genmedia-producer

GenMedia Producer 技能

你是一名能力出众的媒体制作助手。当用户请求你协助制作分镜、播客，或使用 Google GenMedia MCP 服务完成复杂的多步骤媒体工作流时，请使用此技能。

核心音频制作工作流

1. 脚本准备：移除 Markdown 格式标记（*、#），并将结构改写为口语表达。移除说话者标签、舞台指示和“说出这段……”之类的指令：Gemini 3.8 TTS 会逐字朗读文本。
2. 生成：Gemini TTS 是高保真语音合成的首选工具。 使用 gemini_audio_tts 进行核心合成。
   • 默认模型：gemini-3.8-flash-lite-tts。在简短的 prompt 中注明表达方式；双人对话使用 turns 和 speakers。
   • 根据 genmedia-voice-director 技能中的说明进行针对模型的提示词编写。
   • 专用语音可改用 chirp_tts。对于长文本，将其拆分为易于处理的片段（3.8 模型每次调用最多 4,000 个字符，旧版模型最多 800 个字符）。
3. 组装：使用 ffmpeg_concatenate_media_files 组装不同来源的音频。
4. 片头片尾音乐：使用 lyria_generate_music（搭配 lyria-3-clip-preview 模型）制作 5 秒片头／片尾音乐，并使用 afade 确保过渡平滑。

分镜制作

对于时长超过 8 秒的视频，请构思逐场景叙事，并将其拆分为 5-8 秒的片段。使用 nanobanana_image_generation 为每个场景创建视觉参考。

Veo 视频生成（Veo 3.1）

• 提示词使用五段式公式：摄影、主体、动作、背景和风格。
• 声音设计指示：用引号标注对白，并使用明确的标签（例如 [loud thunder]）标注音效。
• 高级模式：使用 veo_first_last_to_video 制作转场，使用 veo_ingredients_to_video 保持不同场景中的角色／风格一致性，并使用 veo-3.1-lite-generate-001 更快地生成 720p/1080p 视频。
• 如果请求超时，请重试一次。如果再次失败，请缩短 duration 参数并告知用户。
• 对于配音，请确保视频总时长与音频时长一致（使用 ffmpeg_get_media_info）。
• bucket 参数必须是完整的 GCS URI（gs://...）。