realistic-ugc-video

逼真的 UGC 视频制作

制作看起来和听起来都真实自然的长视频 AI 视频。此技能通过多步工作流，使用 Nano Banana 生成逼真的基础图像，并使用 Kling AI 生成视频，同时运用特定技巧避免“AI 感”。

视频为何看起来像 AI（以及如何解决）

问题	解决方案
皮肤过于完美、干净	添加瑕疵：细微毛孔、自然油脂、细纹
棚拍光线	使用现有光源／自然光、混合色温
角色过于静止	添加细微动作、歪头、自然摇摆
节奏不一致	每段视频使用 55-60 个音节
语音像机器人	使用 Adobe Podcast 或 Resemble AI 处理
明显的跳切	用 B-roll 或动画掩盖
AI 的手看起来很奇怪	将手裁出画面，或让手完全静止

已知限制：手部

AI 视频模型（Kling、Veo 等）难以生成逼真的手部动作。手指会变形，手势看起来不自然，而且手部往往是最容易暴露 AI 痕迹的地方。

最佳做法：让手远离画面，或让手完全静止。

选项：

1. 头部／肩部构图 - 裁剪基础图像，完全排除手部
2. 双臂交叉 - 保持静止姿势，无需手指动作
3. 手放在画面下方 - 用桌沿遮住手腕以下部分
4. 用 B-roll 遮盖 - 后期制作时，在手部出现异常时切换画面

完整工作流

第 1 阶段：收集需求

开始前，向用户收集以下信息：

1. 角色描述 - 年龄、族裔、特征、服装
2. 场景／背景 - 办公室、家中、工作室、户外
3. 脚本 - 角色将要说出的完整文本
4. 语气 - 对话式、紧迫、专业、友好
5. 目标视频时长 - 这将决定所需片段数量

第 2 阶段：生成基础图像（Nano Banana）

使用 Nano Banana 技能生成角色图像。**重要：**应用 CHARACTER-PROMPTING.md 中的瑕疵处理技巧。

逼真 UGC 的关键要素：

• iPhone 拍摄质感（等效 26mm 镜头）
• 现有光源／混合光线（而非棚拍）
• 可见的皮肤纹理（毛孔、油脂、细纹）
• 轻微瑕疵（胡茬、黑眼圈）
• 计算摄影景深伪影
• ISO 噪点（范围为 500-900）

命令：

~/.claude/skills/nano-banana/scripts/generate.sh "[enhanced prompt]" --aspect 9:16 --size 2K

然后可选择通过 Enhancor AI 进行放大，以增加纹理细节。

第 3 阶段：拆分脚本（对节奏至关重要）

这是让节奏自然的最重要步骤。请参阅 SCRIPT-CHUNKING.md。

55-60 个音节规则：

• 计算音节，而不是单词
• 每次视频生成使用 55-60 个音节
• 切勿在句子中间切分
• 如有需要，添加填充句以达到目标

分段示例：

Chunk 1 (58 syllables):
"Hey everyone, I wanted to share something that completely changed how I think about productivity. It's not another app or system."

Chunk 2 (56 syllables):
"It's actually about understanding your own energy patterns throughout the day. Once I figured this out, everything clicked into place."

第 4 阶段：生成视频片段（Kling AI）

为每段脚本生成一个 10 秒的视频片段。使用 Kling AI 技能，并采用 MOVEMENT-PROMPTING.md 中的动作提示词。

关键要素：

• 手部“初始位置”方案
• 带时间戳的动作分组
• 自然眨眼、歪头、轻微摇摆
• 始终使用同一张基础图像作为参考

为每个片段启动后台 Agent：

Task tool:
- subagent_type: "general-purpose"
- run_in_background: true
- prompt: [Include image URL, script chunk, movement prompt, output path]

第 5 阶段：后期制作

详细指南请参阅 POST-PRODUCTION.md。

1. 在 CapCut 或类似编辑器中拼接片段
2. 使用 Adobe Podcast（最低要求）或 Resemble AI（用于更换语音）修复音频
3. 使用 B-roll 或动画掩盖跳切
4. 如果填充句听起来不自然，则将其删除
5. 以最终分辨率导出

快速开始：单片段测试

生成完整视频前，先用一个片段测试工作流：

1. 生成包含完整瑕疵细节的基础图像
2. 使用第一段脚本生成 10 秒测试视频
3. 评估节奏和动作
4. 根据需要调整提示词
5. 开始完整制作

基础图像完整提示词示例

A vertical 9:16 UGC-style video frame captured on an iPhone 11 resting on a tripod.
Medium-wide portrait at true eye-level with slightly forward-leaning posture.

[CHARACTER]: A [age] [gender] with [ethnicity] complexion, [eye color] eyes beneath
[eyebrow description], [nose description]. [Jawline/facial hair]. [Hair description].
Expression is [emotion]—[specific expression details].

[CLOTHING]: [Fitted/casual garment], [collar detail].

[SKIN TEXTURE]: Visible pores across T-zone, faint smile lines, natural oils catching
light on forehead and nose. [Age-appropriate details]. No filter, no foundation.

[FOREGROUND]: Hands rest naturally on [surface], fingers relaxed, visible veins and
knuckle texture. Nearby: [everyday objects like water bottle, phone, notebook].

[CAMERA]: Native iPhone 11 lens (26mm equivalent), slightly wide perspective, mild
barrel softness at edges. Only tiny pockets of neural blur around hair edges.

[LIGHTING]: Available light mix—cool overcast daylight from window left, warm tungsten
from desk lamp right. Soft asymmetric shadows, natural falloff. ISO noise 500-900.

[BACKGROUND]: [Realistic home/office elements]—bookshelf, [furniture], clearly visible
not heavily blurred.

[REALITY DETAILS]: Gentle 35mm film grain, light fingerprint smudge on lens, tiny dust
haze in air. No cinematic bloom, no studio finish.

Styling: raw UGC realism, available indoor light, mixed color temperature, minimal
depth blur, visible ISO noise, emphasis on authenticity.

视频动作提示词示例

Hand "Home Base" Protocol: Hands default to Active Idle. Fingers shift, thumbs rub,
wrists rotate slightly while anchored. Gestures only for key emphasis.

[0.0s-0.5s] Pre-roll: Sharp inhale, eyes lock to lens, head still
[0.5s-3.0s] Hands in Active Idle (fingers interlocked), head tilts slightly right,
           brows furrow in seriousness
[3.0s-6.0s] Hands break clasp for quick open-palm rotation then return, head drifts
           forward, natural blink
[6.0s-8.0s] Hands return to Active Idle (loose clasp, thumbs tapping), head nods
           encouragingly, cheeks lift in natural smile
[8.0s-10.0s] Hands anchored (wrist shifts), chin lifts in quick final nod, natural blink

[Script]: "[CHUNK TEXT HERE]"
[Tone]: [Urgent/Conversational/Professional/etc.]
[Pacing]: Rapid fire delivery, high energy, viral UGC style, confident, 2x speed

参考文件

• CHARACTER-PROMPTING.md - 让角色更真实的瑕疵技巧
• SCRIPT-CHUNKING.md - 用音节法保持节奏一致
• MOVEMENT-PROMPTING.md - 自然的动作编排
• POST-PRODUCTION.md - 音频修复和编辑技巧

替代方案：InfiniteTalk

对于较简单的长视频，可考虑 InfiniteTalk（infinitetalk.ai）。

优点： 一次生成较长的视频 缺点： 对节奏的控制较少（无法控制计时／时长），按输出长度收费

需要精确控制节奏时，请使用上文的音节法。

生成前检查清单

• 角色提示词包含皮肤瑕疵
• 有可用的自然光，非影棚灯光
• 脚本分成每段 55-60 个音节
• 每段都是完整句子
• 动作提示词包含手部基础姿势、头部动作和眨眼
• 制定音频和跳切的后期制作计划