Story Studio · 故事工坊

3周前发布 61 00

Story Studio(故事工坊)是面向 Claude Code、Cursor、Codex 等支持 Skill 协议的 AI 智能体打造的短视频创作技能包,主打历史叙事、传奇人物口播赛道。它把选题策划、文稿打磨、配音合成、字幕时间戳、分镜生图、剪映工程生成整套流水线整合在一起,既支持一句话完成全流程,也可以按需只执行其中一环,中途随时暂...

所在地:
konlu
收录时间:
2026-10-29
Story Studio · 故事工坊Story Studio · 故事工坊

Story Studio(故事工坊)是一款专为支持 Skill 的 AI Agent(如 Claude Code、Codex、Cursor 等)设计的一站式短视频内容创作工具。它简化历史或人物故事类短视频的制作流程,将选题策划、文案撰写、配音合成、配图生成及剪映草稿编排整合为单一工作流。

用户既可以通过自然语言指令实现“一句话”全流程生成,也可以像搭积木一样,灵活选择仅生成文稿、优化开头钩子、拆解分镜提示词,或基于现有素材直接生成剪映工程。

核心模块:从文稿到剪映草稿的工业化流水线

Story Studio 将复杂的视频制作环节封装为四个深度协同的核心模块,避免了在不同工具间反复切换。

1. 文稿创作:基于对标库的结构化写作

工具内置了经过深度蒸馏的“历史叙事”与“真实人物故事”两套写作模型,并附带 370 余篇高赞对标文案库。

  • 历史叙事风:侧重于将具体历史事件讲透。通过抛出反常现象或核心问题开篇,以人物行动与制度条件推进正文,并在结尾兑现悬念。
  • 人物故事风:适用于真实历史人物或传奇女性故事。采用“钩子先行 → 巅峰数字 → 磨难场景 → 金句收尾”的经典节奏,支持单集传记或连续剧式排期。
  • 事实核查与字数控制:内置严格的优先级规范,要求先建立事实表与时间线,区分正史与演义,避免凭空捏造。同时支持按目标字数(默认正负 5% 误差内)进行扩写、缩写或调整口播呼吸感。

2. 视觉分镜:基于音频优先的严谨配图机制

配图模块支持仅输出分镜提示词、完善现有分镜或直接调用生图工具出图,并提供三种专属画风:厚涂历史漫画风、黑白纪实叙事风、历史写实风。

  • 先音频后分镜(Audio-First):系统不会机械均分文稿,而是根据真实配音的 SRT 时间戳,按约 8 秒/图的叙事节奏规划镜头切点,确保画面与口播内容严格匹配。
  • 时代考据与参考图锚定:自动识别每一镜的朝代、地域与人物年龄阶段,将衣冠发式、建筑形制等细节落实到独立提示词中。生图时会自动传入同画风参考图(Reference Image),大幅降低多镜头间的画风漂移与年代穿帮。

3. 配音与对齐:云端合成与本地离线识别双轨并行

配音环节提供两条路径,以适应不同的工作习惯与安全需求。

  • 路径 A(云端合成):推荐接入豆包语音大模型(V3 双向流式),支持高表现力音色与声音复刻。API Key 支持通过系统加密存储或环境变量保存,合成后会自动校验音频完整性并记录哈希值,避免同稿重复扣费。
  • 路径 B(本地读取):用户可将自行录制或第三方工具生成的 MP3 文件放入项目文件夹,Agent 会直接读取并跳过云端合成。
  • 本地高精度对齐:无论采用哪种路径,系统均会调用本地 Coli(基于 sherpa-onnx)离线生成精准到字句的 SRT 时间轴,并自动核对人名、地名等专有名词,为后续分镜提供毫秒级依据。

4. 剪映草稿导出:自动写入电影感运镜关键帧

所有素材就绪后,工具基于 pyJianYingDraft 直接生成剪映专业版可识别的本地草稿工程。

  • 语义对齐核验:导出前自动执行逐镜语义核查,确保图片出现的时间段与口播讲述的人物和事件完全对应。
  • 动态运镜设计:为每张静态图片自动计算平滑的慢推拉关键帧(默认约 16~20 秒走完 12% 幅度)。在常规镜头切换处,自动写入慢速出镜推近与进镜拉回的关键帧(Cut Punch),在保留视觉冲击力的同时避免传统转场可能出现的闪黑帧。
  • 纯净交付:所有图片与音频自动复制进剪映草稿目录,默认输出 1080×1920(9:16 竖屏)、30fps 的工程文件,默认不强制上屏字幕,方便用户在剪映中直接预览与微调。

灵活的工作流与安装部署

环境初始化与安装

工具提供零门槛的自动环境初始化。首次调用时,Agent 会在用户独立数据目录按需配置 Python 3.11、Node.js LTS、Coli、FFmpeg 及 pyJianYingDraft 等依赖,无需用户手动折腾。

安装方式包括三种:

  1. Agent 自动安装:在支持终端执行的 AI 对话框中发送指令,Agent 自动克隆仓库至对应 skills 目录。
  2. 命令行安装:通过终端执行单行 git clone 命令直达目标目录。
  3. 压缩包安装:下载 Release 压缩包后,双击运行内置的 install.bat (Windows) 或 ./install.sh (macOS/Linux) 脚本自动部署。

模块化工作流开关

用户可通过自然语言直接控制“写作”、“配图”、“剪映草稿”三个主开关,实现灵活组合:

  • 纯文本创作:仅开启写作,用于策划选题、撰写口播稿或打磨开头钩子,不触发任何多媒体接口。
  • 分镜与配图:关闭写作与草稿,仅对现有文稿拆解分镜并生成配图提示词或直接出图。
  • 后期编排:关闭写作与配图,直接读取文件夹内已有的定稿文案与 MP3 配音,运行本地时间轴对齐并导出剪映草稿。
  • 全流程制作:三个开关全开,从选题写稿到剪映草稿一键贯通。

交付物清单与隐私安全机制

标准化交付物

所有创作产物均保存在用户独立的工作区项目目录中,不污染 Skill 源码。交付内容包括:

  • 写作阶段:纯口播正文稿、标题备选、事实核查表与时间线记录。
  • 配音与转录:最终配音 MP3、哈希校验记录、本地识别的 .srt 字幕与核对文件。
  • 分镜与配图:包含时间戳与逐镜提示词的 STORYBOARD.md/json、按镜号命名的正文图片、封面图,以及可选的片头首尾帧与视频提示词。
  • 剪映草稿:可直接导入剪映专业版的工程文件、时间轴与运镜计划 (plan.json)、语义核验记录,以及可选的本地渲染成片 (final.mp4)。

隐私与费用边界

  • 密钥安全存储:豆包语音 API Key 仅从环境变量或系统级安全凭据文件(Windows DPAPI 加密 / macOS/Linux 0600 权限私密文件)读取,绝不写入对话日志、项目 JSON 或 Git 仓库。
  • 费用透明可控:Skill 本身完全免费开源。涉及第三方服务(如 TTS 或 AI 生图)的 API 费用时,Agent 在首次合成或批量生图前均会征求用户确认,不会在后台静默发起循环重试扣费。

相关导航