Mv generator

Skill aAAaqwq/AGI-Super-Team/skills/mv-generator

14 AI executives powered by legendary minds (Musk/Buffett/Simons/Feynman) — deploy your virtual C-Suite in one git clone.

Install

npx -y skills add aAAaqwq/AGI-Super-Team --skill mv-generator

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

What its author says it does

Copied from the file, not written here

MediaClaw 内置的音乐视频端到端生成技能。 End-to-end MV (music video) generation pipeline for virtual singers. Audio analysis → Scene timeline → Frame generation → Video generation → Final merge. Use when: creating music videos, generating MV frames, syncing video to audio.

SKILL.md

5.1 KB, as published. Nobody here has run it

MV Generator — 音乐视频生成管线

MediaClaw 内置的音乐视频端到端生成技能。

触发词

生成MV
MV制作
音乐视频
mv generator
虚拟歌手MV

管线流程

音频文件 + 歌词 + 角色卡
        │
        ▼
┌────────────────────────────┐
│  Step 1: 音频分析            │
│  scripts/audio-analyzer.py  │
│  → 时长、BPM、场景时间线     │
└────────────┬───────────────┘
             │
             ▼
┌────────────────────────────┐
│  Step 2: 歌词解析            │
│  scripts/lyrics-parser.py   │
│  → 段落结构、情绪曲线        │
└────────────┬───────────────┘
             │
             ▼
┌────────────────────────────┐
│  Step 3: 场景+帧设计         │
│  scripts/scene-design.py    │
│  → 场景类型、运镜、首尾帧prompt │
└────────────┬───────────────┘
             │
             ▼
┌────────────────────────────┐
│  Step 4: 帧图像生成          │
│  qingyun gpt-image-1 API    │
│  → 每场景 first+last frame  │
└────────────┬───────────────┘
             │
             ▼
┌────────────────────────────┐
│  Step 5: 视频片段生成        │
│  kling-2 / veo-3.1 / etc    │
│  → 首帧→尾帧 5s 视频片段    │
└────────────┬───────────────┘
             │
             ▼
┌────────────────────────────┐
│  Step 6: 最终合成            │
│  FFmpeg merge               │
│  → 音轨对齐+转场+字幕       │
└────────────────────────────┘

输入

参数	必填	说明
`audio_file`	✅	音频文件路径 (.mp3/.wav/.m4a)
`lyrics`	✅	歌词文本
`character_card`	✅	角色卡 JSON（外貌、声音、风格）
`style`	❌	cinematic / realistic / anime / ethereal
`num_scenes`	❌	分镜数（默认 9）
`output_dir`	❌	输出目录（默认: `MediaClaw/output/<project>/`）

输出目录结构

output/<project-name>/
├── README.md              ← 项目概要 + 时间轴
├── frames/                ← 首尾帧图像
│   ├── 01_first.png
│   ├── 01_last.png
│   └── ...
├── audio/                 ← 音频文件（多版本）
│   └── song_v1.mp3
├── script/                ← MV 剧本
│   ├── mv_final.json      ← 精准时间轴 JSON
│   ├── mv_final.md        ← 人类可读剧本
│   └── character.json     ← 角色卡
├── docs/                  ← 文档和参考素材
│   └── avatar.png
└── video/                 ← 生成的视频片段（Step 5 产出）
    ├── scene_01.mp4
    └── ...

经验总结（来自 Chloe《樱花落尽时》项目）

图像生成最佳实践

项目	推荐	备注
模型	qingyun `gpt-image-1`	成功率最高
API	`/v1/images/generations`	比 edits 更稳定
尺寸	`1024x1536`（竖版）	必须用规定尺寸
并发	2-3 并发	过多会 SSL EOF
重试	失败单独重试	不整批重跑

角色一致性技巧

统一 prompt prefix: 包含角色核心外貌特征
参考图: 用 edits API 传入角色头像（但成功率低）
场景限定词: 每帧 prompt 固定前缀 + 场景变量

音频同步

用 mutagen 读 MP3 时长（无需 ffprobe）
场景时间按歌曲结构比例分配
BPM 检测需 librosa（可选）

视频模型选择

情绪	模型	场景类型
≤ 6.0	kling-1.6	静态/自然/国风
6.0-8.0	kling-1.6 或 kling-2	过渡
≥ 8.0	kling-2	爆发/力量
360°旋转	veo-3.1	特殊运镜

依赖

Python: mutagen, requests
外部 API: qingyun (图像), xingjiabi (视频), Google (veo-3.1)
可选: librosa (BPM), ffmpeg (合成)

参考

audio-analyzer.py — 音频分析
Chloe 项目完整输出
virtual-singer-mv-script — 独立 MV 剧本 skill