SkillCast 首批精选 Skill 正在整理中 查看市场 →
市场 文章 课程 工具 关于
首页/Skill 市场/电影解说生产工作流（Movie Commentary Workflow）
人工核验

电影解说生产工作流（Movie Commentary Workflow）

面向 Codex 的电影解说全流程技能包，从原片索引、第一人称文稿、配音、选镜到复检，以可审计状态机保障创意可追溯，适合自媒体创作者。

电影解说视频制作CodexAI工作流内容创作
阅读介绍 GitHub 仓库

这是什么

Movie Commentary Workflow 是一套面向 Codex 的电影解说生产工作流，由同一个总导演主脑持续完成全片理解、第一人称文稿、角色配音、选镜、渲染和复检，并用证据、状态锁和用户创意门槛保持结果可追溯。该项目由作者 straighttttt 发布，当前版本为 v0.1（Skills Edition），仓库位于 GitHub，采用 Apache-2.0 许可证，目前获得 125 个 Star、15 个 Fork，并有 1 个待处理 Issue。

它不是一键生成器。索引、编导和渲染仍要求主脑观看连续原片并做创意判断，通用索引与渲染执行器会在后续版本继续抽取。项目提供了 8 个可组合的 Codex 技能、从镜头索引到正式复检的状态机、项目/导演方案/混音/复检数据合同，以及千问、MiniMax、Fish Audio 与火山 ASR 的语音工具。

适合谁

适合想要利用 AI 辅助完成高质量电影解说视频的创作者，尤其是使用 Codex 进行自动化工作流的自媒体人。它要求使用者具备一定的技术基础（Python、命令行），但不需要深度编程。如果你愿意在创意环节投入人工判断，并将重复性工作交给技能组合，这套工作流可以显著提升生产效率和一致性。

能做什么

该技能集合包含 8 个可组合的技能，各自承担不同职责：

  • movie-master-director：唯一总入口，负责状态恢复与阶段调度，让同一个主脑在不同 Codex 窗口中接管并连续完成整个项目。
  • movie-index：将本地电影原片、字幕、技术切点、关键帧和视觉模型观察结果整理成经过验证的可搜索镜头数据库。
  • movie-first-person-writer：理解整部电影并撰写第一人称电影解说稿，严格控制主观信息边界、心理推进和反转揭露时机。
  • movie-voice-tts：使用千问 Audio 3.0 TTS Plus、MiniMax Speech 2.8 HD 和 Fish Audio S2.1 Pro 生成或克隆角色旁白，包括复用用户选定的 Fish 公共音色。
  • movie-direct：以观众体验为中心预审文稿，并编排成节奏自然、关键事实准确的画面与声音方案。
  • movie-render-qa：忠实执行已锁定的样片或正式导演方案，完成截取、拼接、字幕、混音、增量渲染和技术验收。
  • movie-second-review：独立完整复看成片，逐秒检查瞬闪、秒切、跳画面、残帧、节奏突变等问题，并将创意问题交回 movie-direct。
  • movie-batch-director：在用户明确要求时生成隔离候选，用于 A/B 比较或并行生产批次。

使用前准备

使用前需要准备：

  • Codex（OpenAI 的命令行工具）
  • Python 3.11 或更高版本
  • ffmpeg 与 ffprobe（用于视频处理）
  • 可选：uv（用于隔离 Python 依赖）
  • 可选：对应语音供应商账户（千问、MiniMax、Fish Audio 等）和合法可用的声音素材

安装方法

movie-commentary-workflow 的技能采用标准的技能目录结构，可以在多种支持技能系统的 AI 编程助手平台上安装使用。下面分别介绍在四个主流平台中的安装方法。

前置准备

• Python 3.11+：用于运行脚本和校验工具

• ffmpeg 与 ffprobe：用于视频处理和渲染

• Git：用于克隆项目仓库

验证 ffmpeg：在终端运行 ffmpeg -version 和 ffprobe -version，确认都能输出版本信息。

1、Codex 安装

Codex 是本项目的原生支持平台，安装最简单直接。项目的 .codex/skills/ 目录就是为 Codex 准备的。

步骤 1：克隆仓库

git clone https://github.com/straighttttt/movie-commentary-workflow.git
cd movie-commentary-workflow

步骤 2：安装 Python 依赖

python -m pip install -e '.[dev]'

步骤 3：验证仓库完整性

python scripts/check_repository.py
python scripts/validate_project.py examples/synthetic-demo

步骤 4：在 Codex 中加载技能

打开 Codex，将仓库根目录添加到工作区。Codex 会自动识别 .codex/skills/ 目录下的 8 个技能。

提示：只需要 movie-master-director 一个入口技能即可启动完整工作流，其他技能会由总导演按需自动加载。

2、Claude Code 安装

Claude Code 使用类似的技能系统，技能目录路径为 .claude/skills/。需要做少量目录结构适配。

步骤 1：复制技能目录

git clone https://github.com/straighttttt/movie-commentary-workflow.git
cd movie-commentary-workflow
​
# 创建 .claude/skills 目录并复制技能
mkdir -p .claude/skills
cp -r .codex/skills/* .claude/skills/

步骤 2：在 Claude Code 中打开

启动 Claude Code，将项目根目录设为工作目录。技能会自动从 .claude/skills/ 加载。

3 Trae / TraeWorker 安装

Trae 是国产 AI 编程助手，支持从本地目录或远程仓库加载技能。TraeWorker 是其 CLI 版本。

方式一：通过技能面板安装（推荐）

  1. 打开 Trae，进入「技能」面板

  2. 点击「添加技能」→「从本地目录」

  3. 选择 movie-commentary-workflow/.codex/skills/ 目录

  4. Trae 会自动扫描并导入所有技能

方式二：手动放置技能目录

REM 将技能复制到 Trae 的技能目录
REM Windows 默认路径：
REM %APPDATA%\Trae\skills\
​
xcopy /E /I .codex\skills\movie-master-director "%APPDATA%\Trae\skills\movie-master-director"
xcopy /E /I .codex\skills\movie-index "%APPDATA%\Trae\skills\movie-index"
REM ... 其他技能同理

4、WorkBuddy 安装

WorkBuddy 是另一款支持技能系统的 AI 助手，技能加载方式灵活多样。

步骤 1：克隆仓库

git clone https://github.com/straighttttt/movie-commentary-workflow.git

步骤 2：配置技能路径

  1. 打开 WorkBuddy 设置

  2. 找到「技能管理」或「Skills」选项

  3. 点击「添加技能源」→「本地文件夹」

  4. 选择 movie-commentary-workflow/.codex/skills/ 目录

  5. 保存设置，WorkBuddy 会自动扫描并加载技能

兼容性说明：由于各平台技能系统的具体实现略有差异，部分高级功能（如状态锁校验、安全扫描脚本）可能需要在对应平台上做少量适配。核心的导演逻辑和工作流理念完全通用。

使用示例

安装好技能后，让我们通过一个完整的流程来了解如何实际使用这套工作流。

1、项目初始化

第一步：创建私有项目目录

真实电影项目必须保存在仓库之外，避免将原片、字幕等受版权保护的内容提交到公开仓库。

# 在仓库外创建你的电影项目目录
mkdir -p /path/to/your-private-projects/my-movie-project
​
# 复制项目模板
cp -r movie-commentary-workflow/templates/film-project/* /path/to/your-private-projects/my-movie-project/
​
​

第二步：填写项目配置

编辑 project.json，填入影片基本信息：

{
"id": "the-shawshank-redemption",
"title": "肖申克的救赎",
"source": {
"video": {
"path": "D:/movies/shawshank.mp4",
"provenance": "user-provided local file"
},
"subtitle": "D:/movies/shawshank.srt"
},
"media": {},
"paths": {
"production_state": "production/state.json",
"director_memory": "DIRECTOR_MEMORY.md"
}
}

2、启动总导演

在你的 AI 助手中，打开项目目录，然后输入以下指令启动总导演：

启动指令： 「使用 movie-master-director 接管这个电影项目，并从当前锁定状态继续。」

总导演会自动执行以下操作：

  1. 读取 AGENTS.md 定位影片根目录

  2. 读取 project.json、state.json 和 DIRECTOR_MEMORY.md

  3. 判断当前制作阶段和下一动作

  4. 向你说明当前状态、准备做的事和成功标准

3、第一阶段：素材索引

新项目的第一个状态是 INDEX_VERIFIED。总导演会调用 movie-index 技能完成：

• 镜头切点检测（使用 PySceneDetect）

• 字幕解析与时间轴对齐

• 关键帧提取与视觉描述生成

• 索引覆盖度验证

索引完成后，你会得到一个可检索的"镜头库"——之后所有的选镜工作都基于这个索引，但关键事实的判断仍然依赖总导演观看带声连续原片。

4、第二阶段：第一人称文稿

索引验证通过后，总导演调用 movie-first-person-writer 技能：

  1. 完整理解全片剧情和人物关系

  2. 确定第一人称叙述者视角

  3. 撰写编号草稿文稿

  4. 进行执笔自审（检查事实准确性）

关键原则：身份、动作、道具和反转必须严格准确；心理活动和过渡叙事按整体观感判断，不做逐词图解。

你需要做的是：确认叙述者人选和文稿方向。这是第一道用户创意门槛。

5、第三阶段：配音与样片

文稿锁定后，进入配音阶段：

• 试音：生成多个音色候选，由你选择最喜欢的声音

• 整篇配音：用选定的音色生成完整旁白音频和时间戳

• 样片选镜：总导演按 8～15 秒的叙事节拍选择镜头，剪辑出可播放的样片

样片完成后会交给你做创意评审——每版最多集中修正一次，然后由你决定是否认可方向。不认可就调整方向，认可了才进入正式全片制作。

6、第四阶段：正式全片与复检

样片获得你的认可后，才开始正式全片制作：

  1. 分批完成全片镜头选择和混音方案

  2. 拼接完整观看版，正常速度完整观看

  3. 锁定正式导演方案，完成最终渲染

  4. 两遍隔离复检（第一遍找问题，第二遍验证修复）

  5. 最终交付

7、常用指令速查

场景 → 指令示例

启动新项目： 「使用 movie-master-director 接管这个电影项目」

查询进度： 「现在制作到哪个阶段了？简要说明当前状态」

继续推进： 「继续推进到下一阶段」

生成样片： 「先做一段 2 分钟的样片给我看看方向」

修改反馈： 「这段的节奏太慢了，加快一下；另外主角名字说错了」

多方案对比： 「这段给我出两个不同的剪辑方案，我来选」

暂停/恢复： 「先暂停在这里，下次继续」

小提示：最好的使用方式不是事无巨细地指挥，而是把精力放在创意判断上——选哪个音色、认可不认可样片方向、要不要做多方案对比。技术细节交给总导演和各技能去处理。

风险与注意事项

该仓库不包含电影原片、字幕、剧照、证据帧、成片、声音参考、克隆音色、模型权重、API 密钥或真实项目状态。真实项目默认保存在仓库外，且只处理你有权使用的素材。第三方服务、模型、电影素材和声音分别受其自身条款与权利约束。

使用时需注意：

  • 保证所有素材和声音具有合法使用权，避免版权纠纷。
  • 语音服务需要自行注册账户并管理 API 密钥，仓库不会存储。
  • 项目当前为 v0.1，状态迁移时务必阅读迁移文档。
  • 技能要求主脑具备连续观看和创意判断能力，不建议完全自动化替代人工审核。

本仓库许可证为 Apache License 2.0，代码、技能和项目文档遵循该协议。

INSTALLATION

安装命令

TERMINAL
git clone https://github.com/straighttttt/movie-commentary-workflow.git
兼容平台Codex
运行环境需要 Codex、Python 3.11+、ffmpeg/ffprobe，可选语音供应商账户
API Key不需要
本地环境需要
费用免费