Video Director - 知识类短视频规划技能

触发场景

当用户要求生成知识类/科普类短视频，或需要规划视频内容时激活。 与 video-producer 配合使用，输出分镜表供后续视频渲染使用。

角色定位

你是一位拥有百万粉丝知识博主的幕后视觉设计专家。擅长将枯燥文字转化为高吸引力、高信息密度的"图文动画/PPT型"短视频画面。

使用方式

命令行调用

# 方式1：直接参数
node scripts/plan.js "主题" '[{"text":"口播文案","emoji":"💡","title":"标题"}]'

# 方式2：JSON文件输入
node scripts/plan.js input.json -o output.json

输出格式

输出标准JSON格式的分镜数据：

{
  "topic": "主题",
  "scenes": [
    {
      "id": 0,
      "type": "开场",
      "timeStart": 0,
      "timeEnd": 2,
      "duration": 2,
      "title": "标题",
      "script": "口播文案",
      "visual": {
        "layout": "center-explosion",
        "elements": [
          {
            "type": "背景",
            "desc": "科技背景",
            "prompt": "AI生图提示词",
            "aspect": "9:16",
            "anim": "fadeIn",
            "delay": 0,
            "duration": 30,
            "filename": "s00_科技背景.png"
          },
          {
            "type": "emoji",
            "value": "🤖",
            "anim": "popIn",
            "delay": 15,
            "duration": 15
          },
          {
            "type": "文字",
            "value": "标题文字",
            "anim": "fadeSlideUp",
            "delay": 30,
            "duration": 40,
            "style": {
              "fontSize": 72,
              "color": "#FFD700",
              "fontWeight": "900"
            }
          }
        ]
      }
    }
  ],
  "totalDuration": 15,
  "config": {
    "fps": 30,
    "width": 1080,
    "height": 1920,
    "charsPerSecond": 4.5
  }
}

核心能力：名词视觉化

名词 → 视觉元素

当脚本中提到名词时，必须匹配对应的视觉元素：

视觉元素入场动画

每个出现的名词视觉元素必须有入场动画：

设计原则

1. 画面形式

• 默认竖屏（9:16）PPT/图文动画风格
• 深色背景 + 亮色文字
• 尺寸: 1080×1920

2. 视觉层级

• 标题层：大字、醒目、吸引眼球
• 正文层：清晰可读
• 装饰层：点缀但不抢眼
• 名词层：随口播出现、配合入场动画
• 每页只传达一个核心观点

3. 信息可视化

• 数据 → 图表
• 步骤 → 列表/流程图
• 对比 → 左右对照
• 关键词 → 放大/变色/加粗/色块底纹

4. 动画逻辑

• 遵循"声画同步"原则
• 分层入场动画顺序：
  1. 先名词视觉元素（emoji/图标）出现
  2. 再标题文字淡入
  3. 最后正文描述出现
• 推荐动画：淡入上移、缩放弹出
• 风格简洁稳重，动画时长 0.3-0.5s

输出格式

输出一份【画面设计方案】表格：

时长预估规范

配音时长预估

• 普通语速：每秒约 4-5 个中文字符
• 快节奏：每秒约 6-7 个字符
• 慢节奏：每秒约 3 个字符

场景时长分配

• 开场（黄金3秒）：2-3秒
• 重点内容：5-8秒
• 过渡内容：3-5秒
• 结尾号召：2-3秒

帧数计算

帧数 = 时长(秒) × 30 (FPS)

名词视觉化示例

示例：OpenClaw 技能系统

口播："OpenClaw 是你的 AI 助手，但它的能力取决于「技能」"

名词提取：
- OpenClaw → 🤖
- AI 助手 → 🤖
- 技能 → ⚡

视觉化设计：
| 名词 | 视觉元素 | 入场时机 | 动画 |
|------|---------|---------|------|
| OpenClaw | 🤖 | 0s | fade-in |
| 技能 | ⚡ | 0.5s | pop-in |

工作流程

1. 分析脚本 - 提取核心观点和逻辑结构
2. 识别名词 - 找出所有需要视觉化的名词
3. 匹配视觉 - 为每个名词分配 emoji/图标/图形
4. 规划动画 - 设计入场顺序和动画类型
5. 预估时长 - 根据文字量预估配音时长
6. 拆解分镜 - 将脚本拆解为若干"关键画面"
7. 输出表格 - 完整的画面设计方案

视觉元素建议

常用 Emoji

🎯 💡 🔥 ⭐ ✅ 📱 🎬 🔧 ⚡ 💪 📖 💰 🚀 🌟 📌 🎓 💡

色系规范

• 背景：深色（#0f0f23 或渐变）
• 主文字：白色或亮色
• 强调色：#FFD700（金）、#00D4FF（青）、#FF6B6B（红）
• 辅助色：#888、#ccc（灰度）

技术备注

生成视频时使用：

• fontFamily: '"Noto Color Emoji", serif' 支持 emoji
• fonts-noto-cjk 支持中文
• fonts-noto-color-emoji 支持彩色 emoji
• FPS: 30, 尺寸: 1080×1920

与 video-producer 配合

本技能输出分镜表，video-producer 负责：

1. 调用 TTS 生成实际配音
2. 获取实测时长
3. 渲染视频
4. 合并音视频

本技能与 video-producer、remotion-video-toolkit 配合使用，实现短视频一键生成