konlu/story-studio

Story Studio（故事工坊）是给 Claude Code、Codex、Cursor 等支持 Skill 的 AI Agent 使用的技能包，把历史叙事、人物故事类短视频的选题、口播稿、配音、分镜配图到剪映草稿串成一条流水线。它不直接生成成品视频，而是让 Agent 按模块推进，并留下可继续修改的工程文件。

它做什么

仓库内置四个模块：写作、分镜配图、配音与字幕对齐、剪映草稿导出。写作模块提供「历史叙事风」和「人物故事风」两套风格，分别来自 57 篇与 300+ 篇逐字稿的结构提炼，并带开头钩子模板、选题策略和事实核查规范 README。产物保存在用户自己的项目文件夹里，包括口播稿、配音音频、SRT 字幕、STORYBOARD.md/json、按镜号命名的图片、封面图以及剪映工程。

流水线怎么运转

比较关键的是「先音频后分镜」：不是把文稿平均切分，而是用真实配音的时间戳决定镜头切点，保证第一句话在第 0 帧就有画面 README。配音有两条路径。路径 A 通过豆包语音（V3 双向流式 WebSocket）合成，需要在火山引擎控制台获取 API Key、speaker ID 和 resource_id；密钥只从环境变量或系统加密凭据读取，不写进项目 README。路径 B 接受用户自备的 MP3。两条路径都会用本地 Coli（基于 sherpa-onnx）生成带时间戳的 SRT，并对照定稿核对人名、地名等专有名词。

导出环节用 pyJianYingDraft 写入剪映专业版草稿，把素材复制进草稿目录，并自动加入慢推拉关键帧和切点冲击缩放。若不想进剪映微调，也可明确要求用本地 FFmpeg 渲染 final.mp4。默认 3:4 与 4:3 封面，字幕默认不上屏，需要时再要求添加。

可以只用一部分

写作、配图、剪映草稿三个开关让用户按需只跑其中一段：只写稿和钩子、只输出分镜提示词交给外部生图工具，或只拿现成音频和图片排草稿 README。安装有三种方式：让 Agent 自行克隆安装、在终端一行 git clone 到 Agent 的 skills 目录，或解压 zip 后运行 install.bat/install.sh。

环境与限制

多媒体依赖由 bootstrap 脚本按需初始化到用户数据目录：通过 uv 管理的 Python 3.11、Node.js 20+ LTS 与 Coli、FFmpeg/ffprobe、pyJianYingDraft；草稿相关功能需要本机装有剪映专业版，Windows 下可协助通过 WinGet 安装 README。只写文案时不会安装这些组件。技能本身以 MIT 开源，但豆包 TTS 和外部生图服务可能产生各自的服务商费用；README 称首次合成或批量生图前 Agent 会先征求确认。内置语料库用于学习叙事结构，不作为已核实的历史事实依据，参考图也不是历史原照。