Vox 视频风格制作

解决“定稿旁白到可执行提示词包”的断层

当你的旁白已经定稿，距离产出可交付的视觉方案通常还差一段枯燥但关键的“翻译”工作：按句子切分节拍、估算时间码、锁定贯穿角色的视觉 DNA，再为每个画面分别撰写生图和图生视频提示词。手动执行时极易出现风格漂移、主体描述前后不一致、时间轴断裂或提示词互相引用等工程缺陷。

@user_f0300397/vox-video-style-production 就是为了填补这个断层而生。

核心工作流

该技能将整条链路固化为一套标准流程，默认在 16:9、1920×1080 的规划分辨率下，面向抖音平台生成 3 分钟以内的制作包。

• 旁白锁定与校验：输入必须是最终旁白，而非大纲或草稿。技能会保持原文字符与顺序不变，仅做运行时估算；若预估超过 180 秒，会先报告超长情况并等待确认，绝不静默删减。
• 单一风格解析：通过读取 config/styles.yaml 确定唯一视觉风格，将对应的中文正向提示词、负向提示词以及视频运动描述逐字注入到对应环节，避免手动抄写导致的配置漂移。
• 连续性锁与事实约束：提取人物、道具、地点、日期等复现主体，为每个主体生成固定的可复用描述，确保在所有分镜提示词中措辞完全一致。同时严格区分确认事实与视觉推断，避免虚构敏感细节。
• 节拍切分与提示词组装：按自然句边界将旁白切分为 2~3 秒的节拍，计算连续无重叠的时间码。每个节拍输出一条独立的即梦生图提示词与一条 Google Omni 图生视频提示词，后者以生成图作为构图基准，保持景别、比例、色彩与物体数量的继承。
• 交付前审计：在输出制作包前运行自动检查，确保旁白完整、时间码单调连续、配置块未串用、无未授权文字与 Logo，且所有提示词均为独立文本块，不依赖外部上下文。

适用边界

该技能默认交付物仅为制作计划与提示词包。除非用户明确扩展需求，它不会生成图片、合成语音、渲染视频、重写旁白或制作缩略图。其本质是一个高一致性的预生产规划器，将视觉策划与实际媒体生成的执行步骤解耦。