灵感短视频生成器 · Open Skill 公開技能
灵感短视频生成器
只需要你的一个灵感 就可以让你持续创建后续故事
ShortDrama
7 2 8
https://d7qlwi7tl2u27.cloudfront.net/skill-covers/prod/3824308/2026-10-18/yt942xmm.jpg
# 灵感短视频生成器 把用户的一句话灵感/点子，自动生成一条约 10 秒的竖屏(9:16)短视频，**声音（中文普通话配音）由视频生成模型直接产出**，然后给出三条结构化的后续剧情创意发展方向（纯文字，供用户选择一条继续做下一段）。 ## When to use - 用户给出一段灵感/点子/剧情梗概，希望生成一条短视频 - 用户希望生成后附带几条后续剧情发展方向，方便继续创作 - 用户从已有三条方向中选中一条，进入续集模式继续生成下一段 ## 预设素材 - `style_ref`（可选）：用户上传的风格参考图。若已绑定，生成视频时作为参考图以保持风格一致；未绑定时走纯文字生成。 ## 声音方案（强制） - **声音统一由视频生成模型直接产出**：不单独调用 `generate_tts`，不调用 `mix_clips` 叠加配音，不做音视频二次合成。 - 默认使用中文普通话；英文 prompt 中必须写入：`This video must include clear Mandarin Chinese voiceover directly generated by the video model. Do not use separate audio files. Do not add background music or sound effects unless explicitly requested.` - **旁白写入 prompt**：调用 `generate_video` 前先写一段简短中文旁白（1-3 句，适配约 10 秒），把旁白原文直接写进视频 prompt，如 `Mandarin Chinese voiceover: "深夜，女孩回到空无一人的办公室。桌上的电脑突然亮起，屏幕里出现了她自己的脸。"`。 - **声音一致性约束**：prompt 加入 `The Mandarin Chinese voiceover must be spoken naturally, clearly, and in sync with the visual actions. The voice must match the story tone. No extra voices, no background music, no sound effects, no humming, no whispering, no unrelated audio noise. Only one clean Mandarin Chinese narration track is allowed.` - **角色声音**：若视频中有角色说话，也必须用中文普通话，prompt 加入 `All characters in the video speak Mandarin Chinese. No English, no foreign language, no unintelligible voices.` - **声画同步**：prompt 追加 `Visual events and Mandarin Chinese voiceover must be synchronized within 10 seconds. The narration should describe exactly what is happening on screen.` - **记忆偏好适配**：若用户保存了声音偏好（女声/男声、沉稳/活泼/悬疑、语速），转换为 prompt 中的声音控制语句，如 `Mandarin Chinese female voice, calm and mysterious tone, moderate speaking speed.` ## 执行纪律（强制） - **串行执行**：必须等上一步成功拿到有效 `asset_id` 后才执行下一步；禁止并行、禁止跳步。 - **参数校验**：每次调用前校验必填参数（如 `input_urls`、`prompt` 等）是否齐全有效。 - **失败处理**：工具失败最多重试 1 次；**内容/声音质量问题合计最多重试 1 次**；重试仍失败则终止流程，明确告知用户失败节点，绝不编造 URL 或假装成功。 ## 输入预处理与需求澄清 - 灵感过短（缺主角/场景）时，自动轻量追问补全关键信息，**最多 1 轮**，不过度提问。 - 识别用户隐式需求（调整时长、更换配音情绪、慢镜头/一镜到底等），区分是单次临时设置还是长期偏好。 - 输入清洗：剔除无效表情符号与冗余文字，只提取核心剧情送入视频 prompt。 ## 声画一致性（强制） - **剧情核心摘要同源**：先生成一份【剧情核心摘要】，画面时序 prompt 与中文旁白都必须源自这份摘要，禁止各自独立脑补。 - **时序对齐规划**：生成视频 prompt 前，把 10 秒拆成时间切片，将旁白每一句绑定到对应时间段的画面动作，再写入英文 prompt；禁止只写静态氛围、不写随时间变化的动作。 - **旁白长度与可视化**：旁白严格适配 10 秒、控制总字数；旁白只能描述画面中能直观看到的动作/场景，不写无法可视化的心理活动或幕后设定（如「他内心很后悔」→「男人低头攥紧拳头，神色落寞」）。 ## 角色一致性（强制） - **角色信息提取与存档**：从灵感中结构化提取每个角色的姓名、年龄、外貌特征、发型、服装、肤色、体型、面部特征；多角色各自单独记录；灵感缺角色描述时自动生成一套稳定人设并写入本次角色档案。 - **角色注入 prompt**：英文视频 prompt 开头强制写入完整角色人设；ref2v 额外强调 `preserve the character's face, outfit and appearance consistently throughout the whole 10s video, do not change facial features or clothes`；t2v 增加人物稳定约束。 - **同片时序约束**：10 秒全程保持同一角色外貌，镜头切换（全景/特写）不能改变五官、发型、服饰。 - **负面词追加**：原有负面词追加 `changing face, deformed face, swapping character appearance, changing clothes mid-video, inconsistent facial features`。 - **生成前自检**：写完 prompt 后纯逻辑自检是否含全部角色稳定约束，缺角色描述则自动补全后再调用 generate_video。 - **续集跨集锁定**：续集自动继承角色档案，人设参数直接写入新 prompt；有 style_ref 时复用参考图双重锁定。 - **记忆持久化人设**：用户开启续集连续创作后，可选择把角色人设存入 memory（namespace=idea-to-short-video），后续剧集自动读取；单次临时人设不存记忆。 ## 记忆（跨会话偏好） - 区分两类偏好： - **长期偏好**（用户明确说「以后都…」「我偏好…」）：存入 `memory_store`，跨会话沿用。 - **单次临时偏好**（仅本次生效，如「这次用男声」）：只用于本次生成，不写入记忆。 - 记忆结构化存储字段：风格 / 音色 / 语气 / 语速 / 画幅。 - 写入：`memory_store(kind='preference', namespace='idea-to-short-video', content=<结构化偏好>)`。 - 可选存储系列世界观与主角人设（用户开启续集多次创作后），续集自动读取以保证多集角色统一。 - 查询：开始前调用 `memory_query` 检索用户偏好（风格/音色/语气/语速/画幅）及历史项目（旧剧情、prompt），据此调整本次生成。 - **默认基线**（无记忆时加载）：电影感风格、自然女声、叙事语气、适中语速、9:16 竖屏。 - 忘记偏好：先 `memory_query` 找到对应条目，再 `memory_forget`；支持细分（清除全部偏好 / 仅人设 / 仅配音设置）。 ## Steps 1. 调用 `memory_query` 检索用户已保存的偏好（风格/音色/语气/语速/画幅）与历史项目；无记忆则采用默认基线（电影感、自然女声、叙事语气、适中语速、9:16 竖屏）。 2. 读取并清洗用户提供的灵感文本，提炼核心情节、情绪基调、主角与场景；信息过少时最多 1 轮轻量追问补全；**结构化提取并记录每个角色信息**（姓名、年龄、外貌、发型、服装、肤色、体型、面部特征），缺角色描述时自动生成稳定人设写入本次角色档案（见「角色一致性」）。 3. 内容合规检查： - 违禁内容（NSFW/成人视频、儿童相关、违法内容等）→ 直接拒绝，不生成。 - 边缘敏感内容 → 改写为含蓄、留白、隐喻的合规版本后再生成；**原始敏感文本绝不送入生成工具**。 4. 根据灵感内容（并结合记忆中的风格偏好）判断风格基调，写入 prompt。 5. 生成【剧情核心摘要】并做 10 秒时序对齐规划：把 10 秒拆成时间切片，将旁白每一句绑定到对应时间段的画面动作，作为画面时序 prompt 与中文旁白的共同来源（见「声画一致性」）。 6. 写一段简短中文旁白（1-3 句，适配约 10 秒，只描述画面可直观看到的动作/场