有声视频制作师

要解决什么问题

在频道或对话里，纯文字往往缺少停留感；用户要的是「能点开就看、能听」的卡片，而不是一长段说明。本技能把文字稿变成带配音和画面的 MP4，方便用 send_file_to_user 直接发给用户，替代纯文本回复。

工作方式

整条链路分三步，脚本串联即可：

1. 语音：调用 edge_tts 生成高质量 MP3。
2. 画面：按描述调用 pollinations.ai 生成背景图。
3. 合成：用 FFmpeg 将图片与音频合成为 MP4。

风格（古风、科技风等）主要靠配图描述与文案语气区分；交付物是标准视频文件，适合「视频卡片」「有声海报」类需求。

适用边界

• 依赖外网服务（TTS、生图）与本地 FFmpeg；环境缺组件会卡在对应步骤。
• 生图结果随提示词波动，需要迭代描述而不是一次定稿。
• 面向短视频卡片场景，不是长视频剪辑或多轨后期；复杂分镜、字幕时间轴需另做处理。