auto-short-video
GitHub自动将主题编排为成品短视频的端到端流水线，串联文案、AI画面、配音、字幕及BGM生成与合成。支持画幅确认、API降级处理及中间产物留档，实现一键出片。
Trigger Scenarios
Install
npx skills add ZJU-REAL/Easel --skill auto-short-video -g -y
SKILL.md
Frontmatter
{
"name": "auto-short-video",
"layer": "produce",
"description": "一句话主题 → 成品短视频：自动串联 文案→配图\/AI视频→配音→字幕→BGM→合成，把 Easel 制作层零件编排成一条'一键出片'流水线。**单条视频、口播\/资讯向，画面默认逐句配图 + Ken Burns 缓动，需要动态时才逐段图生视频**。当用户说 一键生成视频、自动做短视频、主题生成视频、帮我做条视频、口播视频一条龙、自动出片、短视频一键生成 时使用。**有剧情\/角色\/对白\/反转\/多集的短剧改用 short-drama（每镜强制图生视频、不用静态图冒充）；只写脚本用 video-script；只生成单个片段用 ai-video-gen。**"
}
一键短视频（端到端编排）
输入一个主题，自动产出一条短视频。本 SKILL 是编排层：把已有制作零件串成流水线—— 文案(video-script) → 逐句配图(ai-image-gen)或片段(ai-video-gen) → 配音(tts-voiceover) → 字幕(auto-subtitle) → BGM(ai-music) → 合成(scripts/assemble.py)。 沉淀自 Pixelle-Video / MoneyPrinterTurbo 的自动短视频引擎思路。
输入
- 主题 / 文案（必填）
- 可选：目标时长、风格、是否要配音/字幕/BGM、配图用 AI 生图还是用户素材
- 画幅确认硬门：用户或上游任务未明确横版/竖版（或 16:9/9:16/具体分辨率）时，制作/付费调用前必须追问并等确认；不得从平台、Profile 或默认值静默推断，已明确则不重复问
输出
成品短视频写入 outputs/主题名/final.mp4；分镜图、配音、字幕和 storyboard 写入 outputs/主题名/assets/。
执行步骤（按需裁剪，缺 API key 的环节自动降级或询问）
-
写脚本分镜：用 video-script 把主题写成口播文案，拆成 N 句（每句一个分镜），每句配一个画面描述。
-
生成画面（每个分镜一张图/一段片）：
- 有图像 API key → ai-image-gen 逐句 text2img（按已确认画幅）
- 要动态 → ai-video-gen text2video/image2video
- 用户自带素材 → 用 image-editing
pad到已确认画幅 - 都没有 → 按已确认画幅选图卡（竖版用 card-xiaohongshu/poster-hero，横版用 card-quote）再 pad，避免画幅错配。
-
配音：tts-voiceover 把文案合成口播（同时出 SRT）。配了
VOICE_PROVIDER默认走闭源好嗓子（有情感、像真人），没 key 才退 edge（机械）——想要口播不"生硬"务必配闭源 key。不需要配音才跳过。 -
字幕：用 TTS 附带的 SRT，或对配音跑 auto-subtitle；也可让 assemble 用各分镜 caption 自动生成。
-
BGM：ai-music 生成，或用用户提供的音乐。可选。
-
合成成片：把上面的素材写成 storyboard JSON，调合成器：
python skills/openclaw/auto-short-video/scripts/assemble.py assemble \ --storyboard outputs/主题名/assets/storyboard.json \ -o outputs/主题名/final.mp4storyboard 结构（图/片二选一，narration/bgm/subtitle 可选，缺 duration 时按配音均分）：
{ "size": "<已确认尺寸，如1080x1920或1920x1080>", "image_motion": "ken-burns", "shots": [ {"image": "outputs/主题名/assets/shot1.png", "duration": 3, "caption": "第一句", "motion": "static"}, {"video": "outputs/主题名/assets/clip2.mp4", "caption": "第二句"} ], "narration": "outputs/主题名/assets/voice.mp3", "bgm": "outputs/主题名/assets/bgm.mp3", "subtitle": "outputs/主题名/assets/voice.srt" }image_motion设整条图片默认运动，单镜motion可覆写：照片用ken-burns，含文字的 slide/图表/界面必须用static（等比缩放 + 补边，不裁切、不平移）。 合成器自动做：按image_motion生成静帧或 Ken Burns、补边到画幅、拼接、配音+BGM 混音（BGM 自动压低）、烧录字幕。 -
交付：产出 final.mp4，附一句制作说明（用了哪些环节、哪些降级了）。
编排原则
- 零件可缺：缺图像/视频/TTS API key 的环节自动降级（图卡兜底 / 跳过配音），不阻断整体，并如实告知用户降级了什么。
- 先出 Plan：涉及多个付费 API（生图/生视频/生乐）时，先向用户说明将调用哪些、大致耗时/花费，确认后再跑。
- 中间产物留档：分镜图、配音、字幕和 storyboard 都写进
outputs/主题名/assets/，方便单独替换后重新合成。
Profile 感知
- 有 Profile：从
style.md取调性/视觉风格贯穿文案与配图 prompt；platforms.md只用于给出画幅/时长建议，画幅仍须确认；preferences.md红线过滤。 - 无 Profile：先确认横版/竖版，再用通用口播风格。
Version History
- 69c5928 Current 2026-09-08 17:36
