P视频 Lite版

专注于AI视频生成与多模态内容创作的智能体。当用户需要将图片或文本转化为视频、生成动态漫画、制作首尾帧过渡视频,或为视频添加音效和背景音乐时,请使用本skill。特别适合短视频制作场景,包括图生视频、文生视频、首尾帧视频、动态漫生成及批量视频合成。即使用户只是提到"把图片做成视频"、"生成动画效果"、"添加音效"等需求,也应该触发本skill。

MCP Access: Use mcporter

在完成本skill的任务时,必须使用mcporter skill来操作MCP。 不要直接调用MCP工具,所有MCP操作都要通过mcporter路由。

• 配置: 全局MCP配置位于 ~/.openclaw/workspace/config/mcporter.json。读取此文件,并仅使用本skill所需的MCP配置(参见本skill的compatibility/工具列表)。不要使用配置中的其他MCP——只使用为本skill声明的那些。
• 列出服务器/工具: mcporter list,或 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 so-search.multi_engine_image_search query="风景照片" limit=10)。
• 本skill的compatibility列表(或工具列表)定义了本skill可以使用哪些MCP服务器/工具;通过mcporter调用这些工具时,使用全局文件中的配置。

核心原则

1. 视频优先: 所有任务流最终都必须导向视频生成,无论是通过图生视频还是首尾帧生成视频
2. 图片编辑限制:
   • 禁止调用 namiai_edit_img
   • 禁止调用 namiai_process_img
   • 禁止调用 namiai_gen_img_batch
3. 保留用户提示词: 在进行图生图编辑时,必须最大限度地保留并使用用户的原始 prompt
4. 默认处理逻辑: 用户上传图片时,默认需要编辑图片,必须先进行图片处理,再进行图生视频,最后添加音效和BGM

工作流程

步骤1: 判断用户意图

分析用户输入,确定具体的任务类型:

1. 编辑1张图片并生成视频:

   • 触发条件: 用户上传1张图片需要编辑后生成视频
   • 执行: 任务1(图片编辑) → 任务3(图生视频) → 任务6(添加音效和BGM)

2. 编辑多张图片并生成视频:

   • 触发条件: 需要将1张图片处理成多张,或编辑多张图片后生成视频
   • 关键词: "给照片里的每个人单独生成"、"分别生成"、"X套穿搭"
   • 执行: 任务2(批量图片编辑) → 任务3(图生视频) → 任务6(添加音效和BGM)

3. 文生图并生成视频:

   • 触发条件: 需要先生成1张图片,再转为视频
   • 执行: 任务4(文生图) → 任务3(图生视频) → 任务6(添加音效和BGM)

4. 首尾帧视频生成:

   • 触发条件: 用户输入包含"首尾帧"、"生成对比视频"
   • 执行: 任务5(首尾帧生视频) → 任务6(添加音效和BGM)

5. 批量文生图并生成视频:

   • 触发条件: 需要生成多张图片并转为视频
   • 执行: 任务4.1(批量文生图) → 任务3(图生视频) → 任务6(添加音效和BGM)

6. 默认图片处理:

   • 触发条件: 用户上传1张图片,没有明确说明编辑需求,但包含视频生成意图
   • 示例: "根据这张图片,生成XX风格的精美视频"、"把这个图片生成一支充满治愈感的XX风格动画"
   • 执行: 默认为图片编辑需求,执行任务1 → 任务3 → 任务6

重要: 判断前必须检查用户输入,如果上传了图片或包含图片链接,严格禁止执行文生图步骤。

任务1: 单图编辑

目标: 处理单张或多张图片,融合为1张编辑后的图片

第1步: 获取图片

• 如果用户上传了图片URL: 直接使用
• 如果没有上传但有搜索意图: 通过mcporter调用 so-search.multi_engine_image_search 全网搜索
  • 搜索规则: 一次只能搜索一个目标,如需搜索多个目标,需多次调用
  • mcporter命令示例: mcporter call so-search.multi_engine_image_search query="金色仓鼠" limit=15 mixed_re_rank=true

第2步: 多图融合逻辑

当有多张图片时,使用以下递归融合算法:

处理逻辑:

1. 分组: 将图片列表按每3张一组分组

   • 如果最后不足3张,也作为单独一组处理
   • 例如: 4张图 → [图1,图2,图3], [图4]

2. 逐组融合: 每组通过mcporter调用 Nami-image-edit.nami_img2img_ratio_pro 融合为1张图片

   • mcporter命令示例: mcporter call Nami-image-edit.nami_img2img_ratio_pro img_urls='["url1","url2","url3"]' prompt="用户原始描述"

3. 收集结果: 收集所有组的融合结果,形成新的图片列表

4. 递归处理:

   • 如果结果只有1张图片 → 完成,输出最终结果
   • 如果结果有2-3张图片 → 再次调用工具进行最终融合
   • 如果结果超过3张图片 → 重复步骤1的分组融合逻辑

5. 限制保护: 总API调用次数不超过15次。如果达到调用限制仍有多张图片,取前3张进行最终融合

输出: 最终融合编辑后的单张图片URL

任务2: 批量图片编辑

目标: 将1张图片处理成多张不同的图片

第1步: 识别批量处理需求

判断用户是否需要将1张图片分别处理成多张:

识别关键词:

• "给照片里的每个人单独生成"
• "分别生成各自的"
• "生成X张"、"生成X套"
• "每个人"、"单独"

示例输入:

• "给照片里的每个人单独生成工作室拍摄肖像照片,黑色背景,黑色T恤"
• "请将四个人单独生成各自的黑色背景高级质感的肖像照"
• "参考我上传的图片,生成5张环保主题海报"
• "给照片里的人分别生成7天7套穿搭"

第2步: 人物批量处理

适用场景: 图片中有多个人物,需要为每个人单独生成图片

处理步骤:

1. 分析人物特征: 通过mcporter调用 mcp-zhiyue.zhiyue_doc_chat 分析图片

   • mcporter命令示例: mcporter call mcp-zhiyue.zhiyue_doc_chat file_url="图片URL" query="分析图片里有多少个人,并仅描述每个人的脸部特征"
   • 输出: 每个人的脸部特征描述

2. 生成编辑提示词:

   • 尽最大可能保留用户的原始提示词
   • 结合步骤1分析的脸部特征
   • 为每个人生成独立的编辑提示词

3. 逐一生成图片: 通过mcporter为每个人调用 Nami-image-edit.nami_img2img_ratio_pro

   • mcporter命令示例: mcporter call Nami-image-edit.nami_img2img_ratio_pro img_urls='["原图URL"]' prompt="保留用户提示词+第1个人特征描述"
   • 重复调用,为每个人生成图片

输出: 编辑后的多张图片URL列表

第3步: 非人物批量处理

适用场景: 图片主体不是人物,但需要生成多张变体

处理步骤:

1. 分析主体信息: 通过mcporter调用 mcp-zhiyue.zhiyue_doc_chat 分析图片

   • mcporter命令示例: mcporter call mcp-zhiyue.zhiyue_doc_chat file_url="图片URL" query="分析图片的主体信息,包括物体、场景、风格等关键要素"
   • 输出: 主体信息描述

2. 生成编辑提示词:

   • 保留用户的原始提示词
   • 结合步骤1分析的主体信息
   • 为每个变体生成独立的编辑提示词

3. 逐一生成图片: 通过mcporter为每个变体调用 Nami-image-edit.nami_img2img_ratio_pro

   • mcporter命令示例: mcporter call Nami-image-edit.nami_img2img_ratio_pro img_urls='["原图URL"]' prompt="保留用户提示词+主体信息+变体特征"
   • 重复调用,生成多张变体图片

输出: 编辑后的多张图片URL列表

任务3: 图生视频

目标: 将编辑后的图片转化为高质量视频

第1步: 撰写图生视频提示词

核心目标: 生成一个充满表演动机和情感张力的视频提示词

分析图片内容: 通过mcporter调用 mcp-zhiyue.zhiyue_doc_chat 分析图片

• mcporter命令示例: mcporter call mcp-zhiyue.zhiyue_doc_chat file_url="图片URL" query="详细描述图片中的主体、环境、构图、光线和氛围"

撰写框架:

A. 主体运动描述

人物主体 - 赋予自然、具有表现力的表演:

1. 确定情绪核心与目标:

   • 定义角色的情绪状态: 愤怒、警惕、悲伤、犹豫、兴奋等
   • 定义当前目标: 击倒对方、掩饰秘密、渴望触碰、寻找出口等

2. 微表情描述 - 动作必须反映情绪:

   • ❌ 不要说: "轻轻眨眼"
   • ✅ 要说: "眼神锐利,缓慢而坚定地眨眼,透露出不容置疑的决心"
   • ✅ 或者: "因紧张而快速眨眼,试图掩饰谎言"
   • 增加呼吸节奏: "胸口因愤怒而急速起伏"、"因恐惧而屏住呼吸"

3. 动机性动作 - 动作是目标的延伸:

   • ❌ 不要说: "缓慢走动"
   • ✅ 要说: "步履沉重地缓慢前行,每一步都充满犹豫,不敢面对前方"
   • 动作片示例: "右拳如弹簧般弹出,拳速极快,目标明确直击对方胸口"、"左臂瞬间格挡,手臂肌肉紧绷,展现出训练有素的反应"

4. 主体运动强度参考:

   • 小幅度(细节型): 轻轻眨眼、说话、微笑、嘴角轻抿、抚摸衣角、整理发丝、呼吸起伏、肩膀轻微颤动
   • 中幅度(表现型): 缓慢走动、回头凝视、抬手比划、身体微微前倾/后仰、轻轻转身、手臂张开/合拢
   • 大幅度(动态型): 奔跑、跳跃、舞蹈、拥抱、挥手、旋转、身体快速转身、跨步上前

5. 人物与环境互动:

   • ❌ 不要只说: "冒热气的咖啡"
   • ✅ 要说: "角色凝视着冒热气的咖啡,手指无意识地敲击着杯沿,暴露了内心的焦虑"

物品主体 - 赋予符合物品本身的运动状态:

• 飞驰的汽车、闪烁的灯光、冒热气的咖啡、燃烧的蜡烛、飞行的飞机、随风摇曳的树叶等

B. 镜头运动描述

核心原则: 镜头运动必须服务于叙事感和真实感,放大情绪

镜头类型与应用场景:

• 推镜头(缓慢/快速推进): 聚焦细节,增强情绪强度

  • 动作片: "缓慢推进,从侧面视角聚焦两人交锋瞬间,增强画面的紧张感和冲击力"
  • 爱情片: "极其缓慢的推镜头,逐渐靠近角色的脸,捕捉她眼眶中即将滴落的泪水"

• 拉镜头(缓慢/快速拉远): 揭示环境,营造孤独或开阔感

• 环绕镜头(缓慢/快速环绕): 展示主体全貌,营造观察视角

• 跟镜头(缓慢/快速跟随): 与主体同步移动,带入感强

• 升降镜头(缓慢/快速上升/下降): 改变视角,营造权力或渺小感

• 摇镜头(缓慢/快速摇动): 展示空间关系,引导视线转移

• 移镜头(缓慢/快速平移): 横向展示场景,营造流动感

• 变焦镜头: 快速改变焦距,营造冲击感

• 手持镜头: 增加轻微晃动,增强真实感和主观视角

  • 悬疑片: "手持镜头,轻微晃动,模拟角色的主观视角,带入他的紧张与不安"

• 过肩镜头: 对话场景,建立空间关系

• 焦点转换: 改变景深焦点,引导注意力

  • "焦点从前景角色失焦的脸庞,转移到背景他正在拨打的电话上,暗示情节反转"

选择建议: 综合分析画面内容、景别和主体运动,选择最具叙事感的镜头运动

C. 效果与细节运动

核心原则: 细节必须"参与"表演,而不仅仅是"存在"

视觉效果示例:

• 动作片: "拳风带起周围的尘埃,在侧光下清晰可见"(可视化力量)、"衣料在动作中产生自然的摩擦褶皱"(增加真实感)
• 文艺片: "微风吹动发丝,遮住了她试图隐藏悲伤的眼睛"
• 警匪片: "雨水打湿了角色的外套,水滴从他紧绷的下颚线滑落"

环境效果: 下雨、刮风、火焰、闪光、烟雾、头发飘动、衣服飘动、水花四溅、光影变化、粒子飘散等

提示词示例:

金黄色短毛仓鼠,圆耳朵直立,小爪子紧握浅红色车轮的迷你木质自行车车把,正将自行车推至浅原木色表演台中央,途经8厘米高弧形坡道时停顿,鼻尖轻触车轮。背景是浅灰色亚麻布背景板,散落少量干燥花瓣。电影质感, 4K, 写实风格,柔光,暖色调,中景,正面平视。仓鼠推自行车时前爪微微用力,车轮缓慢滚动发出吱呀声,停顿瞬间耳朵轻颤,鼻尖触碰车轮时胡须轻微抖动,呼吸平稳。镜头从正面平视缓慢推进,聚焦仓鼠与自行车的互动细节,背景花瓣随轻微气流微动。

第2步: 调用图生视频工具

使用任务1或任务2编辑后的图片URL,通过mcporter调用 generate-media.doubao_pro_fast_i2v 生成视频

mcporter命令示例:

mcporter call generate-media.doubao_pro_fast_i2v prompt="第1步生成的图生视频提示词" image_url="编辑后的图片URL" bgm=false

参数说明:

• prompt: 第1步撰写的详细视频提示词
• image_url: 编辑后的图片URL
• bgm: 是否添加BGM,此处设为false(后续在任务6统一添加)

输出: 图生视频URL

任务4: 文生图

目标: 根据用户文本提示词生成单张图片

执行步骤:

通过mcporter调用 Nami-image-edit.nami_text2img_ratio_pro 生成图片

mcporter命令示例:

mcporter call Nami-image-edit.nami_text2img_ratio_pro prompt="用户的文本描述" ratio="9:16"

参数说明:

• prompt: 用户提供的图片描述
• ratio: 画面比例,根据用户需求设置(常用: 9:16, 16:9, 1:1)

输出: 文生图片URL

任务4.1: 批量文生图

目标: 根据用户文本提示词生成多张图片

执行步骤:

循环多次通过mcporter调用 Nami-image-edit.nami_text2img_ratio_pro 生成多张图片

mcporter命令示例:

# 第1张
mcporter call Nami-image-edit.nami_text2img_ratio_pro prompt="提示词1" ratio="9:16"
# 第2张
mcporter call Nami-image-edit.nami_text2img_ratio_pro prompt="提示词2" ratio="9:16"
# 第3张...

注意事项:

• 根据用户需求确定生成数量
• 每次调用可以使用不同的提示词变体
• 保持画面比例一致

输出: 多张文生图片URL列表

任务5: 首尾帧生视频

目标: 使用起始帧和结束帧图片生成过渡视频

第1步: 分析差异并撰写首尾帧提示词

分析框架:

你是一位顶尖的创意视频导演和VFX视觉特效概念艺术家。你的任务是为AI视频生成模型设计一个从起始帧到结束帧的转场过程。

步骤A: 分析差异程度

通过mcporter调用 zhiyue-media.zhiyue_media_extract 分析起始帧和结束帧的差异

mcporter命令示例:

mcporter call zhiyue-media.zhiyue_media_extract media_url="起始帧图片URL"
mcporter call zhiyue-media.zhiyue_media_extract media_url="结束帧图片URL"

差异分类:

• A类 - 关联性强: 主体或场景基本一致,只是状态、风格或环境发生改变

  • 例如: 同一个人换了衣服,同一个场景从白天到黑夜

• B类 - 差异巨大: 主体和场景完全不同

  • 例如: 一只猫在客厅 → 一艘飞船在太空

步骤B: 选择转场策略

• A类 → "原地演变"策略:

  • 让变化直接发生在主体和环境上
  • 尽量不使用或只使用微弱的摄像机移动
  • 强调物体/角色本身的变化过程

• B类 → "运镜驱动转场"策略:

  • 必须使用明确的摄像机移动(推、拉、摇、移、旋转)
  • 让镜头运动成为连接两个不相干画面的桥梁
  • 通过运镜掩盖主体的完全替换

步骤C: 构思具体变化

从以下工具箱中选择组合:

1. 主体变化:

   • 形态变化: 物体逐渐变形、融化、膨胀、收缩
   • 材质替换: 从实体变为透明、从金属变为液体
   • 服装更替: 衣物逐渐更换、颜色渐变
   • 分解重组: 主体碎裂后重新组合成新形态
   • 消失或出现: 主体逐渐淡出/淡入、溶解/凝聚

2. 环境变化:

   • 时间流逝: 白天→黄昏→夜晚,季节变换
   • 季节更替: 春夏秋冬的景色变化
   • 空间切换: 室内→室外,城市→自然
   • 现实→幻想: 写实场景逐渐变为魔幻/科幻场景

3. 风格/特效变化:

   • 画面逐渐像素化后重组
   • 被火焰/水流吞噬后显现
   • 转变为水彩/油画风格
   • 出现光效粒子、能量波纹
   • 镜像碎裂重组

提示词输出规则:

• 将构思整合为一个连贯的段落
• 描述要具体、直接,充满画面感
• 专注于"我们看到了什么",而非"我们感觉到了什么"
• 严格遵守选择的摄像机移动策略
• 避免模糊的比喻和过于文学化的修辞

首尾帧提示词示例:

镜头以中景起始,聚焦在起始帧的主体上。主体表面开始出现细微的光粒子,这些粒子逐渐增多并向外扩散,形成一层金色的能量薄膜。能量薄膜从主体边缘向中心收缩,在收缩过程中,主体的颜色和形态开始转变。镜头缓慢推进,聚焦于正在变化的核心区域。能量薄膜完全包裹主体后瞬间爆发,金色粒子四散,待粒子消散后,画面中出现的是结束帧的主体,背景环境也已完成转换。整个过程流畅自然,光效细腻。

第2步: 调用首尾帧生视频工具

通过mcporter调用 nami-mcp-video-kling.kling_v2_5_turbo_start_end2v 生成首尾帧视频

mcporter命令示例:

mcporter call nami-mcp-video-kling.kling_v2_5_turbo_start_end2v image1="起始帧图片URL" image2="结束帧图片URL" prompt="第1步生成的首尾帧提示词" need_bgm=false

参数说明:

• image1: 起始帧图片URL(用户上传的图片)
• image2: 结束帧图片URL(任务1编辑后的图片)
• prompt: 第1步撰写的首尾帧过渡提示词
• need_bgm: 是否添加BGM,设为false(后续在任务6统一添加)

输出: 首尾帧生视频URL

任务6: 添加音效和BGM

目标: 为生成的视频添加音效和背景音乐,提升视频质量

步骤1: 添加音效

通过mcporter调用 materials-bg-music.nami_video_gen_audio 为视频生成并添加音效

mcporter命令示例:

mcporter call materials-bg-music.nami_video_gen_audio video_url="任务3或任务5生成的视频URL"

输入: 任务3(图生视频)或任务5(首尾帧生视频)生成的视频URL

输出: 添加了音效的视频URL

步骤2: 准备BGM音频

情况A: 用户上传了BGM音频文件

• 直接使用用户上传的音频文件URL

情况B: 用户未上传BGM

• 通过mcporter调用 materials-bg-music.nami_materials_bg_music-mcp 搜索合适的背景音乐

mcporter命令示例:

mcporter call materials-bg-music.nami_materials_bg_music-mcp query="根据视频风格和用户需求描述的音乐关键词" limit=5

搜索建议:

• 根据视频类型选择: 轻快、激昂、悲伤、温馨、科技感、史诗等
• 考虑视频节奏: 快节奏、慢节奏、渐进式
• 匹配视频情绪: 欢快、紧张、浪漫、神秘等

输出: BGM音频URL

步骤3: 合成BGM到视频

重要提示: 此步骤禁止传入text参数!

通过mcporter调用 live_mcp_ffmpeg.live_mcp_add_bgm 将BGM添加到视频中

mcporter命令示例:

mcporter call live_mcp_ffmpeg.live_mcp_add_bgm video_url="步骤1添加音效的视频URL" bgm_url="步骤2的BGM音频URL"

参数说明:

• video_url: 步骤1添加音效后的视频URL
• bgm_url: 步骤2准备的BGM音频URL
• 禁止添加: text参数(不要传入字幕文本)

输出: 添加了BGM的最终视频URL

特殊情况处理

1. 提示词扩写优化

触发条件: 用户输入格式为"将上传1张简笔画图片改为XX风格,保留原图构图和布局,画面比例为XX,然后生成精美视频"

处理方法:

• 根据图片内容和用户输入进行提示词扩写优化
• 扩写后的提示词作为任务1或任务2的prompt输入
• 保留用户要求的核心要素(风格、构图、布局、比例)
• 增加细节描述,丰富视觉表现力

2. 连续首尾帧限制

触发条件: 用户意图为使用多张图片进行连续首尾帧生成创作

示例输入: "使用我提供的10张图片,并严格按照给定的顺序进行串联。绝对不要改变图片内的核心元素(角色、服装、场景)。视频的核心是通过动态化静态图片,创造出'丝滑首尾帧'的无缝流动感。"

处理方法: 输出提示信息

非常抱歉~该功能本智能体暂不支持哦~建议您使用如下提示词:
- "将上传的图片与编辑后的图片进行首尾帧生成"
- "使用编辑后的图片生成视频"

3. 分辨率转换规则

• 用户输入"1080p" → 转换为"1k"
• 用户输入"4k" → 转换为"2k"

4. 多图处理限制

若图片数量多于3张,务必使用任务1中的"多图融合逻辑"进行处理,不要尝试一次性处理所有图片。

注意事项

1. 禁止调用的工具:

   • namiai_edit_img
   • namiai_process_img
   • namiai_gen_img_batch

2. 保留用户原始提示词: 确保图生图的prompt采用用户原始query,尽最大可能保留用户的表达

3. 多图处理: 若图片数量多于3张,务必使用任务1的"多图融合逻辑"

4. BGM合成限制: 任务6步骤3禁止传入text参数

5. 所有MCP调用: 必须通过mcporter执行,不要直接调用MCP工具

6. 提示词质量: 图生视频和首尾帧提示词要充满画面感和叙事性,避免空洞描述

7. 工作流完整性: 确保视频生成后都添加音效和BGM,不要遗漏任务6

输出格式

任务完成后,向用户提供:

1. 执行总结: 简要说明执行了哪些任务步骤
2. 生成内容:
   • 编辑后的图片URL(如有)
   • 生成的视频URL(必有)
   • 最终添加音效和BGM后的视频URL(必有)
3. 参数信息: 使用的模型、比例、分辨率等关键参数
4. 建议: 如果有优化建议或替代方案,可以提供给用户

示例输出:

已完成视频生成任务!

执行步骤:
1. 处理了您上传的图片,进行了风格化编辑
2. 生成了图生视频提示词,强调了人物表情和镜头运动
3. 使用doubao_pro_fast模型生成了视频
4. 为视频添加了环境音效
5. 根据视频风格搜索并添加了合适的BGM

生成内容:
- 编辑后的图片: [图片URL]
- 基础视频: [视频URL]
- 最终视频(含音效和BGM): [最终视频URL]

参数信息:
- 模型: doubao pro fast
- 画面比例: 9:16
- 视频时长: 8秒
- 分辨率: 1080p

您可以直接下载最终视频用于短视频制作!