儿童动画导演

将用户输入的主题或故事梗概自动扩写为完整儿童故事，并生成分镜头脚本、文生图提示词、配音音频及图生视频。支持调用AI图像生成、图生视频、语音合成、音视频剪辑、视频拼接等工具，最终输出包含画面、配音、字幕和背景音乐的完整动画视频。

MCP Access: 使用 mcporter

在完成此技能任务时,必须使用 mcporter 技能来操作 MCP。 不要直接调用 MCP 工具；所有 MCP 操作都通过 mcporter 路由。

• 配置：全局 MCP 配置位于 ~/.openclaw/workspace/config/mcporter.json。读取此文件,仅使用此技能所需的 MCP 配置（参见此技能中的兼容性/工具列表）。不要使用配置中的其他 MCP——只使用为此技能声明的那些。
• 列出服务器/工具：mcporter list,或使用 mcporter list <server> --schema 查看特定服务器。
• 调用工具：mcporter call <server.tool> key=value（例如 mcporter call animated-comic.nami_animated_comic_video_mcp prompt="..." image_url="..."）。
• 此技能中的兼容性列表定义了此技能可以使用的 MCP 服务器/工具；仅通过 mcporter 调用这些工具,使用全局文件中的配置。

工作流程

这个技能将用户的故事创意转化为完整的儿童动画视频。整个流程分为9个连续的任务,每个任务都基于前一个任务的输出。严格按照顺序执行,确保每个步骤都成功完成后再进入下一步。

任务1：扩写故事

目标：将用户输入的简单故事标题或梗概扩写成完整的儿童故事。

执行步骤：

1. 理解用户输入的故事主题、梗概或关键词
2. 参考经典儿童故事的叙事结构（开端、发展、高潮、结局）
3. 扩写成完整故事,控制在5-8页的长度,不超过10页
4. 为故事生成一个吸引人的标题
5. 确保故事内容适合儿童,包含积极正面的价值观

为什么这样做：儿童故事需要结构清晰、情节简单但引人入胜。控制页数是为了确保后续生成的视频长度适中,既能完整表达故事,又不会让儿童观众失去注意力。参考经典故事结构能让故事更有感染力。

输出格式：

# 故事标题

完整的故事内容（纯文本形式）...

任务2：生成分镜头脚本

目标：将完整故事转化为结构化的分镜头脚本,每一页包含故事台词和生图提示词。

执行步骤：

1. 将任务1得到的故事内容拆分成多个小段
2. 按照内容完整性和画面空间统一性进行拆分
3. 每段控制在20-30字左右,不超过50字
4. 为每段生成详细的生图提示词

故事台词要求：

• 每段文字需要能够独立理解
• 适合作为配音文本
• 适合作为字幕显示

生图提示词要求： 这是整个流程的关键部分。提示词需要非常详细,因为它将直接影响后续生成的图片和视频质量。

格式：3D卡通风格，3D cartoon，[角色描述]，[动作状态]，[环境描述]，[氛围灯光]

角色描述要点：

• 角色一致性至关重要：在所有页面中,同一角色的描述必须完全一致
• 包含：性别、年龄段、名字、发型发色、服装详情
• 示例："男性青年小明,黑色的短发,身穿蓝色短袖T恤,黑色休闲裤"
• 如果故事中有动物角色,也要详细描述："成年条纹橘猫大橘橘,橘色的毛色,脖子上挂着铃铛"

动作状态要点：

• 描述角色的姿势、表情、动作
• 示例："非常开心,坐在椅子上,手指着桌子上的电脑屏幕"

环境描述要点：

• 场景位置、物品摆设
• 氛围感、灯光信息
• 示例："办公室,电脑,桌子,明亮的阳光"

完整示例：

3D卡通风格，3D cartoon，男性青年小明,黑色的短发,身穿蓝色短袖T恤,黑色休闲裤,非常开心,坐在椅子上,手指着桌子上的电脑屏幕，女性青年小红,金色卷发,身穿一条碎花连衣裙,思考问题的神情,站在桌子边，成年条纹橘猫大橘橘,橘色的毛色,脖子上挂着铃铛,趴在桌子上，办公室,电脑,桌子,明亮的阳光

禁止事项：

• 绝对不能使用"同上"、"引用"、"示例"、"省略"等简化方式
• 每一页的提示词都必须完整写出
• 角色造型描述必须在每一页中完全重复

输出格式： 用表格展示,必须包含页数列：

任务3：文生图

目标：使用 AI 图像生成工具,根据脚本中的生图提示词生成每一页的图片。

执行步骤：

1. 通过 mcporter 调用 generate-media.namiai_gen_img 工具
2. 对脚本中的每一页分别生成图片
3. 确保使用脚本中的完整生图提示词
4. 添加固定的风格预设：3D卡通风格

调用示例：

mcporter call generate-media.namiai_gen_img prompt="3D卡通风格，3D cartoon，[生图提示词内容]"

为什么逐页生成：虽然工具支持批量生成,但逐页生成可以更好地监控每一页的生成质量,及时发现问题并调整。这对于保持角色一致性特别重要。

输出要求：

• 收集所有生成的图片 URL
• 按页数顺序整理
• 仅展示图片,不展示无关内容

任务4：生成配音

目标：将脚本中的故事台词转换为音频文件。

执行步骤：

1. 通过 mcporter 调用 MiniMax-MCP-cloud.text_to_audio 工具
2. 对每一页的故事台词分别生成音频
3. 使用指定的模型和音色参数

参数要求：

• 模型：speech-01-turbo
• 音色：female-shaonv（少女音色,适合儿童故事）
• 音量：vol=4（确保音量足够清晰）

调用示例：

mcporter call MiniMax-MCP-cloud.text_to_audio text="[故事台词]" model="speech-01-turbo" voice_id="female-shaonv" vol=4

为什么按段生成：分段生成配音可以让每一页的音频长度与画面内容精确对应,便于后续的音视频同步。同时,如果某一段配音效果不理想,可以单独重新生成。

输出要求：

• 收集所有生成的音频 URL
• 按页数顺序整理
• 给出每一段的音频链接

任务5：图生视频

目标：将任务3生成的图片转换为动态视频。

执行步骤：

1. 通过 mcporter 调用 animated-comic.nami_animated_comic_video_mcp 工具
2. 对每一页分别进行图生视频
3. 分析图片中的画面信息,生成适当的运动提示词

运动提示词生成要点：

• 分析图片中的主体物、背景、环境
• 根据故事情节添加适当的运动方式
• 示例："镜头缓慢推进,小明挥手,阳光洒落"
• 避免过于复杂的运动,保持自然流畅

调用示例：

mcporter call animated-comic.nami_animated_comic_video_mcp prompt="[画面信息和运动方式]" image_url="[图片URL]"

为什么不添加 BGM：在这个阶段不添加背景音乐,是因为需要先完成配音和字幕的合成,最后才统一添加 BGM。这样可以确保 BGM 的音量可以根据配音进行调整,不会覆盖人声。

输出要求：

• 每生成完一条视频,立刻展示
• 收集所有视频 URL
• 按页数顺序整理

任务6：视频配音

目标：为每段视频添加配音和字幕,并按照音频长度裁切视频。

执行步骤：

1. 通过 mcporter 调用 live_mcp_ffmpeg.live_mcp_dub_cut 工具
2. 对每一页的视频、音频、字幕进行配对
3. 按照音频长度裁切视频,确保画面和声音同步
4. 添加字幕

素材对应关系（关键）： 根据任务2的脚本表格,严格按照页数对应：

• 第1页：视频1 + 音频1 + 台词1
• 第2页：视频2 + 音频2 + 台词2
• 依此类推

为什么按照音频长度裁切：音频的时长是由台词内容决定的,更加准确。将视频裁切到与音频相同的长度,可以确保整个动画的节奏流畅,不会出现画面停滞或声音断裂的情况。

调用示例：

mcporter call live_mcp_ffmpeg.live_mcp_dub_cut video_url="[视频URL]" audio_url="[音频URL]" text="[字幕文本]"

输出要求：

• 每完成一条视频的配音和字幕,立刻展示
• 收集所有处理后的视频 URL
• 按页数顺序整理
• 检查输入素材的完整性

任务7：视频拼接

目标：将多段视频合并为一段连续播放的完整视频。

执行步骤：

1. 通过 mcporter 调用 aiso_video_merge.merge_video 工具
2. 将任务6得到的所有视频按页数顺序拼接
3. 确保视频之间的过渡自然流畅

调用示例：

mcporter call aiso_video_merge.merge_video video_urls='["[视频1URL]","[视频2URL]","[视频3URL]",...]'

为什么要拼接：拼接成一个完整视频可以让观众有连贯的观看体验,不需要手动切换。同时,拼接后的视频更便于添加统一的背景音乐。

输出要求：

• 展示拼接后的长视频 URL
• 确认视频时长和内容完整性

任务8：获取背景音乐

目标：获取适合儿童故事的背景音乐。

执行步骤：

1. 通过 mcporter 调用 materials-bg-music.nami_materials_bg_music-mcp 工具
2. 选择适合儿童故事的音乐风格
3. 音乐应该轻快、温馨、不抢戏

调用示例：

mcporter call materials-bg-music.nami_materials_bg_music-mcp theme="儿童故事" mood="温馨"

为什么最后添加 BGM：背景音乐是整个视频的氛围营造元素,但不应该干扰配音。在所有内容都完成后添加 BGM,可以更好地控制音量平衡,确保人声清晰可辨。

输出要求：

• 展示获取的 BGM 链接
• 确认音乐风格符合儿童动画需求

任务9：视频添加背景音乐

目标：为完整视频添加背景音乐,完成最终作品。

执行步骤：

1. 通过 mcporter 调用 live_mcp_ffmpeg.live_mcp_add_bgm 工具
2. 将任务8获取的 BGM 添加到任务7拼接好的视频中
3. 调整 BGM 音量,确保不会盖过配音

音量控制要点：

• BGM 的响度必须小于视频中配音的响度
• 通常建议 BGM 音量设置为配音的30-50%
• 确保台词清晰可听

调用示例：

mcporter call live_mcp_ffmpeg.live_mcp_add_bgm video_url="[拼接后的视频URL]" bgm_url="[BGM URL]" volume="0.3"

输出要求：

• 展示最终添加 BGM 的完整动画视频
• 这是最终交付给用户的成品

注意事项

执行顺序

• 严格按照任务1到任务9的顺序执行
• 每个任务都依赖于前一个任务的输出
• 如果某个子任务失败,重试该任务,不要跳过

角色一致性

这是整个流程中最关键的质量控制点：

• 在任务2生成脚本时,必须为每个角色建立完整的描述模板
• 每一页的生图提示词中,角色描述必须完全相同
• 不允许使用"同上"、"引用"等简化方式
• 如果有3个角色,每一页都必须完整描述这3个角色

素材对应

• 在任务6视频配音时,必须严格按照任务2的脚本表格对应页数
• 视频1对应音频1对应台词1,绝对不能错乱
• 执行前检查输入素材的完整性

质量控制

• 生成的儿童故事不能超过10页,建议5-8页
• 每页台词控制在20-50字
• 图片风格必须统一为3D卡通风格
• 配音使用少女音色,适合儿童听众
• BGM 音量要低于配音,确保台词清晰

用户体验

• 按照用户请求的语言输出内容
• 在关键步骤完成时给予反馈
• 展示中间产物（图片、音频、视频片段）
• 最终提供完整的成品动画视频

示例

示例1：简单输入

用户输入：

制作一个关于小兔子找胡萝卜的动画

预期输出流程：

1. 扩写成完整故事：《小兔子的寻宝之旅》
2. 生成6页分镜头脚本
3. 为每页生成3D卡通风格图片
4. 生成6段配音
5. 将图片转换为动态视频
6. 为每段视频添加配音和字幕
7. 拼接成完整视频
8. 添加轻快的儿童音乐
9. 输出最终动画作品

示例2：详细输入

用户输入：

我想制作一个儿童动画,故事是这样的：
小猫咪咪在森林里迷路了,遇到了好心的小鸟帮它找到回家的路。
要有配音和字幕,适合3-6岁儿童观看。

任务2脚本示例：

关键点：

• 注意每页中"小猫咪咪,白色的毛发,粉色的鼻子,穿着红色的小背心"这部分描述在所有页面中必须完全相同
• 变化的部分是动作和表情："眼睛里充满担心,站在森林小路上四处张望"
• 环境描述也要详细："茂密的森林,高大的树木,阳光透过树叶洒下斑驳的光影"

故障排除

问题1：生成的图片中角色形象不一致

原因：脚本中的角色描述不统一

解决方案：

• 检查任务2的脚本,确保每一页的角色描述完全相同
• 重新生成脚本,为角色建立固定的描述模板
• 重新执行任务3文生图

问题2：视频配音不同步

原因：素材对应关系错误

解决方案：

• 核对任务2的脚本表格
• 检查任务3、任务4、任务5的输出是否按页数正确排序
• 在任务6执行前,再次确认素材对应关系

问题3：最终视频听不清配音

原因：BGM 音量过大

解决方案：

• 在任务9中降低 BGM 音量参数
• 建议将音量设置为0.2-0.4之间
• 重新执行任务9

问题4：MCP 工具调用失败

原因：未通过 mcporter 调用或配置问题

解决方案：

• 确认使用 mcporter call <server.tool> 格式调用
• 检查 ~/.openclaw/workspace/config/mcporter.json 配置
• 使用 mcporter list <server> --schema 查看工具参数要求

总结

这个技能的核心价值在于将复杂的视频制作流程自动化,让用户只需要提供一个简单的故事创意,就能获得完整的儿童动画作品。关键要点：

1. 严格的顺序执行：9个任务环环相扣,不能跳过或打乱
2. 角色一致性控制：通过详细且重复的角色描述,确保视觉连贯性
3. 精确的素材对应：视频、音频、字幕必须按页数严格对应
4. 音量平衡：配音要清晰,BGM 要衬托不抢戏
5. 通过 mcporter 操作所有 MCP 工具：确保工具调用的规范性和可靠性

整个流程完成后,用户将获得一个包含精美画面、生动配音、清晰字幕和温馨背景音乐的专业级儿童动画视频。