技能介绍

问题

儿童科普短视频通常不缺一句口播，而缺一套可执行素材：文案、画面提示词、镜头动态、配音和分句音频往往分散在不同工具里，手工对齐费时，且分镜之间容易出现角色形象、场景道具和镜头语言不一致。这个技能把 30～50 秒儿童科普视频的常见生产链路整理成一条可重复流程，减少素材之间的版本偏差。

工作流程

按五步串行执行：

文案创作：根据选题生成约 200 字、10 句的科普台词，每句对应一个分镜，要求以问题开头、结尾继续提问，避免拟人化和额外称呼。
三类提示词：将 10 个分镜分别扩展为 台词提示词、分镜画面提示词、动态视频提示词，共 30 条；画面强调 3D 动画风格、无文字符号、固定角色一致性，并明确镜头运动、动态元素和 4/5 秒时长。
矛盾自查：依据 references/分镜矛盾排查.md 检查单分镜内部自洽与跨分镜连续性，修正后重新输出最终版三类提示词。
AI 配音：用 edge-tts 将文案合成为 MP3，可按音色和语速调整，默认使用儿童科普较友好的女声。
逐句切割：用 ffmpeg 的 silencedetect 检测静音断点，把完整配音切成 001 到 010 的分句文件，并生成 timestamps.json。

适用边界

该技能适合中文儿童科普短片的前期素材生产，核心产物是 TXT 文档、完整配音 MP3 和分句音频文件夹。它不直接渲染最终视频，也不替代视频剪辑软件；依赖 edge-tts 与 ffmpeg，在 Python 高版本环境下更推荐避免使用基于 pydub 的 Whisper 方案，因为 audioop 模块兼容性问题可能导致备选方案不可用。