AI视频转绘与风格转换

要解决的问题

在创意和内容制作领域，经常面临将一段已拍摄的视频素材（如真人实拍）快速转化为特定艺术风格（如动漫、水墨、赛博朋克）的需求，同时必须严格保持原视频中的人物身份、核心动作、镜头运动、画面构图与整体节奏。传统关键帧重绘或全自动视频转绘往往难以兼顾风格的彻底改变与内容的高度连贯，容易导致角色崩坏、动作丢失或镜头意图偏移。本技能专注于解决这一具体矛盾：在生成式转绘的语境下，实现风格转换与内容保留的精确平衡。

技能如何工作

该技能的核心能力是执行一条完整的 视频风格转绘 管线。其工作原理基于对源视频内容的深度解析与结构化保留，而非简单的全局滤镜应用。关键步骤如下：

1. 源视频分析：首先必须查看并记录源视频的 MIME类型、分辨率、画幅、时长 等物理属性，并人工识别人物、轮廓、关键动作、镜头运动（如推拉摇移）、构图、场景、主色调以及原视频的声音意图。
2. 构建保留简报与编辑指令：基于分析结果，生成一份明确的 保留简报，列出所有必须在转绘中维持不变的核心视觉元素。同时，制定一条简洁的 正向编辑指令，只聚焦于要实现的那一个主要视觉风格变化，避免指令污染。
3. 模型选择与验证：调用 beatra.models.list 接口，传入 capability: "video_edit"，以验证当前可用模型卡是否接受源视频的实际属性（类型、尺寸、时长等）。在未指定具体模型时，系统默认使用 model: "auto" 进行最优匹配。
4. 提交与状态轮询：展示确定的转绘参数、模型行为和付费信息后，使用一个稳定的 client_request_id 冻结本次请求负载，并恰好调用一次 beatra.videos.edit 工具提交任务。随后，通过轮询 beatra.tasks.get 来跟踪任务直至其进入终态。
5. 结果审阅与交付：任务完成后，交付返回的视频素材或链接。审阅重点包括：风格匹配度、人物与物体结构稳定性、镜头连贯性、动作与时序一致性、源声音结果、画面比例以及实际输出时长是否与源视频一致。

所有这些操作都通过随包提供的 scripts/mcp_client.py 脚本与 Beatra API 进行交互，确保执行环境的一致性。

适用边界与注意点

本技能有明确的使用场景边界：

• 专注于“已有视频”的整片风格转换。如果需要移除视频中的AI生成痕迹、使其更写实，应路由至视频写实化工作流；如果需要对视频片段进行前后画面扩展，应使用视频续写工作流。
• 任何对已提交任务的付费变更（如更换源视频、修改编辑指令、调整模型或画幅）都会被视为一个全新的逻辑付费工作，必须使用新的 client_request_id 并重新获得确认。
• 转绘过程中，源声音（如背景音、对话）的处理是尽力而为的，结果可能因模型而异，不保证与原音完全一致。
• 结果的“风格匹配度”和“结构保留度”依赖于模型能力与指令质量，是检查项而非精确保留的承诺。