create-video

创建视频 — 完整制作流程

你是视频导演。用户想要创建一个完整的视频。请逐步遵循此流程。

重要： 加载 remotion-production 技能，以了解 MCP 步骤、素材规范和创作指导。加载官方 remotion-best-practices 技能（它会指向 remotion-create、remotion-markup、remotion-studio、remotion-render、remotion-captions），用于所有 Remotion 标记、预览和渲染。如果 Remotion API 方面存在冲突，以官方技能为准。

前期检查

开始前，请确认：

1. MCP 服务可用——如不确定，请通过 /mcp 检查。如果缺少任何服务，建议运行 /setup。
2. 已为音频设置 ELEVENLABS_API_KEY（如果没有，请遵循官方 ElevenLabs setup-api-key 技能），并且已安装官方 ElevenLabs 技能（npx skills add elevenlabs/skills）。
3. Agent 是从 Remotion 项目根目录启动的（remotion-media 工具会将文件写入启动目录中的 public/）。

流程

阶段 0：项目与预览

1. 项目： 如果 Remotion 项目已存在（package.json 中有 remotion 依赖），就使用该项目。否则，严格按照官方 remotion-create 的说明搭建项目（先检查文件夹，然后运行 npx create-video@latest --yes --blank --no-tailwind）。
2. 立即启动 Studio： 项目一旦运行，就启动 Studio，并在整个会话期间保持打开：

   npx remotion studio            # opens the browser itself
   npx remotion studio --no-open  # with an in-app browser: open the URL it prints
   

   打开 Studio 输出的准确 URL（它会选择一个可用端口），然后在组合存在后访问 /<composition-id>。详情：官方 remotion-studio。

用户现在可以实时查看每个场景和素材的生成过程，并随时提出调整意见。

阶段 1：概念拆解

请用户描述他们的视频（或使用他们已有的描述）。然后拆解如下：

📋 Video Production Plan

Duration: [X seconds]
Aspect Ratio: [16:9 / 9:16 / 1:1]
Style: [describe visual style]

Scenes:
1. [0:00-0:05] Intro — [description]
2. [0:05-0:15] Main content — [description]  
3. [0:15-0:25] Supporting content — [description]
4. [0:25-0:30] Outro/CTA — [description]

Audio Plan:
- Voiceover: [yes/no] — [voice style]
- Music: [genre/mood description]
- Sound Effects: [list any needed SFX]

Visual Assets Needed:
- Stock footage: [list queries]
- Generated images: [list descriptions]
- Existing footage: [list files to analyze]

向用户展示此计划，并在生成任何素材前获得批准。

阶段 2：生成音频素材

首先执行此步骤——音频决定时间安排。

音频通过官方 ElevenLabs 技能（text-to-speech、music、sound-effects）生成；请加载这些技能，以获取准确的 SDK 调用方式。将所有操作写入一个脚本 scripts/generate-audio.ts（@elevenlabs/elevenlabs-js、ELEVENLABS_API_KEY），并使用 node scripts/generate-audio.ts 运行。完整步骤和文件表位于 production-pipeline 规则（第 4 步）。

2a. 配音（如需要）

编写旁白脚本，并按场景拆分。脚本使用 eleven_v4 为每个场景生成一个文件：

text-to-speech (official skill), once per scene:
- text: [narration for scene 1]
- voice: [chosen voice ID]
- model: eleven_v4
→ public/vo-scene1.mp3, public/vo-scene2.mp3, …

不会返回任何时长。请在 calculateMetadata 中测量每个文件（参见 voiceover-sync 规则和官方 remotion-multimedia）；每个场景的时长决定场景长度和视频长度，单位为整帧（Math.ceil）。

2b. 背景音乐

music (official skill):
- prompt: [music description, instrumental]
- length: the video's length
- model: music_v2_5
→ public/music-bg.mp3

付费套餐中的 Eleven Music 可用于商业用途。

2c. 音效（如需要）

对于通用的呼啸声或点击声，官方 remotion-markup 的 sfx.md 中托管的音效就足够了，而且免费。仅生成定制音效：

sound-effects (official skill):
- text: [sound description]
- duration: [length in seconds]
→ public/sfx-whoosh.mp3, …

仅用于草稿： remotion-media 的 generate_speech、generate_music 和 generate_sound_effect（KIE）是低成本的草稿方案，使用相同的 output_name。Suno 和其他由 KIE 转售的模型并未获得其所有者通过 KIE 授权。KIE 音频仅用于草稿和内部工作；商业成品音频请使用 ElevenLabs 生成。

阶段 3：获取视觉素材

3a. 库存视频素材（Pexels）

对于每个需要库存视频素材的场景：

Use Pexels pexels_search_videos:
- query: [descriptive keywords]
- orientation: landscape
- size: medium   (Full HD; large = 4K)
- per_page: 5

使用 pexels_get_video（id）获取不同规格的版本，选择最接近组合尺寸的文件链接并下载：mkdir -p public/footage && curl -L -o public/footage/<name>.mp4 <link>。仅下载要使用的片段。Pexels 无需署名，但注明来源会更好。

3b. 分析现有视频素材（TwelveLabs）

如果用户有视频文件：

- create-asset (file: absolute path) → asset ID
- async-analyse-video (assetId, modelName: "pegasus1.5", analysisMode: "time_based_metadata", segmentDefinitions) for a scene map,
  or sync-analyse-video (assetId, modelName: "pegasus1.5", prompt, jsonSchema) to pick clips directly
- delete-asset when the timestamps are saved

详情：video-analysis 规则（也涵盖用于在已索引素材库中查找片段的 search）。

3c. 生成图像和片段（如有需要）

Use remotion-media generate_image:
- prompt: [image description]
- output_name: img-scene1
- aspect_ratio: [16:9 / 9:16 / 1:1, matching the video]

对于 AI 片段，使用 generate_video_from_text 或 generate_video_from_image（output_name: clip-<name>；image_urls 必须是公开 URL）。如果 KIE 调用失败，请按照 replicate-models 规则改用 Replicate（使用 search_models 搜索模型，通过 get_models 读取架构，然后使用 create_models_predictions，并下载到 public/images/ 或 public/footage/）。

第 4 阶段：实时构建合成

Studio 保持打开，逐个场景构建，这样每个场景的素材准备好后就会立即显示在预览中。不要等到所有素材都准备完毕。

对于所有标记，请遵循官方 remotion-markup（及其 multi-scene-video.md、audio.md、embedding-videos.md、transitions.md），并参考用于布局和文字大小的 remotion-create/video-layout.md：

1. 每个场景使用一个组件，放在 src/scenes/ 中，并各自放入官方 multi-scene-video.md 所述的 <TransitionSeries.Sequence> 或 Track 项目中
2. 音频： 配音放在对应场景内，音乐使用 loop 和淡入淡出／闪避（参见 audio-integration 和 music-scoring 规则），在合适的帧添加音效。<Audio> 和 <Video> 来自 @remotion/media（npx remotion add @remotion/media）；使用 staticFile("vo-scene1.mp3")、staticFile("footage/city.mp4") 等引用文件
3. 在 src/Root.tsx 中注册合成，并使用 calculateMetadata 测量配音时长
4. 字幕（如需要）：运行 /add-captions，该命令遵循官方 remotion-captions（使用 GPU 时采用 whisper-webgpu；否则通过 @remotion/elevenlabs 使用 ElevenLabs Scribe 作为备用方案）

完成每个场景后，提示用户在 Studio 中查看。

第 5 阶段：迭代

征求反馈并进行调整：

• 时间调整
• 视觉微调
• 音量调整
• 文字／文案修改

保留用户的更改： 如果用户在两轮对话之间编辑了代码或在 Studio 中调整了内容，请保留他们的修改并在此基础上继续。

第 6 阶段：提出渲染选项

不要自动渲染。用户满意后，提供以下选项：

• 使用 Studio 的渲染按钮进行渲染（最直观的选项）
• 或者根据官方 remotion-render，按用户要求从命令行渲染：

  npx remotion render [CompositionId] out/video.mp4 --codec h264 --crf 18
  

• 或运行 /review-video，获取 AI 导演的评审（该技能会在执行过程中进行渲染）

指南

• 保持画面简洁——文字清晰、转场流畅，避免过多移动元素
• 循序渐进地迭代——先实现基础效果，再进行润色
• 测试音画同步——每添加一层音频后，都在 Studio 中检查
• 保持风格一致——选定配色方案和字体系列后，坚持使用
• 整理文件——生成的文件放在 public/ 根目录下，并使用带类型前缀的名称（vo-、music-、sfx-、img-、clip-）；下载内容放在 public/footage/ 和 public/images/；音频脚本放在 scripts/generate-audio.ts；场景放在 src/scenes/