video-recreation

完整的视频二创工具，支持视频反推、素材生成(图片/音效/背景音乐/配音/字幕)、视频合成、文件下载的全流程，集成Coze Bot API进行视觉分析，使用Edge-TTS进行语音合成

仓库: anbeime/skill
最近来源活动: 2026年2月14日 10:54
检测到的 SKILL.md 语言: 中文
星标: 5,726
分支: 553

安装方式

默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。

检查来源文件

决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。

返回搜索返回安装

name	video-recreation
description	自媒体创作者与影片与视频编辑在需要视频二创或反推参考视频时，一键完成从AI视觉分析、图文音素材生成到最终合成的全流程，自动产出包含配音与字幕的高质量二创视频，让创作效率翻倍！
dependency	{"python":["opencv-python>=4.8.0","pillow>=10.0.0","moviepy>=1.0.3","numpy>=1.24.0","requests>=2.28.0","edge-tts>=6.1.0"],"system":["pip install -r requirements.txt 2>/dev/null \|\| true"]}

video-recreation

任务目标

本Skill用于:视频二创创作，从原视频反推分析到新视频合成的完整流程
能力包含:视频分析、素材生成(图片/音频/配音/字幕)、视频合成、文件下载
触发条件:用户要求"二创视频"、"反推视频"、"视频重制"、"根据参考视频创作"等

前置准备

环境依赖:

opencv-python>=4.8.0
pillow>=10.0.0
moviepy>=1.0.3
numpy>=1.24.0
requests>=2.28.0
edge-tts>=6.1.0

Edge-TTS安装:
```
pip install edge-tts
```
Suno API(可选):
- 用于生成真实的背景音乐
- 三种配置方式:
  1. 开发者模式: 技能已预置 API Key,开箱即用
  2. 用户模式: 设置环境变量 export SUNO_API_KEY=your_api_key
  3. 命令行模式: 执行时指定 --suno-api-key your_api_key
- 配置优先级: 命令行参数 > 环境变量 > 技能凭证
- 占位模式: 未配置 API Key 时自动使用占位实现
- 官网: https://suno.com
环境变量:
- COZE_BOT_ID: Coze Bot ID (默认: 7572557757883383858)
- COZE_API_KEY: Coze API Key (需配置)

输出目录结构:

./output/
  ├── frames/          # 视频关键帧
  ├── analysis.json    # 反推分析结果
  ├── images/          # 生成的图片素材
  ├── audio/           # 音效和背景音乐
  ├── voice/           # 配音音频
  ├── subtitles/       # 字幕文件
  └── final.mp4        # 最终合成视频

操作步骤

第一阶段:视频反推分析

提取视频关键帧
- 调用 scripts/video_frame_extractor.py 提取关键帧
- 参数: --input <原视频路径> --output ./output/frames --interval 2
- 输出:序列图片到 ./output/frames/
视觉分析
- 调用 scripts/coze_bot_client.py 分析关键帧
- 智能体描述分析需求:"分析这些视频帧，提取:1.画面风格 2.色调特征 3.构图方式 4.节奏模式"
- 参数: --message "<分析提示>" --image_path <关键帧路径>
- 输出:分析结果保存到 ./output/analysis.json
生成创作方案
- 智能体根据分析结果,生成二创方案:
  - 新视频主题
  - 画面风格调整
  - 脚本大纲
  - 素材需求清单

第二阶段:素材生成

生成图片素材
- 智能体根据脚本生成关键帧提示词
- 调用 scripts/image_generator.py 生成图片
- 参数: --prompt "<提示词>" --output ./output/images/frame_xxxx.png
- 重要:图像生成应由智能体创作,脚本仅负责技术实现
- 输出:图片到 ./output/images/
生成音效和背景音乐
- 智能体描述音效需求:"根据场景生成音效:1.转场音效 2.背景音乐风格 3.环境音"
- 调用 scripts/sound_generator.py 生成音效和背景音乐
- 参数: --type sound --input <音效配置JSON> --output ./output/audio (生成音效)
- 参数: --type music --input <音乐配置JSON> --output ./output/audio (生成背景音乐)
- 参数: --type both --input <完整配置JSON> --output ./output/audio (同时生成两者)
- API Key 配置(可选):
  - 不配置: 自动使用占位实现(开箱即用,无需任何配置)
  - 环境变量: export SUNO_API_KEY=your_api_key
  - 命令行参数: --suno-api-key your_api_key
  - 强制占位: --use-placeholder (即使有 API Key 也使用占位)
- 输出:音效到 ./output/audio/sound_effects/, 背景音乐到 ./output/audio/background_music/
- 模式说明:
  - 开发者模式: 技能已预置 API Key,直接使用
  - 用户模式: 用户自己配置 API Key
  - 占位模式: 未配置 API Key 时自动降级
生成配音
- 智能体作为配音师,创作旁白脚本:
  - 分析原视频节奏
  - 创作贴合画面的旁白
  - 选择合适的音色(中文/英文/日文等20+音色)
  - 调整语速、音调、音量参数
- 调用 scripts/voice_generator.py 合成配音(基于Edge-TTS)
- 参数: --input <旁白脚本JSON> --output ./output/voice
- 参数: --list-voices (列出所有可用音色)
- 输出:配音文件到 ./output/voice/
- 音色示例:
  - 中文女声: zh-CN-XiaoxiaoNeural(活泼)、zh-CN-XiaohanNeural(知性)、zh-CN-XiaomengNeural(温柔)
  - 中文男声: zh-CN-YunyangNeural(沉稳)、zh-CN-YunjianNeural(深沉)、zh-CN-YunxiNeural(活泼)
  - 英文女声: en-US-JennyNeural(美式)、en-GB-SoniaNeural(英式)
生成字幕
- 智能体创作字幕内容,确保:
  - 文字简洁有力
  - 与画面同步

第三阶段:视频合成

合成最终视频
- 调用 scripts/video_compositor.py 合成视频
- 参数: --images ./output/images --audio ./output/audio --voice ./output/voice --subtitles ./output/subtitles --output ./output/final.mp4
- 输出:最终视频 ./output/final.mp4
文件下载
- 启动HTTP服务器供下载
- 调用 scripts/file_server.py
- 参数: --port 8080 --directory ./output
- 输出:下载链接 http://localhost:8080/final.mp4

错误处理与断点续传

重试机制:所有API调用已配置最大重试次数(2-3次),避免无限消耗Token
错误日志:错误自动记录到 ./output/error_log.json,可用于问题诊断
断点续传:
- 检查 ./output/error_log.json 确认失败步骤
- 从失败步骤重新执行,已生成的素材可复用
- 例如:仅重新生成失败的音频,不重复已有图片
重试限制:
- Coze Bot API调用:最多重试3次,每次间隔1秒
- 图像生成:最多重试2次,每次间隔0.5秒
- 音频生成:最多重试2次,每次间隔0.5秒
- 音效和背景音乐:最多重试2次,每次间隔0.5秒

资源索引

视频处理:见 scripts/video_frame_extractor.py(提取关键帧)
视觉分析:见 scripts/coze_bot_client.py(调用Coze Bot API)
图像生成:见 scripts/image_generator.py(生成图片素材)
音频生成:见 scripts/audio_generator.py(生成旁白/配音)
音效和音乐:见 scripts/sound_generator.py(生成环境音效和背景音乐,集成Suno API)
配音合成:见 scripts/voice_generator.py(合成旁白,基于Edge-TTS)
字幕生成:见 scripts/subtitle_generator.py(生成字幕)
视频合成:见 scripts/video_compositor.py(合成最终视频)
文件服务:见 scripts/file_server.py(HTTP下载服务器)
错误处理:见 scripts/error_handler.py(重试和错误日志)
创作指南:见 references/recreation-guide.md(视频二创方法论)
提示词模板:见 references/prompt-templates.md(分析提示词示例)
Suno API指南:见 references/suno-api-guide.md(Suno API使用说明)

注意事项

智能体职责:内容创作(剧本、旁白、字幕、图像提示词)由智能体完成,脚本负责技术处理
重试限制:避免无限重试消耗Token,已配置合理重试次数
错误日志:遇到错误时检查 ./output/error_log.json,从失败步骤恢复
断点续传:重复执行时,已存在的素材会被复用,无需重新生成
Coze Bot API:视觉分析依赖用户发布的Coze Bot,需配置API Key
文件路径:所有输出使用相对路径 ./output/,确保下载时能正确访问

使用示例

示例1:完整二创流程

# 1. 提取关键帧
python scripts/video_frame_extractor.py \
  --input original_video.mp4 \
  --output ./output/frames \
  --interval 2

# 2. 视觉分析(智能体描述分析需求)
python scripts/coze_bot_client.py \
  --message "分析这些视频帧,提取:画面风格、色调特征、构图方式、节奏模式" \
  --image_path ./output/frames/frame_0001.jpg

# 3. 生成图片素材(智能体创作提示词)
python scripts/image_generator.py \
  --prompt "现代科技风格,蓝色调,未来城市景观" \
  --output ./output/images/frame_0001.png

# 4. 生成音效和背景音乐

# 方式1: 使用技能预置的 API Key(开箱即用)
python scripts/sound_generator.py \
  --type both \
  --input audio_config.json \
  --output ./output/audio

# 方式2: 使用自己的 API Key
export SUNO_API_KEY=your_api_key
python scripts/sound_generator.py \
  --type both \
  --input audio_config.json \
  --output ./output/audio

# 方式3: 命令行指定 API Key
python scripts/sound_generator.py \
  --type both \
  --input audio_config.json \
  --output ./output/audio \
  --suno-api-key your_api_key

# 方式4: 强制使用占位实现(不调用 API)
python scripts/sound_generator.py \
  --type both \
  --input audio_config.json \
  --output ./output/audio \
  --use-placeholder

# 其中audio_config.json示例:
{
  "sound_effects": [
    {"name": "transition_01", "type": "transition", "duration": 2.0, "description": "转场音效"},
    {"name": "impact_01", "type": "impact", "duration": 0.5, "description": "冲击音效"}
  ],
  "background_music": {
    "name": "background",
    "style": "calm",
    "duration": 60.0,
    "tempo": 90,
    : 
  }
}





python scripts/voice_generator.py --list-voices


python scripts/voice_generator.py \
  --input narration.json \
  --output ./output/voice


{
  : [
    {
      : ,
      : ,
      : ,
      : ,
      : ,
      : 
    },
    {
      : ,
      : ,
      : ,
      : ,
      : ,
      : 
    }
  ]
}


python scripts/subtitle_generator.py \
  --input subtitle_data.json \
  --output ./output/subtitles


python scripts/video_compositor.py \
  --images ./output/images \
  --audio ./output/audio \
  --voice ./output/voice \
  --subtitles ./output/subtitles \
  --output ./output/final.mp4


python scripts/file_server.py \
  --port 8080 \
  --directory ./output

示例2:单独生成音效

python scripts/sound_generator.py \
  --type sound \
  --input sound_effects.json \
  --output ./output/audio

示例3:单独生成背景音乐

python scripts/sound_generator.py \
  --type music \
  --input background_music.json \
  --output ./output/audio

示例4:断点续传

# 检查错误日志
cat ./output/error_log.json

# 从失败步骤重新执行(例如仅重新生成失败的音效)
python scripts/sound_generator.py \
  --type sound \
  --input sound_effects.json \
  --output ./output/audio

智能体角色分工

视觉分析师:分析原视频,提取风格、色调、构图等特征
脚本策划师:根据分析结果创作新视频脚本和大纲
提示词设计师:为图像生成工具创作精准的提示词
配音师:创作旁白脚本,确定音色、节奏、情感
音效师:设计音效方案,确定音效类型、时长和位置
音乐师:选择背景音乐风格,确定节奏和情绪基调
字幕师:创作字幕内容,确保与画面同步
技术协调员:调用脚本完成技术处理,管理文件路径,启动下载服务