> 项目地址：**[xianyu110/ecommerce-video-skills](https://github.com/xianyu110/ecommerce-video-skills?utm_source=csdn&utm_medium=article&utm_campaign=ecommerce-video-skills&utm_content=top)**（MIT，12 个电商短视频 Agent Skills）
>
> 本文所有成片、截图都是在一台普通 Linux 机器上用仓库脚本实测跑出来的，命令可以直接复制。

先看结果。左边是输入，一张 800×800 的桌面随手拍；右边是输出，一条 14.5 秒的 9:16 竖屏带货视频：

![1 张随手拍 → 15 秒 9:16 带货视频](https://developer.qcloudimg.com/http-save/yehe-7231576/dc67ed53de3f90d4a70fea61c3ccae3f.jpg)

动图预览（GIF 压缩过，原片是 1080×1920 / 30fps，[点这里下载 MP4](https://upload.maynor1024.live/file/1791169831745_evs-one-photo-demo-9x16.mp4)）：

![成片动图](https://developer.qcloudimg.com/http-save/yehe-7231576/81ce19097237621e8845220d259f9fa0.gif)

整条视频里只有一张素材图：开场的推近、中段的模糊背景加小画面、顶部竹木盖的下移镜头，都是同一张图用不同的 `motion` / `fit` 参数做出来的；结尾卡也是脚本用这张图自动排的版。

## 一、为什么要用「Skill」做带货视频

让大模型写带货脚本不难，难在后面那几步：

1. **它写完分镜，你还得自己开剪映一镜一镜拖**；
2. 配音和字幕要对齐，改一句台词就得重新对一遍时间轴；
3. 抖音 9:16、小红书 3:4、淘宝主图视频 1:1，每个平台再导一遍；
4. 口播里一不小心就写出「最」「第一」「100%」这类广告法风险词。

`ecommerce-video-skills` 的做法是把这条流水线拆成 12 个 Agent Skill（一个文件夹一个 `SKILL.md`，可选附带脚本），其中「剪辑」这一步交给仓库里的 Python + ffmpeg 脚本真正执行。agent 负责「想」（钩子、分镜、台词），脚本负责「做」（配音、镜头、字幕、混音、导出）。

## 二、安装（2 分钟）

```bash
# 方式一：skills CLI 一行装
npx skills add xianyu110/ecommerce-video-skills

# 方式二：Claude Code 插件市场
/plugin marketplace add xianyu110/ecommerce-video-skills

# 方式三：手动复制（Codex / Cursor 同理）
git clone https://github.com/xianyu110/ecommerce-video-skills.git && cd ecommerce-video-skills
mkdir -p ~/.claude/skills && cp -r skills/* ~/.claude/skills/   # Claude Code
mkdir -p ~/.codex/skills  && cp -r skills/* ~/.codex/skills/    # Codex
pip install -r requirements.txt   # pillow / numpy / edge-tts；另需 ffmpeg（带 libass）和中文字体
```

每个 skill 文件夹自带它需要的脚本，互不依赖，只复制用得到的也行。

## 三、Step 1：让 agent 写 3 秒钩子

在 Claude Code 或 Codex 里直接说：

```text
用 hook-3s-script 给这个保温杯写 8 个前三秒开场，标出推荐 Top 3。
真实卖点只有：750ml、竹木盖带提手、哑光鼠尾草绿。
```

`hook-3s-script` 里写死了几条规则，agent 会照着执行：

- 9 种钩子类型（痛点提问、反差、结果先行、数字、场景代入、错误示范、对比、第一人称、悬念），每条用不同类型，方便 A/B；
- 每条 **≤18 个汉字**（中文语速约 4–5 字/秒，3 秒说完），花字 ≤10 字；
- 第一帧必须是商品或痛点画面，不放 logo 片头；
- 禁用「最、第一、顶级、国家级、100%、根治」等绝对化用语，**只能用你确认过的卖点**。

我这里只给了 3 个能从照片上直接看到的卖点（瓶身印着 750ml、竹木盖、提手、颜色），所以后面的口播里没有任何「保冷 24 小时」之类没测过的说法。最后选的开场是痛点提问型：「通勤带水，杯子总是又重又丑？」

## 四、Step 2：15 秒分镜 → storyboard.json

接着说：

```text
用 selling-point-storyboard 按 ./assets/photo.webp 做一条 15 秒抖音分镜，只有这一张图，输出 storyboard.json
```

skill 里的 15 秒结构是：**钩子(1) → 产品亮相(1) → 卖点×2–3 → 行动号召(1)，共 5–6 镜**，并且要求「一镜一信息」、总台词字数 ≈ 时长 × 4.5。素材只有一张图时，skill 给的办法是「同一张图用不同 motion / fit 做两镜」。按这个模板整理出来的分镜如下（完整文件就是本文附带的 `storyboard.json`）：

```json
{
  "voice": "zh-CN-YunxiNeural", "rate": "+12%", "bgm": "auto", "tag": "AURA · 演示",
  "shots": [
    {"image": "assets/photo.webp", "fit": "cover", "motion": "punch", "transition": "slideup",
     "line": "通勤带水，杯子总是又重又丑？", "sub": "通勤带水|杯子又**重**又丑？", "title": "通勤水杯怎么选？"},
    {"image": "assets/photo.webp", "fit": "blur", "motion": "zoom_in", "transition": "fade",
     "line": "试试这只 AURA，750 毫升容量。", "sub": "试试这只 **AURA**|750ml 容量"},
    {"image": "assets/photo.webp", "fit": "cover", "motion": "pan_down", "transition": "slideleft",
     "line": "竹木盖配黑色提手，单手就能拎走。", "sub": "竹木盖 + 提手|**单手就能拎走**", "title": "竹木盖"},
    {"image": "assets/photo.webp", "fit": "blur", "motion": "zoom_out", "transition": "fade",
     "line": "哑光鼠尾草绿，放在桌上也好看。", "sub": "哑光**鼠尾草绿**|放桌上也好看"},
    {"image": "assets/end-card.png", "motion": "zoom_in", "min": 3.0,
     "line": "想要同款，点下方链接看看。", "sub": "", "cta": "点击下方链接 ›"}
  ]
}
```

几个字段说明一下：

| 字段 | 作用 |
|---|---|
| `line` | 配音文本。镜头时长 = 配音时长 + 0.15s 前导 + 留白，**不用手动对时间轴** |
| `sub` | 字幕；`**词**` 是关键词高亮（黄色），`\|` 是分行；`""` 表示这镜不出字幕 |
| `title` / `cta` | 弹出花字 / 底部行动号召按钮 |
| `motion` | `punch`（0.35 秒快速推近，开场钩子专用）、`zoom_in`、`zoom_out`、`pan_*`、`static` |
| `fit` | `cover` 裁满；`blur` 模糊背景 + 完整画面（方图放进竖屏时避免裁掉商品） |

结尾卡用仓库里的 `make_cards.py` 生成，文字是 PIL 本地渲染，中文不会糊：

```bash
python scripts/make_cards.py --image assets/photo.webp --name "AURA 保温杯" \
  --points "750ml 容量|竹木盖 + 提手|哑光鼠尾草绿" -o assets/end-card.png
```

## 五、Step 3：一条命令出片

```bash
python scripts/assemble.py storyboard.json -o out/demo.mp4
```

![渲染日志与 ffprobe / 响度实测](https://developer.qcloudimg.com/http-save/yehe-7231576/aaa9cd111de04bbaf75055f932bbef56.png)

脚本分 5 步走：edge-tts 逐句配音 → 每镜 Ken Burns 渲染 → xfade 转场 → 配音 + BGM 混音 → 字幕烧录并封装。我这台机器上总共 27.6 秒跑完。用 ffprobe 和 ebur128 复查成片：

- H.264 1080×1920，30fps；AAC 48kHz；时长 14.57 秒
- 整体响度 **-14.5 LUFS**（脚本做了两遍 loudnorm，目标约 -14 LUFS）
- 同时输出 `out/demo.srt`，8 条字幕，可以单独上传给平台

几个实现细节，是我觉得这个仓库比「提示词合集」靠谱的地方：

- **Ken Burns 用逐帧 scale + crop**，比 ffmpeg 自带的 zoompan 抖动小；
- **转场不吃配音**：每镜多渲染半个转场长度，配音按镜头起点对齐；
- **BGM 自动闪避**：`bgm: "auto"` 是 `make_bgm.py` 实时合成的免版权音乐，有人声时再压 10dB；
- 想先看节奏不等配音，可以 `--tts none` 按字数估时离线预览。

抽 6 帧看一下（左上角黄色贴纸是 `tag` 字段，提醒这是演示素材）：

![成片抽帧](https://developer.qcloudimg.com/http-save/yehe-7231576/37e267f0c5837de45fc5bd4002bdfd0a.jpg)

## 六、Step 4：一键导出抖音 / 小红书 / 淘宝三个规格

```bash
python scripts/export_platform.py out/demo.mp4 --platform douyin xiaohongshu taobao-main
python scripts/export_platform.py out/demo.mp4 --safe-preview out/safe.png
```

实测输出：

| 平台 | 分辨率 | 大小 |
|---|---|---|
| douyin | 1080×1920 | 4.36 MB |
| xiaohongshu | 1080×1440（3:4） | 3.37 MB |
| taobao-main | 1080×1080（1:1） | 2.59 MB |

比例不同时默认模糊填充（`--mode blur`），也可以 `--mode crop` 裁切。`--safe-preview` 会在一帧上叠出容易被遮挡的区域（顶部状态栏、右侧按钮、底部文案/商品卡），用来检查字幕有没有压到 UI——这是经验值，脚本自己也提示最终以真机为准：

![安全区预览](https://developer.qcloudimg.com/http-save/yehe-7231576/7c2dec5fd493ab36c3d3feabbe1b152b.jpg)

## 七、Step 5：封面 A/B

```bash
python scripts/cover_ab.py out/demo.mp4 --images build/still00.png build/still02.png \
  --titles "通勤水杯怎么选？|一张随手拍做的带货视频"
```

`--images` 用的是渲染过程中留下的干净底图（不带字幕），新标题叠上去不会和原字幕打架：

![封面 A/B 对比图](https://developer.qcloudimg.com/http-save/yehe-7231576/65508ff3d1ae838c10d54f461f369af0.jpg)

## 八、踩坑与建议

1. **第一次生成的结尾卡有两个按钮**：我一开始给 `make_cards.py` 也传了 `--cta`，和 storyboard 里的 `cta` 叠在一起。去掉其中一个即可——这也说明渲染完一定要抽帧看一眼（skill 的检查清单里就有这一步）。
2. **只有一张图时**，开场用 `fit: cover` + `punch` 做冲击，中间穿插 `fit: blur` 的完整画面，节奏不会单调。
3. **卖点只写能证明的**。照片能看到的就能说；保温时长这类数据，没测过就别进口播。
4. 有真实视频模型（Seedance / 可灵 / Veo / Runway / 海螺 / 万相…）时，用 `image-to-video-shots` / `multi-model-shot-prompts` 出镜头提示词，生成的片段用 `video` + `start` 字段替换图片；没生成好的镜头，Ken Burns 兜底照样能出片。
5. 做出海：每镜加 `line_en / sub_en`，`--lang en --voice en-US-AndrewNeural` 就能渲染英文版；`multilingual-dubbing` 里还列了印尼、泰国、越南、日韩、墨西哥、巴西等市场的 edge-tts 音色。

## 九、12 个 Skill 一览

| Skill | 做什么 |
|---|---|
| hook-3s-script | 3 秒钩子，9 种类型，一次 6–10 版，广告法自检 |
| selling-point-storyboard | 15/30/60 秒分镜，直接输出 storyboard.json |
| image-to-video-shots | 商品图 → 图生视频镜头提示词 + 商品一致性锁 + 本地兜底 |
| multi-model-shot-prompts | 同一份分镜适配不同视频模型，不编造价格/参数 |
| ai-voiceover-edge-tts | edge-tts 逐句配音、去静音、缓存 |
| subtitles-and-text-effects | ASS 字幕 / 花字 / 贴纸 / CTA 四种样式 + 安全区 |
| ffmpeg-auto-assemble | 一条命令出片 |
| platform-spec-export | 抖音 / TikTok Shop / 视频号 / 小红书 / 淘宝 / Amazon 规格导出 |
| live-stream-clips | 直播录像切 9:16 高光 |
| unboxing-comparison-review | 开箱 / 对比评测模板 + 公平对比规则 |
| multilingual-dubbing | 多语言本地化配音 |
| cover-title-ab | 封面与标题 A/B |

## 十、写在最后

这套 skill 解决的是带货视频里「重复、确定」的那部分：分镜写成 JSON，剪辑交给 ffmpeg，规格和安全区交给脚本。卖点真不真、成片好不好看，还是要人来把关。

演示商品「AURA」是 AI 生成的虚构商品（素材来自姊妹仓库 [ecommerce-image-skills](https://github.com/xianyu110/ecommerce-image-skills?utm_source=csdn&utm_medium=article&utm_campaign=ecommerce-video-skills&utm_content=sister-repo)），配音为 edge-tts 合成。平台规格经常变化，上传前以各平台后台说明为准。

觉得有用的话，欢迎去点个 ⭐：

👉 **https://github.com/xianyu110/ecommerce-video-skills?utm_source=csdn&utm_medium=article&utm_campaign=ecommerce-video-skills&utm_content=footer**

商品图还没做？可以先用 [gptimage2.asia](https://gptimage2.asia/?utm_source=csdn&utm_medium=article&utm_campaign=ecommerce-video-skills&utm_content=footer-image) 在线生成主图和场景图，再交给本仓库转成视频。

项目地址：xianyu110/ecommerce-video-skills（MIT，12 个电商短视频 Agent Skills）

只用 1 张随手拍，在 Claude Code 里做出 15 秒抖音带货视频（配音 + 字幕花字 + BGM，本地出片）

人工智能

开发工具

音视频

ecommerce-video-skills开源项目提供12个Agent Skills，用AI+ffmpeg全自动生成带货视频。实测单张商品图生成14.5秒1080x1920竖屏视频，支持9:16/3:4/1:1多平台导出，含配音、字幕、BGM闪避和广告法自检，普通Linux机器一条命令出片。

9.9元起，最快1天搭建自有直播平台


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

只用 1 张随手拍，在 Claude Code 里做出 15 秒抖音带货视频（配音 + 字幕花字 + BGM，本地出片）-腾讯云开发者社区-腾讯云

只用 1 张随手拍，在 Claude Code 里做出 15 秒抖音带货视频（配音 + 字幕花字 + BGM，本地出片）

只用 1 张随手拍，在 Claude Code 里做出 15 秒抖音带货视频（配音 + 字幕花字 + BGM，本地出片）

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐