# AI Product Video

> Create cinematic product videos from shot recipe cards, a validated template, and code/audio assets (Remotion + real page screenshots + 2.5D camera moves + beat-synced cuts + sound design). Use when the user asks to turn a frontend project or webpage into a product video, says "use ai-product-video to make a video/promo", names the Ink Press template or asks to reproduce its effect, or wants a single shot card's motion. 用镜头配方卡 + 已验收模板 + 代码/音频资产制作电影感产品视频（Remotion + 真实页面截图 + 2.5D 运镜 + 节奏卡点 + 声音设计）。当用户要求"用 ai-product-video 做视频/宣传片"、把前端项目/网页做成产品视频、点名 Ink Press 模板或要求复刻模板片效果，或要用镜头卡做单个动效镜头时使用。

- Skill: `dlazy-ai/ai-product-video` (Agent Skill, multi-file: 8 files)
- Install (CLI): `npx skillmds@latest add dlazy-ai/ai-product-video`
- Raw SKILL.md: https://api.skillmd.com/api/skills/dlazy-ai/ai-product-video/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Web & Frontend
- Author: dlazy-ai (https://skillmd.com/u/dlazy-ai)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/dlazy-ai/ai-product-video

---


# ai-product-video：电影感产品视频制作

一个自包含的制作能力库：152 张镜头配方卡（附 demo 实现源码）、一支已验收的
完整宣传片模板、可复用组件与音频资产、六阶段工作流。
当前 focus 是 web/桌面产品宣传片，但镜头卡本身是通用动效词汇——
也可以单独抽卡做任意视频里的单个镜头。

## 调用时先判断模式

完整宣传片有三种互不合并的模式。在开始素材采集、分镜或实现前，先判断用户
是否已经明确选择；已经选择时直接执行，不重复询问，也不要改成另一种模式。

1. **直接使用模板**：保持 Ink Press 原有替换流程。读 `template/TEMPLATE.md`，
   按既有镜头结构替换目标产品的截图、文案和品牌信息。
2. **自主自由创作**：读 `references/pipeline.md`。Agent 根据用户已有要求和项目
   内容，自主决定视觉方向、镜头映射、分镜、素材和音频，连续推进到成片；不在
   产品简报、styleframe、镜头映射或分镜阶段暂停等待用户确认。
3. **共同创作**：读 `references/guided-free-creation.md`。Agent 先提出有依据的
   判断和方案，由用户依次确认产品简报、需求决策、视觉方向、镜头映射和最终
   分镜；分镜放行后再进入 `references/pipeline.md` 的最终素材采集与制作阶段。

用户提供了项目路径、网址、录屏或页面截图但尚未选模式时，先做一次**最小、
只读的产品检查**：了解产品定位、主要功能、页面视觉、可展示状态和素材风险；
不修改业务项目、不采集敏感数据、不写视频代码。检查后给出三种模式，并说明：

- Ink Press 是否适合该产品、适合与不适合的具体依据；
- 自主自由创作与共同创作各自是否适合、预计会保留哪些产品视觉线索；
- Agent 推荐哪一种模式及其依据和取舍。

然后明确询问：**“根据上面的产品检查，我推荐使用 ×× 模式。要按这个模式继续吗？”**
同时告知用户：152 张镜头卡都在 `references/shots/` 下，按 camera / typography /
transition / ui-entrance 等类别分目录，可以直接翻目录挑镜头。

用户尚未提供可检查的项目或页面时，简要介绍三种模式再询问；不要仅因 Ink Press
是现成模板就默认推荐它。

- 用户选择模板：完整阅读 `template/TEMPLATE.md`，按原模板流程执行。
- 用户选择自主自由创作：完整阅读 `references/pipeline.md`，Agent 自主推进，不逐阶段等待确认。
- 用户选择共同创作：完整阅读 `references/guided-free-creation.md`，按其中的确认节点协作。
- 用户尚未决定：停在此处等待选择；不要默认替用户选择，也不要开始制作。

**例外一：用户已点名 Ink Press 模板时，视为模板模式已选定。**
例如“用 Ink Press 模板给我的产品做宣传片”。此时不要再询问，直接完整阅读
`template/TEMPLATE.md` 按模板路线执行。

**例外二：用户已明确指定要使用或参考某些镜头卡时，镜头约束已经选定。**
例如“用 `deck-deal-flyin` 和 `row-embed` 做这支视频”或“参考
`spotlight-hero-card` 的效果”。此时不要介绍模板、也不要询问是否使用模板；
按镜头卡名称解析规则确认指定镜头，完整阅读每张卡，并按卡片的“参考实现”
定位准确 demo 源码。单镜头可在目标素材明确后执行；完整宣传片若尚未说明采用
自主自由创作还是共同创作，只询问这两种模式，指定镜头作为后续制作约束，不自动
等同于共同创作。

## 四种用法

1. **完整宣传片（模板路线）**：想要和模板片高度相似的效果 →
   读 `template/TEMPLATE.md`，按“换产品复现指南”替换素材逐镜头适配。
2. **完整宣传片（自主自由创作）**：要新风格并授权 Agent 自主决定 → 读
   `references/pipeline.md`，从产品理解连续推进到终检，中途不逐阶段等待确认。
3. **完整宣传片（共同创作）**：要参与关键决策 → 读
   `references/guided-free-creation.md`，确认产品简报、需求决策、视觉方向、
   镜头映射和最终分镜；放行后从流水线的最终素材采集继续。
4. **单镜头/单动效**：从 `references/shots/` 选卡（可让用户直接翻类别目录挑），
   读卡全文并按“参考实现”定位准确 demo 源码，适配到目标素材。

## 自主自由创作与共同创作的边界

**自主自由创作**把创意和工程决策交给 Agent。Agent 从项目内容动态推导产品重点、
视觉方向、镜头映射、分镜、素材处理与音频方案，记录关键判断后直接执行；除非缺少
无法安全推断的必要输入，否则不提问、不逐阶段暂停，也不要求用户确认中间产物。
用户已有的明确要求始终是约束，不能被 Agent 的默认选择覆盖。

**共同创作**才使用逐阶段确认。默认读 `references/guided-free-creation.md`，每轮只问
1–3 个最能减少返工的问题，并在产品简报、需求决策、视觉方向、镜头映射和最终分镜
处暂停等待用户确认。用户确认业务与创意方向；Agent 自主完成采集方式、实现参数、
SFX 钉帧、Remotion 工程、渲染和技术 QA。

共同创作中，用户明确说“你全权决定”或“跳过确认直接做”时，切换为自主自由创作
并记录这一选择；不要一边声称自主推进，一边继续要求逐阶段确认。

功能到镜头的映射只是“选用哪些运动语法”，不是完整分镜。共同创作确认映射后，
Agent 必须继续给出镜头顺序、时长、具体画面、页面状态、素材来源、字幕、转场和
SFX；只有完整分镜确认后才进入最终素材采集。用户给出镜头名时，只需提供卡名
或“卡名 · 样式名”，Agent 负责读取本地配方卡和 demo 源码。

## 核心理念

1. **复刻既有页面必须用真实截图；手搓 UI 限非复刻场景，且质量与表达
   明确性是硬门槛。** 表现产品真实页面时第一步就起本地 dev server，
   用无头浏览器截全页 2x 纹理 + 元素级抠图 + layout.json 坐标表。
   非复刻场景（抽象开场/品牌段/独立展示组件）允许手搓 UI，但达不到
   出版级质感或观众看不懂它表达什么，就回截图路线。页面数据按风险处理：
   公开演示数据只有在产品简报明确确认后才可保留；客户、个人、内部、密钥、
   实时或其他敏感数据必须用虚构或脱敏内容，且在采集前冻结。

2. **整支视频的视觉语言必须从产品自身生长，不能另造一套不相干的
   “宣传片皮肤”。** 做 styleframe 前，先从产品/网站的设计系统、源码或
   computed styles 中提取并写入设计 spec：字体家族与字重、字号层级、
   行高/字距，栅格、间距、对齐、信息密度与圆角，以及背景/表面/正文/
   强调/状态色、渐变和材质。片中所有标题、字幕、数字、字卡、版式、
   转场、粒子、光效和其他动效配色都必须复用或克制扩展这套 tokens，
   同时匹配产品的调性、品味和质感。走模板或镜头卡路线时，只继承其
   镜头结构、运动语法、节奏和已调参数；字体、排版、配色与材质必须按
   目标产品重新蒙皮。若因叙事需要偏离产品视觉，共同创作先说明理由并让用户
   确认；自主自由创作把理由与取舍写入设计 spec 后继续。

3. **电影感来自运镜、光影、节奏与声音的配合，不来自炫技动画。**
   被反复认可的是：单主角完整动作弧（聚光→推近→悬浮→归位）、
   物理隐喻驱动的加速度（发牌）、侧斜机位 orbit 环绕特写、
   riser→impact→sparkle 的声音句式。批量元素入场靠运动本身，
   不靠逐个发光——装饰性 glint/泛光群发即廉价，单点高质量光效可做。

4. **每个镜头只讲一个动效；关键信息落定后必须呼吸。**
   一种动画手法（飞入/堆叠/翻页）全片只当一次主角，重复镜头、重复
   tagline 一律删。节奏偏好是单向的：历史反馈全部指向"放慢/停留"，
   从未有一次"太慢了"——品牌字标落定 hold ≥1s、批量动效收尾留 0.5s
   静止、开场主体动作给足 3s。排时间线时预先给 hold/rest 留帧预算。

5. **强节奏 BGM 的片子，所有转场和动效必须卡在拍上。**
   BGM 用 `dlazy search_audio` 取（本库不再内置曲库，见 `## dlazy 工具链`）。
   用户已选好音乐 → 开工前先做节奏分析（librosa 网格拟合求真实
   BPM/相位 + kick/snare/hihat 三分类鼓点定位），网格按瞬态覆盖率
   验收通过后才分镜；时间线用拍号 `beatF(n)` 写，稀疏重音钉真实
   瞬态而非网格插值点，渲后从成片抽音轨回测切点误差 ≤3f。
   方法论见 `references/music-beat-sync.md`。
   配了 BGM 的片子终渲固定交付两版：带 BGM 版 + 无 BGM 版（保留 SFX），
   靠 `bgm` inputProp 从同一时间线渲出，方便用户后期自配音乐。

6. **用镜头卡动效必须先定位准确的 demo 实现代码。**
   先在 `references/shots/` 下确认卡名与卡内样式名，再按卡片文档的
   “参考实现”定位具体 TSX。配方卡给的是语义和参数表，准确的 demo 源码
   才是调校过的参数真相（缓动、时值
   配比、摘罩时机、已知坑的规避写法）。允许适配性改动，但卡上
   "已知坑/命门"标注的参数不得降档——质量标准只升不降。凭卡名和
   理解新写＝放弃全部调校积累。

7. **共同创作把廉价确认物前置，自主自由创作把同样的判断留作执行记录。**
   产品简报→需求到执行决策表→文字方向→styleframe→镜头映射→分镜的顺序不变；
   共同创作逐级交给用户确认，自主自由创作由 Agent 自主选定并连续推进。两种模式
   都不应在方向未定时进入逐镜头实现。

8. **验收贯穿全程 + 交付前独立审查。** 阶段 5 起每个镜头用
   `npx remotion still` 出静帧自检、每轮修改后整片渲染 + ffmpeg
   抽帧回看；交付前必须派一个干净上下文的 subagent 做独立终检。审查输入
   包含成片、关键帧、产品简报、需求到执行决策表、当前模式确认或记录的视觉方向/styleframe、功能到镜头映射、
   镜头卡名/变体、准确 demo TSX、最终分镜、选中的镜头卡和
   审美准则；按 `references/final-review.md`
   同时检查方案一致性、功能完整性、镜头还原度、视觉/音频技术质量和数据安全，
   逐条出带帧号证据的报告。制作者对自己的产出有确认偏差，首检永远不能交给用户。

9. **确定性渲染**：禁 `Date.now()`/`Math.random()`，一切伪随机固定
   种子（mulberry32/哈希，seed 从 index 派生），逐帧可复现。

## 工作流

自主自由创作按 `references/pipeline.md` 从阶段 0 连续执行，不逐阶段等待用户确认。
共同创作先按 `references/guided-free-creation.md` 完成阶段 0–3 的产品理解、视觉方向、
镜头映射和分镜确认，再从流水线阶段 4 的最终素材采集继续，不得重复提问或重新设计。
阶段 2–3 扫 `references/shots/` 各卡 frontmatter 按能量曲线选镜头；阶段 5–7 持续
对照 `references/aesthetic-rules.md` 自检；阶段 6 读
`references/sound-design.md`；卡点片全程贴 `references/music-beat-sync.md`。

## dlazy 工具链

画面由 Remotion 生成，**音乐、补充音效、旁白、字幕和 B-roll 走
[dlazy](https://dlazy.com) CLI** —— 一条命令覆盖多家模型，不用自己对接各家 API。

### 准备

```bash
npm install -g @dlazy/cli@1.2.3
dlazy login      # 设备码流程，远程终端也能用；key 自动写入 ~/.dlazy/config.json
dlazy -h         # 列出当前账号可用的全部工具
```

也可以不全局安装：`npx @dlazy/cli@1.2.3 <command>`。
已有 API key 时用 `dlazy auth set <key>`（在
https://dlazy.com/dashboard/organization/api-key 获取）。

### 速查

| 用途 | 命令 |
|------|------|
| BGM（本库不内置曲库） | `dlazy search_audio --query "<mood>"` |
| 补充音效（自带 149 个不够时） | `dlazy search_audio --query "<sfx>"` 或 `dlazy keling-sfx -h` |
| 旁白 TTS | `dlazy -h` → 选，再 `dlazy <tts-tool> -h` |
| 字幕逐词时间轴 | `dlazy fun-asr --audio_url <wav> --format json`（或 `dlazy elevenlabs-stt`），读返回的 `data.words[]` |
| 补充图片 | `dlazy search_image --query "<关键词>"` 或文生图工具（`dlazy seedream-5.0 -h`、`dlazy jimeng-t2i -h`、`dlazy banana2 -h`）|
| B-roll 真实运动镜头 | `dlazy -h` → 选一个视频生成工具，再 `dlazy <tool> -h` |

**首次付费调用前先 `dlazy <tool> -h` 确认工具名与参数**——可用工具随账号而变，
不要凭印象拼模型名。多个独立生成（多镜头、多变体、多音色）并发跑，别串行等。

### 旁白（可选，默认不加）

产品宣传片的默认形态是画面 + 字幕 + 声音设计，不配人声——旁白会挤掉运镜和
节奏的表现力。只有用户明确要旁白，或片子承担"讲清楚一件复杂事"的任务
（功能讲解、教程向）时才加，且必须在阶段 3 分镜放行前定下来（旁白长度直接
决定镜头时长，事后补配等于重排时间线）。要加就走：

1. **选 TTS**：`dlazy -h` 看可用音色工具，跨语言优先多语种模型；先 `-h` 确认参数。
2. **先试 2 句再全量**：拿分镜里最长和最短的两句渲一遍确认语速音色，
   再渲全篇存 `public/narration.wav`。
3. **真实时长回写分镜**：TTS 实际长度几乎不等于估算值——按它重排镜头帧预算，
   不要让画面先做完再迁就音频。
4. **字幕**：`dlazy fun-asr --audio_url public/narration.wav --format json` 拿逐词
   时间轴（媒体字段支持本地路径，CLI 会自动上传），取返回的 `data.words[]`
   （每项含 `start`/`end`/`text`）喂给 `assets/lib/Caption.tsx`。
5. **混音**：有旁白时 BGM 压到 0.12–0.18（无旁白是 0.34），SFX 避开人声句子
   的起止帧。

不加旁白的片子照旧用画面字幕承担解说，别留哑巴段落。

## 何时读哪个文件

| 时机 | 读 |
|------|----|
| 项目启动且模式未定 | 最小只读检查，然后提供三种完整宣传片模式并推荐 |
| 自主自由创作 | pipeline.md（Agent 自主完成阶段 0–7，不逐阶段等待确认） |
| 共同创作 | guided-free-creation.md（确认阶段 0–3），再从 pipeline.md 阶段 4 继续 |
| 用户已选 BGM | music-beat-sync.md（先分析再分镜） |
| 走模板路线 | template/TEMPLATE.md 全文 |
| 分镜设计 | sequences/ 桥段模板（全片骨架先填空）；shots/ 全部 frontmatter；选中的卡读全文 |
| 逐镜头实现 | 该镜头卡全文 + 按“参考实现”定位的准确 demo 源码全文 + assets/lib/ 对应组件 |
| 声音设计 | sound-design.md + assets/audio/ |
| 验收 | final-review.md + aesthetic-rules.md 全文过 checklist（独立 subagent 执行） |

## 资产使用方式

- `assets/lib/` 组件 **copy 进新项目**后自由修改（不 import 本库）。
  清单：PageCam（2.5D 页面相机——一切"真实页面"镜头的地基）、DigitRoll、
  FlashCut、Caption、FlatPanel、VerticalTicker（3D 无限滚动墙）、
  helpers(rand/shake/camera/motion)。FlatPanel 与 helpers/camera 需要
  `three` + `@react-three/fiber` + `@remotion/three` 依赖，其余仅需 remotion。
- `assets/scripts/capture-template.mjs` 复制后改顶部 CONFIG（BASE/路由/选择器）。
- `assets/audio/` 音效直接复制使用（免费商用授权，见 audio/ATTRIBUTION.md）：
  `audio/sfx/<类别>/` 149 个音效按场景分 16 类
  （transition impact riser camera ui text paper film light data scifi mech
  glass fluid crowd counter），找音先进类别目录，清单见 sound-design.md。
  词汇表 sparkle 的目录名是 `light/`（无 `sparkle/`）；S1 禁音色不禁动作——
  画面真有点击/开关就该配拟音，但 `ui/` 里一半是合成反馈音（tone/bleep/
  notification）需逐个试听、不可整目录放行（名单见 sound-design 3.3）；
  长样本与轻音素材各有名单需特殊处理（sound-design 4.1）。
- `demos/` 各卡实现源码：多数为自包含灰阶 demo（部分 import
  `demos/_fixtures/Fixtures.tsx` 的假 UI 场景件，个别 import
  `demos/_textures/` 的真实页面纹理），copy 进 Remotion 项目即可跑；
  个别 demo 用到 `@remotion/motion-blur`（CameraMotionBlur），需
  `npm i @remotion/motion-blur`，名单见 `demos/README.md`。
- `template/` Ink Press 的完整镜头结构与场景源码（36.2s / 1085 帧）。
  **原片截图素材未随本库分发**（那是另一个产品的真实页面），照它的镜头
  结构做、素材换成目标产品自己的，详见 `template/TEMPLATE.md`。
  样片没拉也能用，只是没有动态预览。