书籍解说短片生成

解决什么问题

短视频平台上的书籍解说内容需求很大，但手工制作一期视频的门槛并不低。创作者通常需要先写解说稿，再找配图、录音、做字幕，最后用剪辑软件拼接。如果还想避开那种白底卡片或PPT式的低质模板，做出有沉浸感的画面，工作量会进一步增加。

这个技能的目标是把一套原本分散的流程串起来：给定一本书名，自动产出一支约3分钟的竖屏中文解说视频。成片不依赖现成的刮福机器人或卡片模板，而是用写实风格的画面来呈现书籍内容。

核心能力与工作流

技能的核心在于将文本理解、图像生成、语音合成和视频渲染这几块能力组合成一个可重复执行的流水线。

• 输入解析与事实核实：接受书名作为主入口，可选作者、版本或上传文本。遇到冷门书、同名作品或不确定情节时，会先联网检索核实，不直接编造剧情。
• 原创解说稿生成：按11段结构组织内容，从开场悬念到结尾提问。强调原创概括，不大段复制原文，默认保留结尾悬念。
• 写实配图生成：调用 imagegen 生成约11幅9:16全屏写实电影感图片，按段落顺序保存为 images/01.png 到 images/11.png。对有影视改编的作品，只生成受文字描述启发的原创视觉。
• 配音与画面渲染：通过 scripts/tts_narration.py 生成分段中文语音和完整配音，再由 scripts/render_video.py 按实际语音时长渲染画面与同步字幕。
• 音乐混合：scripts/add_music.py 生成神秘、低沉的科幻氛围音乐，并对人声做自动避让处理，最终输出 book_intro_video.mp4。

适用边界与注意点

这个技能适合想把书籍内容快速做成短视频的创作者或运营团队。输入只需一个书名，但如果能提供书籍文本或指定解说角度，成片的贴合度会更好。

需要注意几点：

• 如果书籍非常冷门且完全没有联网资料，技能会主动向用户索取文本，而不是凭空生成。
• 默认成片时长在160到200秒之间，解说稿约700到1000字，适合表达一本中长篇作品的核心脉络，不适合做逐章精讲。
• 语音合成依赖网络TTS服务。如果服务不可用，技能会报告失败原因，不会用无声视频替代；用户可以在同意后切换本地TTS方案。
• 默认不调用白底卡片或机器人模板流程，视觉基准始终是写实电影感。