docs(video-from-script): 重构技能文档并优化图片生成脚本

- 简化并重组 SKILL.md 文档，清晰划分两类成片流程（幻灯片视频/AI视频）
- 移除冗余的 ASCII 图表和重复内容，使文档更具可读性
- 更新路由规则和示例，与新的分类标准保持一致
- 重构质量卡点部分，使其更简洁并明确检查标准
- 优化 phase-images.js 中的 MJ 图片生成函数，传递完整的 manifest 对象以供参考

.claude/skills/video-from-script/SKILL.md

@@ -1,274 +1,249 @@
 ---
 name: video-from-script
-description: 素材生产路由。根据用户意图分发到对应子技能：image-generator（生图）、capcut（成片）。支持单图和首尾帧两种视频模式。触发词：做视频、视频素材、生图+成片、图生视频、首尾帧。
+description: 素材生产路由。两类成片：A.幻灯片视频（图文成片）— 生图+配音+字幕；B.AI视频（视频片段成片）— 生图+AI视频化+组装，含单图/首尾帧。触发词：做视频、图文成片、图生视频、首尾帧。
 ---
 
 # 素材生产路由
 
-## 强制规则
+**你是主 Agent（导演）。** 子 Agent 执行具体任务，你负责：意图理解 → 编排调度 → 质量卡点 → 用户沟通。
 
-1. **工作流不可跳步**：分镜 → 图片提示词 → 生图 → 视频提示词 → 生视频 → TTS+成片。每阶段之间必须审查结果
+## 两类成片
-2. **manifest.json 是唯一状态源**：任何操作（生图、上传、替换素材）完成后必须立即回写 manifest
-3. **禁止 curl 调用生图/生视频 API**：必须通过 `pipeline.js` 或对应 generator 脚本执行
-4. **并行优先**：多个独立子任务必须用子 agent 并行，不要在主对话中串行完成
-5. **prompts/*.md 只被子 Agent 读取**：主 Agent 读 account.json 获取配置信息，不读子 Agent 提示词模板
 
-**禁止**：跳过分镜 / 不更新 manifest 就继续 / 一口气跑完 pipeline 不审查 / 主 Agent 替代子 Agent 生成提示词
+| 类型 | 成品 | 流程 | 有 AI 视频？ |
+|------|------|------|-------------|
+| **A. 幻灯片视频** | 图片 + 配音 + 字幕 + BGM + 转场 | 分镜 → 生图 → TTS → 组装 | ❌ 无 |
+| **B. AI 视频** | 每张图先生成 AI 视频片段，再组装 | 分镜 → 生图 → 生视频 → TTS → 组装 | ✅ 有 |
 
----
+B 模式又分两种：**单图模式**（1 图 → 1 段视频）/ **首尾帧模式**（2 图 → 过渡视频）
-
-**你（主 Agent）是整个流程的导演。** 子 Agent 是执行者，你负责：理解意图、编排调度、质量卡点、用户沟通、错误恢复。
-
-## 主 Agent 职责
-
-| 职责 | 说明 |
-|------|------|
-| 意图理解 | 分析用户需求，选择正确的模式、视频模型和帧模式 |
-| 编排调度 | 决定 Agent 串行/并行、传递参数、收集结果 |
-| 质量卡点 | 每个阶段完成后校验结果，不合格则要求子 Agent 重做 |
-| 用户沟通 | 汇报进度、请求用户决策（挑选图片、确认风格） |
-| 错误恢复 | API 失败时重试或换模型，质量不达标时补生成 |
-
----
 
 ## 路由规则
 
-| 用户意图 | 执行流程 | 子技能 |
+| 用户意图 | 对应类型 | 子技能 |
 |---------|---------|--------|
-| "生图"、"批量图片" | 生图 | `image-generator` |
+| "生图"、"批量图片" | 只生图 | `image-generator` |
-| "图片成片"、"图片轮播" | 已有图片 → 组装 | `capcut` |
+| "图文成片"、"幻灯片视频"、"图片轮播" | A. 幻灯片视频 | `image-generator` → `capcut` |
-| "图文成片"、"生图+成片" | 生图 → TTS+字幕+组装 | `image-generator` → `capcut` |
+| "图生视频"、"AI视频"、"图片转视频" | B. AI视频（单图） | `image-generator` → `capcut` |
-| "图生视频"、"图片转视频" | 生图 → AI视频 → 组装 | `image-generator` → Grok/VEO/Kling → `capcut` |
+| "首尾帧"、"帧动画"、"关键帧" | B. AI视频（首尾帧） | `image-generator` → `capcut` |
-| "首尾帧"、"帧动画"、"关键帧" | 生图(成对) → 视频过渡 → 组装 | `image-generator`(帧对) → VEO/Kling → `capcut` |
+| "创建账号"、"新账号" | — | 见 [account-creation.md](references/account-creation.md) |
-| "文案转视频"、"配音视频" | 生图 → TTS+字幕+组装 | `image-generator` → `capcut` |
+| "修改账号"、"改提示词"、"换风格" | — | 直接编辑 prompts/*.md |
-| "创建账号"、"新账号" | Q&A 收集信息 → 生成 prompts | 见 [account-creation.md](references/account-creation.md) |
+| 只说"做视频" | **追问**：幻灯片视频 / AI视频？ | — |
-| "修改账号"、"改提示词"、"换风格" | 读取现有 prompt → 确认修改范围 → 重写 | 直接编辑 prompts/*.md |
-| 只说"做视频" | **询问**：图文成片 / 图生视频(单图/首尾帧)？ | — |
-
-**"图生视频"的后续追问**：用户说"图生视频"时，追问视频模式：
-- **单图模式**：一张图 → 一段视频（Grok / VEO / Kling）
-- **首尾帧模式**：起始帧+结束帧 → 一段过渡视频（VEO / Kling）
 
 ---
 
-## Pipeline 执行流程
+## 执行流程
 
-Agent 创建 manifest.json 后，用 `pipeline.js` 分阶段执行。**不要一口气跑完，必须在阶段之间审查结果。**
+### 核心约束
 
-### 分工
+1. **不可跳步**：
+   - A（幻灯片）：分镜 → 图片提示词 → 生图 → TTS+成片。无视频阶段
+   - B（AI视频）：分镜 → 图片提示词 → 生图 → 视频提示词 → 生视频 → TTS+成片
+   - 阶段之间必须审查
+2. **manifest.json 是唯一状态源**：任何操作完成后立即回写
+3. **禁止 curl 调 API**：生图/生视频必须通过 `pipeline.js` 或对应 generator 脚本
+4. **并行优先**：独立子任务用子 Agent 并行
+5. **分镜表是脊骨契约**：用户确认分镜表后，下游子 Agent 只能加字段，禁止改 shot 数量/顺序/字段值。主 Agent 每次接收子 Agent 输出，第一件事数数量是否对得上
+6. **prompts/*.md 只被子 Agent 读**：主 Agent 读 account.json，不读子 Agent 提示词模板
 
-| 角色 | 职责 |
+### Step -1: 意图确认（逐项确认，缺一不可）
-|------|------|
-| **Agent**（你） | 读取 account.json → **分镜规划** → 图片提示词生成 → 视频提示词生成 → 审查每阶段结果 |
-| **Pipeline** | 机械执行：生图 → 上传 → 生视频 → TTS → 成片。每完成一个 item 写盘，支持断点续跑 |
-
-### 执行步骤
 
 ```
-Step -1: 意图确认（进入任何步骤前必须完成，逐项确认，缺一不可）
+1. 成片类型：A.幻灯片视频 / B.AI视频？
+   → AI视频继续追问：单图 / 首尾帧？
 
-  1. 内容意图：用户要做什么？
+2. 素材来源：有现成文案/图片/参考图？还是需要 AI 生成？
-     - 生图 / 图生视频 / 图片成片 / 配音视频 / 首尾帧
-     - 模糊时追问到明确，不要自己猜
 
-  2. 素材来源：
+3. 账号：扫描 accounts/*/account.json → 展示可用账号 → 用户选
-     - 有现成文案/图片？还是需要 AI 生成文案？
+   → 未指定让选，不匹配告知并问是否新建
-     - 有参考图/风格参考？
 
-  3. 视频模式（涉及视频时必问）：
+4. 参数：画幅、生图模型、(B 模式)视频模型 — 优先从 account.json 继承
-     - 单图模式：1 张图 → 1 段视频（Grok / VEO / Kling）
-     - 首尾帧模式：2 张图 → 过渡视频（VEO / Kling）
-
-  4. 账号确认：
-     - 扫描 根目录 accounts/*/account.json 获取最新账号列表
-     - 展示：ID、名称、风格、画幅
-     - 未指定 → 让用户选
-     - 指定了但不匹配 → 告知可用账号，问是否新建
-     - 确认后记住 account ID
-
-  5. 参数确认：
-     - 画幅（9:16 / 16:9）、生图模型（Gemini / MJ）、视频模型（VEO / Grok / Kling）
-     - 有账号时从 account.json 继承默认值，只问是否覆盖
-
-  → 以上 5 项全部确认后，agent 写出完整执行计划，让用户最终确认：
-
-  执行计划示例（根据实际任务调整）：
-  1. 读取 {account} 账号配置（id = 目录名）
-  2. 子 Agent 读取 prompts/分镜.md → 根据用户文案生成分镜表（N shot）
-  3. 子 Agent 读取 prompts/图片提示词.md → 为每个 shot 生成 imagePrompt
-  4. pipeline.js init → 创建 manifest.json + 输出目录
-  5. pipeline.js run --phase images → 生图 → 人工审查确认（可选）
-  6. 子 Agent 读取 prompts/视频提示词.md → 为每个 shot 生成 videoPrompt
-  7. pipeline.js run --phase upload,videos → 上传 + 生成视频
-  8. pipeline.js run --phase tts,assemble → TTS + 成片
-
-  用户确认 "开始" → 进入 Step 0
-  用户修改 → 调整计划后重新输出
-  → 禁止在用户未确认执行计划的情况下进入 Step 0
-
-Step 0: 前置检查（账号+提示词模板校验）
-  - 读取 根目录 accounts/{account}/account.json
-  - 检查 prompts/ 目录下的提示词模板是否存在（分镜.md、图片提示词.md、视频提示词.md）
-  - 如果账号不存在或缺少模板：
-    → 按 [account-creation.md](references/account-creation.md) 的 Q&A 流程创建账号
-    → 基于通用模板（`_template/prompts/`）+ 用户回答生成 3 个 prompt 文件
-  - 校验账号完整性：`pipeline.js validate-account --account <id>`
-  - 全部就绪则继续 Step 1
-
-Step 1: 分镜脚本生成（子 Agent 执行）
-  - 读取 account.json 中的 storyboardPrompt 字段，定位分镜模板文件（如 prompts/分镜.md）
-  - 主 Agent 将用户文案 + 模板交给子 Agent
-  - 子 Agent 按模板要求输出分镜表 JSON：
-    ```json
-    [{"id":1,"shotDesc":"英文画面描述，40-80词","script":"中文口播文案，≤22字","duration":5,"directorRef":"tarantino","keyword":"权力"}]
-    ```
-  - 主 Agent 审查分镜表（时长合理、隐性动势完整、directorRef 已填）
-  - 展示给用户确认，确认后进入 Step 2-A
-
-Step 2-A: 生成图片提示词（子 Agent 执行）
-  - 读取 account.json 中的 imageStylePrompt 字段，定位图片提示词模板（如 prompts/图片提示词.md）
-  - 子 Agent 为每个 shot 生成 imagePrompt：
-    - 入参：shotDesc + script（情绪参考）+ directorRef（光影策略）+ 目标模型
-    - 出参：imagePrompt（可直接送给图片模型的英文提示词）
-  - 主 Agent 审查 imagePrompt 质量（shotDesc 内容完整保留、光影词库对应 directorRef）
-
-Step 2-B: 生成静态分镜图 + Manifest 初始化
-  - 组装 items 并初始化 manifest（**不含 videoPrompt**）：
-    ```bash
-    node scripts/pipeline.js init --account <id> --mode <single|framePair> \
-      --items '[{"shotDesc":"...","script":"...","duration":5,"imagePrompt":"...","directorRef":"tarantino","keyword":"权力"}]'
-    ```
-  - 脚本自动从 account.json 继承：imageModel、videoModel、format、references
-  - 所有 item.confirmed = false
-  - 生成分镜图：`pipeline.js run --manifest <path> --phase images`
-    - 参考图在此阶段介入（Gemini 图生图 / MJ --sref）
-  - 首尾帧模式额外要求：每个 item 必须有 `lastFramePrompt`
-
-Step 2-C: 人工确认（可选卡点）
-  - 展示所有分镜图给用户
-  - 用户可：确认全部 / 替换 MJ 候选图（改 item.file = item.candidates[N]） / 删除不合格 item / 跳过确认直接继续
-  - 用户确认后：`node scripts/pipeline.js confirm --manifest <path> --all`
-  - 跳过确认时：批量设置 `confirmed = true`，直接进入 Step 3
-
-Step 3-A: 生成视频提示词（子 Agent 执行）
-  - 读取 account.json 中的 videoStylePrompt 字段，定位视频提示词模板（如 prompts/视频提示词.md）
-  - 子 Agent 为每个 shot 生成 videoPrompt：
-    - 入参：shotDesc + directorRef（运动策略）+ 已确认的分镜图 + 目标模型
-    - 出参：videoPrompt（描述镜头运动的英文提示词）
-  - Agent 将 videoPrompt 回写到 manifest items（直接编辑 manifest.json 的每个 item）
-  - 主 Agent 审查 videoPrompt 质量（描述运动而非内容、字数≤50）
-
-Step 3-B: 生成视频片段
-  - 上传 + 生成视频：`pipeline.js run --manifest <path> --phase upload,videos`
-  - 跳过确认时由 Step 2-C 自动批量设置 confirmed=true
-  - 首尾帧模式检查过渡连贯性
-
-Step 4: TTS + 成片
-  - 跑 tts + assemble 阶段：`pipeline.js run --manifest <path> --phase tts,assemble`
-  - TTS 使用 script 字段（口播旁白）
-  - 检查字幕准确、BGM 不盖配音
 ```
 
-> 命令语法见下方「CLI 参考」，不在此处重复。
+→ 5 项确认后，输出执行计划让用户最终确认。用户说"开始"才进入 Step 0。
 
-### CLI 参考
+### Step 0: 前置检查
+
+- 读取 `accounts/{account}/account.json`
+- 检查 `prompts/分镜.md`、`prompts/图片提示词.md`、`prompts/视频提示词.md` 是否存在
+- 缺失 → 按 [account-creation.md](references/account-creation.md) 创建账号 + 生成模板
+- `pipeline.js validate-account --account <id>` 校验通过后进入 Step 1
+
+### Step 1: 分镜脚本（子 Agent 执行）
+
+主 Agent 将**用户文案 + 分镜模板路径**交给子 Agent → 子 Agent 按模板输出分镜表 JSON：
+
+```json
+[{"id":1,"shotDesc":"英文画面描述","script":"中文口播文案","duration":5,"directorRef":"tarantino","keyword":"权力"}]
+```
+
+**主 Agent 审查**：时长合理？隐性动势完整（视频模式）？directorRef 已填？视频模式 script 拼接校验通过？
+
+→ 展示给用户确认。确认后**分镜表锁定为脊骨契约**，下游禁止增减 shot。
+
+### Step 2-A: 图片提示词（子 Agent 执行）
+
+- 主 Agent 传**完整分镜表 JSON**（不传原始文案）+ 图片提示词模板路径给子 Agent
+- 子 Agent 为每个 shot 追加 `imagePrompt` 字段：
+  - 入参（来自分镜表）：shotDesc + script + directorRef + keyword
+  - 出参：分镜表 JSON + imagePrompt
+- **硬约束：输出 shot 数量 == 输入 shot 数量**
+
+**主 Agent 审查**：① 数量对得上？② shotDesc 内容完整保留？③ 光影策略对应 directorRef？
+
+### Step 2-B: 生图 + Manifest 初始化
 
 ```bash
-# 创建账号（Step 0：首次使用时）
+node scripts/pipeline.js init --account <id> --mode <single|framePair> \
+  --items '[{"shotDesc":"...","script":"...","duration":5,"imagePrompt":"...","directorRef":"tarantino","keyword":"权力"}]'
+```
+
+- items 不含 videoPrompt，后续 Step 3-A 补充
+- 脚本从 account.json 继承：imageModel、videoModel、format、references
+- 首尾帧模式：每个 item 必须有 `lastFramePrompt`
+
+```bash
+node scripts/pipeline.js run --manifest <path> --phase images
+```
+
+### Step 2-C: 人工确认（可跳过）
+
+展示分镜图给用户 → 用户可确认全部 / 替换候选图 / 删除不合格项。
+用户确认后 `pipeline.js confirm --manifest <path> --all`，跳过则批量设置 `confirmed=true`。
+
+### Step 3-A: 视频提示词（B 模式专属，子 Agent 执行）
+
+- 主 Agent 传分镜表 JSON（含已确认分镜图路径）+ 视频提示词模板路径给子 Agent
+- 子 Agent 为每个 shot 生成 `videoPrompt`：
+  - 入参：shotDesc + directorRef + 已确认分镜图 + 目标模型
+  - 出参：videoPrompt（描述镜头运动，非画面内容）
+- **硬约束：输出数量 == 分镜表 shot 数量**
+- Agent 按 id 对齐回写 manifest.json
+
+**主 Agent 审查**：① 数量对得上？② 描述运动而非内容？③ 字数 ≤ 50？
+
+### Step 3-B: 生视频（B 模式专属）
+
+```bash
+node scripts/pipeline.js run --manifest <path> --phase upload,videos
+```
+
+首尾帧模式额外检查过渡连贯性。
+
+### Step 4: TTS + 成片
+
+```bash
+node scripts/pipeline.js run --manifest <path> --phase tts,assemble
+```
+
+- TTS 使用 script 字段
+- 检查字幕准确、BGM 不盖配音
+
+---
+
+## CLI 参考
+
+```bash
+# 创建账号
 node scripts/pipeline.js create-account --id <id> --name <名称> \
   --desc <描述> --video-model veo3-fast --references ./ref1.png,./ref2.png
 
-# 校验账号完整性
+# 校验账号
 node scripts/pipeline.js validate-account --account <id>
 
-# 初始化 manifest（Step 2-B 使用，AI 只提供创意内容，不含 videoPrompt）
+# 初始化 manifest
 node scripts/pipeline.js init --account <id> --mode <single|framePair> \
-  --items '[{"shotDesc":"...","script":"...","duration":5,"imagePrompt":"...","directorRef":"tarantino","keyword":"权力"}]'
+  --items '[{...}]'
-# 也可从文件读取 items（适合大量数据）
 node scripts/pipeline.js init --account <id> --mode single --items-file ./items.json
 
-# 校验 manifest 完整性
+# 校验 manifest
 node scripts/pipeline.js validate --manifest <path>
 
-# 人工确认分镜图（Step 2-C，可选：跳过时 Agent 批量设置 confirmed=true）
-node scripts/pipeline.js confirm --manifest <path> --all
-
 # 跑指定阶段
 node scripts/pipeline.js run --manifest <path> --phase images
 node scripts/pipeline.js run --manifest <path> --phase upload,videos
+node scripts/pipeline.js run --manifest <path> --phase tts,assemble
 
-# 断点续跑（跳过已完成阶段和 item）
+# 断点续跑
 node scripts/pipeline.js run --manifest <path> --resume
 
+# 确认分镜图
+node scripts/pipeline.js confirm --manifest <path> --all
+
 # 查看进度
 node scripts/pipeline.js status --manifest <path>
 ```
 
-**阶段**: `images` → `upload` → `videos` → `tts` → `assemble`
+**阶段顺序**: `images` → `upload` → `videos` → `tts` → `assemble`
 
-**Manifest item 状态**: `pending` → `generating` → `done` / `failed`。无 status 字段视为 pending。
+**Item 状态**: `pending` → `generating` → `done` / `failed`
 
 ---
 
-## 视频模式对比
+## 质量卡点
+
+每阶段完成后主 Agent 自动校验，不通过则修复后继续。
+
+### 生图
+
+| 检查项 | 标准 | 不通过 |
+|--------|------|--------|
+| 数量 | 与 items 数量匹配 | 补生成失败项 |
+
+### 配音
+
+| 检查项 | 标准 | 不通过 |
+|--------|------|--------|
+| 音频数量 | 与 items 数量匹配 | 补充或裁剪 |
+
+### AI视频
+
+| 检查项 | 标准 | 不通过 |
+|--------|------|--------|
+| 视频数量 | 与 items 数量匹配 | 补生成失败项 |
+
+### 成片输出
+
+| 检查项 | 标准 |
+|--------|------|
+| 字幕准确 | 与原始文案一一对应 |
+
+---
+
+## 目录规范
+
+```
+output/{name}_{YYYYMMDD}_{NNN}/
+├── manifest.json
+├── images/          # scene_{NN}_{slug}.jpeg（首尾帧加 _last 后缀）
+├── videos/          # scene_{NN}_{slug}.mp4
+└── audio/           # seg_001.mp3（多句时 seg_{id}_{j}.mp3）
+```
+
+命名对应：`scene_01_觉醒.jpeg` → `scene_01_觉醒.mp4`；MJ 候选 `scene_01_觉醒_cand1.jpeg`
+
+完整规范见 [batch-mode.md](../image-generator/references/batch-mode.md)。
+
+---
+
+## manifest.json
+
+完整字段规范见 [manifest-schema.md](references/manifest-schema.md)。
+
+核心规则：
+- 脚本检测 `lastFrameUrl` → 首尾帧模式；否则 → 单图模式
+- 顶层 `format` 自动传给视频模型作为画幅
+- `account` 字段驱动 capcut_assemble 读取字幕风格配置
+
+---
+
+## 参考：视频模式
 
 ### 单图模式
 
-```dot
+每条文案生成 1 张图 + 1 个 videoPrompt。Grok、VEO、Kling 都支持。提示词描述运动如 "slow zoom in on subject"。
-digraph single_image {
-  rankdir=LR
-  node [shape=box, style=filled, fillcolor="#f5f5f5", fontsize=11]
-
-  img [label="一张图", shape=oval]
-  prompt [label="videoPrompt"]
-  grok [label="Grok\n6s 视频", fillcolor="#fff3e0"]
-  veo [label="VEO\n6-8s 视频", fillcolor="#e8f5e9"]
-  kling [label="Kling\n6s 视频", fillcolor="#e1f5fe"]
-  result [label="视频输出", shape=oval, fillcolor="#e3f2fd"]
-
-  img -> prompt
-  prompt -> grok
-  prompt -> veo
-  prompt -> kling
-  grok -> result
-  veo -> result
-  kling -> result
-}
-```
-
-- 每条文案生成 1 张图 + 1 个 videoPrompt
-- Grok、VEO 和 Kling 都支持
-- 提示词描述运动："slow zoom in on subject"
 
 ### 首尾帧模式
 
-```dot
+每条文案生成 **2 张图**（firstFrame + lastFrame）+ 1 个 videoPrompt。仅 VEO、Kling 支持。两帧必须是同一场景的不同状态，提示词描述过渡如 "transition from A to B"。
-digraph frame_pair {
-  rankdir=LR
-  node [shape=box, style=filled, fillcolor="#f5f5f5", fontsize=11]
-
-  first [label="起始帧"]
-  last [label="结束帧"]
-  prompt [label="videoPrompt"]
-  veo [label="VEO\n6-8s 过渡视频", fillcolor="#e8f5e9"]
-  kling [label="Kling\n6s 过渡视频", fillcolor="#e1f5fe"]
-  result [label="视频输出", shape=oval, fillcolor="#e3f2fd"]
-
-  first -> veo
-  last -> veo
-  prompt -> veo
-  first -> kling
-  last -> kling
-  prompt -> kling
-  veo -> result
-  kling -> result
-}
-```
-
-- 每条文案生成 **2 张图**（firstFrame + lastFrame）+ 1 个 videoPrompt
-- **VEO 和 Kling 支持**（images 数组传两张图）
-- 起始帧和结束帧必须是**同一场景的不同状态**
-- 提示词描述过渡："transition from idle machines to active production"
 
 | 对比 | 单图模式 | 首尾帧模式 |
 |------|---------|-----------|
@@ -280,9 +255,7 @@ digraph frame_pair {
 
 ---
 
-## 视频模型与执行策略
+## 参考：视频模型与降级
-
-### 视频模型选择
 
 | 模型 | 时长 | 画幅 | 单图 | 首尾帧 | 特点 | API |
 |------|------|------|------|--------|------|-----|
@@ -291,113 +264,22 @@ digraph frame_pair {
 | Veo3-fast-frames | ~8s | 16:9, 9:16 | ✅ | ✅ | 多帧、质量最高 | jimmyai.cn |
 | Kling | 6s | 任意 | ✅ | ✅ | 快、首尾帧支持 | yunwu.ai |
 
-### 视频生成注意事项
+**注意事项**：
-
+- 并行提交（并发 3），再并行轮询。单视频 60-300 秒，脚本内置 3 次重试
-- **并行执行**：先同时提交所有任务（并发 3），再并行轮询结果
-- 单个视频生成耗时 60-300 秒
-- 脚本内置 3 次重试，每次自动简化提示词
 - VEO 独有：`enhance_prompt=true` 中文增强，`enable_upsample=true` 超分
-- 配置在 `config.json`
+- 同批次同模型，画幅统一跟随 manifest.format
+- 个别 item 降级时在 manifest 标记 `videoModel` 以便追踪
 
-### 视频大小一致性
+**降级链**: `Grok ↔ VEO ↔ Kling`。同一 item 重试 5 次仍失败 → 备用模型补生成 → 上传 OSS → 回写 `videoUrl` → 继续 tts+assemble
-
-- **同批次同模型**，不混合 Grok（720P/6s）、VEO（超分/8s）和 Kling（6s）
-- 画幅统一跟随 manifest 顶层 `format`（默认 `9:16`）
-- 个别 item 降级到备用模型时，在 manifest 中标记 `"videoModel"` 以便追踪
-
-### 视频生成失败降级
-
-**降级链**: `Grok ↔ VEO ↔ Kling`
-
-**触发**: 同一 item 重试 5 次仍失败 → 用备用模型单独补生成
-
-```bash
-# Grok 失败 → VEO/Kling 补
-node veo-video-generator.js --image <url> --prompt <prompt> -o ./videos
-node kling-video-generator.js --image <url> --prompt <prompt> -o ./videos
-
-# VEO 失败 → Grok/Kling 补
-node grok-video-generator.js --image <url> --prompt <prompt> -o ./videos
-node kling-video-generator.js --image <url> --prompt <prompt> -o ./videos
-```
-
-**规则**: 逐 item 降级，不卡整批次。补完后上传 OSS，回写 `videoUrl`，继续 `tts → assemble`。
-
----
-
-## 目录规范
-
-所有批次的输出遵循统一目录结构。完整规范见 [batch-mode.md](../image-generator/references/batch-mode.md) 的"目录规范"章节。
-
-**核心规则**：
-
-```
-output/{name}_{YYYYMMDD}_{NNN}/
-├── manifest.json                # 主清单（贯穿全流程）
-├── images/                      # scene_{NN}_{slug}.jpeg（slug 从 script/shotDesc 派生，首尾帧加 _last 后缀）
-├── videos/                      # scene_{NN}_{slug}.mp4（与图片对应）
-└── audio/                       # seg_001.mp3（TTS 分句音频，多句时 seg_{id}_{j}.mp3）
-```
-
-**命名对应关系**：图片 `scene_01_觉醒.jpeg` → 视频 `scene_01_觉醒.mp4`；首尾帧尾帧 `scene_01_觉醒_last.jpeg`；MJ 候选 `scene_01_觉醒_cand1.jpeg`
-
----
-
-## manifest.json 格式
-
-完整字段规范见 [manifest-schema.md](references/manifest-schema.md)（字段权重 P0/P1/P2、读写方、流转关系）。
-
-**核心规则**：
-- 脚本检测 `lastFrameUrl` → 首尾帧模式（传 images:[url, lastFrameUrl]）；否则 → 单图模式（传 images:[url]）
-- 顶层 `format` 自动传给 VEO/Grok/Kling 作为画幅比例
-- `account` 字段驱动 capcut_assemble 读取对应 account.json 的字幕风格配置
-
----
-
-## 质量卡点（Agent 可执行）
-
-每个阶段完成后 Agent 自动校验，不通过的自动修复。需要人工视觉判断的（画质、动画、BGM等）由用户在人工审查步骤处理。
-
-### 生图 卡点
-
-| 检查项 | 标准 | 不通过处理 |
-|--------|------|-----------|
-| 图片分辨率 | 短边 >= 1024px | 重新生成 |
-| 画幅比例 | 与 manifest.format 一致 | 重新生成 |
-| 数量 | 与 items 数量匹配 | 补充生成失败项 |
-
-### 配音 卡点
-
-| 检查项 | 标准 | 不通过处理 |
-|--------|------|-----------|
-| 音频时长 | 与素材总时长相近（±20%） | 调整语速或素材时长 |
-| 音频数量 | 与 items 数量匹配 | 补充或裁剪 |
-
-### AI视频 卡点
-
-| 检查项 | 标准 | 不通过处理 |
-|--------|------|-----------|
-| 视频数量 | 与 items 数量匹配 | 补充生成失败项 |
-
-### 成片输出 卡点
-
-| 检查项 | 标准 |
-|--------|------|
-| 字幕准确 | 与原始文案一一对应 |
-
-**卡点不通过自动修复后再进入下一阶段。**
 
 ---
 
 ## 共享资源
 
-所有子技能共享以下资源（位于本目录）：
+- `scripts/` — 生图、生视频、TTS、成片组装、OSS 上传等
-
+- `accounts/` — 账号配置（项目根目录）
-- `scripts/` — 共享脚本（生图、生视频、TTS、成片组装、同步剪映、OSS 上传等）
-- `accounts/` — 账号配置（项目根目录，详见 [account-system.md](references/account-system.md)）
 - `references/account-system.md` — 账号系统说明
-
+- `skills/config.json` — API 密钥、路径配置
-配置统一在 `skills/config.json`（API密钥、路径）。
 
 ---
 

.claude/skills/video-from-script/scripts/lib/phase-images.js

@@ -49,7 +49,7 @@ async function phaseImages(manifest, manifestPath, options) {
           if (model === 'gemini') {
             result = await generateGemini(item, idx, dir, imagesDir, ratio, refs)
           } else if (model === 'mj') {
-            result = await generateMJ(item, idx, dir, imagesDir, ratio, refs, manifestPath)
+            result = await generateMJ(item, idx, dir, imagesDir, ratio, refs, manifest, manifestPath)
           } else if (model === 'kling') {
             result = await generateKling(item, idx, dir, imagesDir, ratio, refs)
           } else {
@@ -116,7 +116,7 @@ async function generateGemini(item, idx, dir, imagesDir, ratio, refs) {
   return { file }
 }
 
-async function generateMJ(item, idx, dir, imagesDir, ratio, refs, manifestPath) {
+async function generateMJ(item, idx, dir, imagesDir, ratio, refs, manifest, manifestPath) {
   const { MJApi, ImageUtils } = require('../mj-image-generator')
   const referenceImages = refs.urls.length > 0 ? refs.urls : []
   const styleWeight = 200

accounts/_template/prompts/通用分镜.md

@@ -82,9 +82,11 @@ source outside the frame begins its slow rotation
 
 ## 四、切割规则
 
-### 4.1 切割优先级
+切割分两层：第一层按语义场景做宏观切分（两种模式通用），第二层按气口做微观切分（视频成片专用）。
 
-以「语义场景单元」为第一切割依据，不按句号机械切割。
+### 4.1 第一层：语义场景切割（两种模式通用）
+
+以语义场景转折为切割依据，不按句号机械切割。
 
 | 切割信号 | 判断标准 |
 |----------|---------|
@@ -92,10 +94,57 @@ source outside the frame begins its slow rotation
 | 场景转换 | 叙述空间或时间发生变化 |
 | 主体变化 | 叙述对象或视角切换 |
 | 节奏重音 | 强调句、停顿感强、关键意象出现 |
-| 语义完整 | 该段表达一个完整观点或例子 |
+| 语义完整（仅图文） | 该段表达一个完整观点或例子 |
-| 字数上限 | 视频成片每段 22 字左右；图文成片每段 50 字左右 |
 
-### 4.2 时长控制
+### 4.2 第二层：气口切割（视频成片专用）
+
+**视频成片在完成语义场景切割后，必须在每个语义场景内部进行第二轮气口切割。**
+
+核心法则：以朗读时的自然换气停顿（气口）为切割点，将长句拆为多个连续 Shot。每个 Shot 的 `script` 是原文在该气口的**逐字截取片段**——不是摘要、不是改写、不是提炼。连续 Shot 的 `script` 拼接后必须完整还原原句，一字不落。
+
+**气口即切割点：**
+- 逗号（，）— 第一优先切割点
+- 自然停顿 — 朗读时逻辑换气处
+- 从句边界 — "当……的时候""不是……而是""因为……所以"的分界处
+- 禁止在词语中间切割
+
+**字数约束：**
+- 单段 8–22 字。目标 15–18 字（最舒适的朗读气口）
+- 超过 22 字的从句，继续在下一个逗号处切开
+- 不足 8 字的碎片合并到相邻段
+
+**连续关系处理：**
+- 同属一个原句的连续 Shot，`directorRef` 保持同一位导演，画面构图持续递进
+- 连续从句 Shot 的 `keyword` 可选填，只在完整句的最后一个 Shot 必填，避免花字过密
+- 相邻帧允许同景别（视频运动本身提供变化）
+
+**示例——原文 52 字长句：**
+
+> 原文：「当你开始把别人的评价体系当作自己的坐标系，你已经把人生方向盘交给了后排乘客。」
+
+正确切割：
+
+| Shot | script | 字数 |
+|------|--------|------|
+| N | 当你开始把别人的评价体系， | 12 |
+| N+1 | 当作自己的坐标系， | 9 |
+| N+2 | 你已经把人生方向盘交给了后排乘客。 | 16 |
+
+→ 三个 script 拼接 = 完整原文，连标点都不少。
+
+**禁止行为：**
+- ❌ 把 52 字原句摘要成一句 22 字的改写
+- ❌ 丢弃原文的论证、例子、细节来"节省字数"
+- ❌ 跨语义场景合并——气口切割只在同一个语义场景内部进行
+
+### 4.3 字数上限速查
+
+| 模式 | 每段字数 | 说明 |
+|------|---------|------|
+| 图文成片 | 50 字左右 | 一帧讲透一个观点 |
+| 视频成片 | 8–22 字 | 气口自然长度，长句必须拆为连续 Shot |
+
+### 4.4 时长控制
 
 - **图文成片：** 每条 Shot 4-10 秒，跟随旁白节奏，完整表达一个观点
 - **视频成片：** 每条 Shot 3-7 秒，目标 5 秒，匹配视频片段长度
@@ -325,7 +374,7 @@ undone
 ```
 
 **字段说明**：
-- `script`：该段的**完整原文逐字摘取，一字不改**。原文怎么写就怎么贴，禁止改写、提炼、摘要、概括、换词
+- `script`：该段的**原文逐字摘取，一字不改**。原文怎么写就怎么贴，禁止改写、提炼、摘要、概括、换词。**视频模式：长句必须拆为 N 个连续 Shot，每个 Shot 的 script 是该句在该气口的逐字片段——所有连续 Shot 的 script 按顺序拼接后，必须等于原始口播文案的完整句，连标点符号都不能少一个。**
 - `keyword`：该段的**氛围关键词**（可选），2-6 个字，以花字效果叠加在画面中央增强冲击力。提炼该段最核心的意象/概念，偏向名词或动名词，有画面感。无合适关键词时省略该字段
 
 ## 九、启动指令与自检
@@ -347,8 +396,13 @@ undone
 > 如果这帧图片喂给视频模型，它知道往哪个方向动吗？
 > 答案是「不知道」→ **重写**
 
+**视频成片文本完整性自检（输出完整 JSON 后必做）：**
+
+> 把所有 shot 的 `script` 按 id 顺序拼接，等于原始口播文案吗？
+> 答案是「不等于」→ **重做气口切割，禁止摘要**
+
 **其他规则：**
 
 - `directorRef` 必须填写，不得为空，下游依赖此字段执行风格
-- 按语义单元切割，每段表达一个完整观点或例子
+- **视频成片：每个 shot 不要求表达完整观点，气口片段即可；连续 shot 拼接后才构成完整语义**
 - 若用户未提供完整口播文案，提示补充，不得凭空生成

accounts/军事账号/prompts/分镜.md

@@ -186,9 +186,11 @@ the geometry did.
 
 ## 七、切割规则
 
-### 6.1 切割优先级
+切割分两层：第一层按语义场景做宏观切分（两种模式通用），第二层按气口做微观切分（视频成片专用）。
 
-以「语义场景单元」为第一切割依据，不按句号机械切割。
+### 7.1 第一层：语义场景切割（两种模式通用）
+
+以语义场景转折为切割依据，不按句号机械切割。
 
 | 切割信号 | 判断标准 |
 |---------|---------|
@@ -196,10 +198,57 @@ the geometry did.
 | 场景转换 | 叙述空间或时间发生变化 |
 | 主体变化 | 叙述对象或视角切换 |
 | 节奏重音 | 强调句、停顿感强、关键意象出现 |
-| 语义完整 | 该段表达一个完整观点或例子 |
+| 语义完整（仅图文） | 该段表达一个完整观点或例子 |
-| 字数上限 | 视频成片每段 22 字左右；图文成片每段 50 字左右 |
 
-### 6.2 时长控制
+### 7.2 第二层：气口切割（视频成片专用）
+
+**视频成片在完成语义场景切割后，必须在每个语义场景内部进行第二轮气口切割。**
+
+核心法则：以朗读时的自然换气停顿（气口）为切割点，将长句拆为多个连续 Shot。每个 Shot 的 `script` 是原文在该气口的**逐字截取片段**——不是摘要、不是改写、不是提炼。连续 Shot 的 `script` 拼接后必须完整还原原句，一字不落。
+
+**气口即切割点：**
+- 逗号（，）— 第一优先切割点
+- 自然停顿 — 朗读时逻辑换气处
+- 从句边界 — "当……的时候""不是……而是""因为……所以"的分界处
+- 禁止在词语中间切割
+
+**字数约束：**
+- 单段 8–22 字。目标 15–18 字（最舒适的朗读气口）
+- 超过 22 字的从句，继续在下一个逗号处切开
+- 不足 8 字的碎片合并到相邻段
+
+**连续关系处理：**
+- 同属一个原句的连续 Shot，`directorRef` 保持同一位导演，画面构图持续递进
+- 连续从句 Shot 的 `keyword` 可选填，只在完整句的最后一个 Shot 必填，避免花字过密
+- 相邻帧允许同景别（视频运动本身提供变化）
+
+**示例——原文 52 字长句：**
+
+> 原文：「当你开始把别人的评价体系当作自己的坐标系，你已经把人生方向盘交给了后排乘客。」
+
+不对。正确切割：
+
+| Shot | script | 字数 |
+|------|--------|------|
+| N | 当你开始把别人的评价体系， | 12 |
+| N+1 | 当作自己的坐标系， | 9 |
+| N+2 | 你已经把人生方向盘交给了后排乘客。 | 16 |
+
+→ 三个 script 拼接 = 完整原文，连标点都不少。
+
+**禁止行为：**
+- ❌ 把 52 字原句摘要成一句 22 字的改写
+- ❌ 丢弃原文的论证、例子、细节来"节省字数"
+- ❌ 跨语义场景合并——气口切割只在同一个语义场景内部进行
+
+### 7.3 字数上限速查
+
+| 模式 | 每段字数 | 说明 |
+|------|---------|------|
+| 图文成片 | 50 字左右 | 一帧讲透一个观点 |
+| 视频成片 | 8–22 字 | 气口自然长度，长句必须拆为连续 Shot |
+
+### 7.4 时长控制
 
 - **图文成片：** 每条 Shot 4-10 秒，跟随旁白节奏，完整表达一个观点
 - **视频成片：** 每条 Shot 3-7 秒，目标 5 秒，匹配视频片段长度
@@ -352,7 +401,7 @@ something that cannot be undone
 ```
 
 **字段说明**：
-- `script`：该段的**完整原文逐字摘取，一字不改**。原文怎么写就怎么贴，禁止改写、提炼、摘要、概括、换词。包含论证、例子、细节，不是金句
+- `script`：该段的**原文逐字摘取，一字不改**。原文怎么写就怎么贴，禁止改写、提炼、摘要、概括、换词。包含论证、例子、细节，不是金句。**视频模式：长句必须拆为 N 个连续 Shot，每个 Shot 的 script 是该句在该气口的逐字片段——所有连续 Shot 的 script 按顺序拼接后，必须等于原始口播文案的完整句，连标点符号都不能少一个。**
 - `keyword`：该段的**氛围关键词**，2-6 个字，以花字效果叠加在画面中央增强冲击力。规则：
   - 提炼该段最核心的意象/概念，不是复述文案
   - 偏向名词或动名词，有画面感："权力""沉默""位置""逐帧拆""审视"
@@ -476,5 +525,10 @@ something that cannot be undone
 > 如果这帧图片喂给视频模型，它知道往哪个方向动吗？
 > 答案是「不知道」→ **重写**
 
+**视频成片文本完整性自检（输出完整 JSON 后必做）：**
+
+> 把所有 shot 的 `script` 按 id 顺序拼接，等于原始口播文案吗？
+> 答案是「不等于」→ **重做气口切割，禁止摘要**
+
 directorRef 必须填写，不得为空，下游依赖此字段执行风格
-按语义单元切割，每段表达一个完整观点或例子
+**视频成片：每个 shot 不要求表达完整观点，气口片段即可；连续 shot 拼接后才构成完整语义**