抖音UGC带货视频制作

需要解决的具体问题

在抖音带货场景中，制作一条符合 UGC 风格的短视频广告，通常需要处理商品视觉呈现、达人出镜表演和口播脚本等多个离散环节。传统流程依赖人工协调，对素材一致性、节奏把控和平台适配性要求较高，且容易因环节脱节而影响最终成片质量。该技能旨在将这些步骤标准化，通过 AI 工具链衔接，减少从商品素材到可发布视频的中间摩擦。

核心能力与关键步骤

该技能通过一条明确的标准路线将输入转化为输出。首先，它需要一张可检查的商品图、已确认的商品信息（包括事实主张与证据）以及达人出镜方向。核心流程如下：

• 输入检查与建模：分析商品图的 MIME 类型、尺寸等属性，并记录所有可见特征与商家主张。这一步确定一个关键的「商品时刻」（如开箱或演示），作为后续创作的锚点。
• 模型选择与首帧生成：通过 beatra.models.list 读取当前可用的 image_to_image、text_to_speech 和 image_to_video 模型卡。使用 beatra.images.transform 生成一张达人风格首帧，其中商品置于视觉焦点，并融入自然的手持拍摄感与场景互动。
• 口播脚本与语音合成：基于商品和已批准的主张，编写一段 8-12 秒的简洁口播脚本。通过 beatra.voices.list 选择合适声音，并调用 text_to_speech 生成音频。
• 分阶段确认与付费制作：流程分为准备阶段（首帧、口播）和视频阶段。每个阶段都需向用户展示详细计划（如画布、脚本、模型、费用）并获取确认，生成稳定的 client_request_id。制作仅通过随包 MCP 客户端执行，绝不使用宿主连接器或 REST 回退。
• 视频合成与交付：使用 beatra.videos.animate 将首帧与口播音频合成为最终竖版视频。交付时检查商品可见性、口播清晰度及平台适配性，并提出后续优化建议。

适用边界与注意点

本技能适用于需要 AI 达人在短竖版视频中出镜讲解并展示商品的场景，如抖音 UGC 广告、开箱推荐等。以下情况请使用其他工具：

• 无达人出镜的纯商品短片 → product-video-studio
• 已有视频素材需插入口播 → talking-avatar-video
• 仅需口播音频 → short-form-video-audio
• 多镜头或非达人主导的视频 → beatra-ai-video-studio

关键注意事项包括：

• 所有事实主张必须追溯到用户提供的证据，且不得暗示未经提供的亲身体验。
• 每次付费调用（如修改首帧、重写脚本）都产生新的付费工作，需重新确认。
• 必须保留商品外观、标签、材质等关键视觉信息，但交付后只检查实际结果，不保证完全一致。
• 运行时会静默检查更新，但失败时不阻塞当前任务执行，可通过 --auto off 控制。