Hlzd video gen
Skill Alexxiang2008/hlzd-b2b-export-skills/skills/hlzd-video-gen
Agent Skills for B2B industrial exporters — market research (HS code, UN Comtrade, Google Trends, tender), buyer finding (Alibaba + Volza customs), inquiry qualification, voice-contract HTML reports. By HLZD (海联智达).
npx -y skills add Alexxiang2008/hlzd-b2b-export-skills --skill hlzd-video-genAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
2 things to look at
- 23 days oldThe repository was created 23 days ago. New is not bad, but a brand new repository carrying a familiar-sounding name is the shape a typosquat arrives in, and there has been no time for anyone else to find a problem with it.
- 0 stars0 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.
What its author says it does
Copied from the file, not written here
B2B 工业品营销视频生成 —— 图生视频（I2V）/ 多段拼接 18 秒 / BGM / 字幕。Agnes Video V2.0 + FFmpeg。6 种 preset（设备/机械/材料）+ i18n 字幕目录。
The file declares its own license as MIT. That is the author’s claim about this one file, and it is not the same thing as the license GitHub reports for the repository, which is listed with the other numbers below.
SKILL.md
8.9 KB, ~3.3k tokens by cl100k_base, as published. Nobody here has run it
hlzd-video-gen — B2B 工业品 AI 生视频
解决 B2B 工业品视频问题：产品细节展示 + 应用场景演示 + 平台规格 + BGM/字幕一体化。
Quick Commands
# I2V 图生视频（主路径，自动从 hlzd-image-gen 取最新 PNG）
hlzd-video-gen "石油套管" --duration 10 --style "白底"
# 多图 I2V（把多张图合成一段演示视频）
hlzd-video-gen --multi-image "D:\img1.jpg,D:\img2.jpg,D:\img3.jpg" --duration 15
# 关键帧动画（A 图过渡到 B 图）
hlzd-video-gen --keyframes "D:\start.jpg,D:\end.jpg" --duration 12
# T2V 文生视频（无任何素材时的备用）
hlzd-video-gen --t2v "石油套管在油田作业的航拍镜头" --duration 10
# 阿里国际站竖版短视频（30 秒，多段拼接）
hlzd-video-gen "石油套管" --duration 30 --aspect 9:16 --platform alibaba
# B2B 闭环（自动检测最新报告 + 最新产品图）
hlzd-video-gen --auto-b2b --duration 15
# BGM + 字幕（中英对照，默认英文）
hlzd-video-gen "石油套管" --duration 10 --bgm industrial --subtitle bilingual
# CLI 底层调用
py scripts/orchestrator.py --entities entities.json --mode i2v
定位
| 对比项 | 通用视频 AI（Sora/可灵） | hlzd-image-gen（静态） | hlzd-video-gen |
|---|---|---|---|
| 适用场景 | 创意/娱乐/消费品 | 静态主图 | B2B 工业品营销视频 |
| 起点 | 文生视频 | 文生图 | 图生视频（I2V）为主，复用图片 skill 素材 |
| 一致性 | 单条独立 | 多角度图保持一致 | 产品视觉跨图/跨视频一致 |
| 输出 | 短视频无音轨 | PNG/JPG | MP4 + BGM + 字幕，平台规格 |
| 合规 | 宽松 | 白底图 + 无 LOGO | 多镜头不出现版权元素 |
| 生态 | 独立工具 | 与 B2B 调研闭环 | 图片→视频→邮件 全链路 |
核心原则：B2B 工业品视频不是"炫技"，是"产品细节展示 + 应用场景演示 + 平台规格适配"。
核心能力矩阵
| 能力 | 实现 | 适用场景 | 单段耗时 |
|---|---|---|---|
| I2V（图生视频·单图） | Agnes Video V2.0 | 产品 360°展示、白底主图延伸 | 30-90s |
| 多图 I2V | Agnes Video V2.0 | 安装流程演示、工艺前后对比 | 60-120s |
| 关键帧动画 | Agnes Video V2.0 | 产品特写镜头切换、场景过渡 | 60-120s |
| T2V（文生视频·备用） | Agnes Video V2.0 | 无任何素材时的应急 | 30-90s |
| 多段拼接 | FFmpeg xfade | >18s 自动分段拼接 | 5-15s |
| BGM 自动合成 | FFmpeg amix + 内置素材库 | 企业宣传/工业节奏 | 2-5s |
| 字幕烧录 | FFmpeg drawtext | 中/英/双语字幕 | 2-5s |
何时用哪种：
| 用户表达 | 路由 |
|---|---|
| "给 XX 生成视频" + 已有图 | I2V（默认） |
| "把这几张图合成视频" | 多图 I2V |
| "从 A 图过渡到 B 图" | keyframes |
| "无任何图，文字描述生成" | T2V（最后选择） |
数据源
| 数据源 | 用途 | 费用 | 备注 |
|---|---|---|---|
| Agnes Video V2.0 | 4 种视频生成模式 | 当前 $0/秒（限时），标准 $0.005/秒 | 单段最长 18s |
| FFmpeg | 本地拼接 / BGM / 字幕 | 免费 | 系统级依赖 |
| hlzd-image-gen | 闭环输入（产品图） | 免费 | 自动检测最新 PNG |
| HLZD-B2B工业品调研 | 闭环输入（产品/HS/市场） | 免费 | 智能检测最新报告 |
工作流（主流程）
输入（产品/时长/风格 + 可选图片/报告）
↓
[1] NLU 解析（Claude 自身）
→ 实体抽取（mode/duration/aspect/platform/style/bgm/subtitle）
→ 追问缺失字段
↓
[2] 模式路由
├─ I2V（默认）→ 自动从 hlzd-image-gen 取最新 PNG
├─ 多图 I2V → 多张 PNG 按顺序生成
├─ 关键帧 → A 图 → B 图过渡
└─ T2V（备用）→ 纯文字生成
↓
[3] B2B 闭环检测（可选）
→ 智能检测 HLZD-B2B工业品调研 最新报告
→ 自动补充 prompt 上下文
↓
[4] 展示理解回执（Markdown 表格）
↓
[5] 调用 Agnes API
→ 单段最长 18s（硬限制）
→ >18s 自动分段拼接
↓
[6] FFmpeg 后处理
→ 多段拼接（xfade 过渡）
→ BGM 混音（amix）
→ 字幕烧录（drawtext，中英/双语）
↓
[7] 输出 + 历史
→ outputs/videos/YYYY-MM-DD/{product}_{seq}.mp4
→ outputs/history/YYYY-MM-DD.json
BGM 库（内置 4 风格）
| 风格 | 节奏 | 适用场景 |
|---|---|---|
| industrial（默认） | 中速，金属感 | 工厂/设备/工业品 |
| corporate | 中速，正能量 | 公司介绍/品牌宣传 |
| energetic | 快速，活力 | TikTok 短视频 |
| calm | 慢速，舒缓 | 安装演示/工艺流程 |
BGM 素材位于 assets/bgm/ 目录（4 个 MP3，约 30s/段）。
输出格式
D:\AI-P\skills\hlzd-video-gen\outputs\
├── videos\
│ └── YYYY-MM-DD\
│ └── {产品名}_{seq}.mp4
└── history\
└── YYYY-MM-DD.json
平台规格预设：
- 阿里国际站：1:1 或 4:3，10-30s，竖版 9:16
- TikTok：9:16，15-60s
- YouTube Shorts：9:16，<60s
- 官网/画册：16:9，30-60s
- 邮件附件：1:1 或 4:3，<30s（避免大文件）
限制与边界
✅ 适合
- B2B 工业品营销视频（产品展示、流程演示、场景应用）
- 阿里国际站 / TikTok 短视频
- 与 hlzd-image-gen 协同（图生视频）
❌ 不适合
- 真人出镜（合规风险 + 模型效果差）
- 长视频（>60s 多段拼接画质衰减）
- 实时直播
- 复杂叙事/剧情（AI 视频模型不擅长）
⚠️ 硬限制
- Agnes 单段最长 18 秒（超长需分段拼接）
- 单次批量 ≤ 8 段
- 单段超时 5 分钟自动重试 2 次
- 字幕烧录需系统装中文字体
错误地图
| 异常 | 解决方案 |
|---|---|
| Agnes HTTP 401 | 检查 .env 中 AGNES_API_KEY |
| Agnes HTTP 429 | 自动重试 2 次（指数退避） |
| Agnes 18s 硬限制 | 自动分段 + FFmpeg xfade 拼接 |
| FFmpeg 未找到 | 安装 FFmpeg + 加 PATH |
| 中文字体缺失 | 下载 NotoSansCJK-Regular.ttc 到 assets/fonts/ |
| hlzd-image-gen 无最新图 | 用户需先生图，或用 T2V 兜底 |
| 视频文件过大（>100MB） | 降低码率 / 缩短时长 |
依赖与部署
# 1. Python 依赖
py -m pip install -r requirements.txt
# 2. FFmpeg（系统级依赖）
# Windows: https://ffmpeg.org/download.html
# Mac: brew install ffmpeg
# Linux: apt install ffmpeg
# 3. 中文字体（字幕烧录）
# 下载 NotoSansCJK-Regular.ttc 到 assets/fonts/
# 4. 配置 .env
copy .env.example .env
# 编辑 .env，填入 AGNES_API_KEY=your_key
# 5. Panmira 安装
mb skills install hlzd-video-gen 青囊
验证清单
新版本发布前必跑：
-
mb skills list看到hlzd-video-gen - 飞书发"给石油套管生成 10 秒视频" → logs 看到 selected
- I2V 单段测试（30-90s 出片）
- 多图 I2V（多张 PNG 合成）
- 18s+ 自动分段拼接
- BGM 混音（4 风格）
- 字幕烧录（中/英/双语）
- B2B 闭环：自动检测最新报告 + 最新图 → 出视频
- 历史 JSON 写入成功
自动串联
上游（被谁触发）
- hlzd-image-gen：生图后自动调用本 skill 做图生视频
- HLZD-B2B工业品调研：报告生成后自动调用出营销视频
- HLZD-email-group：邮件需要视频附件时调用本 skill
下游（触发谁）
- 视频生成后 → 可调 HLZD-email-group 嵌入邮件
- 视频生成后 → 可调 hlzd-d3-viz 嵌入 dashboard
被动串联
- 历史 JSON 每日统计 + 报表
已知限制（v0.1 接受）
- Agnes 仅一个模型（V2.0），无降级链
- 单 API 依赖（Agnes Video V2.0），无容灾 fallback
- 不支持实时流媒体
- 不支持人物语音合成（v0.2 规划）
后续路线（v0.2+）
| 版本 | 新增 |
|---|---|
| v0.2 | 接入可灵 / 通义万相作为降级链 |
| v0.2 | TTS 语音合成（中/英/俄/阿） |
| v0.3 | 实时海运/工厂视频拼接 |
| v0.3 | 阿里国际站 / TikTok 自动发布 |
| v0.4 | 多镜头自动剪辑（基于 B2B 报告章节） |
What ships with it: 23 files
145.3 KB alongside SKILL.md, 9 of them executable
presets/
- common/motions.yaml4.0 KB
- common/scenes.yaml2.4 KB
- industrial/equipment.yaml2.5 KB
- industrial/machinery.yaml2.7 KB
- industrial/materials.yaml2.4 KB
- subtitles/i18n_catalog.yaml5.0 KB
references/
- agnes-video-api-guide.md6.9 KB
- nlu-schema.md6.0 KB
- quality-optimization.md4.6 KB
scripts/
- agnes_video_client.pyruns18.9 KB
- b2b_research_parser.pyruns8.3 KB
- imgbb_uploader.pyruns7.6 KB
- orchestrator.pyruns19.5 KB
- prompt_builder.pyruns6.6 KB
- quality_scorer.pyruns8.4 KB
- subtitle_manager.pyruns6.9 KB
- video_postprocess.pyruns10.4 KB
tests/
- test_e2e.md11.9 KB
- test_video_helpers.pyruns5.7 KB
- CHANGELOG.md4.2 KB
- .gitignore592 B
- requirements.txt70 B
- VERSION5 B
Gives 0 of the 12 instructions most video audio skills give in ~3.3k tokens
Counted across 622 of the 795 authors here whose files we hold, read 2026-08-07
- Read individual rule files for detailed explanationsin 21 of 622, across 10 files
- Render final videoin 13 of 622, across 6 files
- Use WAV PCM 16kHz mono audio formatin 12 of 622, across 3 files
- Use this skill when dealing with Remotion codein 11 of 622, across 4 files
- Save generated audio to a WAV filein 11 of 622, across 4 files
- Handle conversion errors gracefullyin 10 of 622, across 6 files
- Add captions to videos alwaysin 10 of 622, across 4 files
- Generate music from text descriptions using MusicGenin 9 of 622, across 2 files
- Do not skip pipeline layersin 9 of 622, across 3 files
- Do not make one tool do everythingin 9 of 622, across 3 files
- Use Azure Document Intelligence for complex PDFsin 9 of 622, across 4 files
- Never ask the user to paste their full API keyin 9 of 622, across 3 files
Said here and by no other author read
- use I2V as default generation mode
- use T2V only when no images exist
- fetch latest product image automatically for I2V
- show markdown understanding receipt before generation
- segment and stitch videos exceeding 18 seconds
- mix background music using FFmpeg
Grouped from the skills themselves: near-identical wordings counted once, and counted by distinct author, so one author publishing three of these counts once. Length counted with cl100k_base; the agent that loads this file may tokenize it differently.