video-composer

Video Composer — 编排式丰富视频制作

此技能通过在 Remotion（React）时间线上组合四种媒体技能，将请求制作成完整的 .mp4：

层	技能
图像 / 背景	nanobanana
视频片段	veo
背景音乐	lyria
旁白 / 配音	gemini-tts

它是一个编排器：本身不生成媒体，而是调度上述技能并组合它们的输出。

---

工作流（必须按顺序执行）

步骤 0 — 检查前置条件和同级技能

首先运行可用性检查：

python scripts/check_skills.py

• 全部可用 → 继续。
• 部分缺失 → 这通常意味着其他用户单独安装了 video-composer（例如通过 npx skills add）。提示他们安装缺失的技能，使用脚本输出的命令（来自仓库 README），或提供有文档说明的备用方案（参见 references/asset-pipeline.md → “缺失的技能”）。不要默默跳过用户要求的资产类型——应明确说明可选方案。

另请确认工具：Node.js ≥ 18（node -v）和 npx。Remotion 自带 ffmpeg，因此不需要 ffmpeg。媒体技能需要 API 访问权限：GEMINI_API_KEY（或 Vertex AI）。参见 references/asset-pipeline.md。

步骤 1 — 收集需求

采访用户（有任何不明确之处时使用 AskUserQuestion），以确定：

• 目的 / 信息和目标受众
• 时长（例如 15s / 30s / 60s）和方向（16:9 / 9:16 / 1:1）
• 语气 / 风格（企业风、活泼、电影感、简约……）
• 必需内容：旁白？屏幕字幕？BGM 氛围？品牌颜色 / Logo？
• 语言（旁白和字幕使用）
• 用户已有的资产，以及需要生成的内容

步骤 2 — 返回构图方案并获取批准（关卡）

制定简洁、结构化的方案并呈现给用户。**在用户批准前，不要生成任何内容或进行渲染。**方案必须包括：

• 整体规格：分辨率、fps、总时长、方向
• 逐场景表格：# · 时长 · 视觉内容（图像 / 视频 + 提示词摘要）· 旁白文本 · 屏幕字幕 · 转场
• BGM 氛围和任何 Logo / 品牌元素
• 哪些资产是生成的（以及由哪个技能生成），哪些是备用 / 用户提供的

与用户迭代完善方案，直到用户明确批准。只有在此之后才能继续。

步骤 3 — 搭建 Remotion 项目

python scripts/scaffold.py <project-dir>

这会写入一个自包含、数据驱动的 Remotion 项目（结构和 props 架构参见 references/remotion-template.md）。每个视频都会搭建一个全新项目。

步骤 4 — 生成资产

根据已批准的方案，调用各个同级技能，并将输出放在 <project-dir>/public/{images,video,audio}/ 下。确切命令和时长提示参见 references/asset-pipeline.md。保持图像风格一致。

BGM 仅存在于 lyria 层。 Veo 片段会在时间线上保留原生音频（SE、环境音、对话），因此生成 Veo 片段时，必须始终抑制内嵌音乐——传入 --negative-prompt "background music, soundtrack, musical score, BGM"，并且绝不要在提示词中要求音乐。否则片段自带的 BGM 会与全局 lyria BGM 冲突。保留 SE / 环境音；仅抑制音乐。详情参见 references/asset-pipeline.md → “绝不让 veo 片段携带自己的 BGM”。

第 5 步 — 编写时间线（props.json）

复制 props.sample.json → props.json，并填写各个场景：通过相对于 public/ 的路径引用素材，为每个场景设置 durationInFrames（round(seconds * fps)）、字幕、配音、转场和 BGM。架构与时序规则：references/remotion-template.md。

第 6 步 — 渲染并进行多模态自我审核（自主迭代）

python scripts/render_video.py --project <project-dir> \
  --props <project-dir>/props.json --install --review-frames 6

然后，使用视觉能力读取导出的审核静帧，并根据 references/self-review.md 中的评分标准进行评分。自主迭代——优先修复成本最低的层（props → 重新生成素材）——直至所有标准均通过或达到迭代上限（默认为 3 次）。

第 7 步 — 交付

结果达到要求后，将最终 .mp4 交付给用户（使用 SendUserFile 发送文件）。如果达到迭代上限时仍存在已知问题，则交付最佳版本，并列出剩余问题以及建议的后续步骤。

---

脚本

脚本	用途
scripts/check_skills.py	检测同级技能；输出安装指南／备用方案
scripts/scaffold.py	为全新的数据驱动 Remotion 项目搭建框架
scripts/render_video.py	npm install + 渲染 + 导出审核静帧

参考资料

文件	内容
references/asset-pipeline.md	驱动各个媒体技能的精确命令；时序；缺少技能时的处理方式
references/remotion-template.md	项目结构与 props.json 时间线架构
references/self-review.md	多模态审核评分标准与自主迭代循环

---

Props 架构（快速参考）

{
  "fps": 30, "width": 1920, "height": 1080,
  "bgm": { "src": "audio/bgm.mp3", "volume": 0.22 },
  "scenes": [
    {
      "durationInFrames": 150,
      "media": { "type": "image" | "video", "src": "images/x.png", "fit": "cover" },
      "kenBurns": true,
      "captions": [ { "text": "…", "fromFrame": 0, "toFrame": 140, "position": "bottom" } ],
      "voiceover": { "src": "audio/vo1.wav", "volume": 1.0, "delayInFrames": 6 },
      "transitionToNext": { "type": "fade" | "slide" | "wipe" | "none",
                             "durationInFrames": 18, "direction": "from-right" }
    }
  ]
}

• 素材的 src 路径相对于 public/（http(s) URL 会直接传递）。
• 总时长会自动计算（场景时长总和减去转场重叠时长）。

---

原则

• 必须设置审批关卡——用户批准计划前，绝不开始生成或渲染。
• 绝不交付未经审核的渲染结果——始终运行自我审核循环。
• 优先使用此代码库的技能；缺少某项技能时，提示安装或使用文档记录的备用方案，并在计划中明确说明权衡。
• 先修复成本低的问题，再处理成本高的问题——重新生成素材前先编辑 props。
• 只使用一条 BGM 音轨——音乐应属于 lyria 层；生成 veo 视频片段时，始终通过负面提示词抑制音乐，避免片段内嵌的 BGM 与全局 BGM 冲突。保留片段的 SE／环境音。