镜语 Skill

一、项目简介

镜语skill是一个基于AI的抖音科普短视频生产线。用户只需输入一个主题，系统自动完成从脚本构思、分镜设计、AI配图、语音合成到视频剪辑的全流程，产出可直接发布的竖版短视频。

这条Pipline把原本分散在多款工具中的操作整合为完整流水线：LLM负责创意分镜、文生图模型生成画面、TTS合成配音、本地ffmpeg完成视频合成。创作者只需关注核心的选题，不用耗费时间处理后期机械拼接工作。

二、核心功能

• 一键成片 — 输入一个主题，自动完成分镜脚本、AI配图、TTS配音、字幕烧录、封面生成，从文字到可发布MP4全程自动化
• 交互式策划 — 生成前先对齐需求：画幅（9:16竖屏）、时长（30/60/90秒）、风格、选题角度都能调整
• 爆款方法论 — 内置13条编导铁律，总分总结构、前10秒抛钩子、相声式衔接，确保视频有“网感”
• 双角色一致性 — 固定“猴哥”主角+主题配角，跨镜形象严格锁定，杜绝换脸穿帮
• 三件套输出 — 字幕烧录版MP4、封面图、发布文案，开箱即发

三、痛点问题

1. 创意精力被琐事吞噬 — 脚本拆分、素材查找、音字幕对齐等重复性工作占据大量时间，核心创意反而被挤压。
2. 工具割裂效率低下 — 文案、配图、配音、剪辑分散在不同工具，人工衔接耗时费力，容易出错。
3. 科普素材难统一 — 科普类视频需要风格一致的示意图、信息图，手工搜集难以保证视觉统一。
4. 技术门槛高 — 配音、字幕时序校准、画面合成、配乐调试等工序繁琐，非技术用户难以独立完成。

四、产品亮点

4.1 全链路自动衔接

用户输入主题即可启动从脚本构思、素材生成、配音合成到视频剪辑的完整流程。各环节数据自动流转，彻底打破工具壁垒，无需人工干预和素材搬运。

4.2 交互式核对机制

系统采用“两轮核对”设计：先产出《脚本计划》与用户讨论定稿，再产出《分镜脚本》逐项确认。用户可直接修改文案、调整钩子策略，确保内容准确无误后再执行渲染，有效避免成品返工。

4.3 爆款方法论内置

将抖音爆款视频的编导经验固化为13条铁律：第一人称角色解说、隐喻主线贯穿、相声式衔接、前10秒密集抛钩子、总分总结构等。这些方法论写入LLM的system prompt，确保每条视频都具备“网感”。

4.4 本地ffmpeg合成

视频的最终合成、转场特效和字幕烧录均在本地通过ffmpeg完成。充分利用本地硬件资源，实现更快的渲染速度和更稳定的输出效果，支持Ken Burns缓动、渐变转场等多种视觉效果。

4.5 断点续跑缓存

系统具备智能缓存功能，自动保存已完成的中间环节结果。当任务因网络波动或API调用中断时，重启后可从断点处继续执行，无需从头开始，极大提升了生产流程的健壮性。

五、业务流程

步骤1：模型与配置引导

系统引导用户确认模型配置：火山方舟API Key（必需）、LLM模型（推荐deepseek-v4-flash）、生图模型（推荐doubao-seedream-5.0-lite）、TTS音色（默认悟空）。用户可选择默认满配或自定义配置和自定义的音色，若选择低配模型会出现效果打折的情况。

步骤2：需求澄清

用户输入主题（如“草莓根本不是水果”），系统澄清四个关键问题：主题、时长（30/60/90秒）、语气与受众、需要避开的敏感点。

步骤3：脚本计划生成

系统产出《脚本计划》：主题解读、隐喻主线（用具象事物串起知识点）、总分总骨架（钩子段+揭秘段+收束段）、配角设定（主题配角拟人名+人设）、预计时长与镜数。

步骤4：脚本计划核对

提供用户审阅脚本计划，可调整钩子策略、详略分配、语气风格。系统根据反馈修订，用户确认后才进入下一步。

步骤5：分镜脚本生成

基于定稿计划生成完整分镜：每镜包含口语化文案（≤20汉字）和画面描述。系统自动校验角色一致性（仅猴哥+配角）、禁词规则。

步骤6：分镜脚本核对

用户逐项确认分镜内容：文案口吻、画面设想、节奏安排。用户确认定稿后才进入生成阶段。

步骤7：AI并行生成

每个分镜并行执行：文生图生成画面 → TTS合成旁白音频 → ffmpeg合成单段视频。系统内置角色形象锁，确保跨镜视觉一致。

步骤8：视频合成与拼接

所有片段按顺序拼接，相邻片段间加入转场特效。生成字幕文件并烧录进视频，同时输出封面图和发布文案。

步骤9：BGM混音（可选）

系统根据故事内容判断情绪标签，从用户自备的素材库自动匹配BGM并混音（用户下载提供）。不提供BGM时照常输出无配乐版。

步骤10：交付验证

输出三件套：字幕烧录版MP4、封面图、抖音爆款发布文案。交付前人工目检：角色仅猴哥+配角、封面标题不截断、无爆音。不达标可凭缓存断点续跑局部重做。

六、成品展示

详情见抖音：

截图
视频

另外，该skill已开源至skillhub,调用即可体验：

七、商业化落地思考

目标用户有两类。一类是个人创作者和自媒体运营者，他们需要高频产出短视频但团队人手有限；另一类是内容公司，有批量生产需求但想在脚本创意上保留人工把关。

商业模式上，个人用户走订阅制，按月或按生成条数收费，核心卖点是把一条视频的生产时间从几小时压到几分钟。企业用户走API接入或者私有化部署，把这条流水线嵌进他们自己的内容生产系统。

这个模式现在可行的原因是，底层的大模型API成本已经降到了单条视频几毛钱的水平，加上本地ffmpeg不占云资源，边际成本很低。爆款方法论的内置更是降低了用户的学习和构思的成本，让非专业编导也能产出有“网感”的视频内容。

八、未来迭代路径

该skill未来迭代或商业化的路径有几个思路：

1.做一个Web界面，把CLI的交互搬到浏览器里，降低使用门槛，让非技术用户也能直接上手。

2.做付费，配置好模型API，将一条视频进行包装后按视频产出量收费。

3.三是扩展角色库，除了固定的“猴哥”主角，可以增加更多IP化角色选择，满足不同风格的需求。

4.四是增加多平台适配，支持小红书、视频号等不同平台的画幅和整体调性风格要求。