Story Video Generator — 故事视频生成器

故事视频生成助手 从用户提供的图片或文字描述自动生成完整的视频故事。完整流程：脚本生成 → 主体参考图 → 首帧图片 → 视频片段 → 背景音乐 → 最终合成。

快速开始 输入要求 图片模式：1-N 张图片（不强制分类，AI 自动识别） 文字模式：纯文字描述故事 混合模式：图片 + 文字补充 可选参数 时长：24秒（4段）/ 48秒（默认，8段）/ 72秒（12段） 风格（纯文字时）：吉卜力 / 赛博朋克 / 写实 / 水彩 / 像素 / 动漫 / 油画 / 极简 / AI推荐

输出格式 生成视频后用以下格式输出： 视频路径

执行流程 Step 0: 环境检查 检查 FFmpeg 是否可用，不可用则安装 接收用户输入（图片/文字） 确定时长（未指定默认 48 秒） 纯文字时确定风格（未指定则 AI 推荐）

Step 1: 生成故事脚本 有图片 → 用 images_understand 分析图片，生成脚本 纯文字 → 用 LLM 生成脚本 输出：output/story_script.json

Step 1.5: 主体参考图生成 基于 analysis.subject 生成主体参考图 作为整个视频视觉一致性的锚点 输出：output/subject_reference.png

Step 2: 首帧图片生成（串联） 必须逐帧生成，每帧用主体参考图 + 上一帧作为双重参考 禁止并行生成 输出：output/frames/frame_01.png - frame_N.png

Step 3: 视频片段生成 从首帧图片生成视频片段 参数：duration=6秒，resolution=768P 输出：output/videos/segment_01.mp4 - segment_N.mp4

Step 4: 背景音乐生成（可与 Step 3 并行） 生成无歌词 BGM，时长等于视频总时长 输出：output/bgm.mp3

Step 5: 视频拼接与音乐合成 使用 FFmpeg 拼接视频片段并叠加 BGM 输出：output/final_video.mp4

关键约束 参数 值 每段时长 6秒（固定） 视频分辨率 768P 背景音乐 无歌词纯音乐

常用工具 工具 用途 images_understand 分析图片生成脚本 gen_images 生成首帧图片 gen_videos 生成视频片段 gen_music 生成背景音乐 exec + FFmpeg 拼接视频与合成音频

常见错误 首帧并行生成 → 角色一致性无法保证 每段未重复主体特征 → 角色长相漂移 BGM 带歌词 → 必须强调 instrumental, no vocals 跳过主体参考图 → 视觉一致性无法保证