---

name: book-video-pipeline

description: "小红书荐书视频自动生成 v3 - Seedance 2.0 原生音频+字幕，从选书到发布全自动"

license: MIT

invoke: "/book-video"

---

# 小红书荐书视频自动生成 Pipeline v3

<command-name>book-video-pipeline</command-name>

## 概述

基于火山方舟 Seedance 2.0 API 的小红书荐书视频全自动生成流程。

**v3 改进（基于官方提示词指南）：**

- **原生音频** — prompt 里直接指定旁白，Seedance 自动生成语音（不再用 edge-tts）

- **原生子幕** — prompt 里指定字幕内容，Seedance 在视频内生成同步字幕

- **封面标题卡片** — pan/zoom 效果 + 静音音频轨道，保证拼接兼容

- **链式生成** — 每段用前一段尾帧做起始图，画面更连贯

- **crossfade 拼接** — 视频 xfade + 音频 acrossfade，音画同步过渡

**核心流程：选书 → 详情/封面 → 脚本 → 分镜 → 视频生成（含音频字幕）→ 拼接 → 预览 → 发布**

---

## 静默执行协议

- Do not ask for confirmation to proceed. 不要请求确认以继续。

- Generate the full output in one go. 一次性生成完整输出。

- If data is missing, use the defined defaults. 如果数据缺失，使用默认值。

- Never say "是否继续"、"需要我帮你..."、"请确认" 等中断性语句。

---

## 环境要求

| 依赖 | 安装 |

|------|------|

| 火山方舟 API Key | 环境变量 `VOLCENGINE_API_KEY` |

| imageio-ffmpeg | `pip install imageio-ffmpeg`（自带 ffmpeg） |

| Docker (xiaohongshu-mcp) | 发布时需在 `localhost:18060` 运行 |

---

## 执行流程

**触发方式：`/book-video` 或 `/book-video 《书名》`**

### 步骤 1：选书

**情况 A - 用户指定了书名：** 直接用。

**情况 B - 未指定书名：** 运行搜索脚本（优先低粉爆款）：

```bash

python "D:\skills\xiaohongshu-book-publisher\scripts\search_hot_books_v2.py"

```

从「低粉爆款」分类中自动选 Top 1（排除 `[已发布]`）。

**错误处理：** 脚本超时 → 缓存 → WebSearch → 默认《被讨厌的勇气》

---

### 步骤 2：获取书籍详情和封面

**2.1 豆瓣获取详情**

```

WebFetch: https://search.douban.com/book/subject_search?search_text={书名}

提取：书名、作者、豆瓣评分、内容简介、金句/核心观点、封面URL

```

**2.2 下载封面（英文文件名！）**

```bash

curl -o "D:\xiaohongshu_data\cover_{english_name}.jpg" -H "Referer: https://book.douban.com/" "封面URL"

```

curl 失败则用：

```bash

python "D:\skills\xiaohongshu-book-publisher\scripts\get_cover_playwright.py" "{书名}"

```

---

### 步骤 3：生成荐书脚本 + 分镜

基于书籍详情，生成**口语化视频脚本**。

**提示词公式（基于 Seedance 2.0 官方指南）：**

每个分镜 prompt 由三部分组成：

1. **音频指令** — `生成带有画外音的视频。一个{voice_type}说："旁白文字"`

2. **视觉描述** — `主体 + 动作 + 环境 + 镜头运动 + 氛围`

3. **字幕指令** — `画面底部出现字幕，字幕内容为"旁白文字"，字幕需与音频节奏完全同步。`

**脚本模板（6-7 个分镜，~35 秒）：**

```markdown

## 荐书视频脚本

**书名**：《{书名}》

**风格**：治愈系（温暖金色调）

### 分镜 1 - 开场悬念（5秒）

**旁白**：{一句吸引眼球的开场白}

**画面**：{50-80词英文视觉描述：主体+动作+环境+镜头+氛围}

### 分镜 2 - 书籍亮相（5秒）

**旁白**：{一句话介绍这本书}

**画面**：{英文，与书相关的场景}

### 分镜 3 - 作者/背景（5秒）

**旁白**：{作者背景或创作故事}

**画面**：{英文，写作场景、书房等}

### 分镜 4 - 核心观点 1（5秒）

**旁白**：{一个打动人心的观点或金句}

**画面**：{英文，与观点匹配的视觉隐喻}

### 分镜 5 - 核心观点 2（5秒）

**旁白**：{另一个打动人心的观点或金句}

**画面**：{英文，与观点匹配的视觉隐喻}

### 分镜 6 - 个人感悟（5秒）

**旁白**：{真实感受，读完后的改变}

**画面**：{英文，情感场景}

### 分镜 7 - 推荐号召（5秒）

**旁白**：{号召行动}

**画面**：{英文，温暖的结尾场景}

```

**画面描述规则：**

- **必须英文**，50-80 词

- 按公式：主体 + 正在做什么动作 + 在什么环境 + 什么光线/氛围 + 镜头怎么运动

- **不要提到封面图/书名文字**（文字通过字幕生成）

- 尽量描述具体的场景，避免抽象概念

**可选声音类型：**

- 治愈系：`温柔平静的女声`

- 悬疑系：`深沉低沉的男声`

- 清新系：`轻快活泼的女声`

---

### 步骤 4：调用 pipeline 生成视频

**4.1 保存分镜 JSON**

```json

[

{"scene_id": 1, "prompt": "英文视觉描述...", "narration": "中文旁白"},

{"scene_id": 2, "prompt": "英文视觉描述...", "narration": "中文旁白"},

...

]

```

保存到 `D:\xiaohongshu_data\storyboard_{english_name}.json`。

**4.2 调用完整 pipeline v3**

```python

import sys, json

sys.path.insert(0, r"D:\skills\book-video-pipeline\scripts")

from seedance_client import SeedanceClient

client = SeedanceClient(api_key="YOUR_API_KEY")

with open(r"D:\xiaohongshu_data\storyboard_xxx.json", encoding="utf-8") as f:

storyboard = json.load(f)

result = client.generate_full_video(

storyboard=storyboard,

cover_path=r"D:\xiaohongshu_data\cover_xxx.jpg",

book_title="书名",

output_dir=r"D:\xiaohongshu_data",

voice_type="温柔平静的女声",

with_subtitles=True,

)

print(f"Video: {result['video_path']} ({result['size_kb']}KB, ~{result['duration']}s, audio: {result['has_audio']})")

```

**pipeline v3 自动执行：**

1. 封面 → 标题卡片（3秒 pan/zoom + 静音音频轨道）

2. 顺序生成视频片段（每段包含原生音频 + 字幕）

3. crossfade 拼接（视频 xfade + 音频 acrossfade）

4. 输出最终视频

**API Key 配置：**

```bash

set VOLCENGINE_API_KEY=ark-xxx

```

---

### 步骤 5：预览

生成 HTML 预览页面 `D:\preview_video_{name}_{date}.html`，包含：

- 视频播放器

- 书名、作者、评分

- 旁白文字版

- 小红书粉色系样式

```bash

start "" "D:\preview_video_xxx.html"

```

**等用户确认。** 不满意可：

- 调整分镜 prompt → 重新生成

- 换声音类型 → 重新生成

- 调整视觉描述 → 只改 prompt

---

### 步骤 6：发布到小红书

**6.1 检查登录** → MCP `check_login_status`

**6.2 生成视频笔记文案**（不是视频脚本！）

- 标题 ≤20 字，第一人称有情感

- 正文 200-300 字，20+ emoji

- 标签 10-15 个带 # 号

**6.3 MCP 发布**

```python

MCP_URL = 'http://localhost:18060'

# 初始化 → publish_content(title, content, video, tags)

# 视频路径用容器内路径: /app/data/xxx.mp4

```

**6.4 记录已发布** → `published_books.json` 加 `"type": "video"`

---

## 输出格式

```markdown

## 荐书视频生成完成

**书名**：《{书名}》

**作者**：{作者} | **豆瓣**：{评分}

### 视频信息

- 时长：~{N} 秒（标题卡片 3s + {M} 个分镜 x 5s）

- 比例：9:16 竖屏

- 分辨率：720p

- 文件大小：{N} MB

- 音频：有/无

- 字幕：内嵌/无

- 路径：`D:\xiaohongshu_data\{name}_final.mp4`

### 发布信息

- 标题：{标题}

- 标签：{标签}

- 状态：{成功/失败}

```

---

## 关键规则

1. **原生音频优先** — Seedance 2.0 原生支持音频生成，prompt 里指定旁白即可

2. **原生子幕** — prompt 里指定字幕内容，Seedance 自动生成同步字幕

3. **尾帧串联** — 每段用前一段最后一帧做起始图，画面更连贯

4. **分镜画面用英文** — Seedance 英文画面效果更好

5. **声音类型统一** — 全片用同一个声音类型

6. **视频比例 9:16** — 小红书竖屏

7. **发布前必须用户确认** — 展示预览后等 OK

8. **图片文件名必须英文** — 中文会导致上传超时

9. **视频脚本 ≠ 图文笔记** — 脚本是口语化的，不是文章

10. **拼接保留音频** — xfade 视频过渡 + acrossfade 音频过渡

## 提示词参考（Seedance 2.0 指南）

### 音频指令模板

```

生成带有画外音的视频。一个{voice_type}说："{旁白内容}"

```

### 字幕指令模板

```

画面底部出现字幕，字幕内容为"{字幕内容}"，字幕需与音频节奏完全同步。

```

### 完整场景提示词示例

```

生成带有画外音的视频。一个温柔平静的女声说："你有没有想过，为什么我们总是活在别人的期待里？" A solitary figure standing at a crossroads on a misty forest path, sunlight filtering through tall trees, warm golden hour lighting, slow dolly in, shallow depth of field. 画面底部出现字幕，字幕内容为"你有没有想过，为什么我们总是活在别人的期待里？"，字幕需与音频节奏完全同步。

```

## 文件引用

| 文件 | 用途 |

|------|------|

| `D:\skills\book-video-pipeline\scripts\seedance_client.py` | Seedance API + 原生音频/字幕 + 拼接（v3） |

| `D:\skills\xiaohongshu-book-publisher\scripts\search_hot_books_v2.py` | 热门书籍搜索 |

| `D:\skills\xiaohongshu-book-publisher\scripts\published_books.json` | 已发布记录 |

| `D:\skills\xiaohongshu-book-publisher\scripts\get_cover_playwright.py` | 封面获取（备用） |

| `D:\xiaohongshu_data\` | 视频和封面输出目录 |

## API 配置

| 参数 | 值 |

|------|-----|

| 视频模型 | `doubao-seedance-2-0-fast-260128` |

| 声音类型 | `温柔平静的女声`（默认） |

| 比例 | `9:16` |

| 单段时长 | 5 秒 |

| 标题卡片 | 3 秒 pan/zoom + 静音音频 |

| crossfade | 0.5 秒过渡（视频+音频） |