ugc

使用 genmedia 制作 UGC 内容

当用户想要创作者风格的内容，而非精致的棚拍广告时，使用此技能。按需加载参考资料：

• references/formats.md
• references/workflows.md
• references/examples.md

同时加载 model-routing，以选择默认端点。

确保输出可信、符合平台原生风格，并且不涉及未经证实的宣称。不要撰写虚假的用户评价、虚假的数据、编造的评论、医疗宣称、金融宣称或可读的法律文案，除非用户提供了确切措辞。

需要收集的信息

只有在答案会影响执行方式时才提问。

• 产品或优惠：展示、销售、教授或说明的内容。
• 格式：对镜讲述、演示、反应、开箱、创始人出镜、无露脸 B-roll。
• 发言者：用户提供的肖像／视频、生成的虚拟形象、不露脸或配音。
• 脚本来源：确切脚本、要点、优惠文案，或请助手起草。
• 平台：TikTok、Reels、Shorts、付费社交广告、落地页、原型。
• 时长和画幅：通常为 9:16；钩子片段为 6–15 秒，广告为 15–45 秒。
• 源素材：肖像、产品图片、产品视频、徽标、B-roll、音频。
• 宣称：用户提供的证明、必需的免责声明、禁用语句。
• 语气：随意、专业、创始人主导、怀疑、兴奋、平静、纪录片风格。

Genmedia 工作流

1. 从路由提供的端点 ID 开始。

   genmedia models --endpoint_id veed/fabric-1.0 --json
   genmedia models --endpoint_id veed/fabric-1.0/text --json
   genmedia models --endpoint_id fal-ai/creatify/aurora --json
   genmedia models --endpoint_id fal-ai/sync-lipsync/v2 --json
   genmedia models --endpoint_id bytedance/seedance-2.0/image-to-video --json
   genmedia models --endpoint_id openai/gpt-image-2 --json
   

   只有在需要发现缺失角色时，才将文本搜索作为备用方式：

   genmedia models "ugc talking head avatar" --json
   genmedia models "short social video product demo" --json
   genmedia docs "lip sync video" --json
   

2. 运行前检查选定的端点。

   genmedia schema <endpoint_id> --json
   genmedia pricing <endpoint_id> --json
   

3. 上传所有本地源素材。

   genmedia upload ./creator.jpg --json
   genmedia upload ./product.png --json
   genmedia upload ./voiceover.wav --json
   genmedia upload ./existing-clip.mp4 --json
   

4. 选择制作路径。

   • 肖像加音频：veed/fabric-1.0。
   • 肖像加文本：当架构支持时，使用 veed/fabric-1.0/text。
   • 需要更强视觉指导的虚拟形象：fal-ai/creatify/aurora。
   • 为现有视频添加新语音：fal-ai/sync-lipsync/v2。
   • 产品 B-roll：使用经批准的静帧或产品参考，通过 bytedance/seedance-2.0/image-to-video 生成。
   • 钩子画面和缩略图：使用 openai/gpt-image-2，尤其是在文字或产品保真度很重要时。

5. 以异步方式运行长视频任务，并从状态中下载结果。

   genmedia run <endpoint_id> \
     --prompt "<ugc visual direction or shot prompt>" \
     --async \
     --json
   
   genmedia status <endpoint_id> <request_id> \
     --download "./outputs/ugc/{request_id}_{index}.{ext}" \
     --json
   

6. 严格按架构使用字段。与模型的字段名称保持一致，例如 image_url、audio_url、video_url、text、prompt、 visual_direction、aspect_ratio、duration 或 seed。

脚本构建顺序

将脚本写成简短的口语段落，而非精致的广告文案：

1. 钩子：一个具体的矛盾、问题、结果或好奇心缺口。
2. 背景：说明发言者为何在意，或身处什么情境。
3. 产品亮相：产品出现、被使用，或展示其如何解决问题。
4. 证明：感官细节、可见的演示、用户提供的数据或事实。
5. 转折：展示前后对比、回应异议，或呈现意外好处。
6. 收尾：轻柔的行动号召、下一步操作，或干净利落的产品定格画面。

确保宣称有依据。将未经证实的宣称改为可观察的描述： “质地看起来更轻薄”胜过“这能治愈痤疮”。

提示词构建顺序

为每段 UGC 视频或每个镜头撰写：

1. 发言者和画面：创作者类型、用户提供时注明年龄范围、场景、画幅。
2. 表现方式：眼神交流、随意的表达、手势、表情、语速。
3. 产品操作：拿起、打开、涂抹、比较、演示、展示。
4. 摄像方式：手持手机、桌面三脚架、镜面拍摄、特写、B-roll 插入镜头。
5. 光线和音频氛围：自然窗光、浴室灯光、车内环境。
6. 平台限制：9:16、安全的上下区域、不生成字幕。
7. 约束：不得虚构宣称、添加新徽标或更改产品包装。

模型路由

• 根据肖像和音频生成对口型视频：veed/fabric-1.0。
• 根据肖像和文本生成对口型视频：veed/fabric-1.0/text。
• 带视觉指导的虚拟形象：fal-ai/creatify/aurora。
• 为现有素材添加口型同步：fal-ai/sync-lipsync/v2。
• 产品补充镜头或演示动画：bytedance/seedance-2.0/image-to-video。
• 快速生成补充镜头草稿：xai/grok-imagine-video/image-to-video。
• 创作者关键帧、缩略图和忠实还原产品的静态图： openai/gpt-image-2 或 fal-ai/nano-banana-pro。
• TTS：使用 fal-models-catalog/references/text-to-audio.md 并检查 schema。完整脚本开始生成前，优先使用简短句子进行测试。

质量标准

返回前，请确认：

• 视频片段看起来像可信的创作者内容，而不是影棚广告。
• 口播脚本的长度符合所要求的时长。
• 如果视频中有人物说话，口型与声音同步。
• 产品外形、包装和 logo 保持稳定。
• 所有宣称均由用户提供，或表述为可见的观察结果。
• 开头 1-2 秒有明确的吸引点。
• 视频中没有凭空生成的字幕或文字叠加。
• 输出路径来自 downloaded_files[]，而非手动获取的 URL。

如果人脸逐渐偏移，请缩短脚本、使用更干净的肖像和音频输入，或 改用经批准的源素材进行口型同步，而不是生成虚拟形象。