create-video

视频生成器 (Create Video)

将任意内容源（每日早报、每周周刊、单篇文章、任意 Markdown）转化为短视频（MP4）。

核心理念: 这不是一套固定模板，而是一组叙事策略。每期视频的结构应该由内容本身决定，不是被模板框住。好的视频让观众获得信息和思考，而不是千篇一律地走流程。

认证与环境变量

Fish.audio TTS

-H "Authorization: Bearer $FISH_AUDIO_API_KEY"

需要的环境变量：

BestBlogs API（早报/周刊输入时使用）

-H "X-API-KEY: $BESTBLOGS_API_KEY"

接口地址：https://api.bestblogs.dev

R2 存储

复用 image-gen 已有的 R2 配置：

若任一环境变量未设置，提示用户配置。

内容类型识别

第一步：识别输入类型，决定基础参数范围。

注意: 输入类型只决定"原料是什么"，不决定视频结构。视频结构由下面的叙事策略决定。

叙事策略库

阅读完所有内容后，根据内容特征选择最合适的叙事策略。同一种输入类型可以用不同策略，甚至混合策略。

策略一：标准精讲 + 速览

适用: 多数 daily 场景，内容质量均匀，2-3 条值得展开

[开场]     → 打招呼 + 今天最值得聊的一句话钩子
[精讲 ×2-3] → 每条独立讲，cover→point→quote→takeaway
[速览]     → 其余内容快速带过
[收尾]     → 一个记住的点 + 推荐

选择信号: 内容间关联性弱，各自独立成立，没有明显主线

策略二：深度聚焦

适用: 有一条内容特别好，值得花大量时间讲透

[开场]     → 直接抛出这个话题为什么重要
[深度 ×1]  → 单条 4-6 分钟，12-15 张 slides，层层展开
[速览]     → 其余内容一句话带过（可选）
[收尾]     → 核心判断 + 推荐原文

选择信号: 某条评分远超其他，或话题复杂度高需要充分展开，或用户指定"重点聊某条"

策略三：主题串联

适用: 多条内容指向同一个话题，串起来比单独讲更有价值

[开场]     → 提炼主题线，"今天有好几条都和 XX 有关"
[主题段]   → 2-3 条相关内容编织成一个叙事，而非逐条讲
[补充速览] → 不相关的内容快速带过
[收尾]     → 这个主题的整体判断

选择信号: 2-3 条内容有明显的话题重叠（如都涉及 Agent、都涉及某公司、都涉及同一技术方向），串联后信息增量大于分开讲

策略四：对比分析

适用: 有两条内容形成对比、互补或对立关系

[开场]     → 抛出对比视角，"今天有两个很不同的声音"
[A 观点]   → 第一条的核心观点和依据
[B 观点]   → 第二条的核心观点和依据
[对比总结] → 你的判断：谁更有道理？各自的适用边界是什么？
[速览]     → 其余内容
[收尾]

选择信号: 两条内容观点相反（如看好 vs 看衰）、方案不同（如两种技术路线）、或同一话题的不同角度

策略五：趋势信号

适用: 多条内容指向一个正在形成的趋势，值得提炼信号

[开场]     → 直接亮出趋势判断，"最近一个明显的信号是……"
[信号 ×3-5] → 每个信号一张 slide + 一句话，快节奏列举证据
[深入分析] → 挑 1-2 个最关键的信号展开
[判断]     → 这个趋势意味着什么？谁应该关注？
[收尾]

选择信号: 3+ 条内容都在说同一件事但角度不同，或本周/今天有一个明显的行业集体动向

策略六：实操拆解

适用: 内容偏工具、教程、实战经验

[开场]     → 痛点或场景引入，"如果你也遇到过 XX 问题"
[背景]     → 为什么需要这个，解决什么问题
[步骤/要点] → 按逻辑顺序展开，配合截图/示意图
[效果/经验] → 实际效果 + 踩坑经验
[收尾]     → 行动建议

选择信号: 内容以 How-to、工具介绍、配置教程、经验分享为主

策略选择决策流程

阅读所有内容
  ↓
有 3+ 条指向同一趋势？ → 策略五（趋势信号）
  ↓ 否
有 2 条形成对比/对立？ → 策略四（对比分析）
  ↓ 否
有 2-3 条话题重叠可串联？ → 策略三（主题串联）
  ↓ 否
有 1 条远超其他？ → 策略二（深度聚焦）
  ↓ 否
内容偏教程/实操？ → 策略六（实操拆解）
  ↓ 否
→ 策略一（标准精讲 + 速览）

可以混合: 比如用策略三讲主体 + 策略一的速览收尾。策略只是思路，不是牢笼。

Weekly 特别说明

周刊视频天然适合策略三（主题串联）或策略五（趋势信号），因为一周的内容通常能归纳出 2-3 个主题线。但如果这周内容很分散，也可以用策略一。

关键区别: 周刊不是日报的堆叠，要找到这一周的叙事线。

工作流概览

- [ ] 阶段一: 内容准备（深度阅读 + 历史关联 + 选择策略 + 素材整理）
- [ ] 阶段二: 配音脚本生成 ⚠️ 用户确认脚本
- [ ] 阶段三: 音频合成（Fish.audio TTS）
- [ ] 阶段四: 视频数据编排 + Remotion 渲染 ⚠️ 用户审核 slides 方案
- [ ] 阶段五: 上传 & 分发 ⛔ 需用户确认

阶段一：内容准备

内容准备是视频质量的根基。不能只读摘要就开始写脚本，必须回到源头深度阅读。

1.0 复用 Workspace 缓存

视频和播客共享内容源。开始前先查 workspace 缓存（contents/tmp/workspace/YYYY-MM-DD/），避免重复 API 调用：

回写: 视频获取的新文章详情也要写回 article-details/，供后续 skill 复用。视频独有素材清单保存到 contents/tmp/video/YYYY-MM-DD/materials.md。

1.1 深度阅读源文章

仅靠 digest 摘要无法保证内容准确性。对精讲候选项（Top 5-6），必须获取并仔细阅读原文。

每日早报输入: 读取 contents/bestblogs-digest/YYYY-MM-DD/digest.txt。对精讲候选项先查 workspace 缓存，缓存未命中时调 API 获取（meta + markdown 并行），获取后写回 workspace 缓存。

curl -s "https://api.bestblogs.dev/openapi/v1/resource/meta?id={ID}" -H "X-API-KEY: $BESTBLOGS_API_KEY"
curl -s "https://api.bestblogs.dev/openapi/v1/resource/markdown?id={ID}" -H "X-API-KEY: $BESTBLOGS_API_KEY"

每周周刊/单篇文章/任意内容: 同 create-podcast 的内容获取方式。

深度阅读要提取: 核心论点、关键数据（具体数字）、原文金句、文内图表素材（架构图/数据图/截图，比 AI 生图更准确）、实践案例、争议与局限。

⚠️ 内容准确性红线: 不篡改数据和结论、不将推测说成事实、数字必须来自原文、引用金句与原文一致。

1.2 查阅历史内容 + 关联分析

查阅近期历史（ls contents/bestblogs-digest/ | tail -7 和 ls contents/video/daily/ | tail -5），发现关联和延续。

五类关联: 话题延续、趋势积累、观点演变、同主题不同视角、避免重复（上期已覆盖的只讲增量）。多条内容涉及同一话题但来自不同来源时，要综合视角而非逐条孤立讲述。

1.3 选择叙事策略

在完成深度阅读和关联分析后，才能做出好的策略选择：

1.4 整理素材清单

深度阅读后，为每条精讲内容整理素材清单，保存到 contents/tmp/video/YYYY-MM-DD/materials.md。

每条精讲需整理：核心论点（一句话）、关键数据（具体数字）、金句（1-2 句）、可用图片素材（原文配图 > AI 生图）、历史关联（如有）、脚本要点（为什么值得聊 + 要展开的 2-3 个点 + 你的判断）。

1.5 抓取配图素材

视频需要大量图片。优先使用源文章中的真实图片（架构图、数据图表、产品截图），比 AI 生图更准确、更有说服力。精讲项需要 5-8 张图，速览项至少 1 张封面。

mkdir -p contents/tmp/video/YYYY-MM-DD/assets

各类型配图来源（按优先级）:

命名规范: article-{rank}-{type}-{n}.{ext}（type: cover, fig, frame, media, gen）

1.6 配图质量审核（必须执行）

每张图都要问：这张图对观众理解内容有帮助吗？ 无意义的图比没有图更糟糕。

淘汰条件（符合任一则丢弃）: 文件 <10KB 或宽 <800px、与讲述内容无关（通用 banner/广告/stock photo）、纯文字不可辨认、装饰性无信息量配图、带水印或严重变形、与同条目其他图高度重复。

保留优先级: 架构图/流程图 > 数据图表 > 产品截图/UI > 实物照片 > 概念插图

1.7 AI 生成替补图

源文章图片不足或被淘汰时，用 image-gen 生成替补。生成图必须与已有素材风格一致，详细规范见 references/video_design_guide.md 的"AI 生成图规范"。

核心要求：(1) prompt 描述该 slide 实际概念，不生成泛泛"AI 概念图" (2) 同期统一风格前缀和色调 (3) 与同条目真实图片的色调、构图风格协调 (4) 不同 slide 生成图主体和构图各异

IMAGE_GEN_SKILL_DIR=$(readlink -f ~/.claude/skills/image-gen 2>/dev/null)
bun ${IMAGE_GEN_SKILL_DIR}/scripts/main.ts \
  --promptfiles assets/gen-prompt-{rank}.md \
  --image assets/article-{rank}-gen1.png \
  --ar 16:9 --quality 2k

生成后必须二次审核: 同样要通过 1.6 的审核标准。不合格的生成图不如纯色背景 fallback。

阶段二：配音脚本生成

配音模式

独立配音脚本规则

详细配音指南见 references/script_templates.md，核心要点：

配音风格（对齐 style-profile）

脚本必须读取 contents/style-profile.md，注入个人声音特征。

核心风格要求:

外部音频模式

用户提供音频文件路径，跳过阶段二和阶段三，直接进入阶段四。

⚠️ 脚本生成后输出给用户确认。保存到：

contents/tmp/video/YYYY-MM-DD/script.md

阶段三：音频合成

使用 Fish.audio S2 Pro 模型（fish-tts.ts 已内置 model: "s2-pro"）。脚本中可添加情绪标记增强表现力，详见 references/api_reference.md 的情绪标记章节。

SKILL_DIR=$(readlink -f ~/.claude/skills/create-video 2>/dev/null)

bun ${SKILL_DIR}/scripts/fish-tts.ts \
  --script contents/tmp/video/YYYY-MM-DD/script.md \
  --output-dir contents/tmp/video/YYYY-MM-DD/segments/ \
  --voice-id "$FISH_AUDIO_VOICE_ID" \
  --rate 1.0 \
  --merge contents/tmp/video/YYYY-MM-DD/audio.mp3

阶段四：视频数据编排 + 渲染

4.1 计算音频时间轴

for seg in contents/tmp/video/YYYY-MM-DD/segments/*.mp3; do
  ffprobe -v quiet -show_entries format=duration \
    -of default=noprint_wrappers=1:nokey=1 "$seg"
done

4.2 编排 Slides

根据叙事策略和配音内容编排 slides。完整 schema 见 scripts/remotion/src/types.ts，slides 编排变体见 references/video_design_guide.md。

Slides 编排核心原则:

生成 video-data.json:

关键字段:

视觉增强字段（所有可选，不设则使用传统纯 slide 模式，详见 references/video_design_guide.md）:

保存到：contents/tmp/video/YYYY-MM-DD/video-data.json

⚠️ 展示 slides 编排方案给用户审核（每条精讲的 slide 顺序、类型、时长分配）。

4.3 Remotion 渲染

重要: 渲染前必须将音频和图片复制（不能用 symlink）到 Remotion 项目的 public/ 目录:

SKILL_DIR=$(readlink -f ~/.claude/skills/create-video 2>/dev/null)
PROJECT_DIR=$(pwd)
REMOTION_DIR=${SKILL_DIR}/scripts/remotion
TMP_DIR=${PROJECT_DIR}/contents/tmp/video/YYYY-MM-DD
OUTPUT_DIR=${PROJECT_DIR}/contents/video/daily/YYYY-MM-DD

# 1. 复制素材到 Remotion public/
mkdir -p ${REMOTION_DIR}/public
cp ${TMP_DIR}/audio.mp3 ${REMOTION_DIR}/public/audio.mp3
cp -r ${TMP_DIR}/assets ${REMOTION_DIR}/public/assets

# 2. 渲染视频
cd ${REMOTION_DIR} && \
npx -y remotion render src/index.ts ContentVideo \
  --props="${TMP_DIR}/video-data.json" \
  --output="${OUTPUT_DIR}/video.mp4" \
  --codec=h264 \
  --image-format=jpeg \
  --quality=80 \
  --fps=30

# 3. 清理 public/
rm -rf ${REMOTION_DIR}/public/assets ${REMOTION_DIR}/public/audio.mp3

阶段五：上传 & 分发

5.1 生成 metadata.json

包含：date, title, description, duration(秒), videoFile(相对路径), videoSize(字节), keywords, strategy(使用的叙事策略名), items。

5.2 上传 R2

SKILL_DIR=$(readlink -f ~/.claude/skills/create-video 2>/dev/null)

bun ${SKILL_DIR}/scripts/upload-r2.ts \
  contents/video/daily/YYYY-MM-DD/video.mp4 \
  "video/daily/YYYY-MM-DD/video.mp4"

5.3 生成平台适配信息

在 metadata.json 中生成 platformMeta 字段:

5.4 ⛔ 平台分发（需用户确认）

展示上传结果摘要（文件、时长、R2 URL、各平台标题预览），询问是否分发。

输出目录

参数调整

错误处理

重要: 始终先检查 API 响应中的 success 字段。