https://github.com/frank-oll/ai-video-creator
Claude skill: 把一个生活妙招选题端到端做成可直接发布的竖屏 AI 短视频(自带 AI 配音)。双锚定一致性 + 全中文分镜 + 火山 ARK 单网关。End-to-end AI short-video skill with native voiceover.
https://github.com/frank-oll/ai-video-creator
agent-skill ai-video ai-voiceover anthropic claude claude-skill doubao douyin ffmpeg image-to-video seedance seedream short-video text-to-video volcengine xiaohongshu
Last synced: 2 days ago
JSON representation
Claude skill: 把一个生活妙招选题端到端做成可直接发布的竖屏 AI 短视频(自带 AI 配音)。双锚定一致性 + 全中文分镜 + 火山 ARK 单网关。End-to-end AI short-video skill with native voiceover.
- Host: GitHub
- URL: https://github.com/frank-oll/ai-video-creator
- Owner: Frank-oll
- License: mit
- Created: 2026-06-11T06:06:29.000Z (16 days ago)
- Default Branch: main
- Last Pushed: 2026-06-11T09:05:55.000Z (16 days ago)
- Last Synced: 2026-06-11T09:24:34.692Z (16 days ago)
- Topics: agent-skill, ai-video, ai-voiceover, anthropic, claude, claude-skill, doubao, douyin, ffmpeg, image-to-video, seedance, seedream, short-video, text-to-video, volcengine, xiaohongshu
- Language: Python
- Size: 75.2 KB
- Stars: 1
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# AI 短视频skill · ai-video-creator
> 一个 [Claude Agent Skill](https://docs.claude.com/en/docs/agents-and-tools/agent-skills/overview) —— 把一个生活妙招选题,端到端做成**可直接发布的竖屏 AI 短视频(自带 AI 配音)**。
[](https://github.com/Frank-oll/ai-video-creator/releases/latest)
[](LICENSE)
**English:** An end-to-end Claude skill that turns one "life-hack" idea into a publish-ready 9:16 short
video — consistent storyboard images → image-to-video clips with **native AI voiceover** → auto-stitched
final cut. Single gateway (Volcengine ARK), single key. All generation prompts are in Chinese by design
(Seedream / Seedance are ByteDance models tuned for Chinese semantics).
## 它做什么
```
问方向 → 热门检索/对标视频拆解 → 选题对齐 → 双锚定方案(视觉+叙事) → 分镜脚本
→ 生成 N 张一致性分镜静图(火山 Doubao-Seedream-5.0-lite)
→ 并发生成 N 段 I2V 视频,带原生 AI 配音(火山 Doubao-Seedance-1.5-pro)
→ ffmpeg 自动拼接成片
```
默认结构 **3 镜 × 5 秒 = 15 秒,9:16 竖屏**(可调)。最终交付:
- **`final.mp4`** — 成片,自带 AI 配音,可直接发布
- 分镜静图(PNG)+ 分段视频(MP4,各自带配音,供剪映精修)
- `storyboard.xlsx` 分镜表 + `voiceover-script.txt` 口播稿 + 后期指引
## 三档确认模式
| 模式 | 说法示例 | 体验 |
|------|---------|------|
| 标准(默认) | — | 选题/锚定/分镜/成本/基准图逐步确认,适合首次或新方向 |
| 快速 | "快速来一条""老规矩" | 一份完整方案一次确认 + 成本确认,两次交互出片 |
| 托管 | "直接做完给我" | 只确认成本,做完交付并汇报所有决策 |
偏好(方向/人群/音色/模式)会被记住,第二次使用一句话带过。
## 架构:单 key + 火山纯生态
| 用途 | 网关 | 默认模型 |
|------|------|------|
| 图片生成 | 火山引擎 ARK | `doubao-seedream-5-0-lite` |
| 视频生成 + 配音 | 火山引擎 ARK | `doubao-seedance-1-5-pro-251215` |
| 拼接成片 | 本地 ffmpeg | concat + stream copy(失败自动重编码) |
只要一个 `ark-` 开头的 key。模型可用 `--model` 热替换(换 Seedance 1.0 系列更便宜但
**无音频**;成本估算会按实际模型单价算)。
## 安装
### 1. 获取 skill
**方式 A · git clone(推荐,方便 `git pull` 更新):**
```bash
git clone https://github.com/Frank-oll/ai-video-creator.git
```
把整个目录放进你的 agent 的 skills 目录:
- **Claude Code**:放到 `~/.claude/skills/ai-video-creator/`(目录里直接是 `SKILL.md`)
- **claude.ai**:Settings → Skills → Upload(先把目录打包成 `.skill` / zip 再上传)
- 其他遵循 SKILL.md 规范的 agent(Kimi 等):放进各自的 skills 目录
**方式 B · 下载 [`.skill` / `.zip` 包](https://github.com/Frank-oll/ai-video-creator/releases/latest)**(在 Release 页),直接上传到 claude.ai(Settings → Skills → Upload)。
### 2. 安装依赖
```bash
pip install -r requirements.txt # requests + openpyxl
# ffmpeg(拼接/抽帧用,强烈推荐):
brew install ffmpeg # macOS
sudo apt install ffmpeg # Ubuntu/Debian
# Windows: https://www.gyan.dev/ffmpeg/builds/ 下载,bin 加 PATH
```
### 3. 配置火山 ARK key
注册 https://www.volcengine.com/ 并实名 → 进方舟控制台 https://console.volcengine.com/ark →
「模型管理」免费开通 **Doubao-Seedream-5.0-Lite** 和 **Doubao-Seedance-1.5-Pro** →
「API Key 管理」新建 key(以 `ark-` 开头)。余额建议 ≥ ¥10。
## 支持的智能体(跨平台)
本 skill 遵循通用的 **SKILL.md / Agent Skill 规范**,不绑定单一客户端。除了 Claude Code、
claude.ai,理论上也能放进其他兼容该规范的智能体使用,例如 **WorkBuddy、Marvis、OpenClaw、
Hermes** 等。
> ⚠️ **使用效果因模型而异**:本 skill 重度依赖宿主智能体的底层模型能力——多模态自检(看图判断
> 画面一致性)、中文语义理解、命令行/工具调用、长流程编排。不同智能体接入的模型不同,**出片
> 质量与稳定性会有差异**;能力较弱的模型可能需要更多人工确认或重试。建议优先选用多模态和中文
> 能力较强的模型,以获得最佳效果。
## 首次使用
在 chat 里说:**"做一条妙招短视频"**(或直接说方向:"做一条阳台种菜的短视频")。
agent 会:索要并验证 key(配置时就把模型开通问题预检出来)→ 问方向 → 检索热门/拆解你给的
对标 → 出选题和方案 → 确认成本(默认配置约 $0.27 ≈ ¥2)→ 生成(每张图、每段视频 agent
先自检再交付)→ 拼接成片。
## 成本与耗时(默认 3 镜 × 5s)
| 项目 | 估算 |
|------|------|
| Seedream 生图 × 3 | ~$0.06 |
| Seedance 1.5 pro(含配音)15s | ~$0.21 |
| 合计 | **~$0.27 ≈ ¥2**(自检重试可能 +0~2 次生图) |
视频 3 镜并发生成约 1-4 分钟。真实单价以火山控制台账单为准。
## 文件结构
```
ai-video-creator/ # 仓库根 = skill 根(SKILL.md 里 name: ai-video-sannong)
├── SKILL.md # 工作流主干(给 agent 读)
├── README.md # 本文件(给人读)
├── LICENSE # MIT
├── requirements.txt # Python 依赖
├── scripts/api_client.py # 全部 API 调用封装(火山 ARK + ffmpeg)
├── profiles/ # 题材包(可扩展)
│ ├── _template.md # 新题材现场生成模板
│ ├── sannong.md # 三农园艺
│ └── home-hacks.md # 家居清洁收纳
├── references/ # 按需查阅
│ ├── voice-presets.md # 配音音色详解(6 preset + 方言)
│ ├── troubleshooting.md # 故障排查
│ └── post-editing-guide.md # 剪映后期指引模板
├── templates/sample_visual_anchor.md # 双锚定 + prompt 完整范例
└── examples/case_gemini_analysis.md # 对标拆解报告范例
```
生成的项目落在 `output/<日期-选题>/`,每条视频独立目录,含 `project.json` 状态档案
(支持断点续传、单镜重做)。
## 常见问题
- **模型未开通?** 不是 bug,火山要求控制台手动点「开通」(免费)。配置阶段的预检会直接
告诉你差哪个。详见 `references/troubleshooting.md`。
- **配音能换吗?** 6 个内置 preset(含男声)+ 方言 + 完全自定义,见
`references/voice-presets.md`。
- **想做新题材?** 直接说,agent 会现场生成题材包并可保存复用(`profiles/_template.md`)。
- **想要更便宜?** `--model doubao-seedance-1-0-pro-fast-251015`(省 ~40%,无配音,
剪映"文本朗读"补)。
- **没装 ffmpeg?** 不阻断,拿 3 段分段 mp4 去剪映手动拼。
- **修改 skill 后**:重新 zip 成 `.skill` 重传 claude.ai(改动不自动同步)。
## 限制
- 不支持人物对话/表演类视频(跨镜身份一致性受限;末镜露脸+CTA 可选但有翻车率)
- 不支持复杂多步骤工艺(镜头数有限)、背景频繁切换的视频
- AI 配音支持中文(普通话 + 四川/粤语等方言)、英文、日韩西语,小语种不支持
## 贡献
欢迎 PR 和 Issue,尤其是这几类:
- **新题材包**:照 `profiles/_template.md` 写一个新 `profiles/<拼音slug>.md`(美食、宠物、
育儿、手工……),让更多垂类开箱即用。记得认真填「安全红线」字段。
- **音色 preset**:在 `scripts/api_client.py` 的 `VOICE_PRESETS` 里加新音色,并在
`references/voice-presets.md` 补说明。
- **对标拆解 / 双锚定范例**:好的范例能显著提升新手出片质量,参考 `examples/`、`templates/`。
- **Bug、prompt 翻车 case、新模型适配**:开 Issue 时尽量贴上选题、报错原文和 `project.json`。
提交前请确认**没有把任何 API key、`output/` 产物、本地配置**带进 commit(`.gitignore` 已覆盖常见情况)。
## 免责声明
- **第三方服务**:本 skill 调用火山引擎 ARK(Doubao Seedream / Seedance)生成图片与视频,
产生的费用、内容合规与服务可用性由火山引擎及使用者自行负责,本项目不收取任何费用。
- **成本仅为估算**:README 与 `estimate-cost` 给出的金额是基于公开报价的估算,**真实账单以
火山控制台为准**。
- **AI 生成内容**:成片为 AI 生成,发布到各平台时请遵守平台关于「AI 生成内容」的标识要求与
内容规范;请勿用于生成误导性、违法或侵权内容。
- 本软件按「现状」提供,不附带任何担保,详见 [LICENSE](LICENSE)。
## 许可证
[MIT](LICENSE) © 2026 Frank
---
🎬 觉得有用的话,点个 ⭐ Star 支持一下,也欢迎把你做出来的成片来交流。