agentleFS
chinaretaildesignchinaretaildesign/agent-skills/skills/koubo-video-pipeline/SKILL.md

koubo-video-pipeline

Skill1 starsChanged 13 days agoMITView on GitHub

黄耀贤(台湾老黄)口播短视频生产线。将「选题→写稿→真声配音→讲解型渲染→数字人开场」串成可复用流程,默认产出「数字人真人开场+讲解型正文」4:3 成片。Trigger on 口播视频 / 短视频 / 数字人口播 / 老黄口播 / 讲解型视频 / 出片 / 跑一条口播 / 生鲜超市口播 等明确要做口播类视频的请求。

  • Installs packages

The file

Files
SKILL.md

口播视频生产线(数字人开场版)

目的

把黄耀贤(台湾老黄,零售与超市设计 35 年)的口播短视频,从选题到成片串成可复用流程。 默认产出:Wan2.2 S2V 数字人真人开场(6~8s,口型对齐 Hook 句)+ 讲解型 slides 正文,4:3(1440×1080)主推规格,含 AIGC 合规三件套。

硬约束(不可违背)

  • 配音音色:一律用真声模型 1014894cb377471987e8ace757b39f42(睿智成熟男声),绝不用库里公共声线(建国等),除非用户点名。
  • 语速:--speed-scale 1.2 硬编码默认(用户实测确认的最终节奏)+ 逐句内容变速(已在 fish_tts_ts.py 内置,按疑问/感叹/强调词/推进词/长短句定速)。
  • 合规红线:不出现绝对化用语(最/第一/唯一/绝对);数据用「行业经验口径 [需验证]」「我见过的大多」;不贬低同行、不承诺爆单。
  • 出镜照:固定用 H:\开发国内设计网站项目\口播出镜照_老黄_9x16.jpg(1080×1920,已合成)。
  • 合规三件套:GB45438 AIGC 隐式元数据(build_template 已写)+ 画面「AI 配音演示」角标 + 右下角常驻「AI 配音演示·内容由本人讲解」。

依赖与环境

本 skill 是生产线编排层:它串联本机已有的工程脚本,自身不含视频/AI 模型权重。clone 到别的机器后,需按本机实际路径调整下方「脚本绝对路径」。

Python 包:pip install -r requirements.txt(仅 requests==2.34.2);torch / ComfyUI / Fish Audio / 火山方舟均为本地运行时环境,不通过 pip 直装。

  • Python:C:\Users\15051\AppData\Local\Programs\Python\Python311\python.exe(cp311,torch 2.9+cu128 支持 RTX 4070)
  • ComfyUI(S2V 用):端口 8189。启动:cd /h/comfy-flux/ComfyUI && H:/comfy-flux/venv/Scripts/python.exe main.py --port 8189 --lowvram(约 54s 起;后台进程会被会话中断杀掉,重跑前先 curl 探测,掉了就重启)
  • 脚本绝对路径:
    • 写稿:H:\开发国内设计网站项目\ark_call.py(doubao 端点 ep-20261102162305-6nmml)
    • 配音+词级时间戳:H:\fish-audio-voiceover\fish_tts_ts.py
    • 配音变体(无时间戳):H:\fish-audio-voiceover\fish_voiceover.py
    • 查重:H:\daijia-short-video\topic_guard.py
    • 渲染:H:\daijia-short-video\build_template.py
    • S2V 开场生成:H:\comfy-flux\gen_hook_s2v.py
    • 拼装(4:3):H:\daijia-short-video\build_with_hook.py
    • 拼装(9:16 竖版):H:\daijia-short-video\build_with_hook_9x16.py
    • 竖版模板:H:\daijia-short-video\template\template_9x16.json
    • 选题台账:H:\daijia-short-video\topics.json
    • 视觉质检:python /h/tools/vision.py <帧> --ask "..."
  • 代理坑:所有外部 API(ark/fish)走脚本内置清代理;ComfyUI 是本地 127.0.0.1,curl 时设 proxies={"http":None} 或 --noproxy 127.0.0.1。

触发后执行 SOP(5+1 步)

Step 0 · 环境自检

curl -s --max-time 3 http://127.0.0.1:8189/system_stats   # 空=ComfyUI 掉线,按依赖启动

缺出镜照/真声 ID 时停下问用户(这两个已固化,正常不缺)。

Step 1 · 选题查重(必跑,硬性规则 6)

cd /h/daijia-short-video && python topic_guard.py "<选题关键词 如:果切台 高毛利 堆头 损耗>"
  • PASS → 继续。
  • REWORK → 看是否与已出片(V001 熟食区三坑 / I004 果切台等)撞角度。若本稿是台账里注册的角度且补充了图纸级新数据(尺寸/温度/层数等),可放行,并在 topics.json 该条记 guard_note;否则停下跟用户确认换角度。

Step 2 · 写稿(豆包,带人设+情绪标签+合规)

调 ark_call.py --model doubao,prompt 必须含:

  • 人设:「黄耀贤,台湾老黄,零售与超市设计 35 年(1991 家乐福→TESCO 全国采购总监→2008 自创设计公司)」
  • 选题角度(锁定,避开已讲过的:胖东来、湿区隔离、生熟动线、面积配比)
  • 格式:每段一行、段首情绪标签 [happy][excited][serious][whisper][emphasis];结构 Hook(反常识开头)→ 论据 → 图纸级细节 3 条(具体尺寸/位置/数字)→ 金句 → CTA(评论区留「图纸」);字数 180–210 字(语速 1.2× 约 50–55s)
  • 合规红线(见上)
  • 长稿请求偶尔被会话 SIGTERM → 用 --prompt-file + 后台跑:python ark_call.py --model doubao --max-tokens 1200 --prompt-file prompt.txt > raw.txt 2>&1 &,再读 raw.txt
  • 压缩到目标字数后存 H:\daijia-short-video\scripts_<选题>.txt
  • ⏸ 暂停点:把稿子给用户过目,确认角度/合规无误再进配音。

Step 3 · 真声配音 + 词级时间戳(出视频必须走这个)

cd /h/fish-audio-voiceover && python fish_tts_ts.py \
  --script "H:/daijia-short-video/scripts_<选题>.txt" \
  --voice-id 1014894cb377471987e8ace757b39f42 \
  --speed-scale 1.2 \
  --out "H:/daijia-short-video/vo_<选题>.wav" \
  --manifest "H:/daijia-short-video/vo_<选题>.json"

产出 .wav + .json(segments 分段 + words 词级时间轴,逐句 segment 已对齐)。

Step 4 · slides 渲染(讲解型正文)

写 H:\daijia-short-video\template\slides_<选题>_4x3.json,版式坑(实测踩过):

  • hero 页 subtitle 锚点要覆盖前 2 句,保证首页 ≥4s(否则首页被压成 0.x 秒)
  • stat 页标签/小注勿过长,否则被右侧人物栏裁断 → 缩短 label/note
  • bullets 页不显示 image 字段(模板不支持)→ 效果图挪进 grid 页凑 2×2
  • cta 页标题用单行,两行会被按钮遮挡
  • 实拍图用绝对路径(如 I:/Desktop/大买家/... 或 assets/实拍-20261102/...)
cd /h/daijia-short-video && python build_template.py \
  --template template/template_4x3.json \
  --slides template/slides_<选题>_4x3.json \
  --manifest vo_<选题>.json \
  --out "<选题>_4x3_真声.mp4"

Step 5 · 数字人开场(S2V)+ 拼装

⏱ 渲染耗时(RTX 4070 12GB,低显存模式,实测):约 15s/帧 —— 97 帧=380s,130 帧=1950s(32 分钟)。 ⚠️ 开场时长硬上限 5 秒:8 秒开场要渲半小时,性价比极低。确需更长开场,先把分辨率降到 320×576。

  1. 取 manifest 第 1 段 end 作为 Hook 时长 HOOK_SEC(gen_hook_s2v.py --manifest 会自动读,无需手填)。
  2. gen_hook_s2v.py 切前 HOOK_SEC 秒配音 → 帧数取 8n+1(16fps)→ 480×832 → 输出 ComfyUI/output/<prefix>_00001-audio.mp4。
    • 通用调用:python gen_hook_s2v.py --audio vo_x.wav --manifest vo_x.json --out-prefix hook_x
    • 9:16 竖版同样适用:数字人 480×832 等比缩放 1080×1920,几乎无损,比横版少一道补边。
  3. ⏸ 暂停点:抽帧 ffmpeg -ss 3 -i <hook>.mp4 -frames:v 1 f.png → python /h/tools/vision.py f.png --ask "有无扭曲变形/质量打分" 确认无变形(合格线 7+ 分)。
  4. 拼装(二选一):
    • 4:3 横版:python build_with_hook.py --hook ... --body ... --audio ... --manifest ... --title1 ... --title2 ... --out ...
    • 9:16 竖版:python build_with_hook_9x16.py --hook ... --body ... --audio ... --hook-sec <实际段长> --title1 ... --title2 ... --out ...
    • 竖版正文渲染用 --template template/template_9x16.json(右上大圆窗 300px + 名牌条,content 区 560–1670,字幕 margin_bottom=169)
  5. 成品:H:\daijia-short-video\out\<选题>_<画幅>_数字人开场.mp4

Step 6 · 收尾质检 + 台账

  • 抽帧查关键页(首/中/尾)有无文字溢出、遮挡、变形。
  • topics.json 该条 status 改 produced,记 video 路径与 produced_at。
  • 建议发布前过 lingyi 违禁词预检(簇4),成片仅作管线验证不可直接发(除非 REWORK 已凭新数据放行)。

关键暂停点汇总

  1. Step 2 写稿后:稿子给用户过目(角度/合规)
  2. Step 5 S2V 渲染后:视觉质检数字人画质
  3. 任何排版遮挡(stat/cta 页):修 slides 重渲

已知短板(下次迭代)

  • 数字人段原生 480p 放大到 1080 偏软 → 待 SeedVR2 超分(仓库已排)。
  • ComfyUI 后台进程会被会话中断杀掉 → 重跑先探测重启。
  • gen_hook_s2v.py / build_with_hook.py 已参数化:--hook-sec / --manifest(自动读第1段 end)/ --title1 --title2 / --out / --body / --audio,换选题直接传参无需改码。
  • 长稿豆包请求偶发 SIGTERM / ReadTimeout → 用 prompt-file + 后台通道跑;先发小请求探连通再发长稿(已验证)。
  • S2V 渲染是全流程最慢一环(8 秒开场 = 32 分钟)→ 开场压到 4–5 秒,或降分辨率到 320×576;别为等渲染干耗时间。
  • ComfyUI 冷启动扫模型盘要 30s+,短轮询未必够;探测本地端口必须带 --noproxy '*'(本机代理会拦 localhost)。

维护

  • 新增选题角度 → 先登记 topics.json(防查重撞车)。
  • 脚本路径/真声 ID/出镜照变更 → 同步改本文件「硬约束」「依赖」两节。
  • 接 auto-skill-dispatch:触发词见 description,视频类请求会被自动路由到本 skill。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.