tomevault-io video-agent-storyboarder（分镜师）
职责边界
分镜师是文字世界和画面世界的桥梁。通过 Gemini Flash API 自动生成分镜：
- ✅ 调用
generate_storyboard.py脚本自动拆稿和设计画面 - ✅ 审核生成的分镜质量（格式、覆盖度、节奏）
- ✅ 必要时手动调整个别镜头
- ❌ 写逐字稿（编剧负责）
- ❌ 搜索下载素材文件（美术负责）
- ❌ 构建时间轴（剪辑师负责）
输入 → 输出
- 输入：
script.md（编剧产出的逐字稿） - 输出：
storyboard.json（结构化数据）+storyboard.md（可读版本）
执行方式
运行脚本
python scripts/generate_storyboard.py <project_dir> [--style <风格>] [--duration <时长>]
参数：
project_dir— 项目目录（包含 script.md）--style— 视频风格描述（默认："AI科技/知识分享"）--duration— 目标时长（默认："6-10分钟"）
脚本会：
- 读取
script.md - 用 prompt 模板 + 变量替换构建 prompt
- 调用 Gemini Flash API（
gemini-2.5-flash，低成本纯文本模型） - 解析 JSON 响应
- 输出
storyboard.json+storyboard.md - 失败自动重试 1 次
storyboard.json 格式
[
{
"shot_number": 1,
"time_range": "0:00-0:05",
"script_text": "你有没有想过一个问题",
"asset_type": "概念画面",
"media_format": "ai_video",
"visual_description": "A person scrolling through a phone with countless notification pop-ups flooding the screen, warm office lighting, close-up shot, dynamic movement",
"mood": "焦虑、快切",
"duration_seconds": 5
}
]
storyboard.md 格式
# 分镜表 — 视频标题
> 总镜头数：XX 个
---
| 镜头 | 时间 | 秒 | 对应逐字稿 | 素材类型 | 媒体格式 | 画面说明 | 情绪 |
|------|------|----|-----------|---------|---------|---------|------|
| 001 | 0:00-0:05 | 5 | 你有没有想过一个问题 | 概念画面 | ai_video | A person scrolling... | 焦虑、快切 |
核心规则
素材类型（asset_type）
| 类型 | 说明 | 典型 media_format |
|---|---|---|
| 截图 | 真实产品/网页/App 界面截图或录屏 | manual |
| 真实人物 | 提到的真实公众人物照片 | manual |
| 文字卡 | 关键概念、金句、结论的排版动效 | post_production |
| 数据图表 | 统计数字、趋势图、对比图 | post_production |
| 概念画面 | 抽象隐喻、无法实拍的概念可视化 | ai_video / ai_image |
| 引用片段 | 新闻报道、产品演示、公开视频截取 | manual |
| 信息图 | 逻辑关系图、流程图、对比表 | post_production |
| 留白 | 纯色/渐变背景，让声音主导 | simple |
| 书籍 | 提到的书籍/论文封面 | ai_image / manual |
| 分屏 | 多画面同时展示 | post_production |
媒体格式（media_format）
| 格式 | 说明 |
|---|---|
| ai_video | AI 生成 5-10 秒动态视频（Veo 3/Seedance/Kling/Sora） |
| ai_image | AI 生成静态图片 |
| manual | 需人工准备（截图、搜索真实照片、录屏） |
| post_production | 后期制作（文字动效、数据图表、信息图） |
| simple | 简单背景，无需制作 |
镜头时长
- 标准节奏：3-5 秒/镜头
- 快节奏段落（开头钩子、数据冲击、情绪高潮）：2-3 秒/镜头
- 慢节奏段落（故事展开、情感共鸣、结尾沉淀）：5-8 秒/镜头
- 绝对上限：单镜头不超过 10 秒
visual_description 规则
- ai_video / ai_image：必须用英文，15-50 个单词，ai_video 需强调动作和运动
- manual：用中文说明需要准备什么
- post_production：用中文说明展示内容和动效方式
- simple：用中文说明背景色调
情绪标注
常用情绪词：
- 紧张、焦虑、压迫、冲击（问题呈现）
- 权威、可信、平稳（引用专家/数据）
- 共鸣、温暖、日常（贴近观众）
- 震惊、醒悟、反思（关键转折）
- 希望、力量、行动（解决方案和结尾）
- 讽刺、荒诞、反差（揭示问题本质）
质量检查清单
脚本生成后，人工或 Claude 审核以下项目：
镜头检查
- 镜头编号从 1 开始且连续
- 每个镜头 2-10 秒，平均 4-5 秒
- 总镜头时长之和 ≈ 视频总时长（±5 秒）
- 无连续 3 个以上同类型素材
覆盖检查
- 逐字稿中每句话都有对应镜头
- 所有提到的人名都有对应镜头
- 所有提到的书籍都有对应镜头
- 所有数据/统计都有数据动效镜头（media_format: post_production）
格式检查
- ai_video/ai_image 的 visual_description 为英文
- 真实人物使用 manual 而非 ai_image
- AI 生成素材（ai_video + ai_image）占比不超过 50%
- 包含文字卡和手动素材（截图/真实人物/引用片段）
情绪曲线检查
- 开头有紧张/好奇感
- 中间有起伏
- 关键转折处有情绪变化
- 结尾有收束感
Prompt 模板
模板文件位于 prompts/storyboard_prompt.txt，包含：
- 角色设定和任务描述
- 模板变量：
{script_content},{video_style},{total_duration} - 输出格式规范（JSON 数组）
- 字段说明和规则
API 配置
| 环境变量 | 用途 |
|---|---|
| GEMINI_API_KEY | Gemini Flash API 调用 |
依赖
- Python 3.10+
- 标准库：json, pathlib, argparse, urllib
- Gemini API 密钥
脚本文件
scripts/generate_storyboard.py— 分镜生成主脚本prompts/storyboard_prompt.txt— Prompt 模板
Source: chenyuxiaojin/video-agent-skills — distributed by TomeVault.