Gerador de MVs Cinematográficos com Sincronização de Batida
YijiaDuan/compose-cinematic-mv
Música → Batidas → Frames → Vídeo → MV sincronizado em 3:4
Ver no GitHubSkill para Claude Code que automatiza a criação de videoclipes musicais verticais no estilo cinema. Começa pela música, analisa as batidas fortes, gera frames com Seedream 4.0, converte para vídeo com Kling e monta tudo sincronizado via ffmpeg. Reduz horas de edição manual em um fluxo totalmente automático.
Instalação
npx convez-ai YijiaDuan/compose-cinematic-mv1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.
Métricas
Casos de uso
- Criar videoclipes musicais de curta duração com edição sincronizada à batida
- Gerar conteúdo visual para plataformas de vídeo curto (Stories, Reels, TikTok)
- Automatizar produção de MVs cinematográficos com temática épica/evocativa
Veredito

Solução robusta e criativa para criadores visuais, mas com gatekeeping alto: exige APIs pagas (Seedream, Kling), ffmpeg local e ambiente macOS. Compensa se você produz múltiplos MVs com frequência; caso contrário, o custo de setup e subscrição supera o valor.
README
A tradução para o português deste README ainda está na fila.
compose-cinematic-mv.skill
"我有一段音乐和一个画面意象,想要一条像那种'电影感意境短视频'的片子——但手动出图、出视频、对节拍剪辑,一条要磨一整天。"
一句意象 + 一首音乐 → 一条踩着节拍剪辑的竖屏电影感短片。音乐先行、卡点剪辑,Seedream 出图 + 可灵出视频 + ffmpeg 成片,全自动。
这是一个写给 Claude Code 的 skill。你给一个意象(比如"你潜入沉没千年的亚特兰蒂斯"),Claude 会照着 recipe:先找一首气质匹配的音乐 → 分析它的强拍 → 把分镜切点对齐到拍点 → 用 Seedream 4.0 出每个镜头的首帧 → 用可灵把首帧变成视频 → 用 ffmpeg 按拍点拼接、配乐,产出一条竖屏短片。风格学自小红书博主 Rainshae 的"渺小孤身者 × 宏大陌生世界"意境——提炼规律,创作全新场景,而非复刻。
核心信条:"感觉"来自镜头跟着音乐走、镜头短而信息密——不是几张好看的静图堆在一起。 所以它是音乐先行 + 卡点剪辑的。代价:依赖 Seedream / 可灵两个付费 API,且目前为 macOS 工作流。
安装 · 使用 · 它做什么 · 示例 · 踩坑预警 · English
安装
Claude Code
提示:Claude Code 从
~/.claude/skills/(全局)或当前 git 仓库根目录的.claude/skills/(项目级)自动加载 skill。
# 全局安装(推荐)
git clone https://github.com/YijiaDuan/compose-cinematic-mv \
~/.claude/skills/compose-cinematic-mv
# 或只装到当前项目
mkdir -p .claude/skills
git clone https://github.com/YijiaDuan/compose-cinematic-mv \
.claude/skills/compose-cinematic-mv
运行时依赖
- macOS,装好
ffmpeg/ffprobe、curl、openssl、bc(brew install ffmpeg) - 火山方舟 Ark(Seedream 4.0 文生图)的
ARK_API_KEY,且控制台已开通 Seedream 模型 - 可灵开放平台(图生视频)的
KLING_AK/KLING_SK,且已购买 API 资源包 - 凭据放在
~/.config/rainshae-mv/credentials.env(chmod 600),不进仓库、不进对话:
mkdir -p ~/.config/rainshae-mv
cat > ~/.config/rainshae-mv/credentials.env <<'EOF'
ARK_API_KEY=你的火山ARK_KEY
KLING_AK=你的可灵AK
KLING_SK=你的可灵SK
EOF
chmod 600 ~/.config/rainshae-mv/credentials.env
使用
在 Claude Code 对话里给一个意象 + 心情(可选指定音乐风格):
帮我做一条短片:你潜入沉没千年的亚特兰蒂斯
或任意等价说法:
- "音乐先行,做一条卡点的意境短视频,主题是 XXX"
- "用这种'渺小的人 + 宏大陌生世界'的风格,生成一段 MV"
- "1928,你在横贯西伯利亚的夜车上醒来,窗外是无尽雪原与极光"
- "make a cinematic vertical MV from this mood: ..."
Claude 会匹配到这个 skill,然后音乐先行地跑完整条流水线。你只需要:① 确认场景/选曲方向;② 出图后挑一眼有没有要重出的;③ 收成片。
它做什么
意象/心情 ─► 设计原创场景(年份+第二人称处境,3:4)
│
▼
先找匹配音乐 ─► find_beats 分析强拍(切点)
│
▼
按拍点排分镜(短镜头,每镜独立)
│
▼
Seedream 4.0 并行出首帧 ──► 人工过一眼
│
▼
可灵图生视频(≤5 并发,单片短)── 每镜一条
│
▼
ffmpeg 按拍点裁切拼接 + 配乐淡入淡出 ─► 竖屏成片
最终产物:一条 3:4 竖屏、~25–27s、镜头切点踩在音乐强拍上的 mp4。
| 产物 | 位置 |
|---|---|
| 成片 | 工作目录下的 MV_*.mp4 |
| 每镜首帧 | shot*.jpeg(过程文件,不进仓库) |
| 每镜视频 | shot*.mp4(过程文件,不进仓库) |
| 拍点/分镜表 | plan.tsv(过程文件,不进仓库) |
示例
三条用本 skill 生成的原创场景(点开即可在 GitHub 播放):
| 场景 | 配乐 | 成片 |
|---|---|---|
| 公元3024,你潜入沉没千年的亚特兰蒂斯 | Debussy《沉没的教堂》 | ▶ example-1-atlantis.mp4 |
| 1928,你在横贯西伯利亚的夜车上醒来,窗外是无尽雪原与极光 | Rachmaninoff《练声曲》 | ▶ example-2-siberia-night-train.mp4 |
| 832,你穿过沙暴走进无人的月之城 | Satie《Gnossienne No.1》 | ▶ example-3-moon-city.mp4 |
配乐均为公有领域录音(archive.org)。示例视频仅作风格演示。
为什么是这套流程
| 朴素做法 | 为什么不行 | 本 skill 怎么做 |
|---|---|---|
| 先出一堆图再配音乐 | 剪辑和音乐对不上,"没感觉" | 音乐先行:先定曲、再按强拍排镜 |
| 一个镜头 5 秒 | 信息量小,拖沓 boring | 镜头 ~2–3s,密而短 |
| 凭感觉切镜头 | 切点和节奏脱节 | find_beats 提取强拍,切点踩拍 |
| 一条视频反复裁成多镜 | 重复、廉价 | 每镜独立生成,不复用 |
| 直接抄博主的场景 | 抄袭,且没意义 | 提炼风格规律,造全新场景 |
能干啥 / 不能干啥
| 适合 ✅ | 不适合 ❌ |
|---|---|
| "渺小的人 + 宏大陌生世界"的意境短片 | 写实叙事 / 对白 / 人物表演 |
| 音乐踩点的氛围感 MV | 需要精确口型、复杂动作的镜头 |
| 竖屏 3:4、20–30s 的小红书/短视频 | 长片、横屏院线级成片 |
| 公有领域配乐的个人创作 | 商用前请自行核实素材授权 |
踩坑预警
- 代理会掐断 API:开了 Clash 之类的本地代理,到火山/可灵的 TLS 会被重置。规则模式下给
volces.com、klingai.com加直连;下载结果一律curl --noproxy '*'(结果 CDN 不在直连规则里,会被代理 MITM)。 - 账户开通才是主要卡点:Ark 要在控制台开通 Seedream 模型(否则
ModelNotOpen);可灵要买 API 资源包(否则1102 余额不足,这和网页版会员是两回事)。 - 可灵并发上限 5:第 6 个并发任务报
1303,要分批(≤5)提交。 - 车内/船内看向窗外的镜头:图生视频容易把窗外也当静景,提示词要显式写"窗外景物向后滑过 + 主体静止",制造视差。
- 配乐别用带噪的老录音:archive.org 的 "Great 78 Project"(
78_/gbia开头)嘶嘶声很重,降噪也救不回——优先干净上传,提交前先验噪声底。 - 脚本只吃不带双引号的提示词(JSON 内联拼接),提示词里别用
"。
项目结构
compose-cinematic-mv/
├── SKILL.md # 给 AI 的执行手册(根目录,自动加载)
├── README.md / README_EN.md # 给人看的(你正在读)
├── LICENSE # MIT
├── reference/
│ └── style-patterns.md # Rainshae 风格规律 + 意象引擎(造原创场景用)
├── scripts/
│ ├── find_beats.sh # 音频 → 强拍时间点(ffmpeg 能量包络)
│ ├── gen_image.sh # Seedream 4.0 文生图(curl,可并行)
│ ├── kling.sh # 可灵图生视频 submit/poll(openssl 签 JWT)
│ └── assemble.sh # 按拍点裁切拼接 + 配乐
└── examples/ # 三条生成的示例成片
没有
prompts/、tools/这类目录——逻辑就是"4 个 shell 脚本 + SKILL playbook",刻意精简。所有脚本都是 python-free(本机沙箱里 python 偶发权限错误,故全用 bash/curl/openssl)。
FAQ
能在 Windows / Linux 上用吗? 目前是 macOS 工作流(pbpaste 之类、系统证书路径)。脚本主体是 ffmpeg/curl/openssl,移植不难,但未测试。
一定要用 Seedream + 可灵吗? 这俩是当前接好的。换其它文生图/图生视频 API,改 gen_image.sh / kling.sh 两个脚本即可,流程不变。
配乐去哪找? SKILL 里推荐 archive.org 公有领域钢琴/弦乐(Satie、Debussy、Chopin 等),并给了"验噪声底"的命令。商用请自行确认授权。
会不会抄袭原博主? 不会。skill 明确要求提炼风格规律、创作全新场景,reference/style-patterns.md 就是那套"意象引擎"。
License
MIT © Yijia Duan | 示例配乐为 archive.org 公有领域录音。