ai-media-generator

name

ai-media-generator

description

為使用者產生高品質的 AI 生圖、生影片、生音樂提示詞，並在需要時透過瀏覽器自動化實際送到目標平台。涵蓋 OiiOii、Kling 3.0/O-series、Seedance 2.0 pro、Suno v5.5、Seedream 5.0/4.0、Vidu Q3、Midjourney V8.1、Flux 1.1 Pro / Kontext、Runway Gen-4.5 / Aleph、Google Veo 3.1、Ideogram 3、Nano Banana Pro、Stable Diffusion 3.5（⚠️ OpenAI Sora 2 已於 2026-04-26 停運，API 撐到 2026-09-24，預設改推 Runway/Veo/Kling）。只要使用者提到「AI 生圖」「AI 影片」「AI 音樂」「做 MV」「做 storyboard」「寫 prompt 給 XXX」「我想用 Kling/Suno/Midjourney/Runway/Veo...」「幫我操作 OiiOii / 即夢 / 可靈」「txt2img / img2video / 文生圖 / 文生影片 / 圖生影片」「角色一致性」「多鏡頭分鏡」「運鏡」「結果有瑕疵 / 不夠精緻 / 怎麼修」，或任何跟上述平台或影像/影片/音樂生成工作流相關的任務，都要用這個 skill。即使他們沒講明平台，只要任務是要餵給某個生成模型的 prompt，就用這個 skill 幫他們選對的平台、寫對的格式。

AI Media Generator

幫使用者把想法變成高品質的 AI 生成內容 (圖片、影片、音樂)，核心工作是 寫對每個平台的 prompt 以及 必要時自動操作網站。

🤖 Auto-Pilot Mode (超傻瓜一句話到成品)

觸發： 使用者說「幫我做 X」「做一個 X」「生個 X」「我要 X」這類命令式、且 X 含媒體類型 (圖/影片/音樂/MV/短片/海報/動畫) 或風格關鍵字 → 直接進 auto-pilot 不問。

流程 (見 templates/auto-pilot.md 完整版)：

1. Intent Parser — 一句話拆 9 slot (媒體/長度/畫面比/主題/風格/角色/場景/音訊/語言)
2. Fill Defaults — 沒講的用預設 (video 預設 10s 16:9；動漫預設 Shinkai+Ghibli；電影預設 Deakins DP…)
3. Platform Decider — 按 references/selector.md + quick pick 矩陣自動選
4. Script + Storyboard Auto-gen — 自動寫 logline + 角色卡 + 分鏡
5. Prompt Crafting — 強制套語彙庫 (見下方硬規則)
6. Preview + Go — 30-秒 override 視窗，使用者回「go/確認/OK」才執行；無回 + 需花錢 → 停；無回 + 免費 → 30 秒後自動繼續
7. Execution + Report — 按 automation/click-protocol.md + site-profiles/ 協議操作

Auto-Pilot 必停的 checkpoint (不代做)：

• ⛔ 付費 paywall / 升級提示
• ⛔ 送出前最終一次確認
• ⛔ 下載 / 分享 / 公開發布
• ⛔ 敏感內容 (真人照片疑似裸露/暴力/政治人物)
• ⛔ click-protocol.md 定義的「irreversible action」

Auto-Pilot 禁止行為：

• ❌ 幫 Claude 已知的事問使用者 (「你要幾秒的影片？」— 10s 預設就好)
• ❌ 一次拋多選項 — 選 1 個最佳 commit，讓使用者在 Preview 階段才決定改不改
• ❌ 寫純 generic 填詞 prompt (beautiful / masterpiece / detailed) — 違反下方硬規則（注意：cinematic / 4K / 8K 在新一代模型如 Seedance 2.0 是有效 token，看平台分流）
• ❌ 代付款

使用者自然語言 flags 可 override 預設： 使用者一句話可帶「用 Kling / 5 秒 / 豎屏 / 免費 / Ghibli 風 / 有對白」等自然語言 flag，auto-pilot 掃 templates/user-flags.md 對照表自動套用。使用者不懂術語也 OK — 「做個抖音」「可愛一點」「夢幻」都有對應翻譯。

⚡ Token-Efficient Mode (大專案必讀)： 本 skill 30+ 檔 / 7000+ 行，全量讀會爆 context。Auto-Pilot 預設套 templates/token-efficient-mode.md 的 7 層策略 (lazy load / grep / 子代理 / preset 跳過 / cache polling)。一般任務目標 ~25-40k tokens，不是 100k+。豪華模式 (全量讀) 只在 benchmark / 學 skill / 陌生平台探索時啟用。

🔴 硬規則 (Mandatory)

Meta 優先序（2026-04-21 實戰鐵律）

Prompt 寫對一次 ≫ 操作快 10 次。

根因：寫錯 prompt → 重做 → 等 8-10 分鐘。操作 25 秒 vs 5 分鐘差距（~4.5 分鐘），遠遠小於「一次 prompt 失敗」成本（~10 分鐘等待 + token 浪費）。所以速度優化的真正優先序：

1. 第一優先：查平台簽名 + 寫對 prompt → references/community-prompt-patterns.md（跨 X/Threads/Reddit/小紅書/Bilibili 社群驗證，單一 source of truth）
2. 第二優先：單次提交極速化 → automation/site-profiles/
3. 第三優先：等待不 polling → Bash run_in_background:true + sleep 400

順序反了 = 浪費 40+ 分鐘做 4-5 次嘗試才生出可用的。

Prompt 必備語彙

每次產 image / video / music prompt，都必須從 skill 進階語彙庫挑 token — 不是選配，是必做。

流程：

1. 最優先查：references/community-prompt-patterns.md — 按目標模型查簽名 token + 長度甜蜜點 + 禁忌（⚠️ 平台吃不同 token，Seedance/Wan 吃導演名 = 災難）
2. 決定任務類型 (攝影感/電影感/廣告/時尚/MV/VFX/社群短片)
3. 挑對應 reference 檔讀：
   • 電影/攝影類 → cinematic-direction.md 必讀
   • 廣告/時尚/MV/品牌 → commercial-direction.md
   • 特效/物理/大氣 → vfx-effects.md
   • 原生音訊 (Veo/Sora/Vidu Q3) → sound-design.md
   • 多鏡/剪接/節奏 → editing-transitions.md
4. 快速路徑：先查 preset-packs.md 找最近的 preset，換占位符即可
5. 每個 prompt 至少嵌入 5-8 個高訊號 token，從下列層挑（看平台分流）：
   • 導演/DP 名 (Deakins、Lubezki、Hoytema、王家衛、新海誠…) — ✅ MJ/Sora 2/Veo；❌ Flux/Nano Banana Pro/Seedance/Wan
   • 鏡頭/焦段 (Panavision anamorphic / 85mm / C-Series 等) — 通吃
   • 底片/感光 (Kodak Vision3 500T / Cinestill 800T 等) — ✅ Flux/MJ；❌ Seedance
   • 光比/燈光 (Rembrandt / 4:1 contrast / volumetric god rays 等) — 通吃
   • 色彩分級 (teal-orange / bleach bypass / A24 indie 等) — 通吃
   • 構圖/景別 (rule of thirds / medium close-up 等) — 通吃
   • VFX/大氣 (halation / Tyndall effect / particles 等) — 通吃
   • (Veo/Sora) 音訊三層 (Dialogue / SFX / Soundtrack)

禁用模式（通用 + 平台特定）

通用原則： 寧可 5 個具體 token，不要 20 個泛詞。 但 generic 與否看平台。

真正全平台垃圾（任何時候都別用）：

• beautiful / masterpiece / detailed / high quality / professional（這幾個從沒在新一代模型有實證效果）
• --no blur 等 flag-style 負面 prompt（多數模型不吃，用自然語言 no blur 反而 OK）

⚠️ 平台特定（注意「2026-04-21 vs 2026-05-18 推翻」— 模型升級會改變斷言）：

• ⚠️ cinematic / 4K / 8K / 35mm-50mm-85mm — 舊版 Seedance 1.0 弱，Seedance 2.0 大量吃（v1.1.0 修正）。Kling / Sora 2 / Veo 3.1 / MJ v7 / Flux 全吃。
• ❌ Seedance 2.0：fast（改 extreme speed / kinetic / rapid）、多動詞同句、多主體獨立動作、chaotic wide 無時間區塊、個別 DP 名（藝術運動 / 品牌風格 OK）
• ❌ Flux / Nano Banana Pro：artist names（訓練時被 scrub）、--ar 語法
• ❌ Runway Gen-4：>60 字 prompt（最短的模型）、synonym drift
• ❌ Kling：stacking 多個相機運動、>4-5 distinct nouns

先查 community-prompt-patterns.md — 該檔每個模型都有「禁忌」section，且註明 cross-platform 推翻歷史。

驗證自檢

Prompt 寫完問自己：

1. 查過 community-prompt-patterns.md 目標模型章節？
2. Token 符合該平台簽名（不是隨手亂塞）？
3. 避開該平台禁忌？
4. 長度在甜蜜點（不過長不過短）？

4 題都過 → 送。缺一題回去改。

核心原則

1. 先問清楚「要什麼」，再決定「用哪個」。同一個想法送到不同模型，prompt 寫法完全不同。先釐清：

   • 媒體類型：靜態圖 / 影片 / 音樂 / 複合 (MV、分鏡動畫)
   • 用途：社群貼文 / 廣告 / 電影感短片 / 角色一致性專案 / 文字海報
   • 手上資源：有沒有參考圖、首尾幀、角色圖、歌詞
   • 預算/可用性：免費網站 / 付費會員 / API 金鑰

2. 讀對應的 reference 檔。本 skill 的知識是分散式的。不要從腦中記憶硬編 prompt — 每次都先讀目標平台的 reference 檔，因為各模型版本更新很快，檔案裡有最新的語法、參數、連結。

3. 中英混寫時有規則：主體名詞、運鏡術語、模型參數用英文；情感描述、文化元素 (漢服、水墨、國風)、旁白/歌詞用中文。Seedream 與 Kling 的中文支援最好；Midjourney、Flux、Runway、Veo 英文效果明顯較佳。

4. Prompt 長度。多數模型在 60–150 字 / tokens 之間最佳；Flux Kontext 上限 512 tokens；Veo 建議 3–6 句話；Sora 偏好「分鏡式」描述。reference 檔有每個模型的具體上限。

5. 輸出格式。除非使用者明說只要 prompt 本文，否則給他們：

   • 一個 可複製的 prompt 區塊 (通常英文)
   • 一段 繁中說明：這個 prompt 為什麼這樣寫、哪些 token 可以換掉、預期輸出會長怎樣
   • 一組 建議參數 (aspect ratio、時長、model variant、seed 等)
   • 如果有平台特殊語法 (tag、metatag、參考圖槽位)，把它結構化呈現

工作流

Step 1 — 選平台

如果使用者已指定平台 (「用 Kling」「幫我寫 Suno prompt」)，直接跳 Step 2。

否則讀 references/selector.md 按「媒體類型 × 用途 × 資源」選出 1–2 個最佳候選平台，並把推薦理由用 2–3 句話告訴使用者。如果落差很大 (例如「免費 vs 付費最佳」)，給使用者選擇。

Step 2 — 讀對應的 reference 檔

根據選定平台，一定要 讀對應檔案，不要憑記憶寫 prompt：

🧭 不確定選哪個模型？先讀 references/model-picker.md — OiiOii 全模型 + 各平台「選誰 / 招牌 prompt 技巧」總表 + 30 秒決策樹。使用者嫌「不熟模型」「該用哪個」時必讀。

影片 (Video)

• Kling 3.0 / O-series（V3 畫質 / Omni 參考驅動 / O1 首尾幀，三者不同）→ references/kling.md
• Seedance 2.0 pro / 1.0 Pro / Lite（OiiOii 影片旗艦，@AssetName 標記）→ references/seedance.md
• Vidu Q3 Mix/Ref/Pro（動漫 + 多角色一致，@tag 多參 + HEX 鎖色）→ references/vidu.md
• Runway Gen-4.5 / Aleph / Act-Two → references/runway.md
• Google Veo 3.1 + 🆕 Gemini Omni（Google 雙旗艦：4K 畫質線 + 對話編輯線，I/O 2026 發表）→ references/veo.md
• Hailuo 2.3（角色表演）/ Wan 2.7·2.6（複雜場景/對白）/ HappyHorse（敘事音畫）→ 見 references/model-picker.md
• ⚠️ OpenAI Sora 2 → references/sora.md（已停運 — app 2026-04-26 關，API 2026-09-24 關。讀此檔只為了解替代方案；新任務改用 Veo/Gemini Omni/Runway/Kling）

圖片 (Image)

• Seedream 5.0 / 4.0 → references/seedream.md
• Midjourney V8.1 / niji 7（⚠️ --oref 為 V7-only） → references/midjourney.md
• Flux 1.1 Pro / Kontext → references/flux.md
• Ideogram 3 → references/ideogram.md
• Stable Diffusion 3.5 / SDXL → references/stable-diffusion.md

音樂 (Music)

• Suno v5.5（Personas 已改名 Voices） → references/suno.md

複合 / 多智能體

• OiiOii.ai → references/oiioii.md

跨平台共通

• 鏡頭語言 (影片類都適用) → references/camera-language.md

進階導演 / VFX / 音效 / 剪接 級別 prompt 設計 (當使用者要「電影級」「廣告級」「奢侈品級」「完整影視團隊」時必讀)

• 電影導演 / 攝影指導 / 底片 / 燈光 / 構圖 / meta tokens → references/cinematic-direction.md
• 廣告 / 時尚 / MV 導演 / 品牌調性 / 社群短影音 → references/commercial-direction.md
• VFX 總監 / 大氣 / 物理 / 特效 recipes → references/vfx-effects.md
• 音效設計 (對白 / SFX / Foley / 配樂) → references/sound-design.md — Veo 3.1 / Vidu Q3 原生音訊必讀
• 剪接 / 轉場 / 節奏 (match cut / whip pan / J-L cut / ASL 律動) → references/editing-transitions.md — 多鏡故事、storyboard、MV 必讀
• 🎬 概念先行 Prompting (prompt 沒主題/畫面很空/效果差/不知道在拍什麼) → references/concept-first-prompting.md — 使用者嫌「prompt 沒主題」「有些畫面不知道在幹嘛」「影片效果差」時必讀。治「技術詞堆疊但空洞」：先定一句話 concept → 3-beat 敘事弧 → 每個鏡頭做存在性測試 → 才加技術詞。含 6 個產品廣告概念框架
• 🔧 反瑕疵品質控制 (結果爛了/有瑕疵/不夠精緻怎麼修) → references/quality-control.md — 使用者嫌結果有瑕疵、產品變形、塑膠感、閃爍、文字鬼影、動得很假時必讀。系統化分類 7 類瑕疵 + 對症修法（鎖時間/鎖物理/鎖主體）+ 平台物理強弱速查
• 🧭 模型選擇大全 (該用哪個模型 / 不熟各家模型) → references/model-picker.md — OiiOii 全模型 + Gemini Omni / Kling O-series / Vidu / Hailuo / Wan / Seedance 各家「最強情境 + 招牌 prompt 技巧 + 何時選」+ 命名混淆對照（Gemini Omni vs Kling Omni）

這三個進階檔是 語彙庫，不是流程手冊。使用方式：

1. 先照平台的 reference (kling.md / flux.md 等) 確定該平台的 prompt 結構
2. 再從進階檔挑 5-8 個高質量 token 填進結構裡
3. 不要整段 copy — 挑對情緒、對平台、對故事的那幾個詞

一個人身高不同，鏡頭焦段/燈光/底片的「關鍵詞組合」就不同。「超級資深影視導演」的 prompt = 四層堆疊 [導演/DP] + [鏡頭/底片] + [燈光/色調] + [動作/構圖]，每層挑最契合的 1-2 個 token。

Step 3 — 根據任務類型參考 template

• 快速：抽一個現成 preset 套用 (30 個電影/廣告/MV/VFX/短影音 preset) → templates/preset-packs.md
• 複雜多步驟任務 (> 15s 影片 / 多角色一致 / 品牌包 / 專輯 / MV 一條龍) → templates/advanced-recipes.md 13 個 chain workflow (Extend / Persona / Motion Control / Cameo 等進階功能組合)
• 重用角色/風格/場景卡 → templates/asset-library.md
• 多鏡頭 / 分鏡故事片 → templates/storyboard.md
• 音樂影片 / MV → templates/music-video.md
• 常用負面提示詞 → templates/negative-bank.md
• 社群多版本 / 預算 flag / 平台 flag / 風格 flag → templates/user-flags.md
• 大專案省 token → templates/token-efficient-mode.md

preset-packs.md 的用法： 使用者要「Wes Anderson 風」「Nike 廣告感」「賽博龐克雨夜」「水下夢境」等明確風格時，先到 preset-packs.md 找最近的 preset，換占位符即可，不用每次從零組 prompt。若使用者要的風格不在 preset 裡，再從 cinematic-direction.md / commercial-direction.md / vfx-effects.md 現場組。

Step 4 — 組出 prompt 並輸出

依 reference 檔給的公式組出 prompt。每個平台有自己的 order、特殊符號、tag — 嚴格按 reference 檔的格式寫。

輸出格式：可複製的 prompt 區塊 + negative + 參數 + 繁中 why (每個 token 為什麼選)。完整範例見 preset-packs.md 的 30 個 preset，每個都是 ready-to-use 格式。

Step 5 (選配) — 瀏覽器自動化執行

如果使用者要求「幫我直接做」「幫我貼上去按產生」「操作 OiiOii/Kling/Suno」等，這套檔要讀：

1. 通用 click 協議 (所有網站都要遵循)

• automation/click-protocol.md — Click 決策樹、ref 保質期、座標精準技巧、驗證 selected 的方法、scroll-aware 座標、paywall 偵測、等待策略、驗證循環、速度優化

2. 網站特定 profile (該站的 UI 地圖 + 座標 + 陷阱)

• automation/site-profiles/ — 每個網站一份深度 profile
  • ✅ oiioii.md — 完整驗證 Phase 1-3E (止於付費牆)
  • ✅ flow.md — 完整驗證 Phase 1-6 (Veo 3.1 Fast/Quality/Lite)
  • ✅ kling.md — 完整驗證 Phase 1-7 (Kling 3.0 + credits + Fast-Track)
  • ⏳ 其他平台 (Suno / Runway / MJ 等) 待操作時補
  • 📝 _template.md — 新網站 profile 模板

3. 高層流程速查 (每站登入與主流程概述)

• automation/browser-guide.md

送出前必做的安全檢查 (見 click-protocol.md 詳細)：

• 確認使用者已登入目標站 (絕不代輸入密碼)
• 把即將輸入的 prompt 完整貼給使用者，等確認再送
• 首次操作某站 → screenshot 對照 site-profile，UI 改版就更新 profile
• 送出前 screenshot (before)，送出後 screenshot (after)，比對 UI 變化確認真送出
• 撞到 paywall / modal / 非預期彈窗 → 立刻停下問使用者，不代付款

reliability 核心原則 (來自 OiiOii demo 踩坑紀錄)：

1. 不信任記憶中的座標 — 5 秒前的 screenshot 可能已過期，click 前必須剛截圖
2. ref 很短命 — find 完 立刻 click，中間不插其他 tool call
3. selected state 看填底色，不是粉色 ring (那是 hover)
4. click 沒中別亂重試 — 先 screenshot 診斷 (paywall？disabled？座標偏？)
5. Polling 不要 < 60s 也不要 > 3min — 互動 UI 60-90s，純背後等待 3-5min

⚡ Chain workflow 強制節省 (來自 Suno 5 首歌 chain 慘痛教訓 2026-04-20)： 連跑多任務 (做 5 首歌、5 張圖、多支影片) 時：

1. 中間禁 screenshot — 只第 1 task 後 + 全部完成各 1 張 (浪費點 #1)
2. 中間禁 TodoWrite — chain 完成後一次性更新即可 (浪費點 #2)
3. clear field 用 1-click — 點 trash icon 或 ctrl+a 覆寫，禁用 triple-click + Ctrl+A + Delete 三步走
4. 內容寫標準長度 — Suno 歌詞 ~25 行 / Veo prompt ~80 字 / MJ keyword 30-50 字 / Seedream 80-120 字，超寫不加分
5. 平台有 Series Mode/Multi-Shot/Multi-Reference → 用內建批次 不要 N 次 chain (Suno Persona / Kling Multi-Shot / Seedream Series / MJ omni-ref / Vidu Q3 multi-entity)

檢測標準： 5 task chain 應 ≤ 36 tool calls + ≤ 1.5k token + < 5 分鐘。違反任一就要修。詳見 click-protocol.md §「Token + 時間最佳化」。

關鍵品質檢查 (在交付 prompt 前跑一遍)

• 有沒有「具體的主體描述」— 不只是 "a person" 而是 "a woman in her 30s with chin-length silver hair"
• 動作有沒有可視化的動詞 — "walks slowly" / "tilts her head" 優於 "is moving"
• 場景有沒有 2–4 個具體元素 — 時間、地點、天氣、物件
• 鏡頭 (如果是影片) — 運鏡類型 + 速度 + 距離
• 風格與光影 — 一到兩個清楚的風格錨 (例如 "cinematic, teal-and-orange grade")
• 長度適當 — 檢查目標平台的 sweet spot
• 沒有自相矛盾 — 不要同時寫 "close-up" 和 "wide establishing shot"
• 負面提示詞 (如該模型支援) 有列常見缺陷
• 產品/品牌類 — 有沒有「主體完整性鎖」(rigid form / no morphing / 形狀不變)？產品優先走 i2v 鎖死 hero 圖。見 quality-control.md §1
• 複雜物理 (液體/布料/煙/碰撞) — 有沒有挑對強物理平台 (Runway Gen-4.5 / Veo 3.1)？弱物理模型硬做必爛

常見反模式

• 拿 Midjourney 的 --ar 16:9 --s 250 語法餵 Flux / Kling / Sora — 只會被當成雜訊。每個平台有自己的參數欄位。
• 在 Suno Lyrics 欄寫 "Verse:" — 會被當成歌詞唱出來。要寫 [Verse]。
• Seedream 叫它寫文字時用單引號或不加引號 — 官方建議用雙引號包住要顯示的字："Seedream 5"。
• Kling / Seedance 運鏡疊太多 — "zoom in while panning right and tilting up" 會爛掉。一次一到兩個運鏡。
• Vidu ref2v 時 prompt 又重複描述參考圖的外觀 — 會互相打架。描述「動作與互動」就好。
• SD 3.5 用 (word:1.3) 權重語法 — 3.5 不吃這個，改用自然語言。SDXL 才吃。

關於「萬用」的邊界

此 skill 設計為 prompt engineering + 瀏覽器自動化雙層。不直接呼叫 API (API key 管理、計費都是額外議題)，但若使用者明確要走 API，reference 檔裡有各平台的官方 API 端點連結，可以協助組 payload。

版本資訊

平台知識最後校準：2026-06（v1.5.0 全平台 reference 升級 + WebSearch 驗證）。 各 reference 檔末尾有官方文件連結 — 若要執行會花錢/產生後果的操作前，優先拿 reference 連結當最終依據，因為版本/定價變動快。

2026-06 重大變動（已驗證）：

• 🔴 OpenAI Sora 2 停運 — app/web 2026-04-26 已關，API 2026-09-24 關，資料永久刪除。新任務勿用，改 Runway Gen-4.5 / Veo 3.1 / Kling 3.0。
• 🆕 Runway Gen-4.5（2025-12-01）— Video Arena 榜首 1247 Elo，勝 Veo 3 / Sora 2 Pro，物理最強。
• 🆕 Midjourney V8.1（2026-04-30）— 原生 2K HD、快 3-5×；⚠️ --oref Omni Reference 為 V7-only，V8 不支援。
• 🆕 Suno v5.5（2026-03）— Personas 改名 Voices + Custom Models + Suno Studio DAW。
• 🆕 Kling 3.0 / O-series、Seedream 5.0 Lite、Vidu Q3、Ideogram 3.0 為各家當前主力。
• 🆕 Google Gemini Omni（I/O 2026, 2026-05-19）— any-to-any 多模態影片「影片版 Nano Banana」，對話式編輯，Flash 版已上 Flow PRO。Google 影片變雙旗艦（Veo 3.1 + Gemini Omni）。⚠️ ≠ Kling 3.0 Omni（同名不同家）。
• 各模型「最強情境 + 招牌 prompt 技巧」見 references/model-picker.md；「prompt 沒主題/畫面空/效果差」見 references/concept-first-prompting.md。

各模型「禁忌 / 版本推翻歷史」見 references/community-prompt-patterns.md；結果有瑕疵的修法見 references/quality-control.md。