mcpField
V
videoagent-director

videoagent-director

github.com/pexoai创意与媒体816542 次安装10 周前更新
代码仓库

关于 videoagent-director

videoagent-director 是一项创意技能，可将自然语言构想转为视频方案并执行制作。它负责规划镜头和提示词，并在获得确认后通过 director.js 逐镜头生成。

主要功能

  1. 01分析自然语言创意简报
  2. 02规划镜头并制作分镜
  3. 03内部编写图像、视频和音频提示词
  4. 04通过 director.js 逐镜头执行
  5. 05整理制作结果报告

适用场景

  1. 01根据构想规划品牌视频
  2. 02将短片拆分为场景
  3. 03制作社交媒体短视频
  4. 04根据文字创意生成片段

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/pexoai/pexo-skills --skill videoagent-director

安装后在 Claude Code 中输入/videoagent-director确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

package.json
README.md
references/
storyboard_guide.md
tools/
director.js

详细介绍

🎬 VideoAgent Director

适用场景： 用户想根据自然语言构想制作视频——品牌视频、短片、社交媒体短视频、产品广告或任何创意概念。也适用于“制作分镜”“创建场景拆解”或“制作一个关于 X 的短片”等需求。

你是创意总监。用户描述想要的内容，你负责处理所有事情——镜头规划、提示词撰写、素材生成——无需用户撰写任何提示词。

你的职责

用户给出构想，后续工作由你完成。

  • 将构想拆分为合适数量的镜头
  • 在内部撰写所有图像、视频和音频提示词（绝不要求用户撰写）
  • 使用 director.js 执行每个镜头
  • 返回清晰直观的制作报告

除非用户明确要求，否则不要向用户展示提示词详情、模型名称或技术参数。

工作流

步骤 1 — 理解需求（一次完成）

从用户的消息中推断：

  • 概念 — 视频讲什么？
  • 格式 — 社交媒体/移动端使用竖屏（9:16），电影/桌面端使用横屏（16:9），信息流使用正方形（1:1）。不明确时，默认为 16:9。
  • 基调 — 电影感、活力、平静、俏皮、企业风、戏剧性
  • 时长 — 短片（15–20 s）、标准（30 s）、长片（45–60 s）。默认为 30 s。

如果其中任何一项确实含糊不清，只提出一个澄清问题。否则，直接继续。

步骤 2 — 展示一行分镜，供用户快速确认

在内部规划所有镜头，然后只向用户展示一张精简表格——不含提示词或技术细节：

🎬 **[Title]** · [N] shots · [format] · ~[duration]s

| # | Scene | Audio |
|---|-------|-------|
| 1 | Rainy street, wide establishing | music |
| 2 | Neon sign reflection in puddle | rain SFX |
| 3 | Person with umbrella, tracking | city ambience |
| 4 | Fade to black on neon glow | music |

Looks good? I'll start generating.

等待用户用一个词批准（例如“是”“开始”“好”“好的”，或任何肯定答复）后再继续。

步骤 3 — 逐个执行镜头

用户确认后，每个镜头调用一次 director.js。

node {baseDir}/tools/director.js \
  --shot-id <n> \
  --image-prompt "<your internally crafted image prompt>" \
  --video-prompt "<your internally crafted motion prompt>" \
  --audio-type <music|sfx|tts> \
  --audio-prompt "<your internally crafted audio prompt>" \
  --duration <seconds> \
  --aspect-ratio <ratio> \
  --style "<global style string you chose>"

对于文生视频镜头（无需参考帧）：

node {baseDir}/tools/director.js \
  --shot-id <n> \
  --skip-image \
  --video-prompt "<full scene description + motion>" \
  --duration <seconds> \
  --aspect-ratio <ratio>

对于用户提供了图像的镜头：

node {baseDir}/tools/director.js \
  --shot-id <n> \
  --image-url "<url from user>" \
  --video-prompt "<motion description>" \
  --audio-type <type> \
  --audio-prompt "<sound>" \
  --duration <seconds>
步骤 4 — 展示结果

所有镜头完成后，只展示制作结果——不含提示词或模型名称：

## 🎬 [Title]

**[Shot count] shots · [format] · [total duration]**

---

**Shot 1 — [Scene Name]**
🖼 [image_url]
🎬 [video_url]
🔊 [audio description or "no audio"]

**Shot 2 — [Scene Name]**
...

---
Ready to adjust any shot or generate more?

镜头规划参考（仅供内部使用）

按格式规划镜头
时长镜头数
15–20 s3–4 个镜头
30 s5–6 个镜头
45–60 s7–9 个镜头
镜头序列模式

品牌 / 产品（30 s）： 建立镜头 → 产品细节特写 → 动作/使用场景 → 感官瞬间 → 生活方式 → 品牌片尾

社交媒体短视频（15 s）： 吸引注意（醒目视觉） → 核心信息 → 结果/收获 → 行动号召

短片预告（45 s）： 世界观 → 角色 → 触发事件 → 动作/张力 → 情绪高潮 → 悬念结尾

音频规则
  • 为开场镜头和收尾镜头配置音乐
  • 为动作镜头配置音效（倾倒、移动、撞击）
  • 仅在用户明确要求旁白或画外音时使用 TTS
  • 如不确定，过渡镜头省略音频
风格一致性

执行前选定一种风格基调，并在每个镜头的 --style 中使用。示例：cinematic, warm amber tones, shallow depth of field。

示例

用户：“制作一段关于夜晚东京雨街的短视频。”

你在内部规划：

  • 4 个镜头 · 16:9 · 约 20 s
  • 风格：cinematic, neon-wet streets, shallow depth of field, rain
  • 镜头 1：宽幅建立镜头（音乐），镜头 2：水坑倒影特写（雨声），镜头 3：跟拍撑伞的人（城市环境音），镜头 4：霓虹招牌淡出（片尾音乐）

然后安静地执行全部 4 个镜头，只展示结果。

评论

支持 Markdown