VoxLite Vox风剪纸科普短片

要解决什么问题

做 Vox / 科普号那种剪纸拼贴 + 信息图运镜的竖屏短片，通常要分镜、出图、图生视频、配音、字幕和安全区排版好几条链路。中文画面若走纯文生视频，glyph 容易乱码；带数字的选题若用模型记忆，成片里的统计也会过期。

技能如何工作

VoxLite 把一句话或一段文案收成多 Shot 叙事：先 ImageGen 关键帧，再 图生视频（画面默认静音），最后用 edge-tts 旁白和 ASS 描边字幕混成完整成片。

• 极速模式（默认）：主题进去直接跑流水线，比例默认 9:16，风格默认标准 Vox 4.0；指令里出现美漫、纪念碑谷、复古报纸等才切到对应单一风格。
• 引导模式：指令含「确认 / review / 精修 / 先让我看分镜」时，先出字幕分镜与视觉分镜，两次确认后再渲染。
• 数据与中文：含价格、销量、排行等数字时强制实时检索，成片来源小字需带检索日期；可见中文必须先关键帧再 i2v，不走纯 VideoGen 画字。
• 省积分：同场景关键帧复用、跨任务 ~/.cache/voxlite_keyframes/ 缓存；多风格对比仅在用户点名 ≥2 种或说「对比 / 合集」时启用。

适用边界

生成会消耗 WorkBuddy 积分（ImageGen + VideoGen）；单任务目录隔离在 voxlite-* 文件夹。抖音竖屏需遵守顶部 12%、底部 20% 安全区；默认带配音，除非用户明确要求静音。