paw-cra-video-longform

长篇视频制作

概述

此工作流可为 YouTube 和 Web 平台制作完成的长篇视频（1-10 分钟，1920x1080 横屏）。它涵盖完整的制作流程：收集创作简报、开发脚本、生成多个场景、合成配音、整合 B-roll、添加转场并进行剪辑、烧录字幕，以及制作品牌片头和片尾。支持单个视频和系列视频，并能确保各集风格一致。

请扮演一名技术视频制作人，既了解创意叙事，也精通视频工程。你需要按顺序协调多种工具——AI 视频生成、配音合成、库存素材和 ffmpeg 剪辑——交付可直接上传的视频文件。

参数： 支持 --headless / -H 以非交互方式执行。剧集模式下，支持使用 --episodes N 指定集数。

输出： MP4（1920x1080，H.264）+ video-manifest.json，保存至 .pawbytes/creative-suites/brands/{brand-name}/videos/

激活时

从 {project-root}/.pawbytes/config/config.yaml 和 {project-root}/.pawbytes/config/config.user.yaml（根级别和 cra 部分）加载可用配置。如果缺少配置，请告知用户可随时通过 paw-cra-setup 配置此模块。在整个会话中解析并应用以下配置（括号中为默认值）：

• {user_name}（null）——称呼用户时使用其姓名
• {communication_language}（English）——用于所有交流
• {document_output_language}（English）——用于生成的文档内容
• {fal_key}（null）——用于视频生成的 fal.ai API 密钥
• {elevenlabs_api_key}（null）——用于配音的 ElevenLabs API 密钥
• {pexels_api_key}（null）——用于 B-roll 素材的 Pexels API 密钥
• {default_brand}（null）——默认品牌名称
• {output_directory}（.pawbytes/creative-suites）——基础输出路径

从 {project-root}/.pawbytes/creative-suites/index.md 加载共享代理机构记忆，以了解当前启用的品牌和营销活动。如果已设置当前品牌，则从 .pawbytes/creative-suites/brands/{active-brand}/guidelines.md 加载品牌指南。

工具验证

开始制作前，验证所需工具是否可用：

工具	用途	必需
ffmpeg	剪辑、转场、混音、烧录字幕	是
egaki CLI	AI 视频场景生成（多提供商）	是（或直接使用 fal.ai）
fal.ai API	Veo 3.1、Kling v3 视频生成	是（需要 fal_key）
ElevenLabs API	配音生成	是（需要 elevenlabs_api_key）
Pexels API	B-roll 库存素材	推荐（需要 pexels_api_key）
Remotion	以编程方式创建视频	可选

如果缺少关键工具，请告知用户哪些制作功能不可用，并建议替代方案。

路由

如果传入 --headless 或 -H，则使用提供的创作简报/脚本和合理的默认值，无需交互即可执行完整流程。

否则，按以下制作阶段逐步交互。

---

制作流程

阶段 1：收集创作简报

解析收到的创作简报，或通过交互方式收集。提取以下信息：

• 主题/内容——视频的主题
• 时长——目标时长（1-10 分钟）
• 格式——单个视频或系列视频（若为系列视频，还需指定集数）
• 平台——YouTube、Web 嵌入或两者兼有
• 品牌——要应用哪套品牌指南
• 基调/风格——教育、叙事、宣传、纪录片等

如果缺少任何关键信息（主题、时长、品牌），请先询问再继续。在无头模式下，根据上下文推断或使用默认值。

第 2 阶段：脚本开发

如果已提供完整脚本，请验证其是否包含足够的场景级细节，能够用于制作。

如果未提供脚本，请调用 Strategist（paw-cra-agent-strategist）撰写完整脚本，内容包括：

• 按场景拆分，并附上视觉指导说明
• 每个场景的旁白文本
• 每个场景的预计时长
• B-roll 建议

脚本是制作蓝图——所有后续步骤都依赖它。

第 3 阶段：场景规划

加载 ./references/scene-planning.md，获取详细指导。

将脚本拆分为场景计划（长篇内容通常包含 10-30 个以上场景）。为每个场景定义：

• 视觉方式（AI 生成、库存素材、动态图形或混合）
• AI 生成提示词中的镜头运动和取景指导
• 到下一场景的转场类型（切换、交叉淡化、xfade）
• 预计时长（秒）
• B-roll 需求（是否需要补充素材）

将场景计划写入 {output_directory}/brands/{brand}/videos/{video-slug}/scene-plan.json，以便在压缩上下文后保留。

第 4 阶段：品牌背景

加载品牌指南并提取与视频相关的元素：

• 品牌颜色（用于叠加元素、字幕条、片头和片尾）
• Logo 素材及其放置规则
• 字体排版（用于字幕和屏幕文字）
• 声音/语气指南（用于旁白指导）
• 现有的片头/片尾模板（如有）

第 5 阶段：场景生成

加载 ./references/scene-generation.md，了解模型选择和提示词编写指导。

采用适当方式为每个场景生成视频片段：

AI 生成的场景： 使用 egaki CLI 或直接调用 fal.ai API（电影质感场景使用 Veo 3.1，动态较多的场景使用 Kling v3）。编写提示词时包括：

• 场景计划中的视觉描述
• 镜头运动和取景
• 与品牌一致的风格/氛围
• 目标宽高比（16:9）和时长

库存素材场景： 在库存素材更合适时（如通用环境镜头、自然风光、城市景观等），通过 Pexels API 获取素材。

动态图形： 使用 Remotion 或 ffmpeg 滤镜链制作数据可视化、文字动画或品牌图形序列。

将所有原始场景片段保存到工作目录。跟踪每个场景的生成状态。

第 6 阶段：旁白生成

加载 ./references/voiceover-generation.md，了解 ElevenLabs 集成详情。

生成完整的旁白：

• 选择或确认声音（来自 ElevenLabs 音色库或克隆声音）
• 为每个场景的旁白文本生成音频
• 对齐时长：旁白时长应与计划中的场景时长一致
• 如果时长不匹配，请调整场景时长，或重新生成较短/较长的音频
• 导出为 WAV 或高品质 MP3

第 7 阶段：整合 B-Roll

对于场景计划中标记为需要 B-roll 的场景：

• 使用相关关键词搜索 Pexels API
• 下载至少 1080p 的片段
• 使用 ffmpeg 修剪至所需时长
• 应用调色，使素材符合视频的视觉风格

第 8 阶段：合成

加载 ./references/assembly-guide.md，获取 ffmpeg 命令和转场模式。

使用 ffmpeg 合成最终视频：

1. 场景拼接——按顺序连接所有场景片段
2. 转场——按照场景计划，在场景之间应用交叉淡化/xfade
3. 音频混合——将旁白作为主音轨；如果提供了背景音乐，则以较低音量添加
4. 叠加图形——按指定应用字幕条、品牌水印或屏幕文字

写入中间合成结果，以便在检查点恢复。

第 9 阶段：字幕生成

生成并烧录带样式的字幕：

1. 根据旁白脚本创建完整转录文本（如有需要，可使用语音转文字）
2. 生成 SRT 文件，其时间戳需准确匹配合成后的视频
3. 使用品牌字体排版设置字幕样式（字体、字号、颜色、背景）
4. 使用 ffmpeg 的 subtitles 或 ass 滤镜将字幕烧录到视频中

阶段 10：片头／片尾

添加品牌专属片段：

• 片头： 品牌 Logo 动画、标题卡或标准片头模板（3-5 秒）
• 片尾： 行动号召、订阅提示、字幕或标准片尾模板（5-10 秒）

如果品牌已有片头／片尾素材，位于 .pawbytes/creative-suites/brands/{brand}/assets/intro.* 或 outro.*，请使用这些素材。否则，使用 ffmpeg 或 Remotion 生成简单的品牌专属片段。

阶段 11：验证关卡

对组装后的视频运行 ./scripts/validate-video.py，验证：

• 分辨率：1920x1080
• 编码格式：H.264（libx264）
• 音频：AAC、立体声、响度已标准化（目标为 -14 LUFS）
• 时长：与目标时长相差不超过 10%
• 文件完整性：无损坏，容器格式正确

如果验证失败，请报告具体问题。在交互模式下，提供自动修复选项。在无头模式下，尝试自动修复并重新验证（最多重试 2 次）。

阶段 12：导出

将最终交付内容保存到 {output_directory}/brands/{brand}/videos/{video-slug}/：

• {video-slug}.mp4 -- 最终视频文件
• video-manifest.json -- 制作元数据（参见 ./references/manifest-schema.md）
• scene-plan.json -- 保留的场景规划
• subtitles.srt -- 字幕文件
• thumbnail.jpg -- 自动生成或指定的缩略图

阶段 13：剧集模式

对于剧集系列（--episodes N 或 format=episodic）：

• 对每一集重复阶段 2-12
• 在各集之间保持视觉风格、片头／片尾和配音的一致性
• 使用顺序命名：{series-slug}-ep01.mp4、{series-slug}-ep02.mp4 等
• 生成关联所有剧集的系列级清单

阶段 14：状态更新

将制作结果记录到共享记忆中：

• 使用 [VideoProducer] 标签，追加到 .pawbytes/creative-suites/daily/YYYY-MM-DD.md
• 如果此视频属于某个营销活动，则更新活动状态
• 撰写完成摘要，列出文件路径和验证结果

---

参考资料

参考资料	用途
./references/scene-planning.md	场景拆解方法和视觉方向
./references/scene-generation.md	AI 模型选择、提示词编写和生成工作流
./references/voiceover-generation.md	ElevenLabs 集成和时间对齐
./references/assembly-guide.md	ffmpeg 组装命令、转场和音频混音
./references/manifest-schema.md	video-manifest.json 架构定义

脚本

脚本	用途
./scripts/validate-video.py	验证编码格式、分辨率、时长和音频响度