视频素材智能生成 Skill——让 AI 帮你配画面

最近我的视频用上了我自己做的视频素材生成 Skill，解决了一个非常大的痛点：给口播配画面。

一段几分钟的口播，我可能要花 30 分钟找素材、做动画、调时间轴。而且大多数时候，你根本不知道该在哪里加画面、加什么画面。

所以我写了一个 Skill——video-asset-generator（视频素材智能生成器），今天分享给大家。

这个 Skill 本质上是一个完整的视频素材决策 + 生成流水线。你给它一段口播文案（带时间戳或不带都行），它会：

1. 自动解析内容——检测时间戳，没有就自动按语速计算 SRT 字幕
2. 智能分类决策——逐段分析文本，判断这段该用什么素材：动画、AI 生图、还是实物素材
3. 自动生成素材——调用 HyperFrames 生成动画、调用 AI 生成配图、查素材库找 logo/截图
4. 组装渲染——把所有素材串成完整视频

最核心的设计思路是："素材是锦上添花，不是替身"。

每加一段全屏素材，就是在盖住说话的人。所以 Skill 内置了一个"负面清单"——口语过渡、行动号召、个人观点、简单陈述……这些场景绝对不加素材。60 秒的视频，最多 3-4 段弹窗动画，每段不超过 12 秒。

技术上有几个比较有意思的点：

素材三分类体系