技能介绍

把一个行业关键词变成一条能看的科普视频，难点往往不在"生成画面"本身，而在于：旁白每一句提到的东西，画面上要能对应上；每个片段的时长要跟着音频走，而不是拍脑袋定 15 秒；几十个分镜之间还要保持同一种视觉气质。这个技能就是把这套流水线固化成一条从关键词到成片的命令。

核心能力

技能提供两种生成模式。Mode A（文生视频）走的是常规链路：关键词 → 解说脚本 → SRT 字幕 → 每段视觉提示词 → 调用 Seedance API 逐段生成 → 拼接 → 可选 TTS 旁白 → 烧录字幕。Mode B（图生视频，推荐）则反过来先做音频：先生成 TTS 旁白、量出每句音频时长，再据此推算每个场景的变量时长（按 5/10/15 秒档位、音频长度 +2 秒呼吸余量向上取整，音频超过 15 秒就用 15 秒视频加定帧延展），字幕也直接从音频时间轴自动切分。随后 Seedream 出关键帧、Seedance 把关键帧动起来，最后拼接并对齐音频。

在内容编排上，技能内置了"领域循环"结构：行业概述 → 上游（介绍 + 数据）→ 中游（介绍 + 数据）→ 下游（介绍 + 数据）→ 行业总览。每个领域的"介绍"和"数据"必须相邻出现，且相邻场景要有视觉上的因果关联。画面总时长不设上限，通常 10–14 个场景、50–150 秒。

提示词与产出约束

写提示词的规矩被写得很硬：每个 prompt 必须描述具体的物理场景而非抽象概念，要交代物件材质、光源方向、景别和画面内的文字标签；数据场景必须用图表模板，且公司名、数字要清晰可读；禁止"科技感""缓缓"这类空泛词，每段末尾还要追加女声旁白描述和负面提示词。产出方面，所有中间文件（分镜视频、关键帧、SRT、batch 配置、成片）必须放进同一个按主题命名的目录，调用方只看到文件卡片，脚本内容、提示词、数据表不作为过程展示。

适用边界

需要本地可用的 ffmpeg 才能烧录字幕，依赖 Python 3 和 requests，并要在首次运行时配置好 Seedance、Seedream（Mode B）及火山 TTS（可选）的 API key。
画面质量上限取决于所调模型，技能本身不承诺具体分辨率；想提高质量应选 Mode B，代价是流程更长、生成成本更高。
技能强约束了图文对齐和场景编排，适合结构化的行业科普、概念讲解类视频；不适合叙事性强、需要自由剪辑的内容。