为什么值得关注

它提供了一个从趋势调研到成片的全流程自动化管道，集成多个AI服务（MiniMax、ElevenLabs、火山引擎），采用确定性规则判断爆款，技能边界清晰。

适合谁使用

中文社交媒体短视频创作者（抖音、小红书）
追求自动化工作流的视频制作团队
构建内容创作工具的AI Agent开发者
希望复制爆款策略的独立创作者

典型使用场景

分析抖音/小红书热门视频，提取爆款证据包
将爆款视频机制迁移为自己的小红书图文或抖音口播草稿
用MiniMax生成最终人声并输出SRT/VTT字幕
制作HyperFrames口播动画并添加可循环背景音乐

项目优势

模块化技能架构，边界清晰且依赖关系明确
使用确定性规则判断爆款，减少主观偏差
支持多平台（抖音、小红书、B站、YouTube）并附带平台提取助手
提供测试脚本和验证流程，保证流水线完整性

使用前须知

需要多个外部API密钥（MiniMax、ElevenLabs、火山引擎等）和云存储凭证
运行时依赖较多（Node.js、Python、FFmpeg、Playwright、Chrome），环境搭建复杂
针对特定创作者（bozhou）个性化定制，其他用户需替换参考图像和写作风格技能

README 快速开始

Video Skills Toolkit

这是一套面向自媒体视频创作的 Agent Skills 工具包。当前版本围绕“爆款调研与转写 → 内容二创 → 配音与字幕 → 导演稿 → HyperFrames 口播成片 → BGM 与抖音封面”重新组织，不再包含旧的 talking-head-remotion 和 sketch-story-remotion。

Ten Core Skills

Skill	Responsibility
`viral-video-benchmark`	扫描抖音/小红书账号近期作品，用确定性规则判断爆款，建立证据包，拆解并归档。
`media-to-transcript`	下载平台视频，抽取与切分音频，通过火山引擎 AUC ASR 产出原始转写、纠错提示和最终逐字稿交接。
`content-remix`	把已完成八部分拆解的爆款机制迁移成泊舟自己的小红书图文、抖音口播或小红书视频内部草稿。
`minimax-voice-director`	为锁定逐字稿制作可审批的 MiniMax 声音导演稿，生成、选 Take 并发布最终人声。
`audio-to-subtitles`	把最终音频/视频转成 SRT、VTT 和对齐 JSON；也保留轻量 MiniMax TTS 兼容入口。
`video-script`	使用锁定音频和字幕生成管线无关的导演契约、Beat Graph、制作规格和 motion contract。
`talking-head-hyperframes`	生成并验证 HyperFrames 口播项目的固定舞台、PIP、输入归档、manifest 与执行交接。
`hyperframes-scene-animator`	实现逐镜静态页、语义动效、转场、声音 cue、proof 和预览审查闭环。
`music`	通过 ElevenLabs Music API 生成视频 BGM，优先复用已登记音轨，并管理原始产物、无缝循环、哈希和审批状态。
`douyin-cover`	诊断、生成和改版抖音、视频号、小红书等平台的短视频封面。

Workflow

调研：viral-video-benchmark
        └─ media-to-transcript → 最终逐字稿/关键帧 → 爆款证据与八部分拆解
        └─ content-remix → 二创迁移卡 → 已确认创作逐字稿

制作：已确认创作逐字稿
        → minimax-voice-director
        → audio-to-subtitles
        → video-script
        → talking-head-hyperframes
        → hyperframes-scene-animator
        → music（BGM）
        → douyin-cover

关键边界：

viral-video-benchmark 负责找对标、判断、证据和拆解，不自动生成二创成稿。
media-to-transcript 处理对标素材的下载、AUC ASR 和纠错；原始 ASR 不是最终逐字稿。
content-remix 只消费已选定、已拆解的样本，必须替换原作者事实与表达；它生成迁移方案或内部草稿，不自动发布。
正式配音前必须有已确认的逐字稿；本工具包不把“边写稿边做分镜”当作正式流程。
minimax-voice-director 产出并审批最终人声；audio-to-subtitles 只从定稿音频建立时间轴。
video-script 只做导演规划，不写场景代码。
talking-head-hyperframes 只建固定舞台与执行交接；真正的镜头实现属于 hyperframes-scene-animator。
music 只在已登记音轨不适用时消耗 ElevenLabs 额度；口播 BGM 默认是短、纯音乐、可循环且不抢人声。
douyin-cover 在标题与发布方向锁定后执行，可与成片收尾并行。

Bundled Support Skills

下列 3 个目录随仓库一起安装，但不另算创作核心：

Skill	Used by	Purpose
`video-transcript`	`media-to-transcript`	已废弃的转写入口；仅保留 B 站、抖音、小红书和 YouTube 下载/探测 helper。
[`hook-writing`](skills

项目描述

Video skills toolkit for Remotion talking-head, sketch story, and audio-to-subtitles workflows.

video-skills-toolkit