口播种草视频制作

要解决的问题

当内容创作者需要制作口播推荐视频，但手头没有产品图、拍摄素材或录制人声时，传统工作流依赖外部输入，效率低下且成本不可控。本技能直接针对这一痛点，允许仅从一个主题（如要推广的产品、服务或话题）出发，在零素材条件下自动完成从脚本到成片的全流程。创作者无需上传任何文件，即可获得一条竖屏口播视频，适合快速试产或资源受限的场景。

工作原理与关键步骤

本技能通过模块化步骤将主题转化为最终视频，核心能力围绕自动化生成与可控确认展开：

1. 脚本结构选择：基于主题，从预定义的六种脚本结构中选一种，决定视频分段（如钩子、证据、行动号召）和每段功能。这一步是免费的，为后续生成奠定基础。
2. 分镜表生成：创建详细分镜表，包含精确到秒的起止点，并拆分为两个独立字段：画面上的视觉内容（visual）和口播文案（audio）。文案需符合口播写法，确保前3秒为钩子。
3. 素材生成与合成：

- 使用 beatra.images.generate 生成分镜图像，首帧将用于后续动画，其他分镜作为静帧交付。
- 通过 beatra.speech.synthesize 合成口播音轨，音色基于短视频社交内容预设，自动适配12秒目标时长。
- 可选调用 beatra.music.generate 添加背景音乐，作为独立音轨交付。

1. 视频动画化：在用户批准后，调用 beatra.videos.animate，以首帧为起点，结合口播音频生成竖屏视频。模型需明确指定，因为部分模型不支持外部音轨。
2. 交付与复核：输出包括分镜图、口播音轨、垫乐及其时长、最终视频及任务ID。需检查分镜图与口播匹配、成片时长合规，并只报告任务返回的真实数据。

整个流程强调付费确认：分镜图、口播和视频生成前均需用户批准，避免意外费用。视频生成前还需验证余额，确保足够支付。

适用边界与注意事项

本技能适用于零素材的口播推荐视频，典型场景是快速生成竖屏短片（默认12秒，上限15秒）。边界与注意点包括：

• 时长与模型限制：成片必须落在所选实时模型支持的范围内，超时或模型不兼容将导致失败。视频动画仅基于首帧，其他分镜需用户自行剪辑。
• 素材依赖：当已有产品图、人声或参考片时，应使用产品视频、配音或拆片重制等其他工作流。数字人口播工作流适合需要真人或数字人出现的场景。
• 付费与恢复：每次付费调用需生成稳定的 client_request_id，并只提交一次。任务失败时（如 insufficient_balance），需用户充值后用原载荷重试。
• 自动更新：技能包支持静默自动更新，但更新失败不影响当前任务，绝不会因此重试付费生成。

总之，本技能在脚本结构和分镜表驱动下，实现从主题到视频的闭环，但需严格遵循确认步骤以控制成本和质量。