AI 音乐 MV 短片制作

技能文档

---
name: ai-music-video-clip-maker
title: AI 音乐 MV 短片制作
category: 内容创作
description: "用一首歌的情绪、节奏和视觉概念，制作一个短视觉短片。这个 AI 音乐 MV 短片制作与歌曲生成视频工作流可以把音乐片段和视觉方向变成电影感音乐宣传短片，把确认的封面图或人物肖像随音乐动起来，在严格的首尾画面之间生成过渡动作，或把音频作为松散的氛围参考生成全新的视觉概念。适合新歌预告、专辑宣传短片、封面图动画、氛围视觉、虚拟歌手场景和社交媒体音乐预告，从歌曲的副歌、能量、配色和落幅画面构建音频-视觉映射。"
---

# AI音乐MV短片制作

以一首歌的情绪、节奏和视觉概念为指引，制作一个短视觉短片。本技能 适用于 AI 音乐 MV 短片、歌曲转视频预告、新歌宣传、专辑宣传短片、封面图动画、氛围视觉、虚拟歌手场景和社交媒体音乐预告。

## 适用范围与相邻路由

歌曲是固定主轴：短片用来放大它的结构、艺人身份、歌词和发行目标。版权未清时只做策划或内部样片，不要把成品当成可公开发布的官方 MV。人像加唱歌音频的请求路由到照片唱歌工作流；从故事到歌词到歌曲的请求路由到定制歌曲工作流；参考歌曲重新演绎的请求路由到翻唱歌曲工作流；广泛的非音乐视频请求路由到通用视频工作室。本路线专注于成品音乐变成短视觉短片。缺歌时不要从主题同时生曲。

## 输入与默认值

硬性输入是：

- 一首已定稿的歌或可访问片段，其真实时长能切到一个支持的视频时长；
- 一条主路线：表演、叙事、歌词或可视化。

只询问缺失的硬性输入。复用已知的曲风、能量、开场图片和画幅。封面图或开场静帧不是硬性输入。当视觉方向已存在且没有可用封面或开场静帧时，用 `beatra.images.generate` 单独付费生成一张封面或关键帧。对于宿主 Agent 可访问的本地音频或图片文件，仅在查看之后使用随包上传助手：

```text
python3 scripts/mcp_client.py upload ./song-excerpt.mp3 --mime-type audio/mpeg
python3 scripts/mcp_client.py upload ./cover-art.png --mime-type image/png
```

上传只是传输，不是创意审阅。保留返回的素材引用，绝不向远程工具传递本地路径。

默认先切高潮或副歌 20–30 秒再出画面，不要整首硬出。保持 `model: "auto"`，画幅取自源文件。在任何付费调用之前构建一份紧凑的音频-视觉映射：副歌或能量、主氛围、节奏、视觉主题、主体、动态、配色、镜头、开场图片和落幅图片。把节拍、乐句或高潮切点写入确认卡。按视觉控制路由：

- 文本加兼容的驱动音频 → `beatra.videos.generate`；
- 严格的确认封面图或人物开场 → 带驱动音频的 `beatra.videos.animate`；
- 严格确认的开场和结尾图 → `beatra.videos.interpolate`；
- 仅作松散氛围参考的音频 → `beatra.videos.generate_from_references`。

赠送封面交付后，若该静帧就是开场画面，优先使用带驱动音频的 `beatra.videos.animate`。查看真实音频时长，并写入大于等于该时长、且当前信息卡允许的最小整数视频 `duration`。不要为了便宜而缩短音轨。如果没有任何当前信息卡允许完整容纳该片段的时长，停止并询问最小的兼容片段调整。

## 黄金路径

先锁歌与版权边界，再选主路线，把节拍、乐句或高潮切点写入确认卡，然后才出短视觉。

1. 查看音乐片段和每一个可用的图片。记录音频的实际 MIME 类型、字节大小和真实时长。记录每张图片的实际 MIME 类型、宽度、高度、画幅和字节大小。识别副歌、能量、主氛围、节奏以及本短片应交付的视觉方向。
2. 构建音频-视觉映射：副歌或能量、主氛围、节奏、视觉主题、主体、动态、配色、镜头、开场图片和落幅图片。然后写出一条正向提示词，编码本短片的视觉对音乐的回应。
3. 如果没有可用封面或开场静帧，调用 `beatra.models.list` 并传入 `{"capability":"text_to_image"}`，出示该图片阶段自己的确认卡，并提交一次 `beatra.images.generate` 封面或关键帧。在任何视频工作之前交付并查看该静帧。这个赠额级阶段并不授权 `beatra.videos.generate`、`beatra.videos.animate`、`beatra.videos.interpolate` 或 `beatra.videos.generate_from_references`。例如：

   ```text
   printf '%s' '{"prompt":"Album-cover keyframe of a neon-soaked night drive through rain, cinematic teal-and-magenta palette.","count":1,"client_request_id":"opaque-mv-cover-id"}' | python3 scripts/mcp_client.py call beatra.images.generate
   ```

4. 按视觉控制选择路线。调用 `beatra.models.list` 并传入匹配的能力，确认某张当前模型卡接受每一个实际媒体事实、驱动音频组合以及所选的视频时长。除非用户已选定一个具体的可用模型，否则保持模型为 `auto`。写入大于等于真实歌曲时长、且当前信息卡允许的最小整数 `duration`。不要省略 `duration`，即使模型是 `model=auto`。任何数值估价都只是暂定值；终态任务的 `billing.net_charged_credits` 才是最终费用。
5. 在创建任何视频 `client_request_id` 或调用 `beatra.videos.generate` / `beatra.videos.animate` / `beatra.videos.interpolate` / `beatra.videos.generate_from_references` 之前出示入场卡：路线和 MCP 工具名、实时信息卡时长、若已设置的分辨率、若已设置的画幅、实时暂估价、注册赠额 600 分通常买不起这一单视频，以及余额不足时怎么办。规划、比较或「去做这条短片」不构成批准。在用户确认已充值或余额足够覆盖本次估价之前，不要提交。
6. 冻结确切的路线、音频、源图片、使用参考媒体时的参考、提示词、所选时长、模型行为，以及一个不透明且稳定的 `client_request_id`；然后恰好提交一次视频调用。只调用随包 `scripts/mcp_client.py`：MCP 工具名是 CLI 参数，其参数是标准输入上的 JSON。例如，文本加驱动音频：

   ```text
   printf '%s' '{"prompt":"A neon-soaked night drive through a rain-streaked city, reflections shimmering on the windshield, the beat syncing with passing streetlights, cinematic teal-and-magenta palette.","audio":{"type":"artifact","artifact_id":"art_song"},"duration":10,"client_request_id":"opaque-mv-generate-id"}' | python3 scripts/mcp_client.py call beatra.videos.generate
   ```

   严格的封面图或人物加驱动音频：

   ```text
   printf '%s' '{"image":{"type":"artifact","artifact_id":"art_cover"},"prompt":"The cover art comes alive: light blooms across the frame, particles drift upward, the subject's eyes slowly open in time with the music.","driving_audio":{"type":"artifact","artifact_id":"art_song"},"duration":8,"client_request_id":"opaque-mv-animate-id"}' | python3 scripts/mcp_client.py call beatra.videos.animate
   ```

   严格的开场和结尾图：

   ```text
   printf '%s' '{"first_frame":{"type":"artifact","artifact_id":"art_open"},"last_frame":{"type":"artifact","artifact_id":"art_end"},"prompt":"A surreal transition from a desolate moonlit shore to a vibrant sunrise festival, the energy building with the music.","driving_audio":{"type":"artifact","artifact_id":"art_song"},"duration":10,"client_request_id":"opaque-mv-interpolate-id"}' | python3 scripts/mcp_client.py call beatra.videos.interpolate
   ```

   音频作为松散氛围参考：

   ```text
   printf '%s' '{"references":[{"kind":"audio","media":{"type":"artifact","artifact_id":"art_song"}},{"kind":"image","media":{"type":"artifact","artifact_id":"art_mood"}}],"prompt":"A dreamlike sequence of a dancer moving through shifting colored smoke, the visuals guided by the song's energy and the mood reference palette.","duration":10,"client_request_id":"opaque-mv-references-id"}' | python3 scripts/mcp_client.py call beatra.videos.generate_from_references
   ```

   不要配置、调用或使用宿主 Beatra Connector。不要使用 REST/OpenAPI 回退。恰好提交一次所选的视频工具。
7. 立即记录返回的任务 ID，并用 `beatra.tasks.get` 轮询同一任务直到终态。交付每一个返回的视频素材或链接。只报告实际返回的任务状态、解析后的模型、尺寸、时长、用量和 `billing.net_charged_credits`。审阅可访问的结果，检查视觉对音乐的回应、动态、氛围、主体稳定性、音轨的存在和处理、比例和实际时长。说明宿主 Agent 能和不能查看的内容。

## 付费变更、恢复与取消

可选封面阶段和视频阶段是带有不同 ID 的独立付费请求。更换音乐片段、视觉方向、封面图、提示词、模型、所选时长、画幅或视频控制，都属于新的逻辑付费工作：创建新 ID，出示变更后的入场卡，并重新取得充值或余额确认。绝不要为参数不同的请求复用 ID。遇到 `insufficient_balance` 时，转述返回文案，充值 URL 保持原样，只有用户说已充值后才用同一冻结 ID 重试。

如果创建响应丢失，只用相同的阶段 ID 重放字节完全一致的冻结负载。如果任务 ID 丢失，调用 `beatra.tasks.list` 查找相关能力，用 `beatra.tasks.get` 检查可能的候选任务，并对照该阶段的私有账本确认后再考虑相同重试。排队和运行中是进度状态，不是失败。在规划变更工作之前先恢复原阶段；绝不重复付费提交，也不猜测其扣费或退款。

只有当用户要求取消时才调用 `beatra.tasks.cancel`。调用一次，并用 `beatra.tasks.get` 确认最终的终态。409 表示取消未确认，因此继续轮询同一任务，不要创建替代工作。

工具返回积分不足时：把工具返回的原文整段交给用户，链接一个字不改。其余可以译成中文。不要改写成自己的充值说明。引导用户按原文去充值。

## 账户余额

用户问还剩多少积分，或某次实时估价够不够时，调用 `beatra.wallet.get`。问已经扣了多少
时，调用 `beatra.wallet.ledger`。两者都是只读的。不要臆造查余额或充值的工具。也不要把
`wallet.get` 变成每次付费提交前的必需步骤。

模型卡返回里带 `top_up` 块时，按卡片给出的档位和顺序原样转述。不要给档位排高低，不要
贬低其中任何一档，也不要替用户挑。选哪一档是用户自己的事，钱包页会把整份清单摆在他
面前。任何时候都不要凭记忆报档位。

## 按任务查阅参考

- 在构建音频-视觉映射、选择路线、核对实时模型事实、构造确切负载、轮询、恢复、取消或审阅视觉对音乐的回应时，阅读 [音乐短片工作流](references/workflow.md)。
- 仅当授权或共享凭据需要处理时，阅读 [安装与授权](references/installation-and-auth.md)。
- 关于非计费、尽力而为的安装登记步骤，阅读 [安装登记](references/installation-registration.md)。
- 关于共享的终态任务和素材语义，阅读 [任务与结果](references/tasks-and-results.md)；关于返回的计费或错误详情，阅读 [计费、错误与恢复](references/billing-errors-and-recovery.md)。
- 当随包客户端无法连接时，阅读 [随包 MCP Client 连接诊断](references/mcp-connection.md)。不要配置宿主 Connector。
- 仅当用户要求移除本包或共享凭据时，阅读 [卸载与断开连接](references/uninstall-and-disconnect.md)。


## 技能工作流

1. **需求确认**：识别用户意图，收集必要输入素材。
2. **能力路由**：按正文各章节确定所用工具与参数。
3. **执行与确认**：付费操作先向用户确认后仅提交一次。
4. **结果交付**：轮询任务至终态，如实交付产物与计费信息。

使用说明

# AI 音乐 MV 短片制作

用一首歌的情绪、节奏和视觉概念制作电影感音乐宣传短片，支持封面图动画、首尾帧过渡与氛围视觉生成。

## 快速开始

```text
用这首歌的副歌做一支 15 秒 MV 预告短片
```

## 使用说明

详细的工作流、参数与计费说明见 SKILL.md；按任务的深入指引见 references/ 目录。

如何安装此技能？

访问技能市场，点击「安装」按钮，按提示将技能包放入 AI 编程助手的 skills 目录即可。