video-producer-agent

Name: video-producer-agent
Author: michaelboeding

github.com/michaelboeding创意与媒体3061 次安装2 周前更新

代码仓库

关于 video-producer-agent

video-producer-agent 是用于制作完整视频的编排技能，面向需要产品、讲解、宣传或培训视频的创作者。它先收集需求，再组织脚本与分镜、视频片段、配音、音乐和最终组装。

主要功能

01逐项收集视频制作需求
02规划脚本、分镜与场景
03生成视频片段、配音和背景音乐
04配置自定义、原生或静音音频
05组装片段与音轨并支持复用素材

适用场景

01制作产品宣传或演示视频
02制作讲解和培训内容
03将现有图片、视频或音频素材编入成片

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/michaelboeding/skills --skill video-producer-agent

安装后在 Claude Code 中输入/video-producer-agent确认已加载。

附带文件scripts/assemble.pyscripts/init_project.py

详细介绍

视频制作

创作包含配音、音乐和画面的完整视频。

这是一项编排技能，可组合以下功能：

脚本／分镜生成（Claude）
配音合成（Gemini TTS）
背景音乐（Lyria）
视频片段生成（Veo 3.1）或图像动画
最终合成（通过 media-utils 使用 FFmpeg）

工作流

步骤 1：收集需求（必需）

⚠️ 请勿跳过此步骤。在收集到所有答案之前，请勿运行 init_project.py。

使用交互式提问——一次只问一个问题，等待对方回答后再问下一个。这将创建一个协作式、以规格为导向的流程。

问题流程

⚠️ 请对以下每个问题使用 AskUserQuestion 工具。 不要只在回复中列出问题——请使用该工具创建带有所示选项的交互式提示。

Q1：主题

“我来为你制作视频！首先——视频的主题是什么？

（例如：产品发布、品牌故事、教程、说明视频，或描述你自己的主题）”

等待回复。

Q2：时长

“视频时长应为多久？

15 秒 （快速吸引注意）

30 秒 （标准广告）

60 秒 （说明视频）

2 分钟以上 （详细内容）

或指定你自己的时长”

等待回复。

Q3：风格

“你想要哪种视觉风格？

高端／奢华

有趣／活泼

企业／专业

戏剧化／电影感

极简／简洁

或描述你自己的风格”

等待回复。

Q4：素材

“你有现成的图片或视频片段可供使用吗？

没有，全部生成

有，我有图片 （请提供路径）

有，我有视频片段 （请提供路径）”

等待回复。

Q5：音频方案

“我们应该如何处理音频？

自定义——我来生成配音和背景音乐

Veo 原生音频——使用 Veo 内置的对白／音效／环境音

静音——不添加音频，之后再处理”

等待回复。

Q6：声音 （如果使用自定义音频）

“配音应采用什么语气？

专业

友好／温暖

充满活力

平静／舒缓

戏剧化

或描述你自己的语气”

等待回复。

Q7：音乐 （如果使用自定义音频）

“你想要什么音乐氛围？

现代电子乐

电影感／史诗感

欢快流行

氛围感／轻松

企业风格

或描述你自己的风格”

等待回复。

Q8：格式

“你需要什么宽高比？

16:9（YouTube、网页）

9:16（TikTok、Reels、Shorts）

1:1（Instagram 信息流）”

等待回复。

Q9：分辨率

“你需要什么分辨率？

720p（生成速度更快）

1080p（标准高清）”

等待回复。

Q10：模型

“你想使用哪个 Veo 模型？

veo-3.1 — 最新、质量最高（默认）

veo-3.1-fast — 生成速度更快，质量略低

veo-3 — 上一代

veo-3-fast — 上一代，生成速度更快”

等待回复。

快速参考

问题	决定事项
主题	场景内容和提示词
时长	场景数量（Veo 片段时长必须为 4、6 或 8 秒）
风格	视觉提示词和音乐选择
素材	生成新素材还是使用现有素材
音频	custom、veo_audio 或 silent
声音	TTS 声音选择
音乐	Lyria 提示词
格式	Veo 的宽高比
分辨率	720p 或 1080p 输出质量
模型	veo-3.1、veo-3.1-fast、veo-3、veo-3-fast

步骤 2：初始化项目

收集到用户的答案后，根据其偏好初始化项目：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-producer-agent/scripts/init_project.py \
  --name "Product Launch Video" \
  --duration 30 \
  --aspect-ratio 16:9 \
  --audio-strategy custom \
  --scenes 5

步骤 3：配置 project.json

根据用户的答案，编辑 project.json，填写场景提示词、配音文本和音乐风格。

步骤 4：合成视频

python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-producer-agent/scripts/assemble.py \
  --project ~/my_video_project/

项目结构

初始化项目后，将创建以下文件夹结构：

my_project/
├── project.json          # Configuration: scenes, voiceover, music, settings
├── storyboard.md         # Planning document for the video
├── scenes/               # Generated video clips from Veo
│   ├── scene1_intro.mp4
│   ├── scene2_features.mp4
│   └── scene3_cta.mp4
├── audio/                # Audio assets
│   ├── voiceover.wav     # Generated voiceover
│   ├── background_music.wav  # Generated music
│   └── final_mix.mp3     # Mixed audio track
├── work/                 # Intermediate files (auto-generated)
│   ├── silent_scene1.mp4
│   ├── video_concatenated.mp4
│   └── ...
└── output/               # Final deliverables
    └── product_launch_video_final.mp4

脚本

init_project.py

使用文件夹结构和模板初始化新的视频项目。

# Basic project
python3 init_project.py --name "My Video" --duration 30

# Create in specific directory
python3 init_project.py --name "Demo Video" --output ~/Videos/

# Vertical video for social
python3 init_project.py --name "Instagram Reel" --aspect-ratio 9:16 --duration 15

# Use Veo's native audio (no custom voiceover/music)
python3 init_project.py --name "Cinematic Scene" --audio-strategy veo_audio

# More scenes
python3 init_project.py --name "Long Video" --duration 60 --scenes 5

选项：

选项	默认值	说明
`--name`	必填	项目名称
`--output`	当前目录	父目录
`--duration`	30	目标时长（秒）
`--aspect-ratio`	16:9	16:9、9:16、1:1、4:3
`--audio-strategy`	custom	custom、veo_audio、silent
`--scenes`	3	场景占位符数量

assemble.py

编排完整的视频组装流水线。

# Full pipeline (generate everything + assemble)
python3 assemble.py --project ~/my_project/

# Skip generation (use existing scene/audio files)
python3 assemble.py --project ~/my_project/ --skip-generation

# Dry run (show what would be done)
python3 assemble.py --project ~/my_project/ --dry-run

流水线步骤：

生成视频场景（Veo 3.1）
从场景中去除音频（使用自定义音频时）
生成配音（Gemini TTS）
生成背景音乐（Lyria）
混合配音和音乐
拼接视频片段
将音频与视频合并
输出最终视频

project.json 配置

{
  "name": "Product Launch Video",
  "duration_target": 30,
  "aspect_ratio": "16:9",
  "resolution": "720p",
  "audio_strategy": "custom",
  
  "scenes": [
    {
      "id": 1,
      "name": "scene1_hero",
      "prompt": "Cinematic slow zoom on premium product, dramatic lighting, high-end commercial style",
      "duration": 6,
      "notes": "Music only, no voiceover"
    },
    {
      "id": 2,
      "name": "scene2_features",
      "prompt": "Product features demonstration, sleek animations, modern tech aesthetic",
      "duration": 8,
      "notes": "Voiceover starts here"
    },
    {
      "id": 3,
      "name": "scene3_cta",
      "prompt": "Product with logo on clean background, call to action moment",
      "duration": 6,
      "notes": "Music swells, voiceover ends"
    }
  ],
  
  "voiceover": {
    "enabled": true,
    "text": "Introducing the future of audio. Crystal clear sound. All-day comfort. Experience the difference.",
    "voice": "Charon",
    "style": "Professional, confident, premium brand voice"
  },
  
  "music": {
    "enabled": true,
    "prompt": "modern electronic, premium, sleek, product showcase, subtle bass",
    "duration": 35,
    "bpm": 100,
    "brightness": 0.6
  },
  
  "assembly": {
    "transition": "fade",
    "transition_duration": 0.5,
    "music_volume": 0.3,
    "fade_in": 1.0,
    "fade_out": 2.0
  }
}

音频策略

策略	说明	使用场景
`custom`	去除 Veo 音频，添加自定义配音和音乐	大多数视频
`veo_audio`	保留 Veo 生成的音频（对白、音效）	电影感场景、对白
`silent`	去除音频，输出静音视频	稍后添加音频

工作流：创建视频

第 1 步：初始化项目

python3 init_project.py --name "Wireless Earbuds Promo" --duration 30

第 2 步：规划分镜脚本

编辑 storyboard.md，规划视频结构：

## Scene 1: Hero Reveal (0-5s)
- Visual: Earbuds emerging from shadow, premium lighting
- Audio: Music only (dramatic intro)

## Scene 2: Sound Quality (5-12s)
- Visual: Sound waves, person enjoying music
- Audio: Voiceover: "Crystal clear sound. Immersive bass."

## Scene 3: Comfort (12-20s)
- Visual: Close-up of fit, person running
- Audio: Voiceover: "All-day comfort. Secure fit."

## Scene 4: CTA (20-30s)
- Visual: Product + logo
- Audio: Voiceover: "Experience the difference." + music swell

第 3 步：配置 project.json

根据分镜脚本填写场景提示词、配音文本和音乐风格。

第 4 步：组装

python3 assemble.py --project ~/wireless_earbuds_promo/

第 5 步：检查并迭代

检查 output/ 中的输出。如需调整：

# Re-run with existing scenes (just re-mix audio)
python3 assemble.py --project ~/wireless_earbuds_promo/ --skip-generation

可创建的视频类型

类型	示例
产品视频	展示产品的 30 秒主打视频
说明视频	操作指南或功能说明
宣传/广告视频	营销广告
演示视频	产品演示
培训视频	内部培训内容
用户证言	客户引言风格的视频
品牌视频	公司/品牌故事

前提条件

GOOGLE_API_KEY - 用于 Veo（视频）、Gemini TTS（语音）、Lyria（音乐）
已安装 FFmpeg：brew install ffmpeg

视频风格与音乐搭配

风格	音乐提示词	语音
高端/奢华	"优雅、简约、氛围感、精致"	Charon（信息丰富）
科技/现代	"电子、未来感、简洁、创新"	Kore（坚定）
有趣/活泼	"轻快、欢快、原声、积极"	Puck（活泼）
企业风格	"专业、鼓舞人心、轻管弦乐"	Orus（坚定）
生活方式	"轻松、令人向往、独立、温暖"	Aoede（轻快）
戏剧/电影感	"史诗感、管弦乐、情绪饱满、渐强"	Gacrux（成熟）

常见视频结构

产品视频（30 秒）

0-5s:   Hero shot (music only)
5-15s:  Features (voiceover + music)
15-25s: Lifestyle/use case (voiceover + music)
25-30s: Logo + CTA (music fade)

说明视频（60 秒）

0-5s:   Hook/problem statement
5-20s:  Solution introduction
20-45s: How it works (3 steps)
45-55s: Benefits summary
55-60s: CTA

用户证言视频（45 秒）

0-5s:   Intro/name card
5-35s:  Testimonial quote (multiple scenes)
35-45s: Product shot + logo

手动工作流（不使用脚本）

如果你更喜欢手动运行每个步骤：

生成场景：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/video-generation/scripts/veo.py \
  --batch scenes.json

生成配音：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/voice-generation/scripts/gemini_tts.py \
  --text "Your voiceover text..." \
  --voice Charon \
  --style "Professional, warm"

生成音乐：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/music-generation/scripts/lyria.py \
  --prompt "modern electronic, premium" \
  --duration 35

从片段中去除音频：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/video_strip_audio.py \
  -i scene*.mp4

拼接视频：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/video_concat.py \
  -i silent_*.mp4 --transition fade -o video.mp4

混合音频：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/audio_mix.py \
  --voice voiceover.wav --music music.wav -o audio.mp3

合并音频和视频：

python3 ${CLAUDE_PLUGIN_ROOT}/skills/media-utils/scripts/video_audio_merge.py \
  --video video.mp4 --audio audio.mp3 -o final.mp4

可提供的输入文件

文件类型	用途
产品图片	使用 Veo 将其作为首帧进行动画处理
Logo（PNG）	叠加到最后一个场景上
现有配音	放入 `audio/voiceover.wav`
品牌音乐	放入 `audio/background_music.wav`
视频片段	放入 `scenes/` 文件夹
脚本/文案	用作配音文本

限制

Veo 视频时长：每个片段最长 8 秒（更长的视频需拼接）
Veo 3.1 包含音频：所有片段都包含生成的音频（使用自定义音频时需去除）
处理时间：每个片段的视频生成需要 1–3 分钟
分辨率：目前为 720p 或 1080p（1080p 仅支持 8 秒视频）

错误处理

错误	解决方案
"GOOGLE_API_KEY 未设置"	按照 README 中的说明设置 API 密钥
"未找到 FFmpeg"	安装：`brew install ffmpeg`
"未找到 project.json"	先运行 init_project.py
视频生成超时	重试，或使用更短的时长
音频/视频同步问题	调整场景时长

示例提示词

简单：

“为我的新款咖啡机制作一段 30 秒的产品视频”

详细：

“为我们的新款无线耳机制作一段 45 秒的产品视频。高端、奢华风格。我附上了产品照片。使用专业男声旁白。搭配现代电子音乐。采用适用于 YouTube 的 16:9 格式。”

使用项目：

“初始化一个名为 ‘App Demo’ 的视频项目，包含 5 个场景，总时长 60 秒，采用适用于 TikTok 的竖屏格式”

支持 Markdown

登录后评论

基本信息

作者: michaelboeding
仓库: michaelboeding/skills
分类: 创意与媒体
安装次数: 61
GitHub Stars: 30

报告问题