免费的一键竖屏高清短剧视频技能SKill

今天这个Agent技能SKill是要解决如下问题的。或许你正好需要。

短视频团队的朋友，先问你一个问题。

一个选题，从写脚本、找素材、配配音、加字幕，到合成一条 9:16 的成片，你的团队要几个人、多少天？

如果我说，现在只要一句话、一次安装、一个回车，十分钟就能出一条带配音、带字幕、带背景音乐的竖屏高清短视频——你会不会以为我在讲神话？

别急，今天我把整个流程拆开给你看。而且我直接拿一条已经做出来的片子做例子：主题就四个字——我为修仙宗门提 KPI。

▲ 成片封面：9:16 竖屏，古装职场反差感，直接抓停留

对，就是这种真人实拍质感：宗门大殿、鎏金令牌、灵玉数据看板，一秒告诉观众"这是修仙片，但讲的是打工人的事"。这条片的封面、分镜、台词，全部由 AI 智能体一次性规划完成。

一、它到底能干什么：不是工具，是"会做视频的同事"

先说结论：这个技能不是又一个剪辑插件，而是一套标准的 AI Agent 技能包。它把开源项目 MoneyPrinterTurbo 的全部能力封装成可被 Agent 理解和调用的流程——你用自然语言说需求，它负责把需求翻译成参数、选入口、跑生成、收产物。

完整能力，一条不落：

① 主题驱动脚本生成

只给一个关键词或一句话主题，自动产出完整旁白、分镜、字幕文案、素材搜索词，连"成片要用哪几段画面"都由大模型一并规划好。

② 三种画幅随心切

9:16 竖屏短视频、16:9 横屏、1:1 方形，一次设定全程统一，抖音、视频号、B 站、小红书一套脚本多端分发。

③ 双通道素材来源

库存视频素材库匹配 + 文生视频 AI 生成画面，不够用还能混着来，告别"找不到合适空镜"的老大难。

④ 配音自由到离谱

Edge / Azure V2 / SiliconFlow / Gemini / 小米 MiMo / MiniMax / ElevenLbs / Chatterbox / Kokoro / Fish Audio / VoxCPM，十几路 TTS 任选；支持上传参考音频复刻说话人音色，保留节奏与情绪，还能另选示范音频延续演绎。

⑤ 字幕双引擎

edge 字幕秒出、whisper 本地高精度转写可编辑，改稿、校对、调样式都不在话下。

⑥ 背景音乐 + 批量 + 直发

自带 BGM 库，可换自定义字体；单次一键出片，也可一次提交 100 条任务批量生产，结束后输出统一 JSON 汇总，并支持 TikTok / Instagram / YouTube Shorts 直发。

▲ 分镜关键帧 1（锚定母版）：宗主手持「绩效考评表」，古装外壳里装的是现代管理

二、一个技能的"标准姿势"：为什么它能被任何 Agent 安装使用

这里说个行话，但尽量讲人话。Agent Skill 是一种开放规范——一份带元数据的说明文档，告诉 AI 助手"你是谁、你能做什么、该什么时候调用、怎么调用"。

这个技能按通用规范组织：

最妙的是它的可组合性。它不抢别人的活，而是和其他技能灵活协作：让绘图技能先出封面与关键帧、让数据技能算投放 ROI、让写作技能打磨文案，最后由它把这些素材组装成 mp4。整个流程的产出物，是一份可直接交给生成工作流一键成片的清单。

▲ 分镜关键帧 2（锚定母版）：灵玉「数据看板」亮起，修为曲线与贡献点一目了然

三、实战拆解：一条 2 分钟修仙短剧，它是怎么被"生产"出来的

我给智能体的原始指令只有一句："生成一个'我为修仙宗门提 KPI'的视频，竖屏 9:16，2 分钟。" 其余全是它自己规划的。

先看它吐出的脚本骨架（已按通用批量清单结构组织）：

{   "title": "我为修仙宗门提KPI",   "ratio": "9:16",   "duration_seconds": 120,   "tts": { "provider": "edge", "voice": "zh-CN-YunjianNeural" },   "subtitle": { "provider": "edge", "style": "bottom-center" },   "shots": [     { "index": 1,  "time": "0:00-0:08",       "visual": "宗门大殿全景推镜，宗主端坐主位，弟子抱拳",       "voiceover": "万古仙门，传承三千载。可谁能想到……" },     { "index": 4,  "time": "0:34-0:50",       "visual": "灵玉数据看板亮起，金色曲线跳动",       "voiceover": "第一策：破境量化。每人每月须突破一重……" },     { "index": 8,  "time": "1:40-2:00",       "visual": "陆尘身着绣金长袍，立于山门俯瞰云海",       "voiceover": "破境率翻倍，贡献点跃居正道第一……" }   ] }

它的规划思路，其实是专业编导的思路：

先抛悬念（宗门危机竟是考勤表）→ 立反差（修仙题材套现代管理）→ 三策递进（量化、积分、淘汰）→ 转折（满殿震惊）→ 爆发（全员苦修）→ 收束（破境率翻倍、目标三千大世界）。8 个分镜刚好填满 2 分钟，旁白节奏和字幕文案都给你排好了。

▲ 分镜关键帧 3（锚定母版）：云海山门，逆光收束——情绪与画面同时到位

四、批量与交付：从"做一条"到"开一条产线"

做一条不难，难的是稳定地做一百条。这个技能的批量能力专为这件事设计：

· 一次提交最多 100 个任务，清单不超过 1 MiB· 所有条目在第一个任务启动前完成参数与本地文件预检· 单个任务失败不阻塞后续条目· 结束后输出统一 JSON 汇总，成片路径、耗时、状态一表收齐

也就是说，内容团队只要维护一张选题表，就能让智能体通宵"批量出货"——白天你审稿，夜里它生产，第二天一早上新十条。

五、透明提示：它强在哪，边界在哪

讲完优点，必须说清楚边界，这也是我写这份演示时最坚持的一点：

① 技能包是编排层。它负责规划和调度，真正合成视频需要本地具备 Python 3.11+ 环境、FFmpeg、至少一个大模型 Key 与素材或 TTS 凭据。② 它不内置 Whisper 权重、TTS 模型权重或视频素材——这是刻意的：包体小、可安全分发。③ 音色的"情绪延续"、字幕风格、BGM 选择，最终效果受所选模型与素材源影响，需要按你的平台调一遍参数。④ 素材授权由使用者自行核对，商用前请确认来源合规。

但反过来看，正是这种"只管编排、不捆绑依赖"的设计，才让它能跨 Agent、跨项目、跨技能稳定协作——这是把一次性脚本变成可复用能力的关键。

写在最后

短视频的下半场，拼的不是谁会用剪辑软件，而是谁能用一句话调动一整条生产线。这条"修仙宗门提 KPI"，从主题到分镜到脚本，全程由智能体驱动——我做的只是按下回车。

如果你也想让自己的 Agent 拥有"会做视频的同事"，这个技能已经打包好，装进技能目录、重启会话即可生效。

附：分镜关键帧的「人物一致性」是怎么做到的

▲ 男主定妆母版：先锁死面容、发型与服饰，作为全组关键帧的唯一参考基准

要做到跨镜头人物稳定，关键不是靠提示词里多写几遍"同一张脸"，而是走母版图锚定：先单独出一张男主定妆母版，把面容（剑眉、双眼皮、鼻梁、薄唇、下颌线）、发型（过肩束发 + 白玉发冠）、服饰（墨黑交领锦袍描暗金云纹、月白内衬、墨金腰带 + 青玉腰牌）全部锁死在一张图里；之后每一张关键帧都以这张母版做唯一参考出图，只换场景、动作与机位。

· 画风锚点全组复用：真人实拍质感、高饱和暖金调、浅景深、柔和侧逆光、胶片颗粒· 版式锚点全组复用：底部同款半透明深灰字幕安全区，字幕用同一字体、同一字号· 比例锚点全组复用：全部 9:16，由工具参数恒定而非文字描述· 换的是"框内内容"：殿前出列、灵玉看板、云海收束——框、字、色调全程不动

这正是这套智能体技能编排能力的另一面：它不只管"出图"，还管"怎么让一组图像一个人拍出来的"。

— 本文演示用的封面与分镜关键帧均为 AI 生成示意，脚本结构可直接对接工作流一键成片 —

感兴趣的可以私信路上侠客获取该款应用下载使用，开箱即用，提供源文档，工具和Skill技能永久免费使用。欢迎想要定制自己工作流AI工具和Agent技能Skill的小伙伴咨询。