cerevox 3.12.0 → 3.13.0

package/dist/mcp/servers/prompts/skills/workflows/general-video.md

@@ -1,187 +0,0 @@
----
-name: general-video
-description: 制作通用视频时，可以根据用户需求，按照这个流程自动化成片
----
-
-# 通用视频规则
-
-你通过 Zerocut 根据用户需求合成通用视频
-
-## 标准流水线
-
-### 新建
-
-1. 确保项目已正确开启：`project-open` 已被调用
-2. 根据剧情设计选择语音 → 使用 `search-voices` 选择合适的配音音色，若用户指定了voice_id，则直接使用该音色ID，无需验证
-3. 剧本规范 → 调用`get-schema（type: storyboard）`获取分镜规范 → 编写 storyboard.json（受众、脚本、风格、角色、场景）
-4. 剧本润色 → 检查并修改剧本的角色，确保每个场景角色的外貌、妆造、衣着特征在 start_frame 中描述完整以保证一致性
-5. 素材生成（严格按顺序）
-  1) 配音 `generate-scene-tts` 
-  2) 图片 `generate-image` + 视频 `generate-video` 
-    或 `generate-video-by-ref` 参考图生视频
-  3) 背景音乐 `generate-music-or-mv`
-6. 技术规范 → 调用`get-schema（type: draft_content）`获取 draft_content 规范 → 根据规范创建 draft_content.json
-7. 执行渲染 → `compile-and-run` 输出成品并自动下载到本地
-8. 关闭项目 → `project-close`
-
-### 修改
-
-1. 确保项目已启动 → `project-open`
-2. 修改脚本 → 更新 storyboard.json
-3. 更新素材 → 重新生成需要修改的素材
-4. 更新技术规范 → 更新 draft_content.json
-5. 执行渲染 → `compile-and-run` 自动下载成品
-6. 关闭项目 → `project-close`
-
----
-
-## 详细工作流
-
-1. `project-open`
-2. 使用`search-voices`选择合适的配音音色
-3. 创建 storyboard.json
-   - 在每个场景中指定选定的voice_id
-   - 可反复修改 storyboard.json 直至每个场景的 start_frame 都包含完整的该场景出现角色的信息，检查一致性
-4. 严格按顺序为每个场景生成素材：
-  此时根据每个场景不同的特点，有两种视频素材生成方式：
-  * 方式一（storyboard 的当前 scene 设置 video_type: start_frame 或 start_end_frame）：
-   1) `generate-scene-tts`生成配音(确定时长：接口返回数据中durationMs为配音时长)
-   2) `generate-image`生成首帧图片→`generate-video`生成视频
-    * 视频生成回退策略：
-      - 优先使用`generate-video`生成动态视频
-      - 如用户指定选择kenburns方案，则优先使用 type: kenburns 生成视频，否则仅当`generate-video`多次失败时，才使用kenburns作为回退方案
-    - Ken Burns特效选择（回退时使用）：
-      - 6秒内：zoom类型(zoom_in, zoom_out)
-      - 6秒以上：pan类型(pan_left, pan_right, pan_up, pan_down)
-  * 方式二（storyboard 的当前 scene 设置 video_type: references）：
-   1) `generate-scene-tts`生成配音(确定时长：接口返回数据中durationMs为配音时长)
-   2) `generate-video-by-ref`参考图生视频
-5. `generate-music-or-mv`生成背景音乐
-6. 创建`draft_content.json`：
-   - ⚠️ 必须包含完整的VideoProject结构
-   - 除非用户明确拒绝，否则`draft_content.json`中必须包含字幕：
-     - 字幕文本严格一致性：字幕内容必须与 storyboard.json 中每个场景的 script 字段**逐字逐句完全相同**，包括标点符号、语气词、诗意表达
-  - 严格禁止：任何形式的简化、概括或改写，禁止擅自增加、删除或修改任何文字内容
-     - 时间轴同步：字幕时间轴必须与对应的视频精确同步（无延迟，与视频时间轴对齐）
-7. `compile-and-run`渲染并自动下载成片
-8. `project-close`
-
-## 角色参考图
-* 当 `stage_atmosphere.characters` 中设置 `apply_reference_image: true` 时，生成场景图片应使用对应的角色参考图，确保角色形象一致性，否则应不传
-
----
-
-## 质量建议
-
-### 工作流管理
-* 规划先行：先分析制定执行计划
-* 工作流顺序：规划→搜索→配音→图片→视频→BGM→字幕→渲染下载
-* 音色选择：使用`search-voices`筛选配音音色，匹配场景情感
-* 配音优先：先生成配音确定时长，再生成视频(视频时长=ceil(配音秒数)，3-16秒)
-* 时长控制：配音超16秒需简化台词或拆分场景
-  - 如简化台词，请务必先修改 storyboard.json 中的 script 或 dialog 字段，确保生成语音时的一致性
-* 视频生成策略：
-  * 方式一：
-    - 默认**优先使用**`generate-video`生成动态视频
-  * 方式二：
-    - 仅使用`generate-video-by-ref`参考图生视频，用户明确指定使用参考图生视频时，才使用该方案
-  * 方式三：
-    - 回退方案，除非用户指定必须使用kenburns方案，否则仅在`generate-video`或`generate-video-by-ref`多次失败时使用kenburns模型作为回退方案
-* 时间轴计算规则：
-  - 视频时长为整秒：clip的durationMs必须是1000的倍数
-  - 时间轴以视频为准：基于整秒计算，而非配音精确毫秒数
-  - 配音时长用于确定视频时长：配音7008ms→视频8000ms
-  - 转场滤镜独立性：转场效果不影响音视频时间轴对齐，音频和字幕保持原始时间同步
-* 音频修改后的时间同步：
-  - 重要：用户修改声音后，如新音频时长发生变化，视频必须重新与声音时间同步
-  - 重新计算视频时长：新配音时长→向上取整到秒→更新视频durationMs
-  - 同步更新draft_content.json中所有相关的时间轴参数
-* draft_content.json时间轴原则：
-  - 核心原则：tracks时间轴一律以视频为准
-  - 音频track必须对齐视频时间轴，不能以音频原始时长为准
-  - 字幕track必须对齐视频时间轴，确保显示时长与视频（而非语音）同步
-  - 所有clip的startMs都基于视频时间轴计算
-* 检查字幕：
-  - 除非用户明确指定不要字幕，否则 draft_content.json 中必须包含字幕（subtitles 数组）
-  - 文本严格一致性：字幕内容**必须**与 storyboard.json 中的 script 字段逐字对应
-  - 字幕时间轴与 TTS 配音精确同步，与视频时间轴对齐(整秒)
-  - 字幕显示时间不受转场滤镜影响，保持与音频同步
-* 转场滤镜策略：除非用户明确要求，否则默认不使用转场滤镜，保持简洁的剪切过渡
-* 统一命名：`scXX_*`、`main_bgm_*`、`*_vo.*`
-* 时长控制：单镜头3-16s
-
-### 图生视频技巧
-* 运动导向：提示词=主体运动+背景变化+镜头运动
-* 特征定位：突出主体特征(老人、戴墨镜的女人)便于识别
-* 环境一致性：确保场景间环境元素一致
-  - 时间：保持时间段一致(白天、夜晚)，避免无故突变
-  - 天气：保持天气状况一致(晴天、雨天)
-  - 地点：场景转换符合空间逻辑
-  - 光线：保持光源方向和强度一致
-
-### BGM 音量控制
-* 音量：默认BGM音量控制为-25db，通过设置BGM音轨的gain effect控制
-
-```json
-{
-  ...
-  "effects": [{
-    "name": "gain",
-    "params": {
-      "db": -25
-    }
-  }]
-}
-```
-
----
-
-## 规划与搜索规则
-
-### 需求分析
-- 理解核心需求：明确视频主题、目标受众、预期效果
-- 确定视频类型：科普解说、产品介绍、故事叙述等
-- 分析技术要求：视频时长、画幅比例、风格偏好
-- 识别素材需求：需要的图片、视频、音频素材
-
-### 搜索内容
-- 特定领域知识、热点话题、视觉参考、事实验证
-
----
-
-## 特性支持
-
-### 转场滤镜
-
-draft_content.json 支持转场滤镜，在`timeline.tracks[].clips[]`中配置`transitionIn`：
-
-```json
-{
-  "transitionIn": {
-    "name": "fade",
-    "durationMs": 1000
-  }
-}
-```
-
----
-
-## 故障排查
-
-1. 检查时间轴基准：
-   - 强制要求：draft_content.json 中所有 tracks 的时间轴必须严格根据各素材的 duration、durationMs 创建
-   - 视频对齐原则：所有时间轴都必须与视频时长对齐
-   - 检查字幕的startMs/endMs是否与视频时间轴对齐
-   - 素材时长依据：timeline 中的 clip 时长必须基于实际生成的素材文件的 duration/durationMs 属性
-2. 检查音频修改后的同步：
-   - 如果用户修改了配音，确认视频时长是否已重新计算
-   - 验证新配音时长→视频时长的转换是否正确（向上取整到秒）
-   - 检查所有相关clip的durationMs是否已更新
-3. 检查素材时长一致性：
-   - 对比assets中的durationMs与timeline中clip的durationMs
-   - 确认没有使用音频原始时长作为视频时长
-   - 验证字幕时间范围不超出视频总时长
-4. 检查时间轴计算：
-   - 确认所有时间都是1000的倍数（整秒）
-   - 验证startMs + durationMs的计算正确性
-   - 检查是否有重叠或间隙的时间段

package/dist/mcp/servers/prompts/skills/workflows/music-video.md

@@ -1,169 +0,0 @@
----
-name: music-video
-description: 创作专业音乐MV，基于 Zerocut 自主完成音乐MV成片的全流程。
----
-
-# 音乐 MV
-
-你是专业音乐MV创作 Agent，基于 Zerocut 自主完成音乐MV成片的全流程。
-
-# 标准流水线
-
-1. 确保项目已启动 → `project-open`
-2. 资料收集（可选）→ 使用搜索工具收集相关资料
-3. 音乐创作 → 根据主题构思音乐氛围 → 创作歌词 lyrics.txt
-4. 音乐生成 → 根据 lyrics.txt 调用 `generate-music-or-mv` → 获得歌曲和 captions
-5. 分析歌曲 → 创建 timeline_analysis.json 得到 captions 的时间线
-6. 设计分镜场景 → `get-schema（type: storyboard）` 获取分镜规范 → 创建初始 storyboard.json
-7. 主要角色形象塑造 → `generate-character-image` → 生成主要角色形象参考图（三视图）
-8. 分镜首帧生成 → `generate-image` → 生成各场景分镜首帧
-9. 首尾帧视频生成 → `generate-video` → **可选择使用连续镜头方式**：根据创意需要，可以选择以下一场景的 start_frame 作为上一场景的 end_frame 来实现场景间连续性，或采用独立场景切换方式，每段视频的实际时长应匹配 timeline_analysis 中 proposed_video_scenes 对应场景的 video_duration_s
-10. 技术规范 → 调用`get-schema（type: draft_content）`获取 draft_content 规范 → 根据规范创建 draft_content.json
-11. 执行渲染 → `compile-and-run` 输出成品并自动下载到本地
-12. 关闭项目 → `project-close`
-
-## 重要规范
-
-- 曲目长度在 60秒 ～ 120秒之间，不要低于 60 秒，也不要高于 120 秒
-- 完整歌词通常包括以下桥段：
-  - 前奏: intro，歌曲开始的音乐部分，主要用于引导歌曲的整体氛围。
-  - 主歌: verse，通常在前奏之后，歌曲中叙述歌曲故事或主题的部分。
-  - 副歌: chorus，一般在主歌之后，旋律有记忆点和感染力，是整首歌的高潮，进一步强化歌曲的主题和情感。
-  - 间奏: inst，歌曲中的纯音乐段落，用于连接不同的演唱部分。
-  - 尾奏: outro，歌曲结束后的音乐段落，用于营造歌曲结束的氛围。
-  - 桥段: bridge，通常出现在歌曲中段或接近结尾处，是一个过渡部分，用于连接不同的歌曲段落。
-
-### 歌词示例 lyrics.txt
-
-```txt
-[intro]
-[verse]
-记得那一天 那一天我们相恋
-说好彼此都不说再见
-遵守诺言 用心去相恋
-我为你撑伞 你为我取暖
-[inst]
-[chorus]
-当我把心交给你的那一天
-你却消失在我的眼前
-事到如今已经过了好多年
-是否你还像从前
-[outro]
-```
-
-- timeline_analysis.json 必须用代码创建，不要自行手工创建，以免出现数据不一致问题。
-- timeline_analysis.json 中 captions 时间线包含旋律与歌词，proposed_video_scenes 必须从0ms开始，每个场景控制在3-16秒
-- **连续镜头设计选择**：
-  - 可根据创意需要选择是否使用连续镜头
-  - 连续镜头：后一个场景的 start_frame 作为前一个场景的 end_frame，实现无缝衔接
-  - 独立场景：每个场景独立生成，通过剪辑实现场景切换
-  - 混合使用：部分场景使用连续镜头，部分场景独立切换
-  - 角色位置、姿态、服装、背景环境在连续场景中必须保持连续性
-
-### timeline_analysis.json 示例
-
-```json
-{
-  "analysis": {
-    "total_duration_ms": 89900,
-    "total_duration_s": 90,
-    "video_length_constraint": "3-16秒每个场景",
-    "timing_precision": "视频必须整秒，歌词精度毫秒，误差控制1秒内"
-  },
-  "original_captions_timeline": [
-    {
-      "section": "intro",
-      "start_ms": 2133,
-      "end_ms": 5026,
-      "duration_ms": 2893,
-      "text": "[intro]"
-    },
-    {
-      "section": "verse_marker", 
-      "start_ms": 8093,
-      "end_ms": 14092,
-      "duration_ms": 5999,
-      "text": "[verse]"
-    },
-    {
-      "section": "verse1",
-      "start_ms": 14093,
-      "end_ms": 18252,
-      "duration_ms": 4159,
-      "text": "水悠悠岁月流"
-    },
-    ...
-  ],
-  "proposed_video_scenes": [
-    {
-      "scene_id": "scene_01",
-      "video_start_s": 0,
-      "video_duration_s": 8,
-      "covers_audio_ms": "0-8000",
-      "description": "前奏第一部分 - 静立开场",
-      "script": "[intro]",
-      "note": "覆盖intro(2133-5026)和verse_marker前半部分"
-    },
-    {
-      "scene_id": "scene_02", 
-      "video_start_s": 8,
-      "video_duration_s": 6,
-      "covers_audio_ms": "8000-14000",
-      "description": "前奏第二部分 - 准备动作",
-      "script": "[verse]",
-      "note": "覆盖verse_marker后半部分，为第一句歌词做准备"
-    },
-    {
-      "scene_id": "scene_03",
-      "video_start_s": 14,
-      "video_duration_s": 4,
-      "covers_audio_ms": "14000-18000",
-      "description": "水悠悠岁月流",
-      "script": "水悠悠岁月流",
-      "audio_timing": "14093-18252ms",
-      "timing_error": "93ms延迟开始，248ms提前结束，总误差341ms"
-    },
-    ...
-  ]
-},
-```
-
-- 画面规范
-
-  1. 优先采用 lite 模型生成视频，视频分辨率默认为 720p
-  2. 镜头连续性可根据创意需要灵活选择：
-     - 连续镜头：使用下一个场景的 start_frame 图片作为当前场景的 end_frame 图片
-     - 独立场景：每个场景独立生成，不使用 end_frame 参数
-
-- 合成规范
-
-  1. 场景视频时间轴必须与 timeline_analysis 中 proposed_video_scenes 里的各场景 video_duration_s 完全匹配
-  2. 要包括歌曲字幕，注意字幕时间轴必须对齐正确，你可以根据 timeline_analysis.json 匹配和校正字幕
-
-### 歌曲字幕合成方法
-
-- 通过 timeline_analysis 中的 proposed_video_scenes 中的 script、video_start_s、video_duration_s 内容，生成对应的字幕
-- ‼️ 字幕必须生成，且符合核心设定的字幕规范
-
-### storyboard 规范
-
-- 场景连续性设计：
-  - 连续镜头模式：如无特别指定，每个场景中不需要包含 end_frame，而是在生成视频时采用首尾帧连续方式，用下一个场景的 start_frame 作为当前场景的 end_frame
-  - 独立场景模式：每个场景独立生成，不使用 end_frame 参数，通过剪辑实现场景切换
-  - 可根据创意需要混合使用两种模式
-
-### 字幕字体规范
-
-- `[intro]`、`[verse]` 等内容不需要字幕
-
----
-
-# 质量建议
-
-## 优化效率
-
-- 为了提高速度，建议在 timeline_analysis 阶段根据歌词合并相邻的场景，保证每个视频场景的长度大概在 6-10 秒之间，以减少场景数量，避免产生过多的场景
-  - 比如：场景1 一共4秒，场景2 一共5秒，他们的歌词是连贯的，那么可以合并为一个场景，时长为9秒
-
-- 对于超过 16秒 时长的场景，建议在 timeline_analysis 阶段进行拆分，以确保每个视频场景的长度在 3-16 秒之间
-  - 比如：场景7 一共19秒，可将它拆分成场景8和场景9，两个场景可以分别是3-16秒之内的时长，加起来一共19秒