agentleFS
ykjshenzhen2008-ship-itykjshenzhen2008-ship-it/commercial-real-estate-skills/skills/laoyang-short-video/SKILL.md

laoyang-short-video

Skill0 starsChanged 35 days agoMITView on GitHub

为「老杨拆商业」制作卡通/图文风格短视频(MP4)的完整可复用链路:分镜脚本 → ImageGen 分镜图 → VideoGen 图生视频 → 慢速平滑 → 中文字幕硬烧 → ffmpeg 拼接。 内置本机两条硬性环境约束(ImageGen 文件名并行覆盖、ffmpeg 无 drawtext),避免重复踩坑。 触发词:做短视频、生成动画短片、人物故事视频、卡通短片、分镜视频、把文章做成视频、视频配字幕。

The file

Files
SKILL.md

老杨拆商业 · 短动画视频制作

适用场景

把「老杨拆商业」的选题/人物故事做成 60-90 秒卡通或图文动画短片,用于公众号视频、视频号、小红书。

⚠️ 两条必读环境约束(不遵守必失败)

坑 1:ImageGen 按「秒级时间戳」命名 → 并行调用会互相覆盖丢图

  • 现象:同一秒内发起多个 ImageGen,输出文件名相同(Flat_vector_..._2026-09-15T15-34-48.png),后写覆盖先写。
  • 强制做法:串行。每生成一张 → 立即 mv 重命名 → 再发起下一张。
  • 批量脚本里切忌 for 循环并发调用。

坑 2:本机 ffmpeg 没有 drawtext / subtitles / ass

  • /opt/homebrew/bin/ffmpeg(8.1)未编译 libfreetype。用 drawtext 会直接 No such filter: 'drawtext'。
  • 唯一可行解:PIL 预渲染 1920×1080 透明字幕 PNG → ffmpeg overlay 滤镜烧入。
from PIL import Image, ImageDraw, ImageFont
img = Image.new("RGBA", (1920, 1080), (0, 0, 0, 0))
d = ImageDraw.Draw(img)
font = ImageFont.truetype(PINGFANG, 46, index=3)   # index=3 才是 PingFang SC
d.text((x, y), line, font=font, fill=(255,255,255,255),
       stroke_width=5, stroke_fill=(43,43,43,255))  # 暗炭 #2B2B2B 描边
img.save("sub.png")
ffmpeg -i clip.mp4 -loop 1 -i sub.png -filter_complex \
 "[0:v]setpts=PTS*F,minterpolate=fps=24:mi_mode=mci:mc_mode=aobmc:vsbmc=1,scale=1920:1080,fps=24[bg];\
  [1:v]format=rgba[sub];[bg][sub]overlay=0:0:format=auto[v]" \
 -map "[v]" -an -t DUR -r 24 -c:v libx264 -preset medium -crf 19 -pix_fmt yuv420p seg.mp4

字体路径(PingFang.ttc 不在常规位置)

# 不存在 /System/Library/Fonts/PingFang.ttc
# 实际位置(需先复制到工作目录,因 AssetV2 路径含 hash 不稳定):
/System/Library/AssetsV2/com_apple_MobileAsset_Font8/86ba2c91f017a3749571a82f2c6d890ac7ffb2fb.asset/AssetData/PingFang.ttc
# 备用(路径稳定):/System/Library/Fonts/Hiragino Sans GB.ttc  → index 0=W3, 2=W6

PingFang.ttc 的 index:0=HK、1=MO、2=TC、3=PingFang SC Regular、4=HK Medium。

其他须知

  • VideoGen output_dir 参数不生效:一律落到工作区 generated-videos/,按提示词 slug 区分,需手工改名。
  • VideoGen 单段固定约 5.04s / 1920×1080 / 24fps。要拉长到 8-12s 用 setpts=PTS*F + minterpolate。 1080p 每段 mci 插值约 30 秒处理时间(8 段共约 4 分钟)→ 用后台任务跑。
  • enable_audio=false 出纯画面(无 AI 噪音音轨);本链路不做 TTS 配音。
  • ImageGen 默认右下角带「AI生成 WORKBUDDY」水印 → 裁切掉:原图 1536×1024 裁 crop=1536:864:0:80 得 16:9 且水印出框。

标准流程(5 步)

Step 1 · 读素材取真实数字

必读:.workbuddy/memory/MEMORY.md、~/.workbuddy/skills/老杨拆商业-perspective/SKILL.md、 老杨拆商业/文章NN_*.md。 所有数字必须来自素材,不得编造;不确定的宁可不写。 从文章里抠"数字三件套":基数(客流/营业额)+ 除法结果(人均)+ 结论(反常识判断)。

Step 2 · 写分镜脚本 MD 落档

存 老杨拆商业/视频/<片名>_分镜脚本.md,每镜含: 画面描述 / 英文生图提示词 / 视频动作提示词 / 旁白字幕 / 时长 / 数据来源。

  • 镜数 5-8,总时长 60-90s。中文旁白节奏:约 4.5 字/秒,10s ≈ 45 字。
  • 统一人物形象提示词前缀(每镜必须原样复用,否则形象漂移):
    Flat vector cartoon illustration, 2D flat illustration style with bold clean outlines and
    solid color blocks. Main character: a 42-year-old Chinese man, stocky well-proportioned
    build with broad shoulders, short black hair, clean-shaven, wearing a dusty-blue shirt with
    a dark grey jacket, business-casual. Color palette: charcoal #2B2B2B, signature red #C0392B,
    off-white cream #F5F0EA. Horizontal 16:9 wide composition. NO text, NO letters, NO words,
    NO logos, NO watermark.
  • 提示词里务必写 NO text, NO letters —— AI 生图的中文字是乱码,字幕全部后期烧。

Step 3 · ImageGen 出分镜图(串行!)

  • size: "1536x1024",quality: "high"。
  • 每张生成后立即改名 shot01.png…,存 ~/Downloads/老杨配图/<片名>/。
  • 裁 16:9:ffmpeg -i shot01.png -vf "crop=1536:864:0:80" _16x9/img01.png。

Step 4 · VideoGen 图生视频

  • 传 _16x9/imgNN.png + 该镜的动作描述(镜头运动 + 元素动作 + "keep the character's face and outfit unchanged")。
  • resolution: "1080P",enable_audio: false。每段约 1-3 分钟。
  • 收集后统一改名 c01.mp4…c08.mp4。

Step 5 · 拼接 + 硬字幕

用 build_video.py(模板见下)一次跑完:逐镜慢速+烧字幕 → concat → 输出成片。 产量参考:8 镜 82s 成片约 4 分钟处理时间。

成片校验必做:

ffprobe -v error -show_entries format=duration,size \
  -show_entries stream=width,height,nb_frames -of default=nw=1 out.mp4
ffmpeg -v error -i out.mp4 -f null -    # 空输出=无损坏

build_video.py 骨架

完整可跑版本:~/Downloads/老杨配图/老杨人物视频/build_video.py。 核心结构:

SHOTS = [(clip, dur_seconds, [字幕行1, 字幕行2]), ...]
SRC_DUR = 5.041667          # VideoGen 单段固定时长
factor = dur / SRC_DUR      # 慢速倍率
# 逐镜:make_sub_png() → setpts+minterpolate → overlay → trim → fade(首尾)
# 再 concat demuxer(-c copy,各段编码参数需一致)→ +faststart

字幕排版:fontsize 46、line_spacing 16、距底 68px、居中、白字 + 5px 暗炭描边、 每行 ≤24 全角字。实测安全区 x 444-1443 / y 897-1017(1920×1080)。

硬约束(老杨品牌)

  • 数字全部来自素材,不得编造
  • 严格脱敏:不出现现任公司名、项目名、商户名、路名;城市只按能级代称
  • 卡通人物不丑化:职业、清爽、有辨识度
  • 旁白"老杨体":口语、结论前置、有数字、无 AI 腔、不喊口号、不鸡汤
  • 场景道具只用:账本 / 报表 / 计算器 / 咖啡 / 茶(老杨不抽烟不喝酒)
  • 主色恒定:暗炭 #2B2B2B + 老杨红 #C0392B

交付

  • MP4 落到 老杨拆商业/视频/
  • 附 分镜脚本.md + 字幕.srt
  • 必须调 present_files 交付(自动化场景下用户在其他客户端,不调用就收不到)
  • 失败不得静默跳过:汇报里必须写明哪步失败、降级方案、哪些分镜缺失

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.