一键短视频（端到端编排）

输入一个主题，自动产出一条短视频。本 SKILL 是编排层：把已有制作零件串成流水线—— 文案(video-script) → 逐句配图(ai-image-gen)或片段(ai-video-gen) → 配音(tts-voiceover) → 字幕(auto-subtitle) → BGM(ai-music) → 合成(scripts/assemble.py)。 沉淀自 Pixelle-Video / MoneyPrinterTurbo 的自动短视频引擎思路。

输入

• 主题 / 文案（必填）
• 可选：目标时长、风格、是否要配音/字幕/BGM、配图用 AI 生图还是用户素材
• 画幅确认硬门：用户或上游任务未明确横版/竖版（或 16:9/9:16/具体分辨率）时，制作/付费调用前必须追问并等确认；不得从平台、Profile 或默认值静默推断，已明确则不重复问

输出

成品短视频写入 outputs/主题名/final.mp4；分镜图、配音、字幕和 storyboard 写入 outputs/主题名/assets/。

执行步骤（按需裁剪，缺 API key 的环节自动降级或询问）

1. 写脚本分镜：用 video-script 把主题写成口播文案，拆成 N 句（每句一个分镜），每句配一个画面描述。

2. 生成画面（每个分镜一张图/一段片）：

   • 有图像 API key → ai-image-gen 逐句 text2img（按已确认画幅）
   • 要动态 → ai-video-gen text2video/image2video
   • 用户自带素材 → 用 image-editing pad 到已确认画幅
   • 都没有 → 按已确认画幅选图卡（竖版用 card-xiaohongshu/poster-hero，横版用 card-quote）再 pad，避免画幅错配。

3. 配音：tts-voiceover 把文案合成口播（同时出 SRT）。配了 VOICE_PROVIDER 默认走闭源好嗓子（有情感、像真人），没 key 才退 edge（机械）——想要口播不"生硬"务必配闭源 key。不需要配音才跳过。

4. 字幕：用 TTS 附带的 SRT，或对配音跑 auto-subtitle；也可让 assemble 用各分镜 caption 自动生成。

5. BGM：ai-music 生成，或用用户提供的音乐。可选。

6. 合成成片：把上面的素材写成 storyboard JSON，调合成器：

   python skills/builtin/auto-short-video/scripts/assemble.py assemble \
     --storyboard outputs/主题名/assets/storyboard.json \
     -o outputs/主题名/final.mp4
   

   storyboard 结构（图/片二选一，narration/bgm/subtitle 可选，缺 duration 时按配音均分）：

   {
     "size": "<已确认尺寸，如1080x1920或1920x1080>",
     "image_motion": "ken-burns",
     "shots": [
       {"image": "outputs/主题名/assets/shot1.png", "duration": 3, "caption": "第一句", "motion": "static"},
       {"video": "outputs/主题名/assets/clip2.mp4", "caption": "第二句"}
     ],
     "narration": "outputs/主题名/assets/voice.mp3",
     "bgm": "outputs/主题名/assets/bgm.mp3",
     "subtitle": "outputs/主题名/assets/voice.srt"
   }
   

   image_motion 设整条图片默认运动，单镜 motion 可覆写：照片用 ken-burns，含文字的 slide/图表/界面必须用 static（等比缩放 + 补边，不裁切、不平移）。 合成器自动做：按 image_motion 生成静帧或 Ken Burns、补边到画幅、拼接、配音+BGM 混音（BGM 自动压低）、烧录字幕。

   长流程可在首次合成时加 --resume，中断后用同样的参数再次运行：

   python skills/builtin/auto-short-video/scripts/assemble.py assemble --resume \
     --storyboard outputs/成都旅行指南/assets/storyboard.json \
     -o outputs/成都旅行指南/final.mp4
   

   已完成镜头在输入参数、素材内容和产物摘要均匹配时复用；修改素材、时长、画幅、运动方式或渲染器会失效。 检查点存于成片旁的 .final.mp4.checkpoints/，不重复生成图片/视频、不调用付费 API。 拼接、混音和字幕每次重新执行；失败时保留上一份成片。未加 --resume 时仍使用原有临时目录流程。 清单损坏会报错，不自动清空；仅在确认相关进程全部退出后才能人工清理检查点目录。

7. 交付：产出 final.mp4，附一句制作说明（用了哪些环节、哪些降级了）。

编排原则

• 零件可缺：缺图像/视频/TTS API key 的环节自动降级（图卡兜底 / 跳过配音），不阻断整体，并如实告知用户降级了什么。
• 先出 Plan：涉及多个付费 API（生图/生视频/生乐）时，先向用户说明将调用哪些、大致耗时/花费，确认后再跑。
• 中间产物留档：分镜图、配音、字幕和 storyboard 都写进 outputs/主题名/assets/，方便单独替换后重新合成。

Profile 感知

• 有 Profile：从 style.md 取调性/视觉风格贯穿文案与配图 prompt；platforms.md 只用于给出画幅/时长建议，画幅仍须确认；preferences.md 红线过滤。
• 无 Profile：先确认横版/竖版，再用通用口播风格。