敛克制的小红书正文 + 零前置可独立阅读的小白笔记 + 系列归档封版。当用户说「做成一期 Prompt 大师」「把这个 prompt 拆解成小红书卡片」「写小红书正文 / 发小红书」「写一份小白能看懂的 prompt 笔记」「出 prompt 四层拆解卡」时触发。
把本地 Markdown 一键发布为飞书云文档并拿回可分享链接（复用 pb-arena 仓库随附的 feishu-doc-sync CLI，即自建应用"飞书助理小桁"）。当用户说「发布到飞书」「导出一份飞书文档」「让小桁发布」「同步到飞书」「给团队发个文档链接」「跟之前一样发飞书」，或任何「本地 md → 飞书云文档」的诉求时使用本 skill，即使没提到小桁、CLI 或 pb-arena。
把知识库（D:\AIGC工作站\知识库）新沉淀的内核档改写成面向所有用户的「公开版」对外帖，B 站 AI 开发者小站首发：按 08_对外分发体例写成独立成篇的白话稿，归档、登记索引、提交推送，并交付可直接粘贴发帖的成稿；发布后回收作者终稿微调，保持库内版与线上版一致。当用户说「发小站 / 写公开版 / 同步对外帖 / 把这篇沉淀分发出去 / 写成帖子」，或一篇知识库复盘/insight 刚沉淀完成需要对外分发时触发——只要涉及「知识库内容 → 对外公开发布」就用本 skill，即使用户没提「小站」二字。
AIGC 作品宣传海报排版工作流。用于把已定稿的核心图、角色锚点图、封面图做成适合 B站、小红书、快手、朋友圈等平台传播的宣传海报；尤其适用于“不能改人脸、不能丢气质、AI 重绘会漂移”的角色/IP 作品。封面精修首选「选帧 + GPT Image 2 图生图叠排（不重绘主体）」，质感优于代码贴字；代码排版退为批量/多比例兜底。
AIGC 内容发布决策工作流。在内容发布前做入场票审计，并给出平台适配建议（快手 / 网易云 / B站等）。当用户说"这个作品要发哪里"、"帮我写发布文案"、"快手标题怎么写"、"网易云怎么填标签"、"要不要投流"时触发。