AgentMarketMCP / SKILL 资产档案馆

目录 / 多媒体 / 带货广告视频自动出片(配音混剪全包)

SKILL 未评级 已上架

带货广告视频自动出片(配音混剪全包)

--- name: adflow-infoflow-video description: 想投广告不会剪视频?给产品素材,它写文案、配音、混剪、加字幕,几分钟出 3 条能直接投的带货短视频。广告法禁词自动查,全程不用剪辑软件、不用 API key。触发词:信息流素材、电商投放素材、带货短视频、批量出片、裂变视频、广告混剪。 display_name: 带货广告视频自动出片(配音混剪全包) display_name_en: Auto Ad Video Maker description_zh: 给产品素材,自动写文案、配音、混剪、加字幕,几分钟出 3 条能直接投的带货短视频。 description_en: Turn product clips into ready-to-run ad videos with copy, voiceover and subtitles in minutes. examples_zh: - "帮我把这批产品视频剪成带货广告" - "出 3 条不同文案的投放素材" - "查一下这条广告有没有违禁词" examples_en: - "Cut these clips into shopping ad videos" - "Make 3 ad variants with different copy" - "Check my ad script for banned words" version: 1.4.4 author: "ayan" --- # AdFlow 信息流广告混剪出片 你(Claude)在这个 skill 里的角色:**策划 + 质检员**。写文案、看图打标签、把关合规是你的活;配音、剪片、渲染全部交给本地引擎脚本跑。**任何一步都不需要调外部大模型 API。** ## 硬性红线(每次开工前自查,违反就停) 1. **素材版权**:动手导入素材前必须问一句「这些视频素材都是你自己拍的,或者拿到了使用授权吗?」用户否认或含糊 → 拒绝用这批素材出片,说明侵权风险。 2. **BGM 版权**:只允许用户自己提供有授权的音乐(放进 `engine/bgm_library/`)。绝不给用户找下载链接、不推荐盗版音乐源。engine 默认不带任何音乐,没音乐也能出片。 3. **广告法**:写文案时执行 [references/compliance.md](references/compliance.md) 的禁用语清单(最/第一/国家级/根治/保证赚钱这类绝对化和功效承诺词全禁)。引擎渲染后还会跑一道本地广告法检查,未过的片要改文案重出。 4. **品类红线**:药品/医疗器械/保健食品功效宣传、金融投资回报、烟草、代刷代办这类活,直接拒绝,不接单。 5. **不碰别人成果**:不下载、不扒别人的视频当素材;「复制爆款」指的是复制结构和节奏,不是搬运画面。 ## 工作流程 按顺序走,每一步做完确认没问题再进下一步。用户是纯小白时,把你要做的事用一句话说清楚再动手(例:「我先检查你电脑的环境,大概半分钟」)。 ### 第 0 步:解压引擎 + 环境体检(首次必做) 先解压引擎(`engine/adflow/` 已存在就跳过):Windows PowerShell 跑 `Expand-Archive engine/adflow-engine.zip engine/ -Force`;Mac/Linux 跑 `unzip engine/adflow-engine.zip -d engine/`。然后体检: ```bash python scripts/check_env.py ``` - 全 [OK] → 跳到第 1 步。 - 有 [X] → 按输出里的「怎么修」处理: - 缺依赖 / 缺 ffmpeg → `python scripts/setup_env.py --all`(装依赖走清华镜像,ffmpeg 约 80MB 要下载一会) - 用户电脑连 Python 都没有 → 打开 [references/beginner-guide.md](references/beginner-guide.md),照着「装 Python」一节一步步带用户装(python.org 下载,勾选 Add to PATH)。 - 用户提问看不懂报错 → 截图/复制报错给你,你对照 [references/engine-reference.md](references/engine-reference.md) 的「常见报错」一节解释。 ### 第 1 步:配音方案(首次问一次,之后记住选择) 问用户(就这一句,别展开): > 配音用哪种? > A. 微软免费配音(推荐,不用注册不用 key,效果不错) > B. 火山引擎配音(音质更像真人,要注册账号,按量付费) > C. MiniMax 配音(情感表现好,要注册账号,按量付费) - 选 A(默认):什么都不用配,config 已设好 `tts.backend: edge`,直接下一步。 - 选 B/C:打开 [references/tts-setup.md](references/tts-setup.md),带用户走对应教程(注册 → 拿 key → 写进 `engine/.env` → 改 `engine/config.yaml` 的 backend)→ 跑 `check_env.py` 确认显示「key 已配置」。 - 之后每次出片不用再问。换音色参考 tts-setup.md 的音色表(`make_videos.py --voice`)。 ### 第 2 步:导入素材 + 打标签 先过红线 1(版权问话),然后: ```bash python scripts/import_materials.py --dir "用户的素材文件夹" ``` 脚本会把视频拷进 `engine/materials/`、探测信息入库、每条抽 4 张关键帧,清单落在 `engine/data/keyframes/manifest.json`。 然后**你来看图打标签**(这就是别人家要调 Vision API 的活,你直接干): 1. 读 `engine/data/keyframes/manifest.json` 2. 用 Read 工具逐条看关键帧图片(`data/keyframes/<素材ID>/f1.jpg` ~ `f4.jpg`) 3. 按 [scripts/apply_tags.py](scripts/apply_tags.py) 文件头注释里的 15 个维度写标签(枚举值必须一字不差,free_tags 写 5~10 个中文词描述画面内容) 4. 全部写进 `engine/data/keyframes/tags.json`(JSON 数组,每条带 material_id) ```bash python scripts/apply_tags.py ``` 素材很多时(>30 条)可以分批:先处理一部分,标签质量优先。素材极少(<3 条)时提醒用户多备些素材,画面才够换。 ### 第 3 步:写文案(你的主战场) 用户给了爆款参考(视频或文案)→ 先按 [references/hit-teardown-template.md](references/hit-teardown-template.md) 拆出可复用因子再仿写(只学结构节奏,画面原声一律不搬)。 按产品信息 + 目标平台写口播文案,方法论照 [references/copywriting-playbook.md](references/copywriting-playbook.md)(六型选型、钩子十法、节奏、情绪曲线都在里面)。硬规则: - 8~12 句、全文 120~150 字,撑 22~30 秒(引擎按句切镜头,一句一个镜头) - 口播短句一句 ≤15 字为目标,一句说清一件事;意思必须完整,绝不为了凑短把话拦腰截断 - 第一句是钩子,最后一句是行动号召;按平台调风格:竖屏快节奏 / 种草闺蜜感 / 直爽接地气 / 温和叙事(引擎 config 里有五平台风格表,--platform 参数选) - 写完跑 playbook 第五节的爆款潜质自检清单,命中不到 3 条先重写,不达标不给用户看 - 再自查红线 3(广告法禁语 + 替换原则 + 价格带规格),然后给用户确认:「文案如下,改哪句直接说,没问题我就开始出片」 用户自带文案时跳过创作,只做合规自查和断句检查(超长句提醒拆短,拆句同样保证每句意思完整)。 ### 第 4 步:出片 用户确认文案后存成文件再跑(文案放引号里容易踩转义坑): ```bash python scripts/make_videos.py --text-file 文案.txt --product-name 产品名 --count 3 --platform douyin ``` - `--count` 默认 3:同一文案出多条,配音和画面组合不同(裂变) - **断点续跑**:重跑同一条命令,上次已出且体检过的成片直接沿用(STATUS=SKIP),只补缺的条目(含上次没过体检的);`--count` 加大也只补增量。全部重出加 `--force` - 跑的时长几分钟,期间把进度念给用户听(配音→匹配素材→渲染) - 跑完自动做成片体检(时长/画面/声音),结尾打 `VERIFY_PASS=n/m` - 退出码:0 全过 / 1 出片失败(`FAILED_STAGE=` 指明挂在哪一步;报错对照 engine-reference.md,常见网络问题,Edge 配音要联网)/ 2 出片了但有成片没过体检 / 130 手动停 ### 第 5 步:交付 - **硬门禁:`VERIFY_PASS=n/m` 不是 m/m 就不能说完成。** 没过的按 FAIL_REASONS 定位:黑帧 → 素材有问题,换素材重出;无声 → 配音丢了,重跑;时长不足 → 文案太短,回第 3 步;方向不对 → 检查 `--aspect` 参数。体检也可以单独重跑:`python scripts/verify_output.py --dir engine/output` - 报成片绝对路径(`engine/output/` 下)+ 每条的合规检查结果(看成片清单 `===VIDEOS_START===` 块里的 FILE / STATUS / COMPLIANCE:STATUS=OK 本次新出、SKIP 续跑沿用) - 合规未过的条目:指出是哪句文案触的词,改完重出 - 提醒一句:「发布前自己再过一遍画面和文案,投放内容的法律责任在使用者」 - 用户要继续出片 → 回第 3 步;换产品 → 第 2 步补素材 ## 边界 - 引擎源码在 `engine/`(AdFlow v0.2 分享版,本地剪辑引擎)。Claude 不改引擎代码;调不动的问题看 engine-reference.md,再不行如实告诉用户卡在哪。 - 图形界面(`engine/main.py`)是可选的:用户想点点鼠标管素材也可以开,但 skill 流程全部走脚本,不依赖界面。 - 数字人、CLIP 智能混剪这类重型功能默认关闭,用户主动问再讲(要另装环境)。 ## 免责声明 - 本 skill 按「现状」提供(MIT 许可),作者不对使用结果作任何保证。 - 使用者自负合规责任:请遵守你所在平台的服务条款与当地法规;生成的任何内容发布前请自查(广告法、违禁词、版权)。 - 本包不代任何第三方品牌、不含第三方私有数据;文中出现的第三方产品名仅为功能互操作说明或示例,与相应方无关联、无赞助。 - 你导入的素材、字体、音乐、配音的版权由你自负,商用前确认授权;成片发布前过一遍目标平台的审核规则。

模型生成摘要(rules/v1 · 2026-11-14 18:10):---
这是模型对公开材料的总结,不是官方声明,请以原链内容为准。

存档时间线

版本存档时间内容哈希内容
v12026-11-14 18:1034e15dfd 可取

版本索引永久保留;内容副本只保留最新 1 份,更早版本仅留索引与哈希(存档时间线的证据链不会因此断裂)。

下载存档内容副本

相关资产

MCP 需 API Key

swarmrails

Call any Bittensor subnet from Claude — text, image, video, code, TTS, forecasting, 3D assets, and prediction market int…

语音合成
原作者:wizerai 来源:Smithery 仅卡片存档
MCP 需 API Key

PyAI — Voice AI

Build voice agent profiles, generate text-to-speech (TTS), transcribe audio with speech-to-text (STT), and translate rec…

语音合成
原作者:gaurav-ywfe 来源:Smithery 仅卡片存档
MCP 需 API Key

youtube-data-mcp-server

启用AI语言模型通过标准化接口与YouTube内容交互,提供检索视频信息、字幕、频道分析和趋势分析的工具

字幕
原作者:@icraft2170 来源:ModelScope MCP 仅卡片存档
MCP 鉴权未知

mcp-server-youtube-transcript

一种模型上下文协议服务器,支持从YouTube视频中检索字幕,并提供特定语言的支持

字幕
原作者:@williamvd4 来源:ModelScope MCP 仅卡片存档
MCP 鉴权未知

mcp-youtube-transcript

一个模型上下文协议服务器,可实现从YouTube视频中检索字幕

字幕
原作者:@sinco-lab 来源:ModelScope MCP 仅卡片存档
MCP 鉴权未知

mcp-server-youtube-transcript

一个模型上下文协议服务器,能够从YouTube视频中检索字幕

字幕
原作者:@kimtaeyoon83 来源:ModelScope MCP 仅卡片存档
纠错与举报(发现条目失效、署名有误或涉及侵权?)
提交举报 / 纠错

侵权举报经核验成立后,我们会即时下线该条目并删除已存的内容副本。