一个把AI视频工具串成流水线的Skill——video-director

做视频这件事，AI 工具其实不缺——缺的是一条能把「创意想法」稳稳当当变成「完整成片」的流水线。

今天挖到一个让我眼前一亮的 Skill：video-director，来自开源项目 Beav（Jamailar/Beav），GitHub 星标 1,764，Fork 233——这个热度在视频类 Skill 里相当能打。

它解决什么问题？

大多数 AI 视频工具是「你给 prompt，它出视频」，听起来很美，但实际操作中：

• 视频脚本要自己写，镜头语言要自己想
• 出图和出视频之间没有衔接，做出来的东西风格割裂
• 数字人口播要调音色、调语速，参数一堆，容易翻车

video-director 的思路完全不同——它是一个严格门控的工作流机器。你不能跳过任何一步直接出视频，它会强制你：

• 先写好分镜脚本和镜头表（plan_draft）
• 再生成一张「故事板联系预览图」让你确认构图和连续性（storyboard_preview）
• 等你点确认了，才进入配音环节（tts_if_needed）
• 最后才调用视频生成（video_generate）

翻译成人话：它逼你把「想清楚」这件事做完，才允许你动手做。

谁用得上？

广告/品牌营销人：产品宣传片、品牌故事片，一套流程覆盖脚本→分镜→配音→成片。

短视频创作者：口播视频、数字人视频，Skill 内置了 TTS + 声音克隆的衔接规范，不用自己调 API 参数。

AI 工作流搭建者：它本质上是一套多模态 Agent 的标准流程范本——脚本 Agent + 分镜 Agent + 配音 Agent + 视频 Agent 如何串联，看看它的 SKILL.md 就明白了。

技术亮点

几个让我印象深刻的细节：

• 分镜预览图不是「出图」，而是多格联系预览（contact sheet），确保镜头连续性
• 产品参考图不会被动用——如果用户上传了一张产品图，Skill 不会拿它去「分析/重绘」，而是作为视觉锚点保留
• 数字人口播的音色和语音是两个独立步骤：先克隆/选定音色，再生成配音，最后才合成视频
• 支持主流视频生成模型的 reference-guided 模式

怎么用？

在 Smithery 平台直接安装（npx skills add），或者在 Claude/Copilot 等支持 Skills 协议的环境里用 /video-director 激活。

触发词很宽：说「做一个产品宣传片」「生成广告片」「数字人口播视频」「图片转视频」，它都会拦截你，进入标准工作流。

一句话推荐理由：它不只是一个视频生成 Skill，它是一套把 AI 视频工具串成流水线的 SOP——如果你经常被「出图很好看、出视频翻车了」这个问题困扰，video-director 值得你放进工具箱。

GitHub：https://github.com/Jamailar/Beav

GitHub: https://github.com/Jamailar/Beav