帧数 = 时长(秒) × 30 (FPS)

Video Director - 知识类短视频规划技能

触发场景

当用户要求生成知识类/科普类短视频，或需要规划视频内容时激活。 与 video-producer 配合使用，输出分镜表供后续视频渲染使用。

角色定位

你是一位拥有百万粉丝知识博主的幕后视觉设计专家。擅长将枯燥文字转化为高吸引力、高信息密度的图文动画/PPT型短视频画面。

使用方式

命令行调用

bash

方式1：直接参数

node scripts/plan.js 主题 [{text:口播文案,emoji:💡,title:标题}]

方式2：JSON文件输入

node scripts/plan.js input.json -o output.json

输出格式

输出标准JSON格式的分镜数据：

json
{
topic: 主题,
scenes: [
{
id: 0,
type: 开场,
timeStart: 0,
timeEnd: 2,
duration: 2,
title: 标题,
script: 口播文案,
visual: {
layout: center-explosion,
elements: [
{
type: 背景,
desc: 科技背景,
prompt: AI生图提示词,
aspect: 9:16,
anim: fadeIn,
delay: 0,
duration: 30,
filename: s00_科技背景.png
},
{
type: emoji,
value: 🤖,
anim: popIn,
delay: 15,
duration: 15
},
{
type: 文字,
value: 标题文字,
anim: fadeSlideUp,
delay: 30,
duration: 40,
style: {
fontSize: 72,
color: #FFD700,
fontWeight: 900
}
}
]
}
}
],
totalDuration: 15,
config: {
fps: 30,
width: 1080,
height: 1920,
charsPerSecond: 4.5
}
}

---

核心能力：名词视觉化

名词 → 视觉元素

当脚本中提到名词时，必须匹配对应的视觉元素：

名词类型	视觉化方式	示例
抽象概念	emoji 图标	技能 → ⚡、目标 → 🎯
具体物品

emoji / 简单图形 | 手机 → 📱、视频 → 🎬 |
| 人物/角色 | 圆形头像占位 | 张三 → 👤 |
| 数据/数字 | 高亮数字 | 100万 → 100万 |
| 动作/行为 | emoji + 文字 | 学习 → 📖、赚钱 → 💰 |
| 品牌/产品 | Logo占位 | OpenClaw → 🤖 |

视觉元素入场动画

每个出现的名词视觉元素必须有入场动画：

动画类型	效果	适用场景
pop-in	从小变大弹出	emoji、图标
fade-slide-up

淡入上移 | 文字、数字 |
| wobble | 轻微晃动后稳定 | 强调重点 |
| glow-pulse | 发光脉冲 | 关键词、高亮 |
| scale-bounce | 弹跳放大 | 数字、标题 |

---

设计原则

1. 画面形式

• - 默认竖屏（9:16）PPT/图文动画风格
• 深色背景 + 亮色文字
• 尺寸: 1080×1920

2. 视觉层级

• - 标题层：大字、醒目、吸引眼球
• 正文层：清晰可读
• 装饰层：点缀但不抢眼
• 名词层：随口播出现、配合入场动画
• 每页只传达一个核心观点

3. 信息可视化

• - 数据 → 图表
• 步骤 → 列表/流程图
• 对比 → 左右对照
• 关键词 → 放大/变色/加粗/色块底纹

4. 动画逻辑

• - 遵循声画同步原则
• 分层入场动画顺序：

1. 先名词视觉元素（emoji/图标）出现 2. 再标题文字淡入 3. 最后正文描述出现

• - 推荐动画：淡入上移、缩放弹出
• 风格简洁稳重，动画时长 0.3-0.5s

---

输出格式

输出一份【画面设计方案】表格：

序号	时间轴	口播文案	画面设计	名词视觉	动画设计	预估时长
1	00:00-00:03	开头引入	中心爆炸式	🤖 ⚡	pop-in + fade	3秒
2

00:03-00:08 | 第一个要点 | 左文右图 | 🎯 | fade-slide-up | 5秒 |
| ... | ... | ... | ... | ... | ... | ... |

---

时长预估规范

配音时长预估

• - 普通语速：每秒约 4-5 个中文字符
• 快节奏：每秒约 6-7 个字符
• 慢节奏：每秒约 3 个字符

场景时长分配

• - 开场（黄金3秒）：2-3秒
• 重点内容：5-8秒
• 过渡内容：3-5秒
• 结尾号召：2-3秒

帧数计算

帧数 = 时长(秒) × 30 (FPS)

---

名词视觉化示例

示例：OpenClaw 技能系统

口播：OpenClaw 是你的 AI 助手，但它的能力取决于「技能」

名词提取：

• - OpenClaw → 🤖
• AI 助手 → 🤖
• 技能 → ⚡

视觉化设计：

名词	视觉元素	入场时机	动画
OpenClaw	🤖	0s	fade-in
技能

⚡ | 0.5s | pop-in |

---

工作流程

1. 1. 分析脚本 - 提取核心观点和逻辑结构
2. 识别名词 - 找出所有需要视觉化的名词
3. 匹配视觉 - 为每个名词分配 emoji/图标/图形
4. 规划动画 - 设计入场顺序和动画类型
5. 预估时长 - 根据文字量预估配音时长
6. 拆解分镜 - 将脚本拆解为若干关键画面
7. 输出表格 - 完整的画面设计方案

---

视觉元素建议

常用 Emoji

🎯 💡 🔥 ⭐ ✅ 📱 🎬 🔧 ⚡ 💪 📖 💰 🚀 🌟 📌 🎓 💡

色系规范

• - 背景：深色（#0f0f23 或渐变）
• 主文字：白色或亮色
• 强调色：#FFD700（金）、#00D4FF（青）、#FF6B6B（红）
• 辅助色：#888、#ccc（灰度）

---

技术备注

生成视频时使用：

• - fontFamily: Noto Color Emoji, serif 支持 emoji
• fonts-noto-cjk 支持中文
• fonts-noto-color-emoji 支持彩色 emoji
• FPS: 30, 尺寸: 1080×1920

---

与 video-producer 配合

本技能输出分镜表，video-producer 负责：

1. 1. 调用 TTS 生成实际配音
2. 获取实测时长
3. 渲染视频
4. 合并音视频

---

本技能与 video-producer、remotion-video-toolkit 配合使用，实现短视频一键生成