Tiktok Gemini Video Workflow

TikTok Gemini 视频工作流

目标

把“用户只提交产品图和爆款视频”转换为可恢复、可追踪的生产流水线。始终以飞书多维表格为任务状态源，以真实下载文件和回读结果作为完成证据。

必须组合使用的能力

• 涉及飞书 Base 时先使用 lark-base，通过 lark-cli base +... 读取真实表、字段和记录。
• 涉及生成九宫格时使用 imagegen；把每张输入图的角色写清楚。
• 涉及 Gemini 或 Flow 网页时使用 chrome:control-chrome，复用用户明确选择且已登录的 Chrome。
• 涉及单账号、多账号切换、额度轮询或账号日志时，读取 account-routing.md。
• 涉及定时轮询或额度恢复后续跑时，先查找产品提供的 automation 工具；不要用 shell cron 代替。
• 涉及可见星形水印时，优先使用已安装的gemini-watermark-remover Skill；缺失时按 setup.md 取得许可后安装。

默认入口

• Gemini 专业视频入口：https://gemini.google.com/videos
• Google Flow：https://labs.google/fx/tools/flow/
• Base 与 Flow 项目：以当前用户提供的链接为准；不要在 Skill 中内置任何项目、表、账号或记录 ID。

0. 环境预检

1. 按 setup.md 检查 Node.js、官方@larksuite/cli、飞书 user 授权、Chrome连接、ffmpeg/ffprobe和gemini-watermark-remover。
2. lark-cli未安装时，先说明安装内容并取得用户同意，再安装和配置；已经安装时不要重复操作。
3. 只有飞书只读访问、Chrome登录态、本地目录和后处理依赖都验证成功后，才开始处理任务。

开始前确认输入与输出

每次新会话或新批次启动时，先向用户一次性确认以下内容；这是启动硬门槛：

1. 任务表：用户是否已经有用于本工作流的飞书多维表格。
   • 已有：向用户索取 Base 链接、表/视图和处理范围。
   • 没有：向用户确认新 Base 名称和数据表名称，然后按下方“初始化任务表”创建。
2. 工作目录：下载素材、抽帧、转写、九宫格和尾帧等中间文件放在哪个目录。
3. 成品目录：原始下载视频、消除水印版和最终确认版放在哪个目录。
4. 浏览器与账号：使用哪个 Chrome 配置和哪个 Gemini/Flow 账号；为账号设置不含隐私凭据的别名。
   • 单账号：确认账号别名、Chrome配置名和允许入口。
   • 多账号：再确认启用账号、优先级、是否允许自动切换，以及是否要求同一任务保持同一账号；按 account-routing.md 建立账号登记。
5. 交付方式：生成后立即上传飞书进入待验收，还是先只保存本地、等用户统一确认后再上传。
6. 通知方式：只更新 Base，还是在状态变化时发送飞书消息；发送消息需用户提供可解析的个人或群聊目标并授权使用lark-im。
7. 调度方式：本次手动运行，还是设置定时轮询；不设置时绝不创建后台任务。
8. 提交表单版本：使用只收集产品图、爆款视频和可选产品名的基础版，还是增加目标国家/语言、产品卖点、禁止内容、旁白/音乐偏好等可选题。没有明确选择时先问，不替用户扩展表单。

用户已在当前会话明确提供时直接复用，不要重复询问；不要跨会话默认沿用旧目录或旧浏览器配置。未确认工作目录和成品目录前不得开始下载、生成或提交额度任务。

用户选择手动运行时，只处理本次确认范围内的任务；批次结束或遇到等待条件后，写回状态、额度日志和下一步并退出，不创建定时任务、后台常驻进程或自动续跑。

确认后为每条记录使用独立工作子目录，建议为<工作目录>/<record_id>/；成品统一进入成品目录。不要把成品散落在 Downloads 或临时目录。浏览器下载完成后立即移动并按产品名-视频序号-入口-处理状态-画幅-时长命名。

1. 初始化任务表

用户已有 Base

1. 使用用户提供的 URL 执行lark-cli base +url-resolve --as user，取得真实base_token。
2. 读取目标表、字段、视图和表单；不要把 Wiki token 当作 Base token。
3. 对照 base-contract.md 做结构检查。
4. 字段或状态选项缺失时列出差异并取得用户授权后补齐；本 Skill 固定最多两段，不创建第3、4段字段。
5. 结构检查完成后再询问工作目录、成品目录、浏览器和交付方式。

用户没有 Base

1. 询问新 Base 名称和初始数据表名称；用户没有特别命名时可建议TikTok爆款视频复刻和视频任务，但不得静默决定。
2. 使用lark-cli base +base-create创建 Base，并一次性建立 base-contract.md 定义的完整字段。创建后回读 Base、表和字段。
3. 创建表单前先询问用户选择基础版还是扩展版。
   • 基础版只展示：产品图（必填附件）、爆款视频（必填附件）、产品名或备注（可选）（可选文本）。
   • 扩展版在基础版之外，按用户选择增加目标国家/语言、产品核心卖点、禁止出现的内容、旁白/音乐偏好等可选题；不要默认全部创建。 日期使用系统创建时间，不要求用户填写。
4. 创建待处理队列、处理中、待验收和已完成视图，并按任务状态设置筛选。
5. 返回可访问的 Base 和表单信息；确认用户能打开后，才进入任务处理。
6. 新建、字段创建、表单创建和视图创建均使用lark-base；不要只生成一份字段清单或本地模板冒充已创建。

核心工作流

1. 先处理人工审核，再认领新任务

1. 读取真实字段结构以及验收结果、验收意见和候选记录。
2. 先处理人工审核结果：
   • 通过：把任务状态改为已完成并回读；保留审核结果作为证据。
   • 废弃：把任务状态改为已废弃并回读；后续运行不再处理。
   • 返工：优先于所有新任务。读取验收意见确定需要重做的片段；先把状态改为对应处理阶段，再从该片段继续。返工第1段且存在第2段时，第2段和连续性资产必须随新第1段重新生成。
3. 返工任务只有在新成品上传并回读成功后，才清空验收结果，把状态重新设为待验收；不要在生成前清空。将本次验收意见、返工片段和结果追加到运行日志，保留验收意见供追溯。
4. 没有返工任务后，只选择同时满足以下条件的新记录：
   • 产品图非空；
   • 爆款视频非空；
   • 任务状态为空或为待处理。
5. 按创建日期从早到晚处理。
6. 在下载和分析前先把记录改为拆解中，将该状态作为任务锁，避免重复执行。
7. 认领时若任务ID为空，写入唯一任务ID；同时把当前片段设为1、最后成功步骤记录为已认领。
8. 跳过其他运行实例已认领的拆解中、分镜图生成中和视频生成中记录。待用户操作、等待额度恢复和待验收按对应恢复规则处理；已完成和已废弃不再处理；失败只有在用户要求重试或重试策略明确时才重新认领。
9. 续跑前读取当前片段、最后成功步骤、计划段数、已有分镜图、尾帧和成品附件，从最后一个已回读成功的步骤继续。不得仅凭本地文件名猜进度，也不得重做已经验收并上传的步骤。

读取和写入规则见 base-contract.md。

2. 下载和拆解爆款

1. 下载产品图与爆款视频到独立工作目录。
2. 用 ffprobe 读取时长、分辨率、帧率和音轨。
3. 每秒抽帧或生成接触表，识别：首帧钩子、动作节拍、场景切换、产品露出、转场点和结尾动作。
4. 逐帧检查屏幕文字并原样转写。区分文字钩子、普通说明、产品包装文字和平台水印；记录文字原文、大小写、拼写、标点、换行、位置、出现区间和样式。未经用户要求不得替原作者纠正语法或改写文案。
5. 有对白时优先转写音轨；区分画面爆点、文字爆点、对白爆点和声音爆点。判断叙事是否依赖“文字＋场景/动作”共同成立，不能把文字反转视频误拆成纯产品展示。
6. 不照抄与产品无关的解决方案。保留爆款结构，把动作和卖点改成当前产品可兑现的内容；承担核心钩子的原作文字必须进入新脚本和后期清单。

3. 决定分段数量

支持 1–2 段。先按原爆款总时长决定默认段数，再按动作和转场边界微调；不要在动作中间机械切断。

• 原爆款总时长不超过15秒时统一做1段，把完整爆点压缩到当前专业入口可生成的单段时长。
• 原爆款总时长超过15秒、且不超过30秒时做2段。
• 原爆款总时长超过30秒时停止并询问用户是否压缩成两段或更换更短的参考视频；不得创建第3段、截断后半段或静默丢失内容。
• Gemini 单段实际片长以当前专业视频入口为准；提示词时长不能覆盖系统设置。
• Flow 默认设置为 Video / 9:16 / 1x / 10s，但每次以实时界面为准。
• 第2段必须以第1段已下载成品的真实尾帧作为连续性输入。

4. 统一使用九宫格

• 所有片段统一使用一张完整的9:16九宫格时间分镜，不再在关键帧与九宫格之间二选一。
• 九格必须从左到右、从上到下表达同一片段的连续动作；同一人物、脸、发型、服装、场景、光线和产品身份必须保持一致。
• 九宫格始终作为一张完整分镜图上传；不要拆成九张参考图。
• 尾帧续接是独立硬规则：第2段九宫格不能提前生成。必须先完成并下载第1段真实成品，再抽取真实尾帧；使用第1段真实尾帧 + 第1段九宫格 + 产品图生成第2段九宫格，并让第1格精确继承真实尾帧。

5. 生成并立即回传分镜图

1. 先写回爆款拆解、新脚本、分段数量和每段提示词，再将状态改为分镜图生成中。
2. 单段任务生成唯一的9:16九宫格分镜；多段任务只先生成当前待制作片段的9:16九宫格，不要提前一次性生成后续分镜。
3. 保留产品颜色、结构、包装、Logo和人物身份；避免无关文字、水印、多余肢体和拼贴泄漏。原作必要文字钩子不要画进九宫格，单独记录为后期字幕资产，避免图生视频产生乱码。
4. 每生成并验收一张分镜图，立即上传该记录对应的分镜图 i字段；不要等全部分镜图完成才批量上传。
5. 上传后立即回读附件字段确认文件存在，再把当前片段=i、最后成功步骤=分镜图 i 已上传。
6. 单段任务在分镜与视频提示词齐全后把状态改为视频生成中。两段任务在分镜图1验收上传后立即进入视频1，不等待分镜图2。
7. 第2段分镜只能在第1段视频已下载并抽取真实尾帧后生成。以第1段真实尾帧作为连续性主参考和本段九宫格第1格，以第1段九宫格锁定人物、发型、服装、场景和镜头风格，以产品图锁定产品；只改变后续8格的动作和产品状态，不得重新随机生成人物。

写任何分镜图或视频提示词前，必须完整读取 prompt-templates.md。所有提示词统一使用英文；只有必须原样保真的产品名、实体标签/Logo、原作屏幕文字和对白可以保留原语言。不得只把旧中文提示词直译成英文，必须按模板补齐输入职责、参考优先级、锁定项、逐格/逐秒动作、写实、动作物理、音频、文字后期和负面约束。

每张九宫格提示词必须按英文结构写出：Inputs / Goal / Story / Reference Roles / Character & Product Lock / Scene Lock / Visual Style / Storyboard Layout / Panel 1–9 / Continuity Requirements / Text & Logo Rules / Negative Rules。每格都要包含时间、景别、叙事功能、可见动作与状态、运镜和情绪；九宫格仍是一张完整9:16、3×3分镜图，不改成六宫格或九张独立参考图。

分镜图提示词和视频提示词是两个独立产物，不得混用计数。分镜图固定生成一张完整9:16九宫格，只表达连续的9个关键状态；视频提示词必须重新读取并拆解参考视频，把识别出的每一个画面状态分别写成VIDEO FRAME 01...N。视频提示词的帧数不受九宫格限制：原片拆出16个画面状态就必须写16条，不能为了匹配九宫格或假定的镜头上限压成6条、7条或9条。

每条视频提示词必须按英文结构写出：Inputs / Goal / Reference Roles / Output Format / Global Fixed Requirements / Character & Product Lock / Scene Lock / Camera Plan / Complete Video Frame List / Realism Pass / Action Physics Pass / Audio / Text & Logo Rules / Continuity Requirements / Negative Rules。Complete Video Frame List中的每一个画面状态必须单独成块，并完整填写：Timecode and Duration / Reference Images / Continuity In / Shot Purpose / Framing and Camera / Character and Limb Actions / Product and Part State / Functional Interaction / Secondary Characters / Environment and Lighting / Audio / Transition In & Out / Continuity Out。不得把多个不同画面状态压缩成一个段落。

每项动作要明确人物自己的左手、右手、左脚或右脚；商品操作必须明确持握部位、工作端、接触对象、运动方向、阻力和before → action → after状态变化；成对物品和可拆零件必须保持数量、装配状态和位置守恒。所有视频帧条目的时长之和必须精确等于专业入口的实时生成时长，时间码不得重叠、留空或遗漏原片画面状态。快切画面可以短于平均节奏，不能仅因时长短就删除；需要两段时按本Skill既定总时长规则分配所有画面状态，第2段从第1段真实尾帧续接。

人物身份必须由明确指定的主模特参考图锁定，不在提示词中重新描述或猜测主模特的具体面部特征；副角色不得复用主模特或彼此的脸，且身份、年龄段、体型、服装和角色须跨镜头稳定。多张产品图共同约束同一个商品及零件的不同视角，不得按图片数量复制商品。提示词还必须先选择唯一的可见文字策略：NO VISIBLE TEXT时禁止字幕、标题、时间码、品牌名、Logo、包装文字、账号名、平台名、UI和水印；PHYSICAL LABELS ONLY时只保留产品参考图中的真实实体标签/Logo，仍禁止浮层文字和模型生成字幕。两种策略不得同时使用。

只写一句剧情梗概、笼统动作、未覆盖全时长、缺少画面结束状态、把多个画面状态合并成一段或无法传递到下一帧的短提示词不合格；嘴部不入镜时不得要求口型同步，应改为旁白。用户要求多语言时默认每种语言生成独立提示词／成片版本，除非用户明确要求同一视频双语。

原作存在屏幕文字时，提示词还必须写出TEXT HOOK职责：说明这段文字如何与人物、场景和动作共同完成叙事。不要依赖 Gemini/Flow 正确生成文字；提示词要求模型不渲染字幕，并把精确文字、排版和时间范围放入后期清单。生成结束后按 postprocess-sop.md 检查并补字。

输出规格必须在Goal、Output Format和Negative Rules三处明确写出 VERTICAL PORTRAIT, aspect ratio 9:16 (width:height), 1080×1920 orientation，并声明这是画面宽高比而不是时长/时间戳，禁止16:9横屏。提示词不能覆盖 Gemini 实际生成器的画幅与时长设置；必须使用专业视频入口并把画幅控件实际设为Portrait/肖像（9:16），回读选中状态后才提交。最终只以下载文件的真实宽高验收，宽必须小于高。

Gemini 每条任务默认从左侧Videos/视频进入专业视频页：上传本段分镜图和产品图，连续段再加入上一段真实尾帧，粘贴完整提示词，实际选择9:16后提交。多张参考图必须逐张上传并等待完成，不要一次多选；本地缩略图出现不等于附件已随请求提交。不要依赖普通聊天或上一条任务遗留的附件、画幅和上下文。专业入口无法可靠选中9:16时停止消耗 Gemini 额度并切换 Flow。具体实测恢复步骤见 browser-sops.md。