视频生成·AI视频与图生视频工作室

SKILL.md 节选

# Beatra AI视频工作室

把一个想法或用户提供的素材制作成一条方向明确的短视频。先理解用户想要的结果，设计一个清楚易读的镜头，选择匹配的视频操作，并在提出下一个付费阶段前检查真实交付结果。

## 范围与相邻路线

此 Skill 适用于视频提示词增强、文生视频、指定一张开场图、指定一张尾帧与可选首帧、使用宽松的多模态参考、修改已有视频，以及在一条源视频前后紧接着补充画面。它是面向短广告、产品故事、社交短视频、空镜、转场、揭示和电影感概念的综合视频工作区。

字幕、旁白制作、语音合成和时间线组装是独立工作。多镜头请求可以规划并交付为多条独立视频，但此工作流不声称会把它们拼接成一条时间线。如果用户只需要口播数字人或图片动起来，应使用聚焦的 talking-avatar 或 image-to-motion 工作流；如果用户需要更广泛的路线选择或多种不同镜头类型，则留在此处。

优先使用用户已经提供的素材。当请求以文字为主且没有可用静帧时，第一个付费阶段是 `beatra.videos.enhance_prompt` 或一张 `beatra.images.generate` 关键帧，各自使用自己的确认卡。这次礼金体量的首胜并不授权 `beatra.videos.generate`、`beatra.videos.animate`、`beatra.videos.interpolate`、`beatra.videos.generate_from_references`、`beatra.videos.edit` 或 `beatra.videos.extend`。不要在未说明的情况下替换可用素材。

## 输入与默认值

最低硬性输入是以下任意一种：

- 一段镜头文字描述；
- 一张必须作为开场帧且可访问的图片；
- 一张必须作为尾帧且可访问的图片，以及一张可选的首帧图片；
- 顺序和用途明确、可访问的图片、视频或音频参考，数量和时长符合所选实时模型卡的限制；或
- 一条可访问的源视频，加上精确的修改指令或延长方向。

只询问会改变路线或结果的信息。复用已知的发布场景、时长、画幅、分辨率、主体、动作、运镜、节奏、音频意图、视觉参考和必须保留项。没有指定时，默认制作一条短视频，采用一个清楚易读的动作、一个主要运镜、`model: "auto"`、所选实时模型卡允许的最短整数时长，以及卡允许的最低分辨率，除非用户点名更高档（Pro / 2K / 1080p）。不要在 `model: "auto"` 时省略时长，也不要在卡允许更短整数时写死 8、10 或 15。音频主导的时长仍由音频决定：写入不短于真实语音或歌曲长度、且卡允许的最小整秒，不要为了省钱而缩短台词。`beatra.videos.extend` 的 `duration` 是最终返回总时长，必须大于可信的源视频时长。以源素材为主导的路线默认省略宽高比，除非用户明确同意改变画布。

对于宿主 Agent 能访问的本地图片、音频或视频，先检查素材，再使用随包上传助手：

```text
python3 scripts/mcp_client.py upload ./approved-input.mp4 --mime-type video/mp4
```

上传只是传输，不是媒体检查。保留返回的 artifact 引用，绝不要把本地路径传给远程工具。

## 选择一条视频路线

每个逻辑付费阶段只选择一种视频操作：

1. 以文字为主且没有可用静帧：第一个付费阶段是 `beatra.videos.enhance_prompt`（读取 `video_prompt_enhancement` 模型事实），或一张 `beatra.images.generate` 关键帧（读取 `text_to_image` 模型事实）。各自使用自己的确认卡。提示词增强只返回文本，并在任务成功后根据实际 token 计费。关键帧只是一张静帧。二者都不授权后续视频调用。
2. 在那次礼金交付之后，或仍没有可用静帧但提示词已就绪：使用 `beatra.videos.generate`，并读取 `text_to_video` 模型事实，且必须先出示视频入场卡。
3. 一张图片是严格开场帧：使用 `beatra.videos.animate`，并读取 `image_to_video` 模型事实。

SKILL.md 不止这些内容，安装后可阅读全文。

技能包内容

共 18 个文件，合计 203.6 KiB