Mr-funny/hbg-classical-poem-silk-video

Agent Skill for turning Chinese classical poems into vertical Chinese-art videos with ImageGen stills, Docker I2V, calligraphy captions, retained ambience, BGM and final MP4 QA.

是什么

hbg‑classical‑poem‑silk‑video 是一个 Agent Skill（AI 编码代理如 Codex 或 Claude Code 的插件），可将中文古典诗歌转换为竖向格式（1080 × 1920）的「丝绢视频」——一种短时、高质量的中国画风格动画。该技能解析诗歌，拆分为场景，使用内置 ImageGen 模型生成静态中国画帧，将这些帧输入基于 Gemini 的 图像→视频（I2V）Docker 容器，添加运动提示（水波纹、飞鸟、马蹄声等），叠加毛笔字幕，混合原始模型生成的环境音与可选背景音乐，并最终生成经过 QA 检查的 MP4。

如何获取

仓库自带一个 install.sh 脚本，可直接在命令行运行。该脚本会检测用户的代理（Codex 或 Claude Code），并将技能文件复制到代理的全局 skills 目录（默认 ~/.codex/skills/classical-poem-silk-video）。示例一行命令：

curl -fsSL https://raw.githubusercontent.com/Mr-funny/hbg-classical-poem-silk-video/main/install.sh | sh

您也可以手动克隆仓库，并将 skill/classical-poem-silk-video 文件夹复制到相应位置。

如何运行该技能

安装后，用自然语言与您的代理对话，例如：

使用 $classical-poem-silk-video 制作《枫桥夜泊》。
四句诗一行一景，画面色调随诗意变化；镜头固定，
让月光、水纹、乌鸦、霜雾和渔火在画中自然运动。
保留 AI 环境原声，毛笔字逐字出现，场景之间自然交叉溶解。

代理将执行以下步骤：

解析诗歌（识别时代、季节、意象、情感弧线）。
分镜 —— 短诗每行一景，长诗每两行一景。
选择中国画风格（水墨、工笔、青绿、骑马等），根据诗歌情绪决定。
生成静态帧，使用内置 ImageGen 模型，并为竖向毛笔字幕预留安全区域。
调用 Gemini I2V Docker 容器（gemini-flow-suite）对帧进行动画处理，使用精心设计的运动提示，固定镜头，仅移动目标对象。
添加字幕，使用 Ma Shan Zheng 毛笔字体（先右列后左列）。
混合音频 —— 保留模型生成的环境音，可选叠加背景音乐。
交叉淡入淡出过渡（视频与音频均适用），并运行最终 QA 脚本，检查黑帧、音频断点、帧数是否正确、视觉一致性（如无多余飞鸟、畸形马腿等）。

最终结果为一个 1080 × 1920、30 fps、H.264 + AAC 的 MP4，可直接分享。

关键技术组件

组件	功能
诗歌解析器	提取时代、地点、季节、意象、动作和情感曲线。
分镜引擎	分组诗句（≤4行 → 一行一景；更长 → 两行一景）。
风格选择器	在水墨、工笔、青绿、骑马等风格间切换，保持统一的中国画基因。
静态帧生成器	调用代理内置的 `ImageGen` 模型；为竖向字幕预留安全区域。
Docker I2V	运行 Gemini Flow Suite 容器（`gemini-flow-suite`），将帧转为带可控局部运动的短视频片段。
运动提示模板	四段式提示（固定锚点、局部运动区、稳定结尾、防幻觉规则），防止画作被意外“重写”。
字幕渲染器	使用 SIL‑OFL Ma Shan Zheng 毛笔字体，竖向双列布局，逐字显现。
音频混音器	保留模型生成的环境音，可选叠加用户提供的 BGM，并与交叉淡入淡出同步。
最终 QA 脚本	使用 `ffprobe`、`ffmpeg` 滤镜（`blackdetect`、`silencedetect`、`volumedetect`）和可选时间戳 TSV，验证运动一致性、帧完整性与编码规格。

适合谁使用

希望生成 AI 生成、文化上真实可信的短视频用于社交媒体（微博、抖音、B站）的 内容创作者。
寻找古典诗歌动画插图的 教育工作者。
需要现成技能展示多模态生成（文本 → 图像 → 视频 → 音频）的 AI 代理开发者。
对可控图像→视频生成提示工程感兴趣的 研究人员。

许可与合规

所有脚本、技能定义和文档均在 MIT 许可证 下发布。
内置 Ma Shan Zheng 字体遵循 SIL 开放字体许可证 1.1。
该技能明确不处理任何密钥、Cookie 或用户提供的媒体；仅操作用户提供的诗歌文本和可选 BGM。

快速入门检查清单

使用上述单行命令安装技能。
确保 Docker 正在运行，且 gemini-flow-suite 镜像可用（请参考其 README）。
运行 skill/classical-poem-silk-video/scripts/check_prerequisites.sh 验证环境。
让您的代理为任意诗歌生成视频。
生成 MP4 后，可选运行 final_media_qa.sh 确认质量。

示例输出

仓库包含《钱塘湖春行》（8行 → 4场景）的完整示例。最终视频（约32秒，1080 × 1920）可在 Releases 页面获取，并在 docs/article.md 中讨论。