Virtual singer mv script

Skill aAAaqwq/AGI-Super-Team/skills/virtual-singer-mv-script

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 virtual-singer-mv-script

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

Virtual singer MV script generator — audio analysis to video storyboard pipeline

SKILL.md

5.7 KB, as published. Nobody here has run it

🎬 Virtual Singer MV Script Generator

为虚拟歌手生成完整的 MV 分镜剧本 — 从歌词/音频到可执行的视频制作蓝图

触发词

生成MV剧本
MV分镜脚本
虚拟歌手视频剧本
mv script
分镜设计
分析音频生成MV

输入（任选一种方式）

方式	参数	必填	说明
音频文件	`audio`	✅	MP3/WAV/M4A 文件路径（推荐，精准同步）
纯歌词	`lyrics`	✅	歌词文本
角色卡	`character_card`	❌	歌手角色卡路径（默认：Chloe）
风格	`style`	❌	cinematic / ethereal / anime / realistic
场景数	`scenes`	❌	默认 9

推荐方式：python3 scripts/audio-analyzer.py <audio_file> -s 9 -v → 自动分析时长、BPM、能量曲线，生成精准时间线

输出

JSON 格式完整分镜 — 可直接对接视频生成管线
Markdown 可读剧本 — 人类审阅用
情绪曲线图 — emotion_score 0-10 走势
时间轴对齐 — 精确到毫秒，与音频同步

工作流程

音频文件 / 歌词文本
        │
        ▼
┌─────────────────────────────────┐
│  0. 音频分析 (audio-analyzer)   │  ← 新增第一步
│     - mutagen 读取真实时长      │
│     - librosa BPM 检测          │
│     - 能量曲线 → 场景时间节点    │
│     - 输出: scene_timeline.json  │
└──────────────┬──────────────────┘
               │ (无音频时跳过，用歌词估算)
               ▼
┌─────────────────────────────┐
│  1. 歌词解析 (lyrics-parser) │
│     - 结构识别 (Verse/Chorus/Bridge) │
│     - 情绪曲线计算 (0-10)    │
│     - 时间轴对齐（精确到秒）  │
└──────────┬──────────────────┘
           │
           ▼
┌─────────────────────────────┐
│  2. 场景分配 (scene-assigner) │
│     - 情绪→场景类型映射      │
│     - Chloe 专属场景库       │
│     - 运镜设计              │
│     - 首尾帧衔接设计         │
│     - 音频同步校正           │
└──────────┬──────────────────┘
           │
           ▼
┌─────────────────────────────┐
│  3. 模型选择 (model-selector) │
│     - 场景复杂度评估         │
│     - 视频生成模型推荐       │
│     - 参数配置              │
└──────────┬──────────────────┘
           │
           ▼
  完整 MV 分镜剧本 (JSON + MD)

快速开始

Step 0：音频分析（推荐）

python3 ~/clawd/skills/virtual-singer-mv-script/scripts/audio-analyzer.py \
  /path/to/song.mp3 \
  -s 9 -v -o /tmp/song_analysis.json

输出：时长、BPM、9个场景的精准起止时间

Step 1：生成完整剧本

cd ~/clawd/skills/virtual-singer-mv-script

# 有音频 → 精准模式
python3 scripts/audio-analyzer.py "/path/to/song.mp3" -s 9
python3 scripts/lyrics-parser.py --lyrics "..." --bpm 88
python3 scripts/scene-assigner.py --parsed /tmp/lyrics_parsed.json \
  --timeline /tmp/song_analysis.json
python3 scripts/merge-output.py \
  --lyrics /tmp/lyrics_parsed.json \
  --scenes /tmp/scenes_assigned.json \
  --output mv_script.json

场景时间分配规则（音频同步模式）

段落	时长占比	情绪策略
前奏 (0-10%)	10%	平静 3.0
主歌1 (10-25%)	15%	渐升 4.5
过渡 (25-40%)	15%	铺垫 6.0
副歌1 (40-55%)	15%	爆发 8.0
副歌2 (55-70%)	15%	维持 8.5
高潮 (70-82%)	12%	巅峰 9.0
桥段 (82-92%)	10%	承接 8.5
终极 (92-98%)	6%	最高 10.0
尾声 (98-100%)	2%	消散 2.0

关键原则：所有场景时长基于真实音频时长计算，不可用固定值估算

帧文件规范

帧命名：scene{NN}_{first|last}.png

scene01_first.png — Scene 1 首帧
scene01_last.png — Scene 1 尾帧

必须元素（每帧 prompt 必须包含）：

A beautiful young East Asian woman, long black wavy hair,
pink cherry blossom hair clip, white lace dress,
holding cherry blossom branch near her lips singing, fair skin

视频模型选择规则

场景类型	推荐模型	原因
静态人物+自然光	kling-1.6	性价比高，静态稳定
动态运镜+人物	kling-2	运镜理解强
360°旋转/复杂特效	veo-3.1	粒子/旋转效果最佳
长镜头+叙事	sora-2	长时一致性
国风/舞蹈	seedance-3.0	东方美学流畅

注意事项

音频优先 — 有音频时必须用 audio-analyzer.py 分析真实时长
首尾帧连续性 — 尾帧视觉元素必须在下一场景首帧中出现
情绪曲线连贯 — 不允许突然跳跃（除非音乐设计需要）
总时长精确 — 所有分镜时长之和 = 音频总时长
BPM 同步 — 转场卡点必须落在节拍上