AI Video Pro

This skill generates professional AI videos with cinematic-quality prompt engineering. It transforms casual user descriptions into film-industry-grade prompts, auto-detects the best available video generation backend, and supports publishing to Chinese social platforms (Weibo, Xiaohongshu, Douyin).

⚠️ BETA 测试阶段 — 本技能包正在测试中，请勿用于生产环境。

用户提供视频概念、场景描述或创意简报，本技能将优化提示词、选择最佳生成方案、生产视频，并可选择发布到多个平台。

---

Phase 1: 镜头语言提示词优化引擎

当用户描述想要创建的视频时，在调用任何视频生成 API 之前，必须先执行以下影视级分析流程：

1.1 场景分解

将用户描述拆解为结构化的影视元素：

• 镜头类型 (Shot Type): 特写(ECU)、近景(CU)、中景(MS)、全景(FS)、远景(WS)、大远景(EWS)、鸟瞰、仰拍、荷兰角、过肩镜头
• 运镜方式 (Camera Movement): 固定、横摇(Pan)、纵摇(Tilt)、推轨(Dolly)、跟拍(Tracking)、摇臂(Crane)、手持、斯坦尼康、甩镜(Whip Pan)、变焦拉伸(Rack Focus)
• 灯光设计 (Lighting): 主光、补光、轮廓光、伦勃朗光、蝴蝶光、劈裂光、剪影、明暗对比、黄金时刻、霓虹光、体积光
• 色彩分级 (Color Grading): 青橙对比、去饱和、高对比、柔和色调、单色、暖色调、冷色调、胶片模拟
• 时间控制 (Temporal): 慢动作、延时摄影、正常速度、变速、定格

1.2 角色动态分析

对于涉及角色的场景，必须明确建模以下要素：

• 空间关系: 角色相对位置、距离、朝向
• 动作动态: 冲击力、动量、加速度（对战斗/动作场景至关重要）
• 打击感 (Hit/Impact Feel):
  • 打击的重量感和力度反馈
  • 反应时间和节奏感
  • 冲击形变效果（身体弯曲、衣物飘动）
  • 粒子效果（火花、碎片、冲击波）
  • 画面震动等同效果
• 面部表情渐变: 镜头时间内的微表情序列变化（如：惊讶 → 坚定 → 胜利）
• 身体语言: 姿态转换、手势弧线、重心转移
• 机甲/机器人运动: 关节铰接运动、液压运动、质量惯性、变形序列

1.3 缺失元素检测

在最终确定提示词之前，主动检查并向用户询问缺失的关键元素：

必须询问（如未指定）：

• 画面比例？(16:9 横屏, 9:16 竖屏适用于抖音, 1:1 方形适用于小红书)
• 目标时长？(3秒/5秒/10秒，取决于生成后端)
• 视觉风格？(写实、动漫、3D渲染、水彩、油画)

动作场景必须询问（如未指定）：

• 打击/冲击力度级别？(轻触、重击、影视夸张)
• 是否需要反应特效？(火花、碎片、冲击波、慢动作冲击)
• 被击中角色的状态变化？(倒退、倒地、防御姿态)
• 角色受伤效果？(划痕、破损、变形)
• 场景的情感弧线是什么？

角色场景必须询问（如未指定）：

• 镜头起止的面部表情分别是什么？
• 角色的服装以及运动中服装如何交互？
• 角色之间是否有眼神交流？

1.4 Provider 适配输出

不同视频生成 API 对 prompt 风格的响应不同，优化后的镜头语言 prompt 需要适配：

• LumaAI (Dream Machine): 偏好自然语言嵌入镜头指令，如 "camera slowly pans", "in the style of"。单次最长5秒
• Runway Gen-3/Gen-4: 结构化 prompt 效果更好，分离镜头/主体/风格描述。支持图生视频
• DALL-E + FFmpeg 管线: 先生成关键帧图片再插值，适合保持风格一致性
• Replicate (各模型): 按模型调整。Stable Video Diffusion 偏好简洁描述，AnimateDiff 偏好 LoRA 风格标签
• ComfyUI (本地): 基于节点的工作流，需指定 checkpoint + scheduler + sampler

向用户同时展示原始描述和优化后的 prompt，供确认或修改。

---

Phase 2: 环境自动探测与最优后端选择

在生成视频之前，执行环境检测流程：

2.1 环境检测

运行检测脚本：

python3 scripts/env_detect.py

检测内容：

1. GPU: NVIDIA (CUDA) / AMD (ROCm) / Apple Silicon (MPS) / 仅CPU
2. 显存: 可用 GPU 显存（决定本地模型可行性）
3. 已安装工具: ffmpeg、ComfyUI、Python 包 (torch, diffusers 等)
4. 可用 API 密钥: 哪些 Provider 凭证已配置
5. 网络: 互联网连通性、API 端点可达性
6. 磁盘空间: 可用空间（模型下载需要）

2.2 后端选择优先级（最小代价优先）

优先级	后端	条件	成本	质量
1	ComfyUI 本地	NVIDIA GPU 8GB+ VRAM	免费	高
2	Replicate 免费层	API Key	免费(有限)	中
3	LumaAI 免费层	API Key	免费(有限)	高
4	Runway 试用额度	API Key	免费试用	极高
5	LumaAI 付费	API Key + 计费	~¥3.5/视频	高
6	Runway 付费	API Key + 计费	~¥7/视频	极高
7	DALL-E + FFmpeg	OpenAI Key	~¥0.5/帧	中

向用户展示推荐方案及预估成本，获得确认后再继续。

2.3 自动安装

如果选定后端需要尚未安装的工具，提供自动安装：

python3 scripts/install_deps.py --backend <selected_backend>

支持安装：

• ffmpeg: winget (Windows) / brew (macOS) / apt (Linux)
• ComfyUI: git clone + pip install
• Python 依赖包: pip install API 客户端库

始终在安装前征得用户确认。

---

Phase 3: 视频生成与预览

3.1 生成执行

1. 向用户展示优化后的 prompt 供审批
2. 通过 scripts/provider_manager.py 调用选定的 Provider API
3. 展示进度（异步 API 轮询状态）
4. 下载生成的视频到本地工作目录

3.2 在线预览

启动本地预览服务器：

python3 scripts/preview_server.py --file <video_path> --port 8765

预览功能：

• 带播放控制的视频播放器
• 逐帧导航
• 多版本并列对比（如果有多次生成）

预览地址: http://localhost:8765

3.3 迭代优化

如果用户希望修改：

• 基于反馈修改 prompt
• 使用相同或不同的 Provider 重新生成
• 支持图生视频优化（上传关键帧）

---

Phase 4: 多平台发布

4.1 平台规格适配

发布前自动转码至平台要求：

平台	最大分辨率	最大时长	最大文件	推荐比例	格式
微博	1080p	15分钟	500MB	16:9, 9:16	MP4 (H.264)
小红书	1080p	15分钟	100MB	3:4, 1:1, 9:16	MP4 (H.264)
抖音	1080p	15分钟	128MB	9:16	MP4 (H.264)
云存储	不限	不限	不限	不限	不限

4.2 发布流程

python3 scripts/publish.py --platform <platform> --mode <draft|publish> --file <video_path>

• 草稿模式 (draft): 准备元数据和转码，不上传。生成发布就绪的打包文件
• 发布模式 (publish): 上传到指定平台（需要平台凭证）
• 云存储模式 (cloud): 上传到配置的云存储 (S3/OSS/COS) 并返回分享链接

4.3 版本管理

在本地 .ai-video-pro/projects.json 维护项目清单：

• 记录所有生成的视频及元数据
• 标记为草稿或已发布
• 记录各平台接收的版本
• 支持更新版本重新发布

---

凭证安全

环境变量配置

视频生成（至少配置一个）：

• LUMAAI_API_KEY — LumaAI Dream Machine API
• RUNWAY_API_KEY — Runway Gen-3/Gen-4 API
• REPLICATE_API_TOKEN — Replicate API
• OPENAI_API_KEY — OpenAI DALL-E（用于关键帧生成）

平台发布（可选）：

• WEIBO_ACCESS_TOKEN — 微博开放平台
• XHS_COOKIE — 小红书会话（无官方 API，注意 TOS 风险）
• DOUYIN_ACCESS_TOKEN — 抖音开放平台

安全原则：

• 所有凭证仅通过环境变量读取，零持久化
• 不记录、不打印、不缓存任何密钥值
• 首次使用时通过最小化测试调用验证密钥有效性
• 如果缺少凭证，引导用户逐步完成设置

OpenClaw 凭证集成

在 openclaw.json 中配置：

{
  "skills": {
    "entries": {
      "ai-video-pro": {
        "apiKey": { "source": "env", "name": "LUMAAI_API_KEY" }
      }
    }
  }
}

---

错误处理

• 无 API 密钥 → 引导用户逐步设置
• Provider 失败 → 自动降级到下一优先级 Provider
• ffmpeg 缺失 → 提供自动安装
• 网络不可用 → 明确说明哪些操作需要网络
• 视频生成失败 → 展示错误、建议修改 prompt、提供切换 Provider 的选项
• 平台发布失败 → 保存发布就绪的本地包，提供手动上传指引