Video Skills Toolkit

这是一套面向自媒体视频创作的 Agent Skills 工具包。当前版本围绕“爆款调研与转写 → 内容二创 → 配音与字幕 → 导演稿 → HyperFrames 口播成片 → BGM 与抖音封面”重新组织，不再包含旧的 talking-head-remotion 和 sketch-story-remotion。

Ten Core Skills

Skill	Responsibility
viral-video-benchmark	扫描抖音/小红书账号近期作品，用确定性规则判断爆款，建立证据包，拆解并归档。
media-to-transcript	下载平台视频，抽取与切分音频，通过火山引擎 AUC ASR 产出原始转写、纠错提示和最终逐字稿交接。
content-remix	把已完成八部分拆解的爆款机制迁移成泊舟自己的小红书图文、抖音口播或小红书视频内部草稿。
minimax-voice-director	为锁定逐字稿制作可审批的 MiniMax 声音导演稿，生成、选 Take 并发布最终人声。
audio-to-subtitles	把最终音频/视频转成 SRT、VTT 和对齐 JSON；也保留轻量 MiniMax TTS 兼容入口。
video-script	使用锁定音频和字幕生成管线无关的导演契约、Beat Graph、制作规格和 motion contract。
talking-head-hyperframes	生成并验证 HyperFrames 口播项目的固定舞台、PIP、输入归档、manifest 与执行交接。
hyperframes-scene-animator	实现逐镜静态页、语义动效、转场、声音 cue、proof 和预览审查闭环。
music	通过 ElevenLabs Music API 生成视频 BGM，优先复用已登记音轨，并管理原始产物、无缝循环、哈希和审批状态。
douyin-cover	诊断、生成和改版抖音、视频号、小红书等平台的短视频封面。

Workflow

调研：viral-video-benchmark
        └─ media-to-transcript → 最终逐字稿/关键帧 → 爆款证据与八部分拆解
        └─ content-remix → 二创迁移卡 → 已确认创作逐字稿

制作：已确认创作逐字稿
        → minimax-voice-director
        → audio-to-subtitles
        → video-script
        → talking-head-hyperframes
        → hyperframes-scene-animator
        → music（BGM）
        → douyin-cover

关键边界：

• viral-video-benchmark 负责找对标、判断、证据和拆解，不自动生成二创成稿。
• media-to-transcript 处理对标素材的下载、AUC ASR 和纠错；原始 ASR 不是最终逐字稿。
• content-remix 只消费已选定、已拆解的样本，必须替换原作者事实与表达；它生成迁移方案或内部草稿，不自动发布。
• 正式配音前必须有已确认的逐字稿；本工具包不把“边写稿边做分镜”当作正式流程。
• minimax-voice-director 产出并审批最终人声；audio-to-subtitles 只从定稿音频建立时间轴。
• video-script 只做导演规划，不写场景代码。
• talking-head-hyperframes 只建固定舞台与执行交接；真正的镜头实现属于 hyperframes-scene-animator。
• music 只在已登记音轨不适用时消耗 ElevenLabs 额度；口播 BGM 默认是短、纯音乐、可循环且不抢人声。
• douyin-cover 在标题与发布方向锁定后执行，可与成片收尾并行。

Bundled Support Skills

下列 3 个目录随仓库一起安装，但不另算创作核心：

Skill	Used by	Purpose
video-transcript	media-to-transcript	已废弃的转写入口；仅保留 B 站、抖音、小红书和 YouTube 下载/探测 helper。
hook-writing	viral-video-benchmark	提供钩子类型、情绪机制和只读历史钩子库。
obsidian-bases	viral-video-benchmark	在需要时维护 Obsidian .base 视图、过滤和公式。

Install

克隆仓库：

git clone https://github.com/bozhouDev/video-skills-toolkit.git
cd video-skills-toolkit

将 skills/ 下的 10 个核心目录和 3 个随包依赖保持为同级兄弟目录，复制到你的 Agent Skill 根目录。例如：

mkdir -p ~/.agents/skills
cp -R skills/* ~/.agents/skills/

也可放入项目级 .agents/skills/、.claude/skills/ 或当前 Agent 平台的对应 Skill 目录。不要只复制单个 SKILL.md；脚本、references、assets 和测试夹具都是包的一部分。

Runtime Requirements

Area	Requirements
HyperFrames	Node.js, npx, FFmpeg/FFprobe, Chrome/Chromium；模板当前固定使用 hyperframes@0.7.65
MiniMax voice	Python 3, requests, PyYAML, FFmpeg/FFprobe, MINIMAX_API_KEY, MINIMAX_VOICE_ID
Subtitles	Bun/Node.js, MediaKit API 凭证；本地文件上传还需 Cloudflare R2 凭证
Media transcript	Python 3, FFmpeg/FFprobe, Playwright + Chromium；YouTube 还需 yt-dlp；AUC 需 VOLCENGINE_SPEECH_API_KEY，本地音频还需 Cloudflare R2 凭证
Viral benchmark	可读取已登录抖音/小红书页面的浏览器自动化能力
Content remix	<NOTES_VAULT>/我的设定/ 中的创作方向与受众画像，以及当前写作风格/偏好 Skill
BGM generation	ElevenLabs 付费方案与 ELEVENLABS_API_KEY；Python 使用 elevenlabs，TypeScript 使用 @elevenlabs/elevenlabs-js
Cover generation	当前 Agent 环境中的 imagegen / image_gen 能力

还会按需路由到下列外部能力，它们不计入本仓库的 10 个核心 Skill：

• HyperFrames 基础能力：hyperframes、hyperframes-core、hyperframes-animation、hyperframes-cli。
• 爆款页面证据采集：computer-use。
• 内容二创必需：bozhou-writing-style；用户没有指定新角度时还需 content-angle。
• 内容二创条件路由：topic-extract、topic-priority、creator-data-review。
• 封面生成：imagegen。

music/references/generated_music.md 会保留工作区曲库的提示词、哈希和处理记录；登记中指向的已生成音频未随公开仓库再分发。只有本地文件实际存在时才复用，否则生成新 BGM。

Verification

# HyperFrames template factory
node skills/talking-head-hyperframes/scripts/test_scaffold.mjs

# HyperFrames executor contracts and proof pipeline
node skills/hyperframes-scene-animator/scripts/test_contract_adapter.mjs
node skills/hyperframes-scene-animator/scripts/test_proof_pipeline.mjs

# MiniMax voice workflow
python3 -m unittest discover \
  -s skills/minimax-voice-director/tests -p 'test_*.py'

# Viral benchmark scoring and evidence contracts
python3 -m unittest discover \
  -s skills/viral-video-benchmark/tests -p 'test_*.py'

# Media downloader/transcript package syntax and CLI
python3 -m py_compile \
  skills/media-to-transcript/scripts/media_to_transcript.py \
  skills/video-transcript/scripts/transcript.py \
  skills/video-transcript/scripts/platform_extractor.py
python3 skills/media-to-transcript/scripts/media_to_transcript.py --help

这些测试不会调用真实 MiniMax API、写入平台数据或发布作品。HyperFrames proof 测试会读取仓库内的已锁定小型夹具。

Public Repository Safety

• 不提交 API Key、Cookie、.env 或平台登录信息。
• 文档和可执行代码使用 <VIDEO_WORKSPACE>、<SKILL_ROOT>、<NOTES_VAULT> 等占位符，不依赖创作者本机路径。
• content-remix 是泊舟工作流的个人化 Skill；其他创作者应替换 <NOTES_VAULT>/我的设定/ 和对应写作风格 Skill。
• douyin-cover/assets/ 中的泊舟 IP 图像是该 Skill 的创作者身份参考；其他创作者使用时应替换为自己有权使用的参考图，并同步修改 references/ip-persona.md。
• 字体不适用根目录 MIT License；详见 THIRD_PARTY_NOTICES.md。

License

代码与文档使用 MIT License。内置字体保留原 SIL Open Font License 1.1。