doubao-web-video
Skill0 starsChanged 3 days agoMITView on GitHub
通过用户授权的浏览器操作豆包网页版生成视频,覆盖能力核验、参考图上传、参数确认、任务状态跟踪、下载与本地校验。适用于网页出片和下载收尾,不替代需要 API 的任务。
In this repository46 other files it gives its agents.
- api-engineeringSkill
- baidu-api-devSkill
- business-managementSkill
- computer-useSkill
- copywritingSkill
- doubao-web-imageSkill
- douyin-pip-shortsSkill
- douyin-script-studioSkill
- geoSkill
- huarui-devSkill
- huarui-videoSkill
- huarui-zhisuanSkill
- juhe-nexgate-devSkill
- juhe-nexgateSkill
- kuaishou-script-studioSkill
- ops-btpanelSkill
- ops-deploySkill
- ops-linuxSkill
- ops-tencentcloudSkill
- seedance-devSkill
- seoSkill
- short-dramaSkill
- site-auditSkill
- site-deliverySkill
- site-incidentSkill
- site-launchSkill
- site-maintenanceSkill
- site-promotionSkill
- site-rescueSkill
- site-visual-designSkill
- svg-lecture-deckSkill
- task-deliverySkill
- toutiao-article-studioSkill
- trae-screen-tutorialSkill
- tutorial-series-planSkill
- tutorial-video-assembleSkill
- versus-script-studioSkill
- video-post-productionSkill
- wechat-mp-studioSkill
- workbuddy-foodSkill
- workbuddy-imageSkill
- wp-adminSkill
- wp-devSkill
- wxchannels-script-studioSkill
- xhs-note-studioSkill
- xingqiao-mediaSkill
The file
Files
豆包网页版视频生成
前置契约
确认批准提示词、参考素材及上传权限、目标比例/时长/声音、预算与次数、交付目录及覆盖策略。豆包官网为 https://www.doubao.com/,官方创作入口为 https://www.doubao.com/chat/create-image;官方入口不属于私人硬编码。加载浏览器操作技能,再检查实际工具与登录窗口。查看本技能实际目录下 references/ui-map.md,其中控件文案仅为发现线索。
当前账号可用模型、套餐、分辨率、时长、配额及首尾帧能力必须实时核验,不用历史账号结论替代。严格首尾帧控制只有界面明确提供且验证有效时才能承诺;否则说明普通参考图不等于严格控制,询问是否改用其他授权渠道。
执行流程
- 枚举工具可见浏览器及标签,定位用户授权的豆包标签并认领。核登录态;工具看不到的窗口请用户绑定,不新建错误窗口反复尝试,不读取凭证。
- 优先使用官方创作入口
https://www.doubao.com/chat/create-image(页面标题「AI 创作」),再切换「视频」。该官方 URL 是产品知识,不是私人项目硬编码。也可由当前 DOM/截图找创作页或「技能」→「常用」→「视频生成」入口;优先语义点击role=tab的「视频」,确认输入框和创作模式已变为视频。详细控件、公开路由和参数发现线索见references/ui-map.md,不要因入口变化删除仍有用的官方导航信息。 - 打开参数面板,读取实际选项与费用提示,选择已批准规格。面板关闭后核摘要;若要求不可满足,先停下确认替代方案。
- 用当前可用的官方上传控件或浏览器/系统工具上传参考图。仅在环境已提供受支持的剪贴板功能时粘贴;不依赖私人
clip_img.py或choose_files2.py。每次上传后截图核缩略图、内容、数量及顺序。失败先确认页面状态,不重复盲传。 - 关闭弹层、聚焦输入框、输入提示词、截图核文字和附件,然后才发送。动作描述写起因、反应、结果及镜头收束;精确文字优先后期层。道具数量、持手和动作终态须明确,但不能据此保证模型不出错。
- 按下面状态机跟踪同一请求;每次新任务提交前复核参数,不能假设参数保留,也不能断言每次都会重置。
- 完成后核结果属于本次请求,预览视频并下载一次。用浏览器下载记录关联任务、文件名和路径,不单凭最新 mtime 认领文件。
- 核浏览器显示下载完成、文件大小/mtime在观察间隔内稳定,且没有仍在写入的迹象。
.crdownload只代表可能未完成,不能直接改名视为成功;若残留临时后缀,先取得明确完成证据,再执行本地校验。仅稳定或仅 ffprobe 能解析都不足以证明下载完成。 - 调用本地收尾脚本;失败保留源文件,报告错误并排查下载或解码,不把校验失败直接当作重新生成的授权。
提示词、构图与续拍实操
- 用“风格+场景+主光线”建立视觉约束,中段写“触发→反应→结果”的动作因果,末段交代镜头运动和收束姿态。提示词中的竖屏要求应与界面参数一致,文字要求不能代替实际比例设置。
- 精确中文、数字、招牌和界面文字容易出现错误,优先采用“警示灯闪烁”等可视动作或后期文字层;不是所有模型必然写错,但必须逐字验收。
- 若屏幕内容不是剧情重点,可只拍脸、手、屏幕侧面或底边,降低自动补出工具栏和品牌的概率。剧情必须展示屏幕时,预留贴图或局部修复窗口,不声称禁字提示能完全阻止补全。
- 对声音给正面可执行描述。例如“第一个音节约0.7秒、第二个约1.1秒、尾音上扬”,仅为表达方法示例,不是通用时长或效果保证;按批准台词节奏调整并试听。只写“不要拖音”等否定句可能难以表达期望表演。
- 锁定道具数量、持手和另一手动作。例如“画面中只有一部手机,始终在右手,左手自然垂下,不出现第二部手机”,仅当剧情如此时采用。还应写结尾是否放下、换手、换物,避免续镜指向错误。
- 普通参考图可能影响语义却不能锁定首尾帧。续拍时从已批准片段选择站位、服装、道具、光线均清楚的帧,作为参考上传,再写后续动作;先检查当前网页是否提供专用首帧功能。多图应明确各自用途和顺序,不能把“首图/尾图”的文字标签当严格首尾帧能力。
- 若生成对白同时变成画面文字,先评估现有素材的局部修复;禁字提示可以尝试但不能保证有效,重出仍需用户授权,不一律认定只能擦除。
焦点、消息与下载排障
| 现象 | 核查步骤 |
| 输入工具返回成功,输入框却为空 | 参数面板动画可能带走焦点;关面板→点击输入框→输入→截图核内容,确认附件也在,再发送 |
| 视频标签点击无变化 | 检查 role=tab 与选中状态、输入框 placeholder;邻近坐标易误点,优先语义节点 |
| 发完提示词看不到进度 | 滚到对话底部或点向下箭头,检查追加消息和本次任务回执;确认是否等待确认,不盲补确认 |
| 异常文案与受理回执同时存在 | 按本次任务标识查最新状态,归类为不明确而非立即失败;禁止重发 |
| 新窗口未登录,但用户称已登录 | 遍历可见浏览器和标签,核扩展绑定窗口;请用户绑定正确窗口,不反复新建标签 |
| 上传参考图无缩略图 | 先核上传控件、会话状态及系统文件选择结果;截图验证后再继续,不能假定工具点击成功就是附件已上传 |
| 看见旧视频或旧预计等待消息 | 滚底并关联本次请求及参数,不用旧消息宣布完成 |
| 保存按钮误关闭画布 | 核右上工具栏下载图标的「保存」tooltip,旁边 X 是关闭按钮;重新打开结果后检查下载记录,避免重复下载 |
请求状态机(防重复扣费)
| 状态 | 证据 | 允许动作 |
| 等待确认 | 本次请求明确要求确认参数、尚无受理回执 | 核参数与用户授权后,仅确认一次;记录已确认状态 |
| 已受理 | 本次任务编号、受理回执或排队信息 | 记录回执并观察,不补确认、不重发 |
| 生成中 | 进度或运行状态明确对应本次任务 | 在工具允许的检查节奏下刷新状态,不提交新任务 |
| 完成 | 本次任务成功状态且可用结果视频 | 预览、下载并验证;不能只看旧消息 |
| 失败 | 本次任务明确失败/取消状态 | 保存证据和费用情况,解释失败;重试需另行授权 |
| 不明确 | 异常文案、超时、矛盾回执、无最新状态 | 滚到底部核最新消息与任务历史,必要时请用户查看;绝不自动重发 |
“预计等待”是受理证据,不是完成;“系统异常”也不是足以重试的失败证据。页面需滚到最新消息再判断,不使用固定耗时预测或长时间 sleep 轮询。若确认已发送但无回执,将状态记为不明确,不能再次确认。升级套餐、付费、换账号及重新生成都需明确授权。
本地收尾
将 SKILL_DIR 设置为本次加载技能的实际绝对目录,不假设当前工作区存在 expert/skills。使用完整下载源路径及新的目标路径:
python "$SKILL_DIR/scripts/finalize_video.py" --source "<已确认下载完成的文件>" --dest "<交付目录>/视频.mp4" --download-complete --ffprobe "<ffprobe路径或命令名>" --ffmpeg "<ffmpeg路径或命令名>"脚本再次检查源文件稳定性、ffprobe 视频流/时长,复制到临时文件,完整解码并抽取末帧,所有处理成功后发布结果。默认拒绝已存在的视频和末帧文件,拒绝源目标相同;只有用户授权覆盖才使用 --overwrite。工具默认从 PATH 查找,也支持显式路径。--expect-duration 与 --duration-tolerance 来自交付配置;--no-frame 必须明确选择,不会把抽帧失败吞掉。脚本不能自行核浏览器状态,--download-complete 仅是调用者已核验的声明,不可为绕过检查随意添加。优先使用新目标路径并保持默认不覆盖;--overwrite 对视频和末帧的发布不是跨文件原子事务,若第二个文件发布发生 I/O 错误,第一个文件可能已替换,即使脚本报告失败也须检查两个目标,不能假定整体回滚。
验收与交付
- 对照要求检查实际尺寸、比例、时长容差、编码及是否需要音轨;静音视频不因无音轨一律失败。
- 末帧文件只证明抽帧成功,不证明无黑屏。目视检查结尾、关键动作、字幕及中间帧;字幕文字与已批准逐字稿核对。
- 台词可能变为画面文字、屏幕可能出现意外内容;根据具体结果修复,不断言所有账号必然出现。
- 续拍选择站位、道具和光线清楚的已批准参考帧,实际核连续性,不承诺参考图精确锁帧。
- 交付视频、预览图、实测规格、已确认的额度/费用及未解决问题;未观察到费用不得编造。失败时不报完成。
- 仓库中的
scripts/test_finalize_video.py提供离线 mock 回归,只在仓库_local隔离目录创建合成文件,不操作真实素材、浏览器或 API。
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
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.

