talking-head

Talking Head

将一条消息和一类受众转化为完整的 Talking Head 视频规格 — 详细定义一位主持人的风格、场景、灯光和构图，提供带时间安排的开场钩子／正文／行动号召脚本框架，以及可直接用于 fal-ai/nano-banana-pro 的关键帧提示词。核心原则：可信度来自选角，而非台词 — 主持人的外观、场景和表达方式必须符合受众对这类信息已有的信任标准（用精致的演播室专家来推销“真实用户评价”，看起来像广告，效果也会很差）。你负责制定方案并生成静态关键帧；配音、动态效果和剪辑留待后续处理。

何时使用／何时不使用

• 适用于任何由人物出镜的视频：用户评价、UGC 风格广告、教育／讲解视频、创始人动态、由主持人出镜的产品演示、企业培训。
• 仅展示产品的动态视频（无人出镜）→ skills/creative/product-video。
• 在 Remotion 中以编程方式生成／制作的动画视频 → skills/creative/remotion-script-writer。
• 静态社交媒体素材 → skills/creative/social-graphics。
• 尚无品牌风格定义且需要保持一致 → 先运行 skills/creative/creative-strategist；其风格指南将用于主持人造型设计。

信息收集

一次性集中询问，仅补充缺失的信息：

1. 信息和目标 — 主持人要说什么？观众看完后应采取什么行动（CTA）？
2. 受众和平台 — 谁会观看？在哪个平台观看（TikTok／Reels、YouTube、落地页、内部培训）？
3. 信任方式 — 应呈现同伴推荐的感觉（真实／UGC），还是专家发言的感觉（权威／精致）？
4. 限制条件 — 是否有指定的真人出镜（创始人、客户），还是使用生成／聘请的主持人？是否有来自 skills/creative/creative-strategist 的品牌风格指南？

根据已有信息推断，而不是提问：平台 → 视频时长和构图；产品类别 → 默认信任方式（面向消费者的社交广告 → UGC；B2B／金融／健康 → 权威风格）。**不要停滞不前：**只要明确了信息和受众，就说明假设（“暂按 UGC 风格、30 秒、竖屏处理 — 如有不同请告知”）并继续。

工作流

1. 选择主持人类型（决策规则）

如果内容是……	类型	表达方式	默认场景
教育、企业内容、产品演示	专业主持人	精致、商务休闲／正式、直视镜头、自信	演播室或专业办公室
用户评价、社交广告、亲切自然的推介	UGC 创作者	休闲穿着、自然外表、真诚有活力、不完美也没关系	家中、车内、日常生活场景
思想领导力、评论、权威观点	专家／影响者	精致但亲切、可信、制作精良	专业办公室或品牌演播室
生活方式内容、融入日常生活的产品、理想生活展示	生活方式创作者	时尚、有吸引力、富有感染力	与产品匹配的生活方式场景

明确选择一种类型，并用一句话说明理由。需要注意的错配：宣传“真实客户”信息时采用权威专家类型（会显得虚假）；发布高风险 B2B 观点时采用 UGC 类型（会显得不严肃）。

2. 确定造型 — 每行选择一项

维度	选项（根据主持人类型和品牌择一）
服装	商务正装（西装） · 商务休闲装（西装外套） · 休闲装 · 时尚休闲装 · 行业专用服装
背景	演播室（中性、整洁） · 办公室（虚化、现代） · 家庭办公室 · 生活方式场景 · 品牌场景（品牌颜色／元素）
灯光	演播室（主光＋补光，均匀，无强烈阴影） · 自然光（柔和、漫射、温暖） · 电影感（戏剧化、氛围浓郁）
构图	特写（头部／肩部 — 营造亲近感、适合开场钩子） · 中景（头部至腰部 — 默认选择，便于做手势） · 远景（全身 — 展现场景叙事）

决策规则：UGC → 休闲服装＋自然光＋特写／手持拍摄感。权威风格 → 商务休闲装＋演播室灯光＋中景。服装颜色必须与背景形成对比。竖屏平台默认采用特写或紧凑中景；横屏／YouTube 可使用中景和远景。

3. 编写带严格时长控制的脚本骨架

• 开场钩子（0–3 秒）： 以观众的问题、有力的主张或结果开场；社交媒体内容绝不要说“嗨，我是……”。用一句话，≤15 个词。
• 正文（3 秒 → CTA）： 传达一个核心信息，最多 3 个支持要点，使用口语（大声读出来——如果一句话不能一口气说完，就拆开）。如果相关，在镜头中展示产品。
• CTA（最后 5 秒）： 只提出一个行动，并清楚地说一次。

各平台时长：社交媒体广告／自然内容 15–60 秒；落地页 30–90 秒；培训内容按需安排。约 2.5 词／秒是估算脚本时长的实用语速参考。

4. 编写关键帧提示词

每个脚本部分（开场钩子、正文的每个节拍、CTA）各用一个关键帧。提示词公式：[archetype] presenter, [clothing], [appearance/expression for this beat], [engaging with camera / demonstrating product], [background], [lighting], [framing], professional quality, 4K。所有帧中的主持人描述、背景和灯光都必须完全一致；只改变表情、手势和任何产品道具。若这些元素出现偏差，就会破坏视频连续统一的错觉。

如果已设置 FAL_API_KEY（或 FAL_KEY），请通过仓库 CLI 生成（docs/fal_api.py，模型 fal-ai/nano-banana-pro）：

python docs/creative_cli.py custom \
  --category "talking-head" --name "hook-frame" \
  --prompt "<keyframe prompt>" --aspect-ratio 9:16 --resolution 2K

否则，请提供可直接运行的命令形式提示词。注意：这会生成用于选角／分镜的静态帧；语音、口型同步和动作由后续工具或实际拍摄完成。音频质量不在范围内，但要提醒用户，音频质量会决定视频成败。

5. 按质量标准自查，并交付规格说明。

必需的输出格式

始终按此结构交付：

# Talking Head Video Spec — [Topic]

## Overview
- **Message (one sentence):** ...
- **Archetype:** Professional | UGC Creator | Expert | Lifestyle — [one-line reason]
- **Platform:** ... · **Aspect ratio:** ... · **Length:** ...s · **CTA:** ...

## Presenter definition
- Clothing: ... · Appearance: ... · Background: ... · Lighting: ... · Framing: ...
- Real person or generated: ... · Brand elements in frame: ...

## Script skeleton
| Section | Time | Spoken line(s) | On camera |
|---|---|---|---|
| Hook | 0–3s | "..." (≤15 words) | [expression/action] |
| Body 1 | 3–Xs | "..." | ... |
| Body 2 | ... | "..." | ... |
| CTA | last 5s | "..." | ... |

## Keyframes
### KF-hook
> [full prompt — archetype, clothing, expression, background, lighting, framing, quality tags]
`python docs/creative_cli.py custom --category "talking-head" --name "kf-hook" --prompt "..." --aspect-ratio [x] --resolution 2K`
(one per section; presenter/background/lighting identical across all)

## Production notes
- Audio: [clean VO essential; mic/recording note]
- Downstream: [real shoot / avatar tool / editor] · B-roll or product inserts: ...

质量标准（交付前检查）

• 角色类型与信任模式相符——“真实客户”证言不能采用精致的影棚风格，高风险权威主张不能采用粗糙的 UGC 风格。
• 开场钩子 ≤15 个词，且不包含自我介绍（社交媒体内容）；前 3 秒内传达价值。
• 一个核心信息，≤3 个支持要点；每句话都经得起朗读。
• 服装与背景形成对比；明确说明灯光风格（不得省略）。
• 所有关键帧提示词中的主持人、背景和灯光描述完全一致——只有表情／手势可以变化。
• 除非该节拍有意打破直视镜头，否则每个关键帧都要明确指定直视镜头。
• 时长总和符合规定时长；CTA 只提出一个行动，并说一次。
• 不得编造有关格式或开场钩子效果的主张；节奏建议仅供参考。

集成

• skills/creative/creative-strategist → 输入：用于规范主持人造型、配色和场景的风格指南。
• skills/creative/original-design → 输入：当视频必须融入原创视觉世界（背景、道具、叠加元素）时提供的设计语言简介。
• skills/creative/brand-asset → 输入：放置在背景中或作为叠加元素的 Logo／品牌元素。
• skills/creative/image-generation → 消耗：当用户需要比 CLI 单行命令更精细的生成控制时使用关键帧提示词。
• skills/creative/social-graphics → 消耗：将关键帧用作缩略图和辅助帖子视觉素材。
• skills/creative/orchestrator → 路由：通过此技能处理包含主持人视频的营销活动工作。