插画故事视频

要解决什么问题

把一段故事做成「配图 + 旁白 + 成片」时，常见失败点不是模型画不好，而是流水线对齐：TTS 一次读太长会被截断、图片时长与旁白不一致、数字读法不对、先生成全部图再生成全部音导致段落错位。本技能面向完整插画故事视频：AI 生图、TTS 旁白、FFmpeg 组装，并内置上述坑的规避方式。

工作方式

流程按多轮对话推进：先收集故事并写入状态文件，再确定统一应用于全部画面的图像风格；将故事拆成约 80～150 字（每段 TTS ≤150 中文字符）的 N 段，确认张数后进入执行阶段，不再反复追问。

执行阶段的关键是按段顺序处理，而不是并行堆产物：

1. 对第 i 段生成 TTS
2. 再为该段生成配图（时长须匹配该段真实音频长度，不要给每张图固定相同秒数）
3. 将该段的图 + 音合成一条 clip
4. 按顺序 concat 全部 clip，输出 {outputDir}/story-video.mp4（画面比例 16:9）

旁白要求是生动的故事讲述，不是摘要式概述。数字规则：代际表述用中文数字（如 八零后，避免 80后 被读成「八十后」）；年份如 1999年 可保持阿拉伯数字。 dramatic 向故事可选用 mmx 语音（如 male-qn-badao、male-qn-jingying、female-chengshu）。段落级剪辑与拼接可参考 scripts/make_video.py。

适用边界与注意点

• 不要先生成一条超长 TTS 再切分（约 10k 字符处易截断，结尾会丢）
• 不要全段并行「先全部图、后全部音」
• 风格对全片一致；完成后应回报成片路径与总时长