wjs-creating-video-book
把一本书做成 按章节的 YouTube 视频：每一章用 VoiceDrop 读书的有声书 mp3 作为音轨，从章节内容提炼 1-3 个中心思想，为每个中心思想设计提示词、用 GPT Image 2 生成画面（Ken Burns 缓推 + 交叉淡化），中心思想以大字叠加在画面上，最终合成 1920×1080 横屏视频，上传 YouTube。
What this skill produces
| 维度 | 默认 |
|---|
| 尺寸 | 1920×1080 横屏 (16:9)，30fps |
| 粒度 | 一章一支视频（章节 mp3 多长视频就多长） |
| 音轨 | VoiceDrop 读书的章节有声书 mp3（不重新 TTS） |
| 画面 | 每章 1-3 张 GPT Image 2 生成图，Ken Burns 缓推，段间 1s 交叉淡化 |
| 文字 | 每个中心思想：大字标题（≤12 字）+ 一句阐释，淡入淡出，Pillow 渲染 |
| 项目目录 | ~/code/book-videos/<book-slug>/ |
| 输出 | <slug>-chNN.mp4 × N 章 + UPLOAD_META.md |
| 发布 | wjs-uploading-video 上传（横屏普通 video），默认 public |
When this skill fires
- 用户给一本书说「做成视频」「把有声书配上画面发 YouTube」
- 用户跑
/wjs-creating-video-book <书名或书架章节>
When NOT to use
- 要的是 30-90 秒竖屏解说短视频 →
/wjs-converting-text-to-video
- 只要有声书 mp3、不要视频 →
/wjs-voicedrop-reading-aloud
- 要写书评文章 →
/wjs-publishing-wechat
Core Principle
这是「听为主、看为辅」的视频。 音轨是整章朗读，观众是在"听书"；画面的职责是给眼睛一个可以停留的锚点，不是动画表演。所以：
- 中心思想宁少勿多 — 一章挑 1-3 个真正的支柱观点，一张画面停留几分钟是正常的
- 全书一个视觉风格 — 章与章之间画风必须一致（同一媒介、同一色调家族），观众换章时不出戏
- 画面画具象场景，不画抽象概念 — 「杠杆」画一根撬动巨石的长杆，不画"杠杆"两个字或抽象箭头图表
- 版权自查 — 整章朗读原文 + 公开发布，只适用于公版书或用户拥有权利的书；在版权书先向用户确认再发布
Workflow
Step 0: 项目目录
SLUG=<book-slug> # 优先用书的英文名短 slug（如 naval-almanack）；没有英文名才用拼音
BOOK=~/code/book-videos/$SLUG
mkdir -p $BOOK/chapters/{01,02,...} # 每章一个两位数目录
Step 1: 每章拿到文本 + 有声书 mp3
| 素材 | 来源（按优先级） |
|---|
| 章节 mp3 | ① jianshuo.dev 书架有声书已合成的章节 mp3（R2，见 memory [[jianshuo-dev-audiobook]]）直接下载 ② 没有 → 用 /wjs-voicedrop-reading-aloud 从章节文本生成 |
| 章节文本 | 书架页面 / 用户给的 PDF・EPUB（EPUB 先 pandoc x.epub -t plain，pandoc 未装先 brew install pandoc） |
存为 chapters/NN/audio.mp3 和 chapters/NN/chapter.md。
Step 2: 每章提炼 1-3 个中心思想 → ideas.json
读 chapter.md，挑真正的支柱观点。数量跟着音频长度走：<5 分钟 1-2 个，5-15 分钟 2-3 个，>15 分钟也最多 3 个（画面是锚点不是字幕）。
[
{"title": "杠杆是新的钱", "caption": "代码和媒体是无需许可的杠杆", "image": "img-1.png", "start": 0},
{"title": "把自己产品化", "caption": "独特知识乘以杠杆才有复利", "image": "img-2.png", "start": 312}
]
title ≤12 字（大字）；caption 一句话 ≤20 字；都不写标点结尾start（秒）= 该思想在朗读中开始被讲到的位置，按文本位置比例估算即可；全部省略则均分音频- 中心思想必须忠于章节内容 — 这不是二次创作，是给听众划重点
Step 3: 每个中心思想一张画面（GPT Image 2）
先给全书定一个风格底稿 $BOOK/style.md（只做一次）：媒介必须是插画类（editorial illustration / 水彩插画 / 极简扁平插画等，不用照片写实——插画在 Ken Burns 缓推和文字叠加下最耐看）、色调家族、光线气质，2-3 句。
每张图的提示词按视频友好插画模板拼装 = 全书插画风格 + 该思想的具象场景 + 固定收尾：
node ~/.claude/skills/gpt-image-2-skill/scripts/gpt_image_2_skill.cjs \
--json --provider codex images generate \
--prompt "<全书插画风格>. <这个中心思想的具象场景>. Wide horizontal panoramic composition, landscape orientation, cinematic 16:9 framing. Generous negative space, calm lower left area for text overlay. Illustration, not a photograph. No text, no words, no letters." \
--out $BOOK/chapters/NN/img-1.png --format png --size 1920x1088 --quality high
固定收尾三句缺一不可，各治一种实际踩过的坑：
- "Wide horizontal panoramic composition, landscape orientation" — Codex 端
--size 只是参考，构图实际跟着提示词走；不写这句会返回方图甚至竖图（竖图被 16:9 居中裁剪后损失大半画面）。渲染脚本虽有兜底裁剪，但源头出横图才是正解
- "Generous negative space, calm lower left area" — 左下角是中心思想大字的固定落位，画面主体必须避开
- "No text, no words, no letters" + "Illustration, not a photograph" — 文字由渲染脚本 Pillow 叠加，AI 画中文必崩；照片写实风在缓推 + 大字下显廉价
其余要求：
- 画具象场景（人、物、光、空间），不画概念图解 / 图表 / 箭头
- 同章多张图之间要有视觉关联（同一空间的不同角度、同一天的不同时辰）
- 生成后检查尺寸：仍出竖图（高 > 宽）就换更明确的横向场景措辞重生成，不要将就
Step 4: 合成本章视频
cd $BOOK/chapters/NN
uvx --with pillow python ~/.claude/skills/wjs-creating-video-book/scripts/render-chapter.py .
mv chapter.mp4 $BOOK/$SLUG-chNN.mp4
脚本（已在本机验证）做的事：每张图 3840 上采样后 zoompan 缓推（12s 约 1.09×）、段间 1s xfade、中心思想大字 + 阐释句 Pillow 渲染成透明 PNG 后 overlay（1s alpha 淡入淡出，避开段首段尾各 0.8s/0.5s）、章节 mp3 直接做音轨，-crf 19 输出。字体自动探测 PingFang → Hiragino Sans GB → STHeiti。
注意：本机 ffmpeg 没编译 drawtext，文字必须走脚本里的 Pillow 路径，别试图手写 drawtext 滤镜。
Step 5: 缩略图（每章）
用视频帧 + 大字（不另画 AI 插画）：挑该章标题字最清晰的一帧：
ffmpeg -y -ss <标题完全显示的秒数> -i $BOOK/$SLUG-chNN.mp4 -frames:v 1 -vf scale=1280:720 $BOOK/thumb-chNN.jpg
uploader 不支持 API 设缩略图 — 上传后提醒用户在 YouTube Studio 手动设置。
Step 6: UPLOAD_META.md + 上传
格式必须严格照抄下面骨架 — upload_youtube.py 的解析器只认 ## NN · 文件名 块头 + **短标题** / **视频描述** 小节 + 正文里的 #tag，别的格式解析出 0 个块直接退出。每章一个块：
## 01 · <slug>-ch01.mp4
**短标题**
《书名》第一章：<章名或一句话钩子>
**视频描述**
<本章讲什么，2-3 句> + 本章的中心思想列表
有声书朗读来自 VoiceDrop。
#有声书 #听书 #<书名> #<作者> #读书
---
uvx --with google-auth --with requests python \
~/.claude/skills/wjs-uploading-video/scripts/upload_youtube.py --dir $BOOK
章节多时注意 YouTube 每日配额（默认约 6 个/天）：建 upload-batch-N/ 暂存目录放当天要传的 mp4 软链接 + UPLOAD_META.md 软链接，--dir 指向暂存目录分天传。
--dir 模式自动配对目录里的 mp4 和 UPLOAD_META.md（不要用 --video + --meta — --meta 只在 --dir 分支生效，--video 分支要求 --title 且忽略 meta 文件）。多章节视频建议加 --playlist <id> 归入同一播放列表。上传完把链接回给用户。
Step 7: 把全文文稿挂成评论
每支视频上传后，把该章文稿以「置顶评论 + 按小节分条回复」的形式挂在视频下面（听书的人可以对照读）：
uvx --with google-auth --with requests python \
~/.claude/skills/wjs-creating-video-book/scripts/post-transcript-comments.py \
<video_id> chapters/NN/chapter.md \
--header "📖《书名》第 N 章「章名」全文文稿"
脚本行为：自动剥离 chapter.md 里的站点页眉页脚，按 ## 小节切成 3-6 条评论（第一条是置顶主评论，其余作为它的回复，每条 ≤4200 字、标 k/N 序号），回复间隔 2s 防 spam 判定。
权限：需要 youtube.force-ssl scope。若 token 只有 youtube.upload（发评论报 403 / 脚本提示 re-auth），跑一次 uvx --with google-auth-oauthlib python ~/.claude/skills/wjs-creating-video-book/scripts/reauth-youtube.py — 会弹浏览器让用户点一次授权，新 token 同时含 upload + force-ssl，以后不用再弹。
目录结构
~/code/book-videos/<slug>/
├── style.md # 全书视觉风格底稿（一次定）
├── <slug>-ch01.mp4 ... # ⭐ 每章最终视频（在根目录，供 --dir 上传扫描）
├── thumb-ch01.jpg ... # 每章缩略图（YouTube Studio 手动设）
├── UPLOAD_META.md
└── chapters/
└── 01/
├── chapter.md # 章节文本
├── audio.mp3 # VoiceDrop 读书 mp3
├── ideas.json # 1-3 个中心思想
├── img-1.png ... # GPT Image 2 画面
└── overlay-1.png ... # 脚本生成的文字层（中间产物）
Anti-Patterns
| 不要 | 原因 |
|---|
| 把章节文本重新 TTS | 音轨就是 VoiceDrop 读书 mp3，重新合成既浪费又不一致 |
| 一章塞 5-6 个中心思想 | 画面变成字幕机。锚点宁少勿多，≤3 |
| 提示词里让 AI 画字 | GPT Image 2 画中文必崩。提示词强制 "No text"，文字走 Pillow 叠加 |
| 提示词不写 landscape/wide composition | Codex 端 --size 只是参考，会返回方图竖图，16:9 裁剪损失大半画面 |
| 用照片写实风格 | 插画才耐得住 Ken Burns 缓推 + 大字叠加；photo 风显廉价 |
| 画抽象概念图解（箭头/图表/概念词） | 画具象场景，让画面自己会呼吸 |
| 每章换一种画风 | 全书一个 style.md，章间一致 |
| 手写 drawtext 滤镜 | 本机 ffmpeg 没编译 drawtext，会 "No such filter"。用脚本的 Pillow 路径 |
| 在版权书直接公开发布 | 整章朗读原文的版权风险远大于讲书评论。公版书 / 有权利的书才默认发；否则先确认 |
| 缩略图另画 AI 插画 | 用视频帧 + 大字（同封面约定） |
上传用 --video + --meta | 该组合不成立（--video 要求 --title 且忽略 meta），用 --dir |
Dependencies
- ffmpeg（已装；注意本机构建无 drawtext，脚本已用 Pillow 绕过）
- uvx + pillow — 文字层渲染（
uvx --with pillow python ...）
- GPT Image 2（
~/.claude/skills/gpt-image-2-skill/，--provider codex）— 画面生成
- wjs-voicedrop-reading-aloud — 章节 mp3 不存在时生成
- wjs-uploading-video + OAuth token
~/.config/youtube/token.json — 上传
- pandoc — 仅 EPUB 输入需要，本机默认未装，先
brew install pandoc