Video Text Storyboard

video-text-storyboard

注意：如果是首次使用，确保已安装 videoclaw：uvx videoclaw --help

触发场景

用户说以下话时触发：

• "帮我生成一个分镜"
• "帮我写视频脚本"
• "帮我设计一下这个视频怎么拍"
• "帮我做一个视频方案"

输入

通过 AskUserQuestion 依次追问获取：

1. 视频类型（第一个问，多选一）

• 故事类（情感短片、微电影）
• 产品展示类（品牌广告、电商视频）
• 角色动作类（武侠、舞蹈、格斗）
• 风景旅拍类（自然风光、城市街拍）

2. 视频主题："这个视频想讲什么 / 展示什么？"

3. 素材来源（二选一）

• 我有图片，直接上传
• 帮我用 AI 生成素材图（→ 先调用 t2i 生成素材图，再进入分镜生成）

4. 类型专属追问（根据步骤1的结果分支）

5. 时长："视频需要多长？15秒 / 30秒"

生成要点

加载 skill 后，利用上下文生成文本分镜。

模板选择

根据用户选择的视频类型，加载对应 references 文件：

• 故事类 → references/stories.md
• 产品展示类 → references/product.md
• 角色动作类 → references/action.md
• 风景旅拍类 → references/scenic.md

加载对应文件后，使用其中的模板结构和示例生成分镜。

分镜生成要点

每个分镜包含：

• 时间范围：精确的秒数（如 2-6秒）
• 画面：场景 + 动作 + 台词 + 情绪，融合在一个字段中
• 音效：此镜头的背景音效

合格示例

输入：做一个冰霜王登基的动画视频

输出：

【素材介绍】：
【@图1】黄色圆滚滚小怪兽，无鼻设计，头顶小橘子
【@图2】冰封圣剑，剑身蓝光流转
【@图3】冰之王冠，由冰晶碎片拼接而成
【@图4】冰封王座，台阶和座椅有冰晶纹路
【@图5】极寒冰封王座大殿场景，浮空冰峰刺破阴云

【场景描写】：
极寒冰封之地，浮空冰峰刺破阴云，寒风呼啸，冰封大殿寂静威严

【背景音】：
史诗感 夹杂冰面细微碎裂声

【分镜】：
【特写圣剑】（0-4秒）
画面：特写【@图2】冰封圣剑，剑身蓝光流转，插在寒冰基座上
音效：冰裂声、低沉嗡鸣

【拔剑】（4-8秒）
画面：镜头后拉。【@图1】黄色小怪兽肉垫爪子紧紧握住【@图2】剑柄，用力向上拔剑
音效：拔剑声、冰裂声

【冰甲覆身】（8-12秒）
画面：全身镜头。【@图1】小怪兽用力拔出圣剑瞬间，无数冰晶碎片从四面八方飞聚而来，瞬间拼接成完整冰甲覆盖全身
音效：剑鸣、冰晶碰撞声

【戴上王冠】（12-16秒）
画面：【@图1】小怪兽抬手，无数冰晶冰片从空中飞聚而来，拼成【@图3】冰之王冠；小怪兽将王冠戴在头上
音效：冰晶拼接声

【登基定格】（16-20秒）
画面：全景。【@图1】小怪兽（穿戴冰甲）手持【@图2】圣剑，站在【@图4】冰封王座上，双眼亮起冰蓝光芒，远处【@图5】冰峰堡垒在背景中矗立
音效：余音回荡

【注意事项】：
- 角色设定：黄色小怪兽严格保持无鼻设计，头顶小橘子
- 氛围：全程冷色调，突出寒冰、冰晶质感，与角色暖黄色形成强烈视觉对比
- 动作节奏：每个镜头一个简单动作，拔剑 → 冰甲覆身 → 戴王冠 → 登基
- 细节还原：头顶小橘子、冰封圣剑蓝光、王冠冰晶拼接纹路等关键细节必须清晰呈现

保存

生成后保存到 <project>/videos/<video>/storyboard/text_storyboard.md

交互确认

用 AskUserQuestion 询问用户：

"这是生成的分镜，满意吗？"

选项：

• 满意 → 继续下一步
• 修改 → 询问具体哪里要改
• 重新生成 → 不修改直接重试

常见错误

❌ 每个镜头安排太多内容：视频生成模型4秒绝对执行不了这么多东西，一个镜头只安排一个简单动作

✅ 每个镜头内容要精简，只描述一个动作或变化

---

❌ 素材引用混乱：不说明引用了什么

✅ 使用【@图1】【图2】格式明确引用素材

---

❌ 忽视音效：音效设计能大幅提升质量

✅ 加入音效：背景音乐 + 音效

---

❌ 缺少注意事项：结尾没有强调关键要素

✅ 添加注意事项：角色设定、氛围、动作节奏、细节还原

❌ 镜头数量太少：1-2个镜头无法展现完整故事

✅ 多用镜头没问题，每个镜头内容细化，但总量控制在30秒左右（6-8个镜头）

---

❌ 段落之间有多余空行：每个段落、镜头之间不需要空行

✅ 全部连续书写，不要有空行

反例：

剧情梗概

大法师安东尼达噜想要在小镇广场展示法术。

镜头1
阳光明媚的小镇广场...

正例：

剧情梗概
大法师安东尼达噜想要在小镇广场展示法术。
镜头1
阳光明媚的小镇广场...

角色动作类分镜模板

模板结构

【素材介绍】： 【@图1】<角色外观描述，含服装、造型、特征> 【@图2】<武器/道具描述（如有）> 【@图3】<场景/背景描述> 【@视频1】<动作参考视频描述（可选，用于动捕迁移）>

【场景描写】： <动作发生的整体环境描述>

【背景音】： <配合动作节奏的配乐风格>

【分镜】： 【镜头标题】（X-Y秒） 画面：<描述> 音效：<音效>

【注意事项】：

• 角色设定：<关键外观特征，必须严格还原>
• 动作连贯性：<关键动作衔接要求>
• 运镜要求：<跟随动作的镜头方式，如"低角度仰视/快切三角度/跟随运镜">
• 氛围：<整体视觉氛围>
• 技术参数：<景深/色调/手持或稳定器等摄影参数>

动捕视频引用（高级用法）

如果用户有参考视频（如舞蹈视频、武术视频），可用于动作迁移：

【@视频1】<参考视频描述，说明用途>

在分镜画面描述中写：
画面：【@图1】角色按照【@视频1】的动作和运镜风格进行表演，保持角色外观一致

适用场景：

• 用真人舞蹈视频驱动 AI 角色跳舞
• 用武术视频迁移动作到游戏/动漫角色
• 用已有视频的运镜风格生成新角色内容

镜头节奏（固定结构）

1. 角色亮相（0-3秒）：定格或缓慢展示造型，建立角色印象 2. 动作起势（3-6秒）：准备姿势，蓄力感，镜头拉近 3. 核心动作（6-11秒）：打斗/舞蹈/特技的主体展示，可快切 4. 收尾定格（11-13秒）：动作收尾，pose 定格，镜头稳住 5. 特效强化（13-15秒）：粒子/光效/氛围强化，画面落版

完整示例

输入：做一个武侠风格剑客独舞的15秒视频

输出：

【素材介绍】： 【@图1】白衣剑客，长发用青色发带束起，腰佩长剑，衣袂飘飘 【@图2】青钢长剑，剑身细长，剑格简约，无装饰 【@图3】竹林清晨场景，薄雾弥漫，阳光从竹叶间穿透 【场景描写】： 清晨竹林，薄雾未散，阳光穿透竹叶形成丁达尔光柱，地面散落竹叶 【背景音】： 古风弦乐，节奏由缓至急，与剑招节奏配合 【分镜】： 【剑客亮相】（0-3秒） 画面：低角度仰视，【@图1】白衣剑客背对镜头立于【@图3】竹林间，薄雾中衣袂微动，缓缓转身，面容清冷 音效：风声，竹叶沙沙声 【拔剑起势】（3-6秒） 画面：侧面中景，【@图1】剑客右手缓缓握住【@图2】剑柄，拔出半截，寒光一闪，随即摆出起势，目光如炬 音效：拔剑金属声，弦乐节奏渐起 【剑舞核心】（6-11秒） 画面：多角度快切。正面—【@图1】剑客持【@图2】长剑连续三招横扫，剑风带起竹叶旋转；侧面—大幅度旋身劈斩，白袍在空中形成弧线；俯视—剑客原地转圈，长剑划出圆形光轨 音效：剑气破空声、弦乐急促 【收势定格】（11-13秒） 画面：全景，【@图1】剑客单膝点地，【@图2】长剑插入地面，低头单手扶剑，竹叶缓缓飘落 音效：弦乐骤停，寂静中只有竹叶落地声 【氛围落版】（13-15秒） 画面：镜头缓缓拉远，【@图3】竹林薄雾中，剑客身影渐渐被雾气笼罩，光柱穿透竹叶打在地面 音效：一声悠远的古琴音，余音回荡 【注意事项】：

• 角色设定：白衣、青色发带、腰佩长剑，服装飘逸感是核心，不能塌陷
• 动作连贯性：拔剑→起势→剑舞→收势，每个镜头结尾动作要能衔接下一镜头开头
• 运镜要求：亮相用低角度仰视，核心动作段快切3个角度，收势用全景稳住
• 氛围：冷色调为主，薄雾和丁达尔光柱是关键环境元素
• 技术参数：浅景深，稳定器拍摄为主，亮相段慢速，剑舞段快切不超过1秒/镜

产品展示类分镜模板

模板结构

【素材介绍】： 【@图1】<产品外观描述> 【@图2】<产品材质/细节参考> 【@图3】<使用场景/环境参考>

【场景描写】： <产品展示的整体环境描述>

【背景音】： <品牌调性对应的配乐风格>

【分镜】： 【镜头标题】（X-Y秒） 画面：<描述> 音效：<音效>

【注意事项】：

• 品牌调性：<高端/科技感/轻快时尚>
• 产品核心卖点：<需要重点展示的特性>
• 角色设定：<如有人物出镜，描述其特征>
• 细节还原：<关键产品细节>

镜头节奏（固定结构）

1. 开场抓眼（0-2秒）：悬念设置或产品特写，制造视觉冲击 2. 产品全景展示（2-5秒）：环绕或推拉运镜，展示产品整体造型 3. 产品细节特写（5-8秒）：材质、工艺、核心卖点的近景展示 4. 使用场景（8-12秒）：产品在实际环境中的应用，体现生活感 5. 品牌落版（12-15秒）：slogan 或品牌信息，画面收尾

完整示例

输入：做一个高端咖啡机的15秒广告，科技感风格

输出：

【素材介绍】： 【@图1】哑光黑色咖啡机，金属质感机身，顶部透明水箱，侧面触控屏 【@图2】咖啡机出水口特写，金属网格滤杯 【@图3】极简现代厨房场景，大理石台面，晨光从窗外斜入

【场景描写】： 极简现代厨房，大理石台面整洁，晨光斜入，冷暖对比营造高端氛围

【背景音】： 低沉科技感电子配乐，节奏感强，与产品质感匹配

【分镜】： 【悬念开场】（0-2秒） 画面：黑暗中，【@图1】咖啡机顶部触控屏缓缓亮起蓝色光晕，金属机身在光线中渐渐浮现 音效：低沉电子嗡鸣，科技感启动声 【全景展示】（2-5秒） 画面：镜头从侧面缓慢环绕【@图1】咖啡机一周，展示哑光黑色机身、金属质感、流线型设计 音效：配乐节拍加强 【细节特写】（5-8秒） 画面：特写【@图2】出水口，一道细腻咖啡液缓缓落下，金属滤杯在光线下闪烁 音效：咖啡液滴落声，清脆悦耳 【使用场景】（8-12秒） 画面：【@图3】厨房场景，晨光照在大理石台面上，【@图1】咖啡机静静伫立，主人拿起咖啡杯，蒸汽袅袅升起 音效：轻柔环境音，咖啡香气的视觉化表达 【品牌落版】（12-15秒） 画面：黑色背景，咖啡机剪影居中，品牌 slogan 从下方淡入：「每一杯，都是精准」 音效：配乐渐弱，收尾

【注意事项】：

• 品牌调性：科技感+高端，全程冷色调为主，金属光泽是视觉核心
• 产品核心卖点：哑光黑色机身质感、精准出水、触控科技感
• 细节还原：顶部触控屏蓝光、金属出水口、大理石台面纹理必须清晰

风景旅拍类分镜模板

模板结构

【素材介绍】： 【@图1】<场景/地点描述（必填）> 【@图2】<场景细节或第二地点（可选）> 【@图3】<人物描述（可选，如有人出镜）>

【场景描写】： <整体地理/环境/时段描述>

【背景音】： <自然环境音 + 配乐风格>

【分镜】： 【镜头标题】（X-Y秒） 画面：<描述> 音效：<音效>

【注意事项】：

• 光影要求：<时段/光线特征，如"黄金时段侧逆光">
• 色调：<整体色彩倾向，如"暖橙色系">
• 氛围：<治愈系/史诗感/纪录片风格>
• 细节还原：<关键环境细节>

镜头节奏（固定结构）

1. 大景别建立（0-3秒）：展示环境全貌，确立地点感 2. 中景推进（3-6秒）：镜头向前推进，引入人物或环境细节 3. 多角度切换（6-10秒）：展示环境不同面貌，增加信息量 4. 特写细节（10-13秒）：光影变化、植物纹理、水面反光等细节 5. 意境落版（13-15秒）：回到大景别或空镜，留白收尾

完整示例

输入：做一个西藏纳木错湖的15秒旅拍视频，史诗感

输出：

【素材介绍】： 【@图1】纳木错湖全景，湛蓝湖水延伸至天际，雪山倒影清晰，湖边碎石滩 【@图2】湖边玛尼堆特写，五彩经幡在风中飘扬，背景是湛蓝湖水 【@图3】旅行者，深色冲锋衣，背着相机，站在湖边远眺 【场景描写】： 西藏纳木错，海拔4718米，湛蓝湖水与雪山相接，黄金时段阳光将湖面染成金色，经幡猎猎作响 【背景音】： 史诗感管弦乐，低沉大气，加入藏族风情元素，夹杂风声和经幡声 【分镜】： 【大景建立】（0-3秒） 画面：超广角极低机位，【@图1】纳木错湖面平静如镜，雪山倒影完整，镜头缓缓上升揭示湖的辽阔 音效：史诗配乐渐起，远处风声 【推进人物】（3-6秒） 画面：中景，【@图3】旅行者从画面右侧走向湖边，镜头跟随前推，旅行者在湖天一线的背景下显得渺小 音效：配乐加强，脚步踩在碎石上的声音 【多角度切换】（6-10秒） 画面：快切三个角度。侧面—【@图2】经幡在强风中猎猎飞扬，背景湖水湛蓝；俯视—无人机俯瞰湖岸曲线，碎石与湖水的边界清晰；正面—【@图3】旅行者面向湖面，双手展开，风吹动衣物 音效：风声加强，配乐达到高潮 【光影特写】（10-13秒） 画面：特写湖面，黄金时段阳光将水面染成碎金，微风带起细小涟漪；切至玛尼堆石头纹理，阳光从侧面打入，石头上刻字清晰 音效：配乐渐弱，只剩风声和远处经幡声 【意境落版】（13-15秒） 画面：回到超广角，【@图3】旅行者变成湖天一线中的一个黑色剪影，镜头缓缓拉远，天地融为一体 音效：配乐最后一个长音收尾，归于寂静 【注意事项】：

• 光影要求：黄金时段（日落前1小时），侧逆光为主，湖面金色反光是视觉核心
• 色调：暖橙金色+冷蓝色，形成强烈冷暖对比
• 氛围：史诗感，人在自然中的渺小感，宏大叙事
• 细节还原：雪山倒影完整度、经幡颜色鲜艳度、碎石滩质感必须清晰

故事类分镜模板

模板结构

【素材介绍】：
【@图1】<角色/物体描述>
【@图2】<角色/物体描述>
【@图3】<角色/物体描述>

【场景描写】：
<整体背景描述，可选>

【背景音】：
<整体背景音描述，可选>

【分镜】：
【镜头标题】（X-Y秒）
画面：<包含动作、情绪的完整描述>
对白：<角色台词，用于口型同步；无台词则填"无">
音效：<此镜头的音效>

【镜头标题】（X-Y秒）
画面：...
对白：...
音效：...

【注意事项】：
- 角色设定：<关键角色特征>
- 氛围：<整体氛围要求>
- 动作节奏：<节奏要求>
- 细节还原：<关键细节>
- 对白引导：<台词口型的情绪要求，如"愤怒爆发"/"轻声耳语">

完整示例

输入：做一个冰霜王登基的动画视频

输出：

【素材介绍】： 【@图1】黄色圆滚滚小怪兽，无鼻设计，头顶小橘子 【@图2】冰封圣剑，剑身蓝光流转 【@图3】冰之王冠，由冰晶碎片拼接而成 【@图4】冰封王座，台阶和座椅有冰晶纹路 【@图5】极寒冰封王座大殿场景，浮空冰峰刺破阴云

【场景描写】： 极寒冰封之地，浮空冰峰刺破阴云，寒风呼啸，冰封大殿寂静威严

【背景音】： 史诗感 夹杂冰面细微碎裂声

【分镜】： 【特写圣剑】（0-4秒） 画面：特写【@图2】冰封圣剑，剑身蓝光流转，插在寒冰基座上 对白：无 音效：冰裂声、低沉嗡鸣 【拔剑】（4-8秒） 画面：镜头后拉。【@图1】黄色小怪兽肉垫爪子紧紧握住【@图2】剑柄，用力向上拔剑 对白：无 音效：拔剑声、冰裂声 【冰甲覆身】（8-12秒） 画面：全身镜头。【@图1】小怪兽用力拔出圣剑瞬间，无数冰晶碎片从四面八方飞聚而来，瞬间拼接成完整冰甲覆盖全身 对白：无 音效：剑鸣、冰晶碰撞声 【戴上王冠】（12-16秒） 画面：【@图1】小怪兽抬手，无数冰晶冰片从空中飞聚而来，拼成【@图3】冰之王冠；小怪兽将王冠戴在头上 对白：无 音效：冰晶拼接声 【登基定格】（16-20秒） 画面：全景。【@图1】小怪兽（穿戴冰甲）手持【@图2】圣剑，站在【@图4】冰封王座上，双眼亮起冰蓝光芒，远处【@图5】冰峰堡垒在背景中矗立 对白：无 音效：余音回荡 【注意事项】：

• 角色设定：黄色小怪兽严格保持无鼻设计，头顶小橘子
• 氛围：全程冷色调，突出寒冰、冰晶质感，与角色暖黄色形成强烈视觉对比
• 动作节奏：每个镜头一个简单动作，拔剑 → 冰甲覆身 → 戴王冠 → 登基
• 细节还原：头顶小橘子、冰封圣剑蓝光、王冠冰晶拼接纹路等关键细节必须清晰呈现
• 对白引导：本片无台词，所有情绪通过动作和特效传达