AI逍遥游 · 书单号爆款视频制作

书单号视频制作的常见痛点

书单号视频的核心竞争力在于「内容结构力」与「视听一致性」，但人工制作常面临三大问题：

• 旁白策划缺乏标准化结构：手动撰写易出现金句稀疏、逻辑跳跃，难以支撑 15-20 分钟视频的信息密度；
• AI 生成素材风格漂移：生图模型若未锁定统一风格参数，不同场景的视觉调性会割裂叙事连贯性；
• 后期合成参数混乱：手动调整 FFmpeg 滤镜（如 zoompan 推拉幅度、xfade 转场时长）易导致音画错位或字幕越界。

分阶段确认的流水线设计

该技能通过「策划-生图-配音-合成」四阶段强制人工确认机制解决上述问题，核心能力体现在：

1. 结构化旁白策划

按 11 段固定框架撰写旁白，每段 30-50 字（对应 1.5x 语速下的 8-12 秒）：

• 第 1 段：钩子（金句/悬念），第 11 段 CTA 必须回扣此意象；
• 第 3-6 段：代表人物 + 关键事件，避免抽象空话；
• 第 10 段：命运终点，强化故事闭环。

所有段落需用户逐段确认，支持单段修改。

2. 风格锁定的生图与配音

• 生图阶段使用 gpt-image-2 生成 1024×1536 垂直图，先输出首张样张确认「拉丁魔幻现实主义电影海报风」后再批量生成；
• 配音阶段用 MiniMax speech-2.8-hd 生成 11 段 MP3，固定音色 male-qn-qingse 与 1.5x 语速，输出格式为 MP3 / 32kHz / 128kbps / 单声道，并生成 timeline.json 供后续合成对齐。

3. 参数化的 FFmpeg 合成

合成阶段将画面动效（zoompan 1.0→1.06 居中推拉）、转场（xfade 0.6s 交叉叠化）、字幕（ASS ≤20 字/页分页淡入淡出）等参数固定化，所有参数需用户确认后再运行 render_ffmpeg.py。

适用边界与注意点

• 环境依赖：需本地安装 Python 3.13+ 与 FFmpeg 7.1，且 .env.local 文件中需配置 MINIMAX_API_KEY 与 img2 API 密钥；
• 风格适配性：「拉丁魔幻现实主义」默认风格适合文学、历史类书单，科幻/社科题材需手动调整生图提示词；
• 参数调试成本：aevalsrc 氛围音效（55+82+110Hz 和弦）与 alimiter 限幅（0.94）需根据音频素材频响微调，避免人声被压制。