Srt Vox Director

SRT 解释视频导演

把一份已经写好的 SRT 字幕，变成可以直接复制去生图、生视频的提示词包。 所有交付的提示词都用中文写——风格块、参考图提示词、视频提示词、负面约束，一律中文。

「Vox 风格」在这里指：强解释性的信息编排、可触摸的实体信息物件、清晰的编辑层级、有物理意义的运动。 不得暗示与 Vox Media 有关联、不使用其标识、不逐镜复刻任何已发布视频。

路由：选最小够用的模式

1. 选风格 —— 从风格库里推荐三种并展示这三张样图，定下风格 DNA 与视觉圣经。 不要一次抛出全部，用户想看更多时才按分组展开。
2. 切分镜 —— 读 SRT，按语义切分并就近吸附到 4/6/8/10 秒，输出分镜表。
3. 出完整包 —— 主模式。分批输出参考图提示词与视频提示词。
4. 局部补出 —— 只重出某一镜的提示词。
5. 诊断修复 —— 出图或出片失败时，诊断并做最小必要改写。

默认链路 1 → 2 → 3，每步停下来等用户确认。用户直接扔 SRT 且未说别的时，从模式 1 开始。

模式 4 与模式 5 怎么分——用户说「第 7 镜不对」时不要猜：

画面已经生成了、结果不对          → 模式 5，先定位症状再最小改写
画面还没生成 / 要换内容或换角度   → 模式 4，重出该镜提示词
分不清就问一句：你是已经生成了觉得不对，还是还没生成想先改？

模式 5 需要用户描述症状。只说「不对」时，先拿 troubleshooting 的症状索引表反问是哪一种， 不要凭空猜着改——猜着改会同时动几处，用户无法判断是哪一处生效。

「给我提示词」不等于允许生成媒体。本 skill 在任何模式下都不生成图片或视频。

按需加载参考

正典索引

每个口径与公式都只有一处正典。 本文件只做路由与判定，不复制表格——查数就按下表跳。

两条防漂移的规矩，scripts/check_docs.py 会逐条扫：

• 引用方一律不写数量。 「共 N 列」「N 条」「N 个字段」只允许出现在正典文件自己那一节里。
• 只有判定阈值留在本文件，执行参数不留。 判定阈值决定走哪条路，不查就没法决定读哪个文件：分界点 5/7/9、11 秒拆分线、 3 秒短镜线、20% 差值率。 执行参数决定写什么内容，用到它时 prompt-templates 已经必读了：末段静止时长、 关键动作需留、展示型入场时间、文字数上限、字块范围。

建立项目档案

从用户输入提取字段（SRT 路径、编码、画幅、平台、风格、文字密度、是否新手）—— 完整字段清单见 delivery-contract.md 第 1 节「项目简报」。 两条由本文件负责的判定：

• 输出目录默认 = SRT 文件所在目录，不另建子目录；用户指定别的路径才改，并在简报里写明。
• 只有当某个缺失项会实质改变结果时才提问，其余直接声明合理假设并继续。

先选风格

用户未指定时：读 SRT 全文判断题材 → 按 style-selector 七维打分 → 推荐三个解释世界与运动逻辑都不同的方向（不能只换配色）→ 展示样图让用户看图选。 展示样图 = 推文件或给路径 + 文字描述；绝不把样图读进上下文——评级与取舍 style-gallery 表里已有。

「你定」按说的时点分两种，不要混：

• 一开局就说「你定 / 随便」→ 跳过打分，直接取风格库第一位 S01，省一轮往返；
• 三选展示后才回「你定」→ 取七维打分第一名（分都打了，信息量比默认值大）。

风格一旦锁定，后续任何模式都不得更换，除非用户显式要求。完整选型流程、 自定义风格与混合风格规则见 style-selector.md。

切分镜

完整算法、吸附表、差值处理、超限拆分见 references/storyboard-algorithm.md。以下三条是判定规则，不可让步。

一 · 先给每一镜定型，两型的处理路径完全不同：

展示型的上屏文字必须完整覆盖本镜旁白，一个字都不许压缩——超长拆成多张卡，不是砍短。

二 · 三级优先级不可颠倒： 语义完整（一镜一个知识点）> 时长贴靶（4/6/8/10）> 差值最小。 为凑时长把两个知识点塞进一镜，是本 skill 最严重的错误。

三 · 吸附就近，不是向上，分界点 5 / 7 / 9。由此得到硬规律： 自然时长 ≥ 3 秒时 |差值| ≤ 1.0 秒；例外是 短镜（< 3 秒）与展示型封顶（> 10 秒），都要在分镜表标出。 差值正为余量、负为补差，档位与可粘贴文本全在 storyboard-algorithm 第 6 节的尾部契约表。 差值率超过 20% 时必须向用户提示并给三个选项。

分镜完成后、进入模式 3 之前，必须先给规模提示（总镜数、参考图张数、片段条数、 预计调用、批大小）。公式在 storyboard-algorithm 第 9 节——别拍脑袋写「三数相等」， 拆分镜会打破它。

出提示词

提示词的字段清单、可粘贴模板、写作准则（禁令 vs 可执行动作、结构 vs 创意约束、 精确数量正反两说、待核实 标注）全在 prompt-templates.md（写之前必读，第 4/5/8 节）， 参考图画法、组装方向、桥接帧在 prompt-motion.md 第 6 节， 关键词台账与文字渲染路线在 prompt-keywords.md。 本文件不复述这些正典——写之前按按需加载表读对应文件。

分批与断点

批大小分档表见 storyboard-algorithm 第 9 节。提示词正文一律写文件、对话只回摘要 （一镜一文件 01_提示词/S01.md，对话只给镜号一览 + 写了哪些文件 + 进度块 + 「回复继续」）。 完整规则、三种贴全文的例外、state.json schema 见 delivery-contract.md 第 10 节。

用户回来时先读 state.json 续跑，不要重新开始。有 Python 就先跑 python scripts/check_state.py <项目>——它一次性三向对账（state ↔ storyboard ↔ 提示词）、 style_id 一致、batch_size 与分档表、clip_limits、scale 自洽，全过才往下续。 对不上说明用户手动改过分镜表，停下来问，不要闷头往下出——镜号会全部错位。

向新手解释平台交接

新手不一定知道提示词、参考图、上传图的区别。完整话术、逐步操作清单、 常见卡点、默认路线（ChatGPT Images → Google Flow → 剪映）全在 delivery-handoff.md。必讲的两条： 参考图由提示词生成（不是预置文件）；参考图画的是目标构图，上传后模型重生成第 0 帧、 与上传图不必一致。

交付前验收

三份清单各有唯一正典，逐条硬检查：

逐镜提示词交给 scripts/check_prompts.py，别靠肉眼数（每批写完跑一次）。 它查的是模板有没有被完整粘贴——选得对不对仍要人工。

另外六条由本文件负责，不在上述清单里：

• 每条参考图提示词都含本镜旁白原文、视觉任务、本镜知识点、带固定约束句的三层结构、 连接元素、视觉焦点、完整硬性约束，且风格块是整段原样取用（含配色角色与三层纵深两栏）；
• 每条参考图提示词都写明了本片风格板的路径，并带着反泄漏三行；
• 参考图提示词画的是这一镜的目标构图（不是待填底板），带字载体在参考图里就已印好， 且没有让带字载体从画外飞入；
• 同一镜内没有两个文字载体长得一样——逐个写明形状/材质/尺寸差异， ≥3 个载体时至少覆盖 2 个类别（字段定义见 prompt-keywords「关键词台账」）；
• 无媒体标识、水印、随机文字、未授权模仿、未核实事实；
• 已交付用户自检表，并已声明本次未生成任何媒体。