抖音短视频生产 · 双路径 Skill

一条 Skill，两条路：Path A [付费] 追求品质上限；Path B [免费] 追求零成本快出。选完就跑，不用配环境。

⚡ 一键安装（首次必做）

Windows 用户（复制即跑）：

# 1. 装 ffmpeg（没装的话）
winget install ffmpeg   # 或下载 https://www.gyan.dev/ffmpeg/builds/

# 2. 装 Node.js ≥22（HyperFrames 需要）
winget install OpenJS.NodeJS.LTS

# 3. 装 edge-tts
pip install edge-tts

# 4. 一键验证全部依赖
python scripts/install_path_b_deps.py --check

Mac 用户：

brew install ffmpeg node pip && pip3 install edge-tts && python3 scripts/install_path_b_deps.py --check

全绿 → 直接出片。有红 → 按提示装缺失项。Path B 只需这 3 样东西，2 分钟搞定。

两条路径怎么选

💡 不知道选哪个？ 先用 Path B 免费出一条试试效果 → 满意了再投入 Path A 配环境。

🟢 Path B 可移植提示：本行链路（edge-tts + HyperFrames + ffmpeg + 本地脚本）是纯开源组件，理论上可改写进 Codex / Claude Code 等带 bash 的 agent 直接跑（平台专属入口除外）。详见下方「🧩 平台兼容性与适配范围」。

🎯 你说什么 → 我做什么（照着说就行）

💡 原则：你说得越具体越好。不确定就说「帮我做一条关于 XX 的抖音短视频」，我会问你几个关键问题然后开干。

🚨 出问题了？30 秒自救（不用查文档）

第一步：判断问题类型

第二步：安装 / 环境排错（依赖类问题）

第三步：卡住了？4 步排查

① 跑 `python scripts/install_path_b_deps.py --check` → 缺什么装什么
② 看最后 20 行终端输出 → 复制给 AI 助手分析
③ 网络问题？→ 检查代理/VPN → edge-tts 不通就自动降级 Path A 配音
④ 完全不知道哪错了？→ 把完整报错发给 AI 助手

🔧 需要深度排查？ → skills/抖音/references/error-handling.md（E001-E015 完整码表 + 大白话翻译 + 逐条修复步骤）

🚨 避坑清单（新手必读，5 分钟省 80% 坑）

记忆口诀：三点五分一七二，TTS 验时长别忘掉

写脚本阶段（最容易翻车）

配图阶段

渲染阶段

Dify 用户额外注意

五层模块（按需加载，不用全读）

扩展层（可选，仅实拍素材场景）：

主理人（司远）只做编排和合规总控，不代写任何模块的专业产出。 💡 想用真正的多 agent 并发编排（而非单主机串行）？见下方「🤝 多 Agent 模式」。

字段怎么在各层之间传递

大脑层          采集/混剪              中游脚本           绘影          下游渲染
┌────────┐    ┌─────────────┐      ┌──────────────┐   ┌────────┐   ┌──────────────┐
│account │    │ clip_       │─────▶│ optimized_   │   │image_  │   │ dubbing_     │
│position│    │ segments    │      │ script       │──▶│map     │──▶│ method       │
│topic   │───▶│ (可选)      │      │ title_options│   │        │   │ render_      │
│compli- │    │             │      │ shot_plan [] │   │        │   │ channel      │
│ance    │    │             │      │ score        │   │        │   │ aspect_ratio │
└────────┘    └─────────────┘      └──────────────┘   └────────┘   └──────────────┘
   (可选)         (实拍素材可选)        (每次必经)       (可选)        (每次必经)

4 条铁律：

1. 每层必须把上一层完整结构化字段原文带入下一层，禁止凭记忆跳过
2. dubbing_method 枚举：edge_tts(免费) / baike / gptsovits / voxcpm2 / cosyvoice
3. render_channel 枚举：hyperframes(免费) / jianying / remotion / ffmpeg / digital_human
4. 合规闸门由大脑设计、下游执行，任何层不得放宽

Handoff 字段速查

枚举值必须合法，否则下游校验不通过。Path B = edge_tts + hyperframes = 免费直出。

✨ 独特价值（为什么不是又一个普通工具）

国内适配

• Path A：全链路国内部署——Dify+通义/DeepSeek、WorkBuddy内置生图、百炼/剪映/ffmpeg/CosyVoice。GPT-SoVITS + ffmpeg 组合 = 完全离线。
• Path B：WebSearch/WebFetch（国内可达）、edge-tts（微软免费，需联网）、HyperFrames（本地渲染）。edge-tts 是唯一联网环节，偶尔不通自动降级。

质量承诺

• 每层必须把上一层完整结构化字段原文带入，禁止凭记忆跳过
• 合规闸门由大脑设计、下游执行，任何层不得放宽
• 不产出未过质量自检卡的成片

端到端实例（你说什么 → 我怎么做 → 出什么）

Path B 免费直出（5 分钟）

你：「帮我蹭最近 AI 热点，用免费方式快速出一条抖音视频」

我做：① 采集 → AI热点报告 ② 脚本 → 口播稿+shot_plan+score=8.2 ③ 渲染 → edge-tts+HyperFrames → final.mp4（1080×1920，带字幕） ✅ 零云费 3-5min

Path A 品牌向（有配音环境，10-15 分钟）

你：「帮我的知识付费账号做一条品牌向视频，用百炼克隆音色」

我做：① 大脑 → 定位+合规闸门 ② 脚本 → 优化稿+shot_plan+score=8.5 ③ 绘影 → 6张配图 ④ 渲染 → 百炼配音+剪映混剪 → brand_final.mp4 ✅ 四层全跑

Path A 实拍混剪流（有原始素材，15-20 分钟）

你：「我有一段 5 分钟直播回放，帮我挑高光剪成抖音带货视频」

我做：① 大脑 → 定位+合规闸门 ② 混剪 → autoclip 提取 clip_segments ③ 脚本 → 按高光写口播+shot_plan ④ 绘影/素材准备 → ⑤ 渲染 → CosyVoice 配音 + 剪映精修（或 Remotion 模板化） → montage_final.mp4 ✅ 混剪层启用

Path A Remotion 模板化出片（有脚本和图，10 分钟）

你：「给我做一条品牌一致的动态图文视频，用 Remotion 出片」

我做：① 大脑 → 定位+风格锚点 ② 脚本 → 口播稿+shot_plan ③ 绘影 → AI 生图 ④ 渲染 → edge_tts/百炼配音 + Remotion 模板渲染 → remotion_final.mp4 ✅ 程序化动态图形

只要脚本（1-2 分钟）

你：「我有一段口播初稿，帮我优化」

我做：① 大脑可选(合规) ② 脚本 → 10维优化 → optimized_script + title_options×5 + shot_plan + score ✅ 只跑一层

🎓 高级功能（进阶按需深潜）

学习路径：Path B 跑通基础(🟢) → Path A CosyVoice+剪映(🟢→🟡) → 按需深入 Remotion / 混剪 / 数字人(🔴)

🧩 AI 直出视频（平台内置模型 · 本 skill 之外的补充能力）

上面全部方法都是「脚本 → 配音 → 渲染/混剪」的编排路线。 WorkBuddy 还内置 4 个 AI 扩散视频模型，给「文字 / 图片」就能直接生成动态视频，不走本 skill 的 A/B 流程—— 通过平台「多模态内容生成」入口（或 AI 内容创作专家团的 video-generator 成员）调用。

和本 skill 的关系：互补，不是替代。

• 本 skill = 工业化流水线（口播、矩阵号、真人质感、实拍混剪）。
• 这 4 个 = 扩散式直接生成动态画面（创意片段、素材生成、单图人像）。

怎么接入你的工作流（推荐组合）：

1. 用 HY-Video-1.5 / YT-Video-2.0 生成几段素材片段（MP4）；
2. 把它们当作实拍素材喂进本 skill 的「②.5 混剪层」（autoclip）→ 提取 clip_segments；
3. 再走中游脚本 + 下游配音渲染，汇入成片。

→ 等于给 Path A 混剪流补上「AI 生成素材」入口，不必自己拍/找素材。

⚠️ 这 4 个模型不在本 skill 目录内，由平台统一提供，无需安装任何依赖。🔴 仅 WorkBuddy 平台可用——依赖平台内置运行时与「多模态内容生成」入口，无法在其它 agent 上复现。 触发方式：直接说「用文字/图片生成视频」「把这张图变成动态视频」即可唤起「多模态内容生成」。

🧩 平台兼容性与适配范围（重要 · 仅 WorkBuddy vs 可移植）

本 skill 在 WorkBuddy 上开箱即用。但内部各能力的"可移植到 Codex / Claude Code / 其它带 bash 的 agent"程度不同——下面逐能力标注，方便你判断能搬哪些、哪些搬不了。

一句话结论：当「可运行的 skill」只认 WorkBuddy；当「编排思路 / 免费渲染脚本」可在其它 agent 复用——最现实做法是拆出 Path B 免费链路独立版（摘掉平台专属入口即可）。

🤝 多 Agent 模式（可选 · 把 6 个子模块交给会 spawn agent 的宿主并发编排）

上方「五层模块（按需加载）」默认是单主机串行：一个宿主 agent 拿着本 SKILL.md，按「大脑 → 脚本 → 绘图 → 渲染」顺序逐层读、把结构化 JSON 字段往下传（见上方字段传递图）。 如果你想真正多 agent 并发（几个角色同时干、再汇总），可以把本 skill 的 6 个子模块交给一个能 spawn 子 agent 的宿主（例如 WorkBuddy 的「AI 内容创作专家团 · 司远」）来编排——这也正好是调用上方「🧩 AI 直出视频」4 个平台视频模型的入口（本 skill 自己到不了）。

子模块 → 专家团成员 映射

⚠️ 两个「司远」别混：本 skill 第 176 行的「主理人（司远）」只是文档里的角色比喻（指跑这份 skill 的人）；真正的多 agent 宿主是另一套「AI 内容创作专家团 · 司远」专家，两者独立、不要对号入座。

并发要点（多 agent 模式）

• 可并行：绘影生图 与 平台视频模型生成素材片段 互不依赖，可同时派 image-creator 和 video-generator；
• 必须串行：脚本层（copywriter）先出 optimized_script + shot_plan，绘影和渲染才能接字段；
• 合规闸门：大脑设计的合规规则在每一层（尤其 copywriter 产出前）都要回放，任一不过即拦截；
• 汇总成片：宿主把各 agent 产物（文案 / 图 / 视频片段）交给 video-editor 拼接，或回灌本 skill 的「②.5 混剪层」。

适配范围再提醒

• 多 agent 模式下，平台 4 视频模型（HY/YT）变得可达——补齐了本 skill 本地链路缺的「AI 生成素材」短板（接入法见「🧩 AI 直出视频」）；
• 但 Path A 付费通道、平台运行时仍 🔴 仅 WorkBuddy；Path B 本地链路仍 🟢 可移植。

文件索引与阅读路径

核心文件清单

• scripts/install_path_b_deps.py — Path B 依赖安装 + 环境自检（首次必跑）
• scripts/path_b_build.py — Path B 全链路串联脚本
• templates/hyperframes_path_b/ — Path B 现成合成模板（lint 0 错误）
• skills/大脑/SKILL.md — 策略引擎 [🟡] 账号定位/选题/合规六闸
• skills/采集/SKILL.md — 内容采集 [🟢] 零配置热点采集
• skills/混剪/SKILL.md — 素材混剪 [🟡] AI 高光提取 / autoclip 粗剪
• skills/抖音/SKILL.md — 脚本优化器 [🟡] 口播稿+分镜+质量门
• skills/绘图/SKILL.md — 绘影图像层 [🟡] 9 模型 AI 生图
• skills/video-render-engine/SKILL.md — 渲染引擎 [🔴] 配音×渲染 → 成片
• skills/抖音/references/error-handling.md — 完整错误码 E001-E015 + 大白话翻译 + 高级排错
• skills/抖音/assets/ — Dify 工作流骨架 + 质量门运行器
• references/path_b_beginner.md — Path B 新手指南（5分钟白话版）
• references/path_b_runbook.md — Path B 一站式手册（含排错）
• skills/video-render-engine/references/dubbing-methods.md — 5 种配音方案详解
• skills/video-render-engine/references/render-channels.md — 5 种渲染通道详解
• avatars/ — 团队头像（上传 SkillHub 时可跳过）

v5.1.8（T.C.E 六轮评审 · 双向融合最终版）： 融合 v5.1.7（内容最全）与 v5.1.8（评审精简重构）两版优点—— 吸收 5.1.8 的结构改进：①「⚡ 一键安装」提到文件最前（Win/Mac 复制即跑）；② 每条路径加 [付费]/[免费] 标签 + ⚠️ 画面风格限制最醒目标注；③「🎯 意图路由表」覆盖 12 种常见话术一站式；④「🚨 30 秒自救」10 种现象 + 安装排错表 + 4 步排查树全覆盖；⑤「🚨 避坑清单」4 场景 16 条 + 记忆口诀；⑥ edge-tts 联网依赖 + 自动降级在路径处醒目提示；⑦ 修正全部错误路径引用（error-handling.md / digital-human-training.md / render-channels.md 指向正确子模块路径）。 保留 5.1.7 的实质内容：独特价值表、国内适配矩阵、质量承诺、端到端实例、高级功能表、文件阅读路径、核心文件清单、Handoff 字段速查。 v5.2.0（平台 AI 视频模型接入 + 版本校正）：① 新增「🧩 AI 直出视频（平台内置模型）」一节，补齐 WorkBuddy 内置 4 个 AI 视频大模型（HY-Video-1.5 / YT-Video-2.0 / YT-Video-HumanActor / YT-Video-FX），说明其与本 skill 编排路线的互补关系及「生成素材 → 回灌混剪层」的接入方式；② 意图路由表新增「文字/图片直接生成视频」话术去向；③ 修正 changelog 版本号漂移（frontmatter 已升 5.2.0，此处此前仍停留在 5.1.8）。 v5.2.1（平台兼容性与适配范围标注）：① 新增「🧩 平台兼容性与适配范围」专节，按 🔴 仅 WorkBuddy / 🟢 可移植 / 🟡 部分可移植 逐能力标注可移植性；② 在「AI 直出视频」章节与 Path B 选择处加行内 🔴/🟢 标记；③ 同步 video-render-engine 子模块版本至 5.2.1。 v5.2.2（多 Agent 模式章节）：① 新增「🤝 多 Agent 模式」专节，说明本 skill 默认单主机串行、如何把 6 个子模块交给能 spawn 子 agent 的宿主（如 AI 内容创作专家团）并发编排；② 给子模块→专家团成员映射、并发要点（可并行/必须串行）、与「🧩 AI 直出视频」衔接；③ 澄清文档内「主理人（司远）」比喻与真实多 agent 宿主的区别。 历史版本：v5.1.0（双路径初版）→ v5.1.2（Path B 资产补全）→ v5.1.7（Round 5 结构性精简 627→345 行）→ v5.1.8（T.C.E 六轮评审双向融合最终版）→ v5.2.0（AI 直出视频章节 + 版本校正）→ v5.2.1（平台兼容性标注 + 子模块版本对齐）→ v5.2.2（多 Agent 模式章节）。