Video Script

1. 定位

只改宣发标题、封面、花字或回填外部文案时，直接读 references/promotional-copy.md， 按当前短片的观看理由和兑现位置处理指定文字层，不重做下述策划/旁白链。 普通解说写作不因此增加平台调研或包装任务。

本技能负责：创作方向、画面/声音计划、旁白写作与校验。Agent 不是 JSON 填写器，而要依次扮演：

1. 导演
2. 故事编辑
3. 画面剪辑师
4. 声音/旁白编辑
5. 第一次观看的观众

Agent 先记录简洁决定，再写时间线产物。validate.py 负责对理解索引做机械校验，从不改写 Agent 的稿子：段落顺序、数量、时间、文本、停顿和扩展元数据原样保留，只依据现有声音证据回写实测的 overlaps_speech。文本装不下时间窗、段落未按时间排序等问题以 error 退回给 Agent 修改。

下面的 scripts/... 均相对于本技能目录。若执行器从仓库根目录启动，请给脚本路径加上本技能的绝对目录。

1.1 创作控制模式

先根据用户要求和 work_dir 判断本轮模式；它不是 full|cut|dub 渲染模式：

• CREATE：首次创作。比较至少两个真正可行的故事/剪辑假设后再选择。
• DIRECTED：用户已指定结构、镜头、台词或表达。忠实落实，不为满足“创作流程”虚构替代方案。
• REVISION：用户针对已有版本看片修改。最新反馈是当前事实来源；未点名部分默认冻结。

REVISION 先明确本轮修改项与冻结项，再编辑对应层：表达、口语节奏、字幕反馈更新 style_card.json；镜头、入出点、表演和声音分工更新 visual_audio_board.json；只有观众承诺、POV、主线或 beat 改变时才更新 recap_story_plan.json。被删除的镜头、原声或文案也要从相关计划中删除，不能保留过期锚点。不要把看片修改重新做成一次 CREATE。

2. 远程调用与数据外发

本技能只有一个脚本会联网：review.py（§7.1 的建议型语义评审）。其余全部在本地运行：validate.py 及其 lint、去 AI 味检查只读写 work_dir 里的文件，不发任何网络请求；策划与写稿由 Agent 直接读写 work_dir 完成。

review.py 发给谁：

• MiMo 的 OpenAI 兼容 chat 接口 <MIMO_API_URL>/chat/completions，用 MIMO_API_KEY 认证，模型为 MIMO_MODEL（默认 mimo-v2.5）。未设 MIMO_API_URL 时，按量计费 key 发往 https://api.xiaomimimo.com/v1，tp- 开头的 Token Plan key 发往 MIMO_TOKEN_PLAN_CLUSTER 选定的 token-plan 集群（默认 https://token-plan-cn.xiaomimimo.com/v1）。
• 未设 MIMO_API_KEY 时直接退出，不构造也不发送任何请求。

review.py 发送什么（只有文字，不发视频、帧图片或音频文件）：

• narration.json 全部旁白段的时间与文字。
• 理解索引的文字证据：开头、中段、结尾、长空档与各旁白时间窗附近选出的时间段内，vlm_analysis.json 的场景描述与 frame_facts 文字，以及对白转写（有 asr_clean.json 时用它，否则 asr_result.json）。
• background_research.json 的梗概、角色、关系与剧情线摘录。
• 存在时附上 packaging_plan.json、recap_story_plan.json、visual_audio_board.json、style_card.json（各截前 3000 字）和 original_subtitles.json 的原声字幕文字。
• 内容较长时分块，每块一次请求；返回的意见只写回本地 narration_review.json / narration_review.md。

何时运行、怎样关闭：

• 单独使用本技能时，review.py 只在用户或 Agent 显式执行它时运行；不执行它就没有任何外发。用户不希望稿件离开本机时，不要运行它，改为人工复核后直接跑 validate.py。
• 端到端编排默认在 TTS 前自动调用一次这项评审，失败不阻断；关闭方式是编排入口的 --no-review-narration 或环境变量 REVIEW_NARRATION=0。若同时开启了严格评审（--require-narration-review 或 REQUIRE_NARRATION_REVIEW=1），评审必须运行，关闭开关不生效。
• 评审是建议型的：只写报告，从不改写 narration.json；是否修改由 Agent 或用户决定。

3. 读取素材并确认状态

首先阅读：

• work_dir/agent_narration_brief.md：场景、时长、安静窗口与字数预算。
• asr_writing_chunks.json：长对白的写作分块。
• timeline_fusion.json：判断某段是否有对白或静音槽。
• vlm_analysis.json / asr_result.json：核对具体画面与原声证据；有 asr_clean.json 时以它的文本为准（lint、评审、剪辑和合成都读它）。
• brief 顶部列出的 contact sheet：不要只依赖场景摘要；反应、走位、静止和台词前后的具体时刻常常更重要。
• production_reference.json（仅当 work_dir 里有）：另一部成片拆出的可迁移方法与节奏数值，用法见 §4。

full 模式使用原片时间。cut 模式第一阶段只写 clip_plan.json；edited_source.mp4 产生后，第二阶段才按输出时间写 narration.json。

写任何创作产物前，直接读取 work_dir 判断当前阶段：

• recap_run_manifest.json：确认 edit_mode、源视频和本轮设置。
• full 模式：没有 narration.json 时进入写稿；存在时先复核再校验。
• cut 第一阶段：尚无 clip_plan_validated.json / edited_source.mp4，只写 clip_plan.json。
• cut 第二阶段：两者都存在，按 clip_plan_validated.json.clips[] 中的 source_start/end 与 output_start/end 核对映射，再写输出时间的旁白。

必须确认旁白没有跨越错误剪辑边界，也没有落进已删除区间。整个判断只依赖 work_dir 产物。

4. 制定创作方案

先阅读 references/creative-editing-playbook.md，再按创作控制模式写或更新工作产物：

1. recap_story_plan.json：导演意图、CREATE 中至少两个剪辑假设、选定的 POV / 主线，以及由“变化”定义的 beats。DIRECTED / REVISION 不强行新增假设。
2. visual_audio_board.json：每拍的画面任务、具体表演/反应、入点/出点、audio_owner、原声锚点与 narration_job。
3. style_card.json（适用时）：用户当前认可的声音、口语节奏、字幕阅读姿态和明确禁忌。收到表达或字幕反馈后更新原文件，而不是只改最终文案。

只记录决定、证据锚点、被放弃的备选方案和简短理由，不写冗长思维过程。

若 work_dir 有 production_reference.json，制定方案前先读它。它来自另一部成片，只含可迁移的方法和测得的节奏，不含本片事实，不能作为本片画面、剧情或台词的证据。优先级：用户指令 > 本片证据 > 参考。CREATE 可把它的 structure 当作一个候选假设，与素材自生的假设比较；DIRECTED / REVISION 默认不套用。targets 是参考值，不是配额：与本片的 audio_owner、完整台词或表演冲突时以素材为准。可在 recap_story_plan.json 写可选字段 reference_methods: [{"id": "m1", "decision": "adopt|adapt|skip", "note": "…"}]。没有这个文件就跳过本段。

4.1 导演判断

锁定：

• 观众承诺
• POV
• 戏剧问题
• 起始与结束情绪
• 隐瞒与揭示
• 结尾余味

4.2 故事编辑

CREATE 比较两个真正可行的结构后选择一个；DIRECTED / REVISION 沿用用户指定或已确认的结构，除非最新反馈明确改变故事方向。每个 beat 至少改变一项：知识、权力、目标、关系、情绪或风险。若删除后因果、人物和情绪都没有损失，该 beat 通常不应保留。

4.3 画面剪辑

选择具体时刻，而不是只选择事件。比较：

• 说话者与倾听者
• 动作与反应
• 早进与晚进
• 早出与多停半秒

在不破坏理解的前提下晚进早出，同时保留不可替代的表演、停顿、失误、动作声和完整台词。

4.4 声音与旁白分工

先指定 audio_owner，再写字。旁白只允许承担以下 narration_job：

• context
• causal_link
• foreshadow
• interpretation
• transition
• none

画面、原声或沉默已经足够时使用 none，不要默认铺旁白。

4.5 cut 模式第一阶段

cut 模式先根据 recap_story_plan.json 与 visual_audio_board.json 写原片时间的 clip_plan.json，此时不要写 narration.json：

{
  "target_duration": "10m",
  "clips": [
    {
      "start": 12.0,
      "end": 38.0,
      "reason": "b01 | hook | knowledge: unknown→threat | POV=主角 | 保留倾听反应 | 入点=问题已问出 | 出点=沉默落地"
    }
  ]
}

reason 统一使用：

beat_id | function | change | POV | preferred moment | 入点 | 出点

片段顺序必须构成一条完整故事线，而不是无序高光。可使用 0–1 个 cold open，随后回到因果清楚的 setup → turn → escalation → payoff。片段长度服从具体时刻，不使用统一秒数模板；片尾必须保留完整台词或动作。密集 scene-change 候选的来源判断与处理规则由剪辑阶段定义，写计划时遵循同一规则，不制造人工闪切。

5. 撰写旁白

full 模式直接按原片时间写；cut 第二阶段先查看 edited_source.mp4 与剪后故事板，补充 visual_audio_board.json 的输出时间并重新确认 audio_owner / narration_job，再按输出时间写：

[
  {
    "start": 5.0,
    "end": 12.0,
    "narration": "解说文本。",
    "pause_after_ms": 250,
    "overlaps_speech": true,
    "emotion": "紧张"
  }
]

字段说明：