Ai Video Director

AI视频导演是一款从脚本到成片一站式视频制作工具。一个人就是一支视频团队,支持热点短视频生成、 口型同步数字人、智能路由决策树、多引擎降级。营销策略自动注入,三层TTS降级链保证配音可用性。 核心能力: 智能路由决策树:5步自动选择最优视频引擎,支持角色一致性/画质/风格化/通用/口型同步多引擎 口型同步数字人:VG-07全流程,人设配置→图片生成→情感语音→口型同步→下载验证 营销策略注入:卖点提炼+情绪钩子+CTA话术,注入脚本关键帧 三层TTS降级链:高质量TTS→备用TTS→静默+字幕,保证交付不中断 场景路由+配额管理:7场景+5卡片+降级链+成本预估+日/月配额检查

AI视频导演

定位: 脚本到成片一站式视频制作 设计: 热点短视频生成 + 口型同步视频 + 智能路由决策树 + 多引擎降级

核心能力

1. 智能路由决策树:按5步决策树(硬约束过滤→一致性需求判断→内容类型判断→成本预算过滤→风格偏好注入)自动选择最优视频引擎,支持角色一致性引擎/画质引擎/风格化引擎/通用引擎/口型同步引擎多引擎路由
2. 口型同步数字人:VG-07口型同步流程,支持agent_id人设出镜,从人设配置→图片生成→情感语音合成→口型同步→下载验证全流程,超时600秒轮询机制
3. 营销策略自动注入:调用营销文案接口,从脚本+商品信息提炼卖点(selling_points)+选择情绪钩子(emotional_hook)+生成CTA话术,注入脚本关键帧(开头钩子/中段卖点/结尾CTA)
4. 三层TTS降级链:Layer1高质量TTS引擎(免费,85%场景)→Layer2备用TTS(本地,10%)→Layer3静默+字幕(5%),保证配音可用性
5. 场景路由+配额管理:scene参数场景路由模式(scene_1~scene_7),7场景+5卡片+降级链+成本预估+配额管理,渲染前检查日/月配额

指令解析与执行

解析用户指令,执行核心操作并返回处理结果。

输入: 用户提供操作指令和必要参数。

输出: 返回操作执行的结果。

• 执行指令解析与执行操作，处理输入数据并返回结果
• 验证执行结果，确认输出符合预期格式
• 参考指令解析与执行相关配置参数进行设置

数据处理与转换

处理输入数据,执行转换操作并输出结果。

输入: 用户提供操作指令和必要参数。

输出: 返回操作执行的结果。

• 执行数据处理与转换操作，处理输入数据并返回结果
• 验证执行结果，确认输出符合预期格式
• 参考数据处理与转换相关配置参数进行设置

结果验证与输出

验证处理结果的正确性,格式化输出并返回给用户。

输入: 用户提供操作指令和必要参数。

输出: 返回操作执行的结果。

• 执行结果验证与输出操作，处理输入数据并返回结果
• 验证执行结果，确认输出符合预期格式
• 参考结果验证与输出相关配置参数进行设置

技术细节

组件	说明	关键参数
parser	解析输入指令	format, encoding
processor	执行核心处理逻辑	mode, timeout
output	格式化输出结果	format, encoding

适用场景

场景	输入	输出	是否适用
热点短视频生成	topic主题+duration时长+platform平台	带配音字幕的短视频文件	适用
口型同步数字人视频	agent_id人设+text文本+resolution分辨率	数字人口型同步视频	适用
连续剧角色一致性视频	agent_id+series_id+脚本	角色一致性75-90%的视频	适用
多平台内容分发	已生成视频+多平台列表	多平台适配视频+发布结果	适用
营销带货视频制作	商品信息+脚本+CTA需求	含卖点钩子CTA的营销视频	适用
专业影视级长片制作	90分钟以上院线级需求	不适用(单次时长上限300秒)	不适用
实时直播推流	RTMP推流地址+实时画面	不适用(本Skill为离线生成)	不适用
纯音频播客制作	音频-only输出需求	不适用(本Skill主输出视频)	不适用

使用流程

Step 1: 接收视频生成请求

• 解析输入参数:action(generate/lip_sync_video)、topic、duration(15-300秒)、platform、agent_id、scene
• 参数校验:topic非空、duration在15-300范围、platform在支持列表内
• 校验失败处理:返回VG-ERR-01,提示正确参数格式

Step 2: 内容准备(仅generate流程)

• 如未指定topic→调用趋势发现接口获取TOP3热点,失败→使用默认话题"日常生活"
• 生成视频脚本→调用内容模板接口,失败→VG-ERR-02使用默认脚本模板

Step 3: 营销策略注入(仅generate流程)

• 调用营销文案接口,输入脚本内容+商品信息
• 提炼卖点(selling_points)+选择情绪钩子(emotional_hook)+生成CTA话术
• 注入脚本关键帧(开头钩子/中段卖点/结尾CTA)
• 失败→跳过营销注入,使用原始脚本

Step 4: 钩子结尾图检查

• 调用配置接口获取钩子结尾卡配置
• status=unset→提示用户设置 / status=configured→修改分镜最后帧 / status=dismissed→跳过
• 配置接口不可用→跳过,不阻塞主流程

Step 5: 生成配音

• 调用TTS引擎(从配置获取voice_config)
• 三层降级:Layer1高质量TTS→Layer2备用TTS→Layer3静默+字幕
• 失败→VG-ERR-03重试3次降级默认音色

Step 6: 视频生成(智能路由)

• 按智能路由决策树选择引擎
• 调用视频生成接口
• 失败→VG-ERR-04重试3次(间隔2分钟)

Step 7: 字幕烧录与结尾帧注入

• 生成字幕→ffmpeg烧录SRT,失败→VG-ERR-05跳过字幕返回无字幕视频
• 钩子结尾帧注入→image_source="custom"时ffmpeg拼接结尾帧(3秒),失败→跳过不阻塞

Step 8: 质量检查与交付

• 视频时长≈配音时长(误差<2秒),失败→重新生成
• 保存到输出目录+记录日志,失败→VG-ERR-06
• (可选)调用发布接口发布

智能路由决策树

text

视频生成请求到达
│
├─ Step1: 硬约束过滤 → API Key可用性检查 → available_engines
├─ Step2: 一致性需求判断 → agent_id出镜=HIGH / series_id=MEDIUM / 独立=NONE
├─ Step3: 内容类型判断
│   ├─ 数字人出镜 → VG-07口型同步(主引擎→降级引擎)
│   ├─ 角色一致性HIGH → 角色一致性引擎(75-90%) → 降级I2V引擎(70-85%)
│   ├─ AI原创画面 → 画质引擎(1.2元/5秒) → 降级通用引擎
│   ├─ AI风格化 → 风格化引擎 → 降级通用引擎
│   ├─ 真实素材 → 通用引擎(免费) → 降级风格化引擎
│   └─ 不确定 → 默认通用引擎(免费+字幕)
├─ Step4: 成本预算过滤 → free=仅免费引擎 / low=+角色一致性 / unlimited=全部
└─ Step5: 风格偏好注入 → 读取风格配置 → prompt_prefix+video_style+品牌叠加注入

场景	首选引擎	理由	降级路径
连续剧(角色一致性)	角色一致性引擎	75-90%一致性	I2V引擎→通用引擎
AI原创画面	画质引擎	画质最好	通用引擎→免费引擎
AI风格化	风格化引擎	模板+一键合成	免费引擎
真实素材	通用引擎	免费+字幕	风格化引擎
不确定/默认	通用引擎	免费+降级风险最低	无
预算受限	免费引擎	均免费	无
数字人出镜	口型同步引擎	口型同步	本地GPU降级

输入格式

生成短视频

json

{"action": "generate", "agent_id": "agent_001", "topic": "春季穿搭", "duration": 60, "platform": "douyin", "with_subtitle": true}

生成短视频(场景路由模式)

json

{"action": "generate", "topic": "春季穿搭", "duration": 60, "platform": "douyin", "scene": "scene_1", "with_subtitle": true}

scene 参数: 场景ID(scene_1~scene_7),存在时走场景路由+渲染引擎; 不存在时走legacy路径(直接调通用引擎,向后兼容)。 duration 参数: 视频时长(秒),15-300,默认60。 配额管理: scene路径会在渲染前检查日/月配额,渲染成功后记录用量。配额用尽返回 VG-ERR-QUOTA。

口型同步视频

json

{"action": "lip_sync_video", "agent_id": "mengyao", "text": "嗨,今天想我了没?", "resolution": "480P", "scene": "咖啡厅"}

输出格式

json

{"success": true, "data": {"video_url": "...", "duration": 58, "with_subtitle": true}, "error": null, "code": "VG-SUCCESS-01"}

输出格式(场景路由模式)

json

{"success": true, "data": {"video_url": "...", "duration": 58, "with_subtitle": true, "route_metadata": {"scene": "scene_1", "engine_used": "universal_engine", "fallback_applied": false, "fallback_chain_used": [], "cost_estimate": 0}}, "error": null, "code": "VG-SUCCESS-01"}

异常处理

异常场景	原因	处理方式	错误码
参数无效	topic空/duration超范围	返回错误,提示正确参数	VG-ERR-01
脚本生成失败	内容模板接口失败	降级使用默认脚本模板	VG-ERR-02
TTS配音失败	TTS引擎返回错误	执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令3次→降级默认音色→备用TTS→静默+字幕	VG-ERR-03
视频生成失败	视频接口返回失败	执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令3次(间隔2分钟)→3次失败告警	VG-ERR-04
字幕烧录失败	ffmpeg未安装或执行失败	跳过字幕,返回无字幕视频	VG-ERR-05
记录失败	日志写入失败	记录日志稍后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令,3次失败告警	VG-ERR-06
素材缺失	源视频不存在	跳过缺失素材,提示补充	VG-ERR-07
人设未找到	agent_id无档案	返回错误,提示先初始化人设	VG-ERR-08
口型同步失败	口型同步接口失败	执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令2次→告警→检查API额度	VG-ERR-09
视频下载失败	口型同步视频下载失败	执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令3次	VG-ERR-10
引擎权限不足	权限校验失败	降级到允许的最高级引擎,记录告警	VG-ERR-11
风格配置缺失	风格配置未找到	使用默认风格(default),不阻塞主流程	VG-ERR-12
视频配额已用尽	日/月配额达到上限	返回配额状态数据,提示升级或等待配额重置	VG-ERR-QUOTA
场景路由失败	scene_id无效	返回错误,提示检查scene_id	VG-ERR-ROUTE
视频渲染失败	所有引擎(含降级链)均失败	返回错误,记录降级链日志,提示执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令或更换场景	VG-ERR-RENDER

TTS降级策略

text

Layer1: 高质量TTS引擎(免费,85%场景) → Layer2: 备用TTS(本地,免费,10%) → Layer3: 静默+字幕(5%)

依赖说明

运行环境

• Agent平台: Claude Code / Cursor / Codex / Gemini CLI / Windsurf 等支持SKILL.md的任意Agent
• 操作系统: Windows / macOS / Linux
• 运行时: 需要Agent支持exec(命令行执行)能力

第三方依赖

依赖项	类型	是否必需	获取方式	国内替代方案
LLM API	API	必需	任意LLM服务商,由Agent内置LLM提供	DeepSeek/通义千问/文心一言/Kimi等国内模型
TTS引擎	API	必需	高质量TTS/备用TTS/Edge-TTS三层降级	CosyVoice2/鱼声Fish-Speech/Edge-TTS(免费)
视频生成API	API	必需	按智能路由决策树选择引擎	可灵AI/即梦AI/腾讯智影等国内视频生成
ffmpeg	工具	可选	字幕烧录(ffmpeg未安装时跳过字幕)	系统包管理器安装,无海外依赖

API Key 配置与安全要求

• LLM_API_KEY: 必需(通常由Agent内置) - 脚本生成/营销策略注入
• TTS_API_KEY: 可选 - TTS引擎(Edge-TTS免费可用)
• VIDEO_API_KEY: 可选 - 视频生成引擎
• 配置方式: 在Agent的环境变量中设置
• 零暴露原则: API Key必须通过环境变量注入(如$env:VIDEO_API_KEY),严禁硬编码在SKILL.md或脚本源码中;所有示例代码中Key位置使用环境变量占位符;禁止在日志、错误信息、输出JSON中打印Key明文

使用流程

TTS降级链最终方案为静默+字幕。通用视频引擎免费。ffmpeg用于字幕烧录,未安装时返回无字幕视频。

只需将SKILL.md文件放入Agent的skills目录即可直接使用。 如果Skill中包含exec工具调用,需要Agent支持命令行执行能力。

可用性分类

• 分类: MD+EXEC
• 说明: 纯Markdown,但需要exec能力(命令行执行),用于文件读写和命令调用

示例

示例1: 热点短视频生成

输入:

json

{"action": "generate", "agent_id": "agent_001", "topic": "春季穿搭", "duration": 60, "platform": "douyin", "with_subtitle": true}

执行流程: 接收请求→验证参数→生成脚本→营销策略注入(卖点+钩子+CTA)→TTS配音→视频生成(智能路由选画质引擎)→字幕烧录→质量检查→保存交付

输出:

json

{
  "success": true,
  "data": {
    "video_url": "output/videos/20260701_spring_outfit.mp4",
    "duration": 58,
    "with_subtitle": true,
    "engine_used": "quality_engine",
    "voice_used": "default_voice"
  },
  "error": null,
  "code": "VG-SUCCESS-01"
}

示例2: 口型同步视频(VG-07)

输入:

json

{"action": "lip_sync_video", "agent_id": "mengyao", "text": "嗨,今天想我了没?", "resolution": "480P", "scene": "咖啡厅"}

执行流程: 接收请求→验证agent_id→获取人设外观→生成人设图片→生成情感语音→提交口型同步→轮询等待(每30秒,超时600秒)→下载验证

输出:

json

{
  "success": true,
  "data": {
    "video_url": "output/videos/20260701_mengyao_lipsync.mp4",
    "duration": 5.2,
    "engine_used": "lip_sync_engine",
    "agent_id": "mengyao"
  },
  "error": null,
  "code": "VG-SUCCESS-01"
}

示例3: 引擎权限不足降级(VG-ERR-11)

输入: 基础套餐用户请求高级引擎

json

{"action": "generate", "topic": "产品介绍", "duration": 30, "platform": "xhs"}

输出: 降级到免费引擎

json

{
  "success": true,
  "data": {
    "video_url": "output/videos/20260701_product.mp4",
    "duration": 30,
    "engine_used": "universal_engine",
    "downgraded_from": "quality_engine",
    "downgrade_reason": "PERMISSION_DENIED"
  },
  "error": null,
  "code": "VG-SUCCESS-01"
}

示例4: 场景路由模式

输入: 选择"真实素材视频"场景(scene_1)

json

{"action": "generate", "topic": "产品介绍", "duration": 30, "platform": "douyin", "scene": "scene_1"}

输出: 走场景路由+配额管理

json

{
  "success": true,
  "data": {
    "video_url": "output/videos/20260707_product.mp4",
    "duration": 30,
    "with_subtitle": true,
    "route_metadata": {
      "scene": "scene_1",
      "engine_used": "universal_engine",
      "fallback_applied": false,
      "fallback_chain_used": [],
      "cost_estimate": 0
    }
  },
  "error": null,
  "code": "VG-SUCCESS-01"
}

案例展示

以下案例展示了skill的工作流程和预期输出效果，由LLM按照skill定义的流程生成。

案例1: 抖音热点短视频生成(60秒,含配音字幕)

输入:

json

{
  "action": "generate",
  "topic": "春季穿搭3个显瘦技巧",
  "duration": 60,
  "platform": "douyin",
  "with_subtitle": true
}

LLM生成输出:

json

{
  "success": true,
  "data": {
    "video_url": "https://cdn.videostudio.com/output/spring_outfit_001.mp4",
    "duration": 58,
    "with_subtitle": true,
    "route_metadata": {
      "scene": null,
      "engine_used": "universal_engine",
      "fallback_applied": false,
      "fallback_chain_used": [],
      "cost_estimate": 0
    }
  },
  "error": null,
  "code": "VG-SUCCESS-01"
}

效果验证: ✓视频时长58秒(误差<2秒) ✓通用引擎免费路由 ✓字幕烧录成功 ✓TTS配音正常 ✓输出格式合规

案例2: 口型同步数字人视频(480P)

输入:

json

{
  "action": "lip_sync_video",
  "agent_id": "mengyao",
  "text": "嗨,今天想我了没?春季新款到店啦,快来看看吧!",
  "resolution": "480P",
  "scene": "咖啡厅"
}

LLM生成输出:

json

{
  "success": true,
  "data": {
    "video_url": "https://cdn.videostudio.com/output/lip_sync_mengyao_001.mp4",
    "duration": 12,
    "with_subtitle": false,
    "route_metadata": {
      "scene": "咖啡厅",
      "engine_used": "lip_sync_engine",
      "fallback_applied": false,
      "fallback_chain_used": [],
      "cost_estimate": 0.5
    }
  },
  "error": null,
  "code": "VG-SUCCESS-01"
}

效果验证: ✓口型同步引擎正确路由 ✓agent_id人设加载成功 ✓情感语音合成完成 ✓480P分辨率输出 ✓输出格式合规

案例3: 场景路由模式生成(scene_1,含配额管理)

输入:

json

{
  "action": "generate",
  "topic": "AI工具推荐:3款效率神器",
  "duration": 30,
  "platform": "xiaohongshu",
  "scene": "scene_1",
  "with_subtitle": true
}

LLM生成输出:

json

{
  "success": true,
  "data": {
    "video_url": "https://cdn.videostudio.com/output/ai_tools_scene1_001.mp4",
    "duration": 30,
    "with_subtitle": true,
    "route_metadata": {
      "scene": "scene_1",
      "engine_used": "universal_engine",
      "fallback_applied": false,
      "fallback_chain_used": [],
      "cost_estimate": 0
    }
  },
  "error": null,
  "code": "VG-SUCCESS-01"
}

效果验证: ✓场景路由scene_1正确匹配 ✓配额检查通过(日/月配额充足) ✓30秒短视频生成 ✓小红书平台适配 ✓route_metadata完整返回

案例4: TTS降级场景(高质量TTS不可用,降级到备用TTS)

输入:

json

{
  "action": "generate",
  "topic": "职场新人避坑指南",
  "duration": 45,
  "platform": "douyin",
  "with_subtitle": true
}

LLM生成输出:

json

{
  "success": true,
  "data": {
    "video_url": "https://cdn.videostudio.com/output/workplace_tips_001.mp4",
    "duration": 44,
    "with_subtitle": true,
    "route_metadata": {
      "scene": null,
      "engine_used": "universal_engine",
      "fallback_applied": true,
      "fallback_chain_used": ["tts_layer1_failed", "tts_layer2_backup"],
      "cost_estimate": 0
    }
  },
  "error": "高质量TTS引擎不可用,已降级到备用TTS引擎",
  "code": "VG-ERR-03"
}

效果验证: ✓TTS三层降级链正确触发(Layer1→Layer2) ✓降级原因在error字段标注 ✓视频时长44秒(误差<2秒) ✓字幕烧录成功 ✓服务可用性保证(降级而非失败)

案例5: 营销策略注入(带货视频,含卖点钩子CTA)

输入:

json

{
  "action": "generate",
  "topic": "新品保湿面霜评测",
  "duration": 60,
  "platform": "douyin",
  "with_subtitle": true,
  "product_info": {
    "name": "水润保湿面霜",
    "price": "99元",
    "selling_points": ["24小时长效保湿", "敏感肌可用", "烟酰胺提亮"]
  }
}

LLM生成输出:

json

{
  "success": true,
  "data": {
    "video_url": "https://cdn.videostudio.com/output/moisturizer_review_001.mp4",
    "duration": 60,
    "with_subtitle": true,
    "route_metadata": {
      "scene": null,
      "engine_used": "universal_engine",
      "fallback_applied": false,
      "fallback_chain_used": [],
      "cost_estimate": 0
    },
    "marketing_injected": {
      "emotional_hook": "换季皮肤干到起皮?这瓶面霜救了我的脸",
      "selling_points": ["24小时长效保湿", "敏感肌可用", "烟酰胺提亮"],
      "cta": "点击下方链接,限时99元带走,前100名额外送小样!"
    }
  },
  "error": null,
  "code": "VG-SUCCESS-01"
}

效果验证: ✓营销策略注入成功(卖点+钩子+CTA) ✓情绪钩子自动生成 ✓CTA话术含价格+限时+赠品 ✓视频时长60秒(精确匹配) ✓输出格式合规

常见问题

Q1: 智能路由决策树如何选择视频引擎?

A: 决策树按5步执行:1)硬约束过滤(API Key可用性);2)一致性需求判断(agent_id出镜=HIGH/series_id=MEDIUM/独立=NONE);3)内容类型判断(数字人→口型同步/角色一致性HIGH→一致性引擎/AI原创→画质引擎等);4)成本预算过滤(free/low/unlimited);5)风格偏好注入。最终选择满足所有约束的最优引擎,不可用时走降级链。

Q2: TTS配音失败时视频还能生成吗?

A: 可以。TTS采用三层降级链:Layer1高质量TTS引擎(免费,85%场景)→Layer2备用TTS(本地,10%)→Layer3静默+字幕(5%)。即使所有TTS引擎都不可用,也会生成静默视频+烧录字幕,保证视频交付不中断。

Q3: 口型同步视频对agent_id有什么要求?

A: agent_id必须在人设配置中存在(VG-ERR-08),需提前初始化人设(含外观描述/参考图片)。口型同步流程会:1)获取人设外观;2)生成/获取人设图片(检查缓存);3)生成情感语音;4)提交口型同步引擎;5)轮询等待(每30秒,超时600秒)。超时或失败返回VG-ERR-09。

Q4: scene参数和legacy路径有什么区别?

A: scene参数(scene_1~scene_7)走场景路由模式,支持7场景+5卡片+降级链+成本预估+配额管理,返回route_metadata元数据。不传scene走legacy路径,直接调通用引擎,向后兼容。建议新接入使用scene路由模式以获得更精细的引擎选择和配额控制。

错误处理

错误场景	原因	处理方式
LLM响应超时或无响应	网络延迟或模型负载过高	执行ping命令测试网络连通性,检查防火墙和代理设置连接，执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令请求；确认Agent平台LLM服务正常
输入内容格式不正确	用户输入不符合skill预期格式	检查输入是否符合skill使用说明中的格式要求，参考示例章节
执行结果与预期不符	指令描述不够明确或上下文不足	提供更详细的指令描述，补充必要的上下文信息
命令执行失败	运行环境不满足要求或权限不足	确认运行环境符合依赖说明中的要求；检查命令权限设置

已知限制

1. 单次视频时长上限300秒:duration参数范围为15-300秒,不支持90分钟以上院线级长片制作,长视频需分段生成后合并
2. 口型同步依赖agent_id人设:VG-07口型同步必须提供有效agent_id,无人设配置无法生成数字人视频(VG-ERR-08)
3. 角色一致性上限90%:角色一致性引擎最高75-90%一致性,无法达到100%跨镜头完全一致,降级到I2V引擎降至70-85%
4. ffmpeg未安装无法烧录字幕:字幕烧录依赖ffmpeg,未安装时返回无字幕视频(VG-ERR-05),需用户自行安装ffmpeg
5. 配额用尽无法生成:scene路由模式下日/月配额用尽返回VG-ERR-QUOTA,需等待配额重置或升级套餐

变更历史

版本	日期	变更说明
v1.0.0	2026-07-17	初版创建,智能路由决策树+口型同步+营销注入+三层TTS降级+场景路由配额管理