口播种草视频制作

技能文档

---
name: oral-seeding-video-maker
title: 口播种草视频制作
description: 只有一个选题，也能做出一条口播种草视频。按产品或主题选定脚本结构，写出钩子、中段和结尾引导，画面与口播分两栏分别写，再产出分镜静图、选定音色的口播音轨、可选纯音乐垫底，以及首帧动起来、配好整段口播的竖屏短片。适合小红书种草口播、达人推荐、带货口播文案与脚本、测评向短视频、服务与知识类讲解及新号起号日更，抖音、视频号、小红书、快手通用，无需拍摄出镜和素材。当用户提到口播视频、种草视频、带货口播、短视频脚本、无素材出片等时触发。
category: 内容创作
---

# 口播种草视频制作

从一个选题开始，最后拿到一条口播推荐视频。什么都不用上传——不用产品图，不用拍摄素材，也不用录好的人声。

## 适用范围与相邻路线

这条路线是：一个主题、一种脚本结构、一份分镜表、生成好的分镜图，以及一条由首帧动起来的竖屏口播成片。当有人想用口播形式推荐某样东西、手上又还没有任何拍摄素材时，它就是合适的。

素材已经存在时，别的工作流更合适。已有一张产品图、要把它做成视频，属于产品视频工作流。脚本已经写好、只差一个声音，属于配音工作流。有一条参考片要拆解重做，属于拆片重制工作流。需要一个真人或数字人出现在画面里，属于数字人口播工作流。需要体验证据的效果宣称，缺证据时停在标注草稿。需要实拍剪辑的工作路由出去。本包已经具备静图、口播、可选配乐和开场动画，零素材短片留在这里做完。

## 输入与默认值

唯一的硬性输入是主题：要推荐的产品、服务或话题，一句话说清。缺了就问；除此之外一开始什么都不要问。

对话里已经说过的受众、目标、账号人设和发布平台，直接复用。这些没有时，从主题里自己定，并在确认里说明你定了什么，而不是回头去问。

默认使用 9:16 竖屏画布、12 秒目标时长、[脚本结构选择](references/script-patterns.md)中选定的脚本结构、一张首帧加上用户标记的其他分镜，以及一个贴合短视频社交内容的口播音色。除非用户提出，否则不加音乐。默认把前 3 秒写成钩子——让人继续看下去的理由——而不是先自报家门。

有两件事决定了后面的每一个判断。**成片默认 12 秒、最长 15 秒——这是本路线自己的上限，且必须落在所选实时模型卡支持的范围内**，并且其中只有首帧会被动画成视频——其他被标记的分镜以静帧交付，供用户自己剪辑使用。

说法按来源划分。这东西是什么、给谁用、怎么用，由你来写。价格、参数、成分、效果、时限、资质和优惠条件，都来自用户。这些缺失时，就绕开它们把这一段写出来；绝不要生造一个看起来合理的数字，因为最后要为它负责的是用户。

## 技能工作流

第 1 到 3 步不花钱。用户批准分镜表之前，不会发生任何付费调用。

1. **选定结构。** 读懂主题，从[脚本结构选择](references/script-patterns.md)的六种脚本结构里选一种。结构决定分几段、每段干什么。
2. **写出分镜表。** 口播结构是钩子 → 证据或体验 → 行动号召，每一段都带精确到秒的起止点，并且分成两个独立字段——画面上是什么，以及嘴里说什么。文案按[口播文案写法](references/spoken-lines.md)所述做筛查。如果前 3 秒没有承担钩子，先改这份仍免费的分镜表，再进入任何生成确认。
3. **展示分镜表并取得批准。** 后面整条流程都建立在它之上，而此刻修改它是免费的。
4. 把 `text_to_image`、`text_to_speech` 和 `image_to_video` 的实时卡片用 `beatra.models.list` 读出来——需要垫乐时再加上 `text_to_music`——并把每一条计划中的图像、语音、视频和音乐事实，对照相应的卡片逐条核对。
5. **确认准备工作。** 展示哪些分镜会出图、9:16 画布以及之后再改它的代价、从 `beatra.voices.list` 中选定的现成音色、是否包含垫乐、当前预估费用，以及每一次计划中的付费调用所用的稳定请求 ID。
6. 用 `beatra.images.generate` 生成分镜图，一张一次调用。用 `beatra.speech.synthesize` 合成口播，然后读取真实返回的时长、体积和 MIME 类型。只有在确认过之后，才用 `beatra.music.generate` 产出垫乐。
7. **展示真实产物。** 宿主能访问时，把分镜图显示出来、把口播放出来，并报告真实时长。把任务真正返回的事实，和宿主无法查看的媒体区分开。
8. **出示视频入场卡。** 展示路线 `image_to_video`、工具 `beatra.videos.animate`、批准的首帧、那条口播、以音频为准的时长（不小于真实口播时长的最小整数秒）、分辨率（若已设定）、当前实时预估价，并明确告知：600 积分的注册礼金通常不足以启动这条视频；再给出确切地址 `https://console.beatra.ai/topup` 和入门档 ¥29 / 11,000 积分。不要推荐 ¥198。规划、比较或一句「做成片吧」都不算批准；首帧或口播已批准也不等于批准了视频。在用户确认已充值、或确认余额足够这次预估之前，不要创建视频的 `client_request_id`，也不要提交。确认之后，用批准的首帧、那条口播、明确选定的模型，以及那个以音频为准的时长，调用一次 `beatra.videos.animate`。
9. 用 `beatra.tasks.get` 轮询这个任务直到终态，交付成片，并复核你确实能看到的部分。

视频模型要明确指定，不要交给 `auto`：这个能力上只有部分模型接受外部提供的口播音轨，不接受的那些会把它丢掉。

画布由首帧决定，所以画布定晚了，就意味着每一件付费产物都要重做一遍。

## 需要确认的决定

分两个阶段确认花钱：先是分镜图、口播和垫乐，连同它们每一次计价调用一起确认，然后是最终视频。视频那次确认要放在用户看过可访问的分镜图、听过口播之后，因为这次调用最贵。

同样要确认、而不能自行决定的还有：9:16 以外的画布、把目标时长顶到 15 秒上限、用户没有核实过的关于该主题的说法、加垫乐，以及任何在产物已批准之后的改动。每一个改掉的参数都是新的付费工作，需要新的请求标识和重新批准。

垫乐作为单独的音轨交付，由用户在自己的剪辑软件里铺到成片下面。它的长度是提示词里的编排方向而不是一个控制项，所以要报告返回的时长，并预期需要裁剪。确认它的时候把这两点都说清楚，让它的角色在付钱之前就是明确的。

## 执行

所有远程 Beatra 工具只通过本 Skill 随包的 `scripts/mcp_client.py` 调用，工具名作为命令行参数，参数以 JSON 从标准输入传入：

```text
printf '%s' '{"capability":"text_to_image"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"text_to_speech"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"image_to_video"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"capability":"text_to_music"}' | python3 scripts/mcp_client.py call beatra.models.list
printf '%s' '{"language":"zh-CN"}' | python3 scripts/mcp_client.py call beatra.voices.list
```
不要配置或调用宿主 Beatra Connector，也不要使用 REST/OpenAPI 作为降级方案。每一个逻辑上的付费请求给一个稳定、不透明的 `client_request_id`，并且只提交一次。

## 交付与复核

交付选定的脚本结构、分镜表、每一张作为静帧交付的分镜图、口播音轨、垫乐及其返回时长、成片、每一个任务 ID、返回的 artifact 链接、解析后的模型、返回的尺寸与时长，以及 `billing.net_charged_credits`。只报告任务确实返回的事实。

宿主能查看或播放返回的媒体时，检查每一张分镜图是否对得上它所服务的那一段、口播是否存在且收尾干净、成片是否贴合画布。说明哪些媒体细节无法检查，而不是从任务元数据里把它们推断出来。

## 恢复

每一个任务 ID 都立刻记下来，并且只轮询那一个任务。`queued` 和 `running` 意味着等待。创建请求的响应丢失时，只用逐字节一致的冻结载荷、在同一个标识下重新提交；任务 ID 丢失时，按该能力列出任务，把候选项和你自己的台账逐一比对之后再重试。重做其中一张分镜图时，其他产物原样复用。遇到 `insufficient_balance` 时，原样转达返回的消息，把 `https://console.beatra.ai/topup` 保持逐字不变，并且只有在用户说自己已经充值之后，才用同一个冻结的 `client_request_id` 重试。

## 按任务查阅参考

- 在六种结构里选定、确定分几段、说清每段干什么：[脚本结构选择](references/script-patterns.md)
- 按长度预算写口播文案、说法的来源，以及文案筛查：[口播文案写法](references/spoken-lines.md)
- 确切载荷、每一次确认冻结了什么、轮询、重做某一个阶段、恢复与取消：[口播种草视频工作流](references/workflow.md)
- 首次安装或授权过期：[安装与认证](references/installation-and-auth.md)
- 非计费的安装包注册：[安装注册](references/installation-registration.md)
- 任务轮询、产物与结果字段：[任务与结果](references/tasks-and-results.md)
- 余额、校验与结构化错误：[计费、错误与恢复](references/billing-errors-and-recovery.md)
- 随包客户端连不上时：[随包 MCP Client 连接诊断](references/mcp-connection.md)

使用说明

# 口播种草视频制作

一个选题就能出一条口播种草视频：先定脚本结构，写钩子与分镜表，确认后生成口播音轨、分镜静图与竖屏成片，全程无需拍摄、出镜或素材。

## 功能

- 六种脚本结构自动选型，分镜表画面/口播两栏输出
- 分镜静图 + 选定音色口播音轨 + 可选纯音乐垫底
- 首帧动画成竖屏短片（9:16，12 秒目标，最长 15 秒）
- 付费调用前逐项确认费用，未批准不扣费

## 快速开始

对助手说需求即可，例如：
- 「做一条种草口播视频，主题是 XXX 颈椎按摩仪」
- 「给这个产品写口播脚本并出片：XXX」

## 说明

- 分镜表确认前完全免费；图像/语音/视频生成为付费操作
- 成片只有首帧会动起来，其余分镜以静帧交付，方便自行剪辑

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。