explainer-video-guide

安装 belt CLI skill： npx skills add belt-sh/cli

解说视频指南

通过 inference.sh CLI，从脚本到最终剪辑，制作解说视频。

快速开始

需要 inference.sh CLI（belt）。安装说明

belt login

# Generate a scene for an explainer
belt app run google/veo-3-1-fast --input '{
  "prompt": "Clean motion graphics style animation, abstract data flowing between connected nodes, blue and white color scheme, professional corporate aesthetic, smooth transitions"
}'

脚本公式

问题-激化-解决（PAS）——60 秒

部分	时长	内容	字数
问题	10s	指出观众面临的痛点	~25 字
激化	10s	展示情况为何比他们想象的更糟	~25 字
解决方案	15s	介绍你的产品/理念	~35 字
工作原理	20s	展示 3 个关键步骤或功能	~50 字
行动号召	5s	给出一个明确的下一步行动	~12 字

之前-之后-桥接（BAB）——90 秒

部分	时长	内容
之前	15s	展示当前令人沮丧的状况
之后	15s	展示理想的结果
桥接	40s	说明你的产品如何帮助他们实现目标
社会认同	10s	简短的数据或用户评价
行动号召	10s	明确的下一步

功能聚焦——30 秒（社交媒体）

部分	时长	内容
钩子	3s	令人惊讶的事实或问题
功能	15s	展示一项功能如何解决一个问题
结果	7s	最终效果/益处
行动号召	5s	试用 / 了解更多

节奏规则

内容类型	每分钟字数	备注
标准旁白	150 wpm	对话般的节奏
复杂/技术内容	120 wpm	留出理解时间
活力/社交媒体内容	170 wpm	短视频节奏更快
儿童内容	100 wpm	清晰、缓慢

**关键规则：**每条关键信息对应一个场景。不要在一个画面中塞入多个想法。

场景时长指南

• 建立镜头：3-5 秒
• 功能演示：5-8 秒
• 屏幕上的文字/数据：3-4 秒（必须清晰可读）
• 转场：0.5-1 秒
• 行动号召画面：3-5 秒

视觉制作

场景类型

# Product in context
belt app run google/veo-3-1-fast --input '{
  "prompt": "Clean product demonstration video, hands typing on a laptop showing a dashboard interface, bright modern office, soft natural lighting, professional"
}'

# Abstract concept visualization
belt app run bytedance/seedance-2-0 --input '{
  "prompt": "Abstract motion graphics, colorful data streams connecting floating geometric shapes, smooth fluid animation, dark background with glowing elements, tech aesthetic",
  "generate_audio": true
}'

# Lifestyle/outcome shot
belt app run google/veo-3-1-fast --input '{
  "prompt": "Happy person relaxing on couch with laptop, smiling at screen, bright airy living room, warm afternoon light, satisfied customer feeling, lifestyle commercial style"
}'

# Before/after comparison
belt app run falai/flux-dev-lora --input '{
  "prompt": "Split screen comparison, left side cluttered messy desk with papers and stress, right side clean organized minimalist workspace, dramatic difference, clean design"
}'

场景的图像转视频

# Generate a still frame first
belt app run falai/flux-dev-lora --input '{
  "prompt": "Professional workspace with glowing holographic interface, futuristic but clean, blue accent lighting"
}'

# Animate it
belt app run falai/wan-2-5-i2v --input '{
  "prompt": "Gentle camera push in, holographic elements subtly floating and rotating, soft ambient light shifts",
  "image": "path/to/workspace-still.png"
}'

旁白制作

脚本撰写技巧

• 使用短句。每句最多 15 个词。
• 使用主动语态。“你可以追踪数据”，而不是“数据可以被追踪。”
• 使用对话般的语气。大声读出来——如果听起来生硬，就重写。
• 每句话只表达一个想法。每个视觉节拍对应一句话。

生成旁白

# Professional narration with Dia TTS
belt app run falai/dia-tts --input '{
  "prompt": "[S1] Tired of spending hours on reports that nobody reads? There is a better way. Meet DataFlow. It turns your raw data into visual stories... in seconds. Just connect your source, pick a template, and share. Try DataFlow free today."
}'

TTS 中的节奏控制

技巧	效果	示例
句号 .	中等停顿	"This changes everything. Here's how."
省略号 ...	长停顿（制造戏剧效果）	"And the result... was incredible."
逗号 ,	短暂停顿	"Fast, simple, powerful."
感叹号 !	强调/增强语气	"Start building today!"
问号 ?	语调上扬	"What if there was a better way?"

音乐与音频

背景音乐指南

• **音量：**旁白音量下方 20-30%（播放人声时降低 6-12dB）
• **风格：**与品牌调性相符（企业风 = 环境电子乐，初创公司风 = 轻快独立音乐）
• **结构：**开头渐强（前 3s）-> 旁白下方的轻柔循环 -> 行动号召处渐强
• **无演唱：**旁白下方仅使用纯音乐

# Generate background music
belt app run <music-gen-app> --input '{
  "prompt": "upbeat corporate background music, modern electronic, 90 BPM, positive and professional, no vocals, suitable for product explainer video"
}'

剪辑流程

完整制作工作流

# 1. Generate voiceover
belt app run falai/dia-tts --input '{
  "prompt": "[S1] Your script here..."
}'

# 2. Generate scene visuals (in parallel)
belt app run google/veo-3-1-fast --input '{"prompt": "scene 1 description"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "scene 2 description"}' --no-wait
belt app run google/veo-3-1-fast --input '{"prompt": "scene 3 description"}' --no-wait

# 3. Merge scenes into sequence
belt app run infsh/media-merger --input '{
  "media": ["scene1.mp4", "scene2.mp4", "scene3.mp4"]
}'

# 4. Add voiceover to video
belt app run infsh/video-audio-merger --input '{
  "video": "merged-scenes.mp4",
  "audio": "voiceover.mp3"
}'

# 5. Add captions
belt app run infsh/caption-videos --input '{
  "video": "final-with-audio.mp4",
  "caption_file": "captions.srt"
}'

不同格式的视频时长

格式	时长	平台
社交媒体预告片	15-30s	TikTok、Instagram Reels、YouTube Shorts
产品演示	60-90s	网站、着陆页
功能解说	90-120s	YouTube、电子邮件
教程/演示流程	2-5min	YouTube、帮助中心
投资者推介视频	2-3min	路演演示文稿补充材料

转场类型

转场	使用场景	效果
Cut	相关场景之间的默认转场	干净、专业
Dissolve/Crossfade	时间流逝、情绪转变	柔和、沉思
Wipe	新主题或新章节	清晰分隔
Zoom/Push	深入细节	聚焦注意力
Match cut	场景之间存在视觉相似性	巧妙、令人印象深刻

常见错误

错误	问题	修正方法
脚本太冗长	配音过于仓促，观众难以消化	控制在每分钟最多 150 个单词
前 3 秒没有吸引点	观众会立刻离开	从问题或令人惊讶的数据切入
画面滞后于旁白	画面与旁白脱节，令人困惑	画面应与台词同步或略微提前
背景音乐太响	听不清旁白	将音乐音量调低至比人声低 6-12dB
没有字幕	85% 的社交视频是在静音状态下观看的	务必添加字幕
想法太多	观众什么都记不住	每段视频只传达一个核心信息

相关技能

npx skills add inference-sh/skills@ai-video-generation
npx skills add inference-sh/skills@video-prompting-guide
npx skills add inference-sh/skills@text-to-speech
npx skills add inference-sh/skills@prompt-engineering

浏览所有应用：belt app list